Ask HN: अगर आपने GPT-4-Turbo और Claude Opus का उपयोग किया है, तो आपको कौन-सा ज़्यादा पसंद है?

Hacker News चर्चा ↗

समग्र उपयोग पैटर्न

  • कई लोग दोनों मॉडल का उपयोग करते हैं और काम के हिसाब से चुनते हैं; कुछ लोग GPT‑4, Claude Opus, और Gemini को समानांतर चलाते हैं, फिर जिस मॉडल को लगता है कि काम “समझ” गया है, उसी के साथ बातचीत जारी रखते हैं।
  • सामान्य उपयोग के मामले: कोडिंग/डिबगिंग, बिज़नेस प्लानिंग, भाषा सीखना, ईमेल और गद्य लेखन, सारांश, डायग्राम जनरेशन (जैसे Mermaid), और रणनीति/ब्रेनस्टॉर्मिंग।

Claude 3 Opus की मानी गई ताकतें

  • कोडिंग: अक्सर GPT‑4 से “आगे” बताया गया, ज़्यादा सीधे मुद्दे पर आता है, मौजूदा कोड के भीतर किए गए संपादनों को बेहतर समझता है और संक्षिप्त diffs बनाता है। कुछ लोग कहते हैं कि यह इंजीनियरिंग वर्कफ़्लो का एक अभिन्न हिस्सा हो सकता है।
  • शैली: कम “corporate speak,” अधिक संक्षिप्त, और कम स्पष्ट रूप से AI-लिखित; अक्सर ईमेल और सामान्य लेखन के लिए पसंद किया जाता है।
  • फोकस: आमतौर पर विषय पर बना रहता है, उत्तरों को क्रमिक रूप से संशोधित करता है, और कुछ उपयोगकर्ताओं के परीक्षणों में जटिल, बहु-चरणीय निर्देशों को बेहतर संभालता है।
  • बहुभाषी: कुछ कम-संसाधन वाली भाषाओं और बोलियों के लिए सराहना मिली।
  • मुफ्त Sonnet tier को कई लोगों ने GPT‑3.5 से स्पष्ट रूप से बेहतर माना; Opus को Sonnet से एक उल्लेखनीय अपग्रेड माना गया।

GPT‑4 / GPT‑4‑Turbo की मानी गई ताकतें

  • तर्क और पेपर: कुछ लोगों का कहना है कि जटिल तार्किक तर्क और अकादमिक पेपरों की व्याख्या में GPT‑4 बेहतर है।
  • भाषा सीखना: व्याकरण/वाक्य-विन्यास की व्याख्या, नियमों का सामान्यीकरण, mnemonic, और उदाहरणों के लिए GPT‑4‑Turbo को पसंद किया गया।
  • विश्वसनीयता: कुछ लोगों को लगता है कि टूलिंग/कैसे करें प्रकार के प्रश्नों पर GPT‑4 भरोसेमंद रूप से गलत उत्तर देने की कम प्रवृत्ति रखता है, खासकर जब इसे hallucinations से बचने के लिए एक मज़बूत system prompt दिया जाए।
  • टूल्स: integrated code interpreter और व्यापक ecosystem (apps, plugins) मजबूत आकर्षण हैं।

शैली, आलस, और Prompt Tuning

  • कई टिप्पणियाँ कहती हैं कि समय के साथ GPT‑4 के उत्तर ज़्यादा आलसी या अधिक सामान्य हो गए हैं, संभवतः लागत या alignment tuning के कारण; कभी-कभी इसे “वाकई कोशिश” करने के लिए दूसरा prompt चाहिए होता है।
  • Claude को अक्सर कम आलसी और पूरा काम करने को अधिक तैयार माना जाता है।
  • GPT‑4 पर custom system prompts verbosity और “corporate” tone को कम कर सकते हैं; Claude की chat UI में system-prompt नियंत्रण कम होता है।

गुणवत्ता संबंधी मतभेद और Hallucinations

  • कुछ लोग optimization/algorithms के लिए Claude को काफ़ी बेहतर मानते हैं; अन्य लोग bug fixing या factual “मैं tool Y में X कैसे करूँ” जैसे प्रश्नों के लिए इसे बदतर पाते हैं, जहाँ यह ज़िद्दी hallucinations दिखाता है।
  • GPT‑4‑Turbo को लेकर मतभेद हैं: कुछ कहते हैं कि यह मूल GPT‑4 की गुणवत्ता के क़रीब है; अन्य इसे “मूलतः unusable” कहते हैं, खासकर code के लिए (जहाँ यह ठोस implementation की बजाय उच्च-स्तरीय steps देता है)।
  • थ्रेड में benchmark रिपोर्टें विरोधाभासी हैं: एक व्यक्ति के internal benchmarks में GPT‑4 के कई पुराने variants, Claude Opus से बेहतर निकले; दूसरे के एक अनौपचारिक test set में Claude ने उन सभी समस्याओं को हल कर दिया जिन्हें GPT‑4 नहीं कर सका।

UX, Access, और Policy Friction

  • ChatGPT UI को अधिक polished माना जाता है (editing, canceling) लेकिन कुछ लोगों के लिए यह buggy भी है; Claude का interface crash कर सकता है या उसमें advanced features की कमी हो सकती है।
  • Claude आधिकारिक रूप से यूरोप के बड़े हिस्से में उपलब्ध नहीं है; उपयोगकर्ता Poe, Kagi, proxies, या US payment workarounds का सहारा लेते हैं।
  • कुछ उपयोगकर्ता non-technical कारणों से Claude को पसंद करते हैं: उसकी corporate direction पर अधिक भरोसा और OpenAI की पिछली governance समस्याओं से असहजता।