Intro
Das deutsche Startup Aleph Alpha bietet die Möglichkeit, seine KI-Modelle in fünf Sprachen (Deutsch, Englisch, Französisch, Spanisch und Italienisch) auszuprobieren, die mit dem registrierungspflichtigen, aber zunächst kostenfreien **Resarch Playground** zur Verfügung gestellt werden.
Modelle und Nutzungsmöglichkeiten
Die auch bimodal (auch Bilder können als Input verwendet werden) verfügbaren Modelle können Texte zusammenfassen bzw. auswerten (bspw. Tabellen aus Text generieren), Bilder interpretieren, Fragen beantworten (Q&A) oder Texte vervollständigen.
Die Nutzung wird zunächst gesponsert; es werden 2 Credits von Aleph Alpha frei zur Verfügung gestellt, die für eine schwer zu kalkulierende und eher kleine Menge an Anfragen genutzt werden können, die abhängig von den beim Prompt genutzten Tokens (Input) bepreist wird. Eine Bildinterpretation wird pauschal mit 144 Tokens berechnet. Im Screenshot ist sichtbar, dass 10.000 Token ca. 1 Credit entprechen. Die Preisangabe seitens Aleph Alpha für das mittlere Modell sieht umgerechnet ca. 1 Euro-Cent (€0.009) pro 1000 Tokens vor. Mit einem dutzend Prompts mit den verschiedenen Modellen hat sich der Startbonus schnell halbiert (von 2 auf 1,1 Credits).
![](https://gmki.org/wp-content/uploads/2023/12/upm1-1-1024x529.png)
![](https://gmki.org/wp-content/uploads/2023/12/upm2-1-1024x533.png)
Aleph Alpha bietet drei verschiedene Modellgrößen an (Parameter der Text-Modelle):
• Luminous-Base (13 Milliarden Parameter)
• Luminous-Extended (30 Milliarden Parameter)
• Luminous-Supreme (70 Milliarden Parameter)
Diese Modelle sind jeweils noch in einer Variante “controlled” nutzbar, d.h. diese Modellvarianten sind für die Befolgung von Anweisungen zur gewünschten Perspektive oder Rolle optimiert (Bsp.: Erkläre es, als wäre ich 5 Jahre).
Benutzeroberfläche
Die Benutzeroberfläche des Playground ist etwas komplex, aber schnell erfassbar und gut dokumentiert, richtet sich aber offensichtlich nicht an die breite Öffentlichkeit so wie ChatGPT oder Google Bard.
![](https://gmki.org/wp-content/uploads/2023/12/rpg-1-1024x626.png)
Besonderheiten
Eine Empfehlung für die meisten Anwendungsfälle seitens Aleph Alpha ist die Verwendung eines Luminous-Controlled Modells zusammen mit einer „Zero-Shot“-Eingabeaufforderung, also ohne Beispiel und mit einer spezifischen Formatierung:
![](https://gmki.org/wp-content/uploads/2023/12/format-1.png)
Besonders ist die Funktion Explain, die darauf abzielt, das Problem der Halluzinationen von LLMs zu lösen, also keine Informationen zu erfinden oder zu lügen und Referenzen sowie Konfidenzen sichtbar macht.
Um Explain auszuprobieren, müsst ihr im Complete-Modus eine Anfrage ausführen und dann auf den Explain-Button links unten auf dem Bildschirm klicken. Dadurch wird das Modell angewiesen, die generierte Information zu erklären, und es wird euch gezeigt, woher die Information stammt und wie sie generiert wurde.
Q&A sowie die Zusammenfassungsfunktion sind derzeit als “depricated” gekennzeichnet und sollen offenbar zukünftig durch andere Features abgelöst werden.
Fazit
Alles in allem scheint das Angebot der Heidelberger Firma interessant, jedoch eher nicht für völlige KI-Neulinge geeignet. Es eignet sich gut für Nutzende, die mit den Grundbegriffen und Möglichkeiten von LLM grundsätzlich vertraut sind, aber einen tieferen Einblick in ein großes Modell bekommen wollen, ohne eine monatliche Pauschale zu zahlen. Durch Ausprobieren des Playgrounds und Studieren der Dokumentation (englisch) können leicht erste Schritte im Prompting gemacht werden und der Einfluss der verschiedenen Einstellungsmöglichkeiten kann direkt beobachtet werden. Beispiellos scheint die Möglichkeit, die Transparenz bzw. die “Sichtweise” des Modells für die von ihm generierten Texte per “Explain” anzeigen zu lassen (Attention und Confidence) .
Warum sollte ich Aleph Alpha nutzen, wenn ich schon ChatGPT (in der kostenlosen Variante) nutze?
- Aleph Alpha ist komplexer, aber gut, um die unterschiedlichen Auswirkungen verschiedener Prompting Techniken, der Modellauswahl und deren Einstellungen zu verstehen
- Gute Dokumentation der Plattform bzw. des Playgrounds mit Beispielen
- Grundsätzlich Bimodal
- erhellende Transparenz der Modelle durch Explain Funktion
- keine monatlichen Pauschal-Kosten, sondern Verbrauchspreise