@MachineScholar 我想衷心感谢您提供的成本分析，并帮助我理解这一切。我自己对所有新信息感到有些不知所措，但年轻的计算机科学实习生们似乎像海绵一样吸收信息。他们可能比我快 8 倍……
我有一个实习生正在为两个不同的 Discourse 社区开发 AI 插件。我们支付实习生报酬，但他们很便宜，而且肯定充满热情。主要从事 AI 工作的是加州大学计算机科学专业的实习生，我经常想，在一个年轻群体中，未来如此清晰地属于他们去创造，校园里的讨论会是什么样的？
我还想知道您自己的研究环境是怎样的？您似乎深度参与了这项技术。这是一个多么棒的参与时机。太令人兴奋了。
我可能会在我下一个问题中开启一个新话题。实习生正在为 AI 机器人实现 Google 自定义搜索和 GitHub Token 访问。我不太确定这些是什么。但是，我希望 AI 机器人能够访问 GitHub 存储库来查找文档……我不确定什么可行。我也不知道 Discourse AI 插件是否使用了检索增强生成（RAG）。
关于 DeepSeek R1 与 o1 的功效，另一位实习生在与我谈论使用 Web 应用 UI（使用 ChatGPT Plus）为他们的 CS 项目使用它。所以，测试非常不正式，但一位实习生对 DeepSeek 的热情很高。
实际从事 AI 实现的实习生对 LLM 之间的差异一直更为谨慎。到目前为止，他们主要提供成本和使用情况表，对使用差异的评论有限。我们将向社区提供所有 LLM，并请他们进行评估。所以，实习生此时保持低调的意见是很聪明的。
再次感谢您在我旅程中的帮助。