Ten czat AI warto przetestować. Duck.ai poszerzyło listę modeli

Jakiś czas temu pisaliśmy o anonimowym czacie AI zaprezentowanym przez twórców znanej przeglądarki internetowej DuckDuckGo. Wówczas to, użytkownicy mieli do dyspozycji 4 różne modele językowe pochodzące od OpenAI, Anthropic, Meta oraz francuskiego Mistral AI. Sprawdźmy jak od tamtego momentu ewoluowała usługa i które LLM’y są w tej chwili dostępne na liście wyboru.

DuckDuckGo stale dba o prywatność użytkowników

Przypomnę, iż zgodnie z zapewnieniami producenta wyszukiwarki DuckDuckGo, czaty przez cały czas są prywatne, anonimizowane dzięki proxy i nie są wykorzystywane do trenowania modeli AI.

Pokrótce rozwiązanie charakteryzuje się następującymi cechami:

• Całkowita anonimowość rozmów
• Brak rejestrowania danych użytkowników
• Metadane, które mogą identyfikować urządzenie użytkownika są usuwane
• Rozmowy są przechowywane przez krótki czas przez dostawcę modelu, ale są już anonimowe, więc nie ma ryzyka deanonimizacji
• Rozmowy nie są wykorzystywane do szkolenia lub ulepszania modeli językowych
• Rozmowy są wysyłane anonimowo do dostawcy modelu i nie są przekazywane do żadnych innych stron trzecich.

Ponadto na stronie DuckDuckGo można przeczytać:

„Twoje czaty są prywatne i nigdy nie są zapisywane ani wykorzystywane do trenowania modeli AI”

Bezpłatny dostęp do czatu, ale z pewnym limitem

Dostęp do poszczególnych modeli jest darmowy i nie wymaga zakładania konta. Jest to szczególnie polecane osobom, które chcą skorzystać z „usług” modeli językowych bez logowania np. na publicznym urządzeniu. Ponadto propozycja DuckDuckGo przydaje się, gdy zamierzamy gwałtownie i sprawnie porównać odpowiedzi prezentowane przez większe lub mniejsze LM’y.

Wybór modelu językowego na stronie duck.ai nie jest skomplikowany. / Źródło: wł.

W telegraficznym skrócie, aby skorzystać z poszczególnych LM’ów wystarczy przejść pod następujący adres: duck.ai lub alternatywnie kliknąć w ikonę czatu widoczną pod polem wyszukiwarki. Nic nie stoi na przeszkodzie, aby użytkować czat AI poprzez aplikację DuckDuckGo Privacy Browser (Android) lub dla iOS. Całość wygląda analogicznie jak dla wersji desktopowej.

Ikona czatu duck.ai pod polem wyszukiwarki DuckDuckGo. / Źródło: wł.

Oczywiście trzeba zdawać sobie sprawę z tego, iż na ogół w bezpłatnych usługach występują pewne ograniczenia. Nie inaczej jest i w tym przypadku. Dzienne limity można gwałtownie przekroczyć np. podczas analizy dłuższego kodu. Nie zmienia to faktu, iż funkcjonalność jako całość stoi na odpowiednim poziomie, a sama obsługa nie jest skomplikowana. Przy okazji należy dodać, iż czaty zapisywane są lokalnie na urządzeniu użytkownika, a nie na serwerach DDG.

Długość czatu w rozmowie z o3-mini został przekroczony. / Źródło: wł.

Lista modeli językowych figurujących na Duck.ai

Aktualnie do dyspozycji użytkownika są następujące modele:

• GPT-4o mini (Sztuczna inteligencja ogólnego przeznaczenia z wysoką wbudowaną moderacją.
• Utworzony przez OpenAI)
• Llama 3.3 70B (Sztuczna inteligencja ogólnego przeznaczenia ze średnią wbudowaną moderacją. Utworzony przez Meta)
• Claude 3 Haiku (Sztuczna inteligencja ogólnego przeznaczenia z wysoką wbudowaną moderacją. Utworzony przez Anthropic)
• o3-mini (Wersja beta. Rozumująca sztuczna inteligencja z wysokim poziomem wbudowanej moderacji Utworzony przez OpenAI)
• Mistral Small 3 (Sztuczna inteligencja ogólnego przeznaczenia z niską wbudowaną moderacją. Utworzony przez Mistral AI)

Lista modeli językowych dostępnych na Duck.ai. / Źródło: DuckDuckGo

Szybkie, testowe pytanie do o3-mini

Nie rozpisując się za bardzo, zadałem, mniejszemu, rozumującemu modelowi, czyli o3-mini w wersji beta dosyć proste pytanie.

Poniżej wynik testowego zapytania.

„Regresja liniowa i regresja logistyczna to dwie metody statystyczne, które pomagają przewidywać wartości na podstawie danych, ale służą do różnych celów.

Regresja liniowa

• Cel: Przewidywanie wartości liczbowych, które mogą przyjmować dowolną wartość.
• Jak działa: Rysujemy prostą linię (czyli „najlepszą dopasowaną linię”) przez zbiór punktów reprezentujących dane. Linia ta jest wykorzystywana do przewidywania nowych wartośli.
• Przykład:
• Chcemy przewidzieć cenę domu na podstawie jego powierzchni. Wiemy, iż im większy dom, tym zwykle droższy. Regresja liniowa pomoże nam wyznaczyć linię, dzięki której dla danej powierzchni domu będziemy mogli oszacować cenę.
• Inny przykład: przewidywanie temperatury na podstawie liczby dni od początku roku.

Regresja logistyczna

• Cel: Przewidywanie, czy zdarzenie nastąpi, czy nie (czyli klasyfikacja binarna). Wynik nie jest wartością liczbową, ale prawdopodobieństwem, które przekłada się na jedną z dwóch kategorii (np. TAK/NIE, 0/1).
• Jak działa: Zamiast prostej linii stosuje się funkcję (tzw. funkcję sigmoidalną), która „ściska” przewidywaną wartość do zakresu między 0 a 1. To pozwala ocenić prawdopodobieństwo, iż dana obserwacja należy do pewnej klasy.
• Przykład:
• Chcemy przewidzieć, czy klient kupi dany produkt na podstawie danych demograficznych (np. wiek, dochód itp.). Wynik regresji logistycznej da nam prawdopodobieństwo (np. 80%), a na tej podstawie podejmujemy decyzję o klasyfikacji (kupno albo brak kupna).
• Inny przykład: przewidywanie, czy dana osoba zachoruje na konkretną chorobę (tak/nie) na podstawie czynników ryzyka.

Podsumowanie

• Regresja liniowa pasuje do sytuacji, gdy zależy nam na przewidywaniu ciągłych wartości (takich jak ceny, temperatury, ilości).
• Regresja logistyczna służy do przewidywania stanów dwuwartościowych (np. tak/nie, 0/1), czyli sytuacji, w których decydujemy, czy wydarzenie się wydarzy, czy nie.

Obie metody są fundamentem w analizie danych i uczeniu maszynowym, ale wybór odpowiedniej zależy od rodzaju problemu, który chcemy rozwiązać.”

Czy warto dać szansę duck.ai? Zdecydowanie warto przetestować tę bezpłatną ofertę. Jak dla mnie rozwiązanie jest przydatne i sprawdza się na wielu polach. Osobiście raz na jakiś czas pracuję z modelami, które znajdują się na liście DuckDuckGo. Zdecydowanie stanowią one użyteczne uzupełnienie dla tej dbającej o prywatność użytkownika wyszukiwarki.

Źródło: DuckDuckGo, OpenAI, Meta, Mistral.ai, Anthropic