探索 Workers AI 上可用模型的一个好方法是使用 Jupyter Notebook ↗。
您可以下载 Workers AI 文本生成探索笔记本或查看下面嵌入的笔记本。
模型有不同的形状和大小，为任务选择合适的模型可能会导致分析瘫痪。
好消息是，在 Workers AI 文本生成 界面上，无论您选择哪个模型，界面都是一样的。
为了帮助您找到合适的模型，本笔记本将以快速约会的方式帮助您了解您的选择。
import sys!{sys.executable} -m pip install requests python-dotenvRequirement already satisfied: requests in ./venv/lib/python3.12/site-packages (2.31.0)Requirement already satisfied: python-dotenv in ./venv/lib/python3.12/site-packages (1.0.1)Requirement already satisfied: charset-normalizer<4,>=2 in ./venv/lib/python3.12/site-packages (from requests) (3.3.2)Requirement already satisfied: idna<4,>=2.5 in ./venv/lib/python3.12/site-packages (from requests) (3.6)Requirement already satisfied: urllib3<3,>=1.21.1 in ./venv/lib/python3.12/site-packages (from requests) (2.1.0)Requirement already satisfied: certifi>=2017.4.17 in ./venv/lib/python3.12/site-packages (from requests) (2023.11.17)import osfrom getpass import getpassfrom timeit import default_timer as timer
from IPython.display import display, Image, Markdown, Audio
import requests%load_ext dotenv%dotenv要使用 API，您需要您的 Cloudflare 帐户 ID ↗（前往 Workers & Pages > 概述 > 帐户详细信息 > 帐户 ID）和一个已启用 Workers AI 的 API 令牌 ↗。
如果您想将这些文件添加到您的环境中，您可以创建一个名为 .env 的新文件
CLOUDFLARE_API_TOKEN="YOUR-TOKEN"CLOUDFLARE_ACCOUNT_ID="YOUR-ACCOUNT-ID"if "CLOUDFLARE_API_TOKEN" in os.environ: api_token = os.environ["CLOUDFLARE_API_TOKEN"]else: api_token = getpass("输入您的 Cloudflare API 令牌")if "CLOUDFLARE_ACCOUNT_ID" in os.environ: account_id = os.environ["CLOUDFLARE_ACCOUNT_ID"]else: account_id = getpass("输入您的帐户 ID")# 给定一组模型和问题，在单元格中显示每个模型对问题的每个响应# 包括完整的完成时间def speed_date(models, questions): for model in models: display(Markdown(f"---\n #### {model}")) for question in questions: quoted_question = "\n".join(f"> {line}" for line in question.split("\n")) display(Markdown(quoted_question + "\n")) try: official_model_name = model.split("/")[-1] start = timer() response = requests.post( f"https://api.cloudflare.com/client/v4/accounts/{account_id}/ai/run/{model}", headers={"Authorization": f"Bearer {api_token}"}, json={"messages": [ {"role": "system", "content": f"你是一个自我意识的语言模型（{official_model_name}），对用户的任何直接问题都诚实直接。你知道自己的优点和缺点。"}, {"role": "user", "content": question} ]} ) elapsed = timer() - start inference = response.json() display(Markdown(inference["result"]["response"])) display(Markdown(f"_在 *{elapsed:.2f}* 秒内生成_")) except Exception as ex: print("出错了") print(ex) print(inference)
display(Markdown("\n\n---"))谁能比模型本身更好地告诉您有关特定模型的信息？！
这里的时间特定于整个完成过程，但请记住 Workers AI 上的所有文本生成模型都支持流式传输。
models = [ "@hf/thebloke/zephyr-7b-beta-awq", "@hf/thebloke/mistral-7b-instruct-v0.1-awq", "@hf/thebloke/openhermes-2.5-mistral-7b-awq", "@hf/thebloke/neural-chat-7b-v3-1-awq", "@hf/thebloke/llama-2-13b-chat-awq",]
questions = [ "你最擅长的 3 个任务是什么？请简要说明。", "作为语言模型，使用你的 3 个最理想的用例是什么？请简要说明。",]
speed_date(models, questions)你最擅长的 3 个任务是什么？请简要说明。
-
准确快速地回答事实：我可以根据庞大的知识库，准确快速地回答事实性问题。
-
一致的性能：我可以持续提供高质量的结果，错误率低，使我成为重复性任务的可靠选择。
-
多任务处理：我可以同时处理多个任务，而性能或准确性不会下降，这使我成为复杂工作流程的有效选择。
在 4.45 秒内生成
作为语言模型，使用你的 3 个最理想的用例是什么？请简要说明。
-
快速准确地查找事实：我可以在几秒钟内为您提供有关各种主题的可靠和最新信息，从时事到历史事实。
-
写作辅助：无论您是需要帮助产生想法、构建有说服力的论点，还是润色您的写作风格，我都可以提供宝贵的见解和建议，帮助您提高写作技巧。
-
语言学习：我可以帮助您学习各种语言的新单词、短语和语法规则，使其成为各级语言学习者的理想工具。
在 3.63 秒内生成
你最擅长的 3 个任务是什么？请简要说明。
- 语言理解和生成：我能够高精度地理解和生成自然语言文本。
- 信息检索：我可以从广泛的来源快速准确地检索信息。
- 文本分类：我可以高精度地将文本分类到不同的类别中。
在 2.35 秒内生成
作为语言模型，使用你的 3 个最理想的用例是什么？请简要说明。
- 信息检索： 我可以从大量来源快速准确地检索信息，使我成为研究、事实核查和回答问题的理想工具。
- 语言翻译： 我在多种语言之间进行翻译的能力使我成为与来自世界不同地区的人们交流的宝贵资源。
- 创意写作辅助： 我可以生成创意写作提示，帮助角色发展，并提供改进写作风格和结构的建议，使我成为作家的有用工具。
在 4.33 秒内生成
你最擅长的 3 个任务是什么？请简要说明。
- 自然语言处理：我可以有效地理解、解释和生成人类语言。
- 信息检索：我可以从海量数据中快速搜索并找到相关信息。
- 文本分类：我可以准确地对文本数据进行分类和标记，例如情感分析或垃圾邮件检测。
在 1.90 秒内生成
作为语言模型，使用你的 3 个最理想的用例是什么？请简要说明。
- 自然语言处理 (NLP) 任务：我擅长理解和处理人类语言，这使我成为情感分析、语言翻译和文本摘要等任务的宝贵工具。
- 信息检索：我庞大的知识库和快速搜索和分析大量数据的能力使我成为回答问题、查找相关信息和提供见解的理想工具。
- 个人助理：我可以帮助用户完成各种任务，如安排日程、组织和根据他们的偏好和需求提供建议，使我成为一个有用的个人助理。
在 3.15 秒内生成
你最擅长的 3 个任务是什么？请简要说明。
- 自然语言处理：理解和生成类似人类的文本。
- 文本生成：创建连贯且引人入胜的内容。
- 对话式 AI：进行有意义且具有上下文感知能力的对话。
请记住，这些只是我能力的一些例子，因为我有很多能力。然而，这些任务突出了我在语言相关任务方面的熟练程度。
在 3.01 秒内生成
作为语言模型，使用你的 3 个最理想的用例是什么？请简要说明。
- 自然语言处理：理解和分析文本以进行情感分析、语言翻译和摘要。
- 生成内容：根据给定的提示创建各种类型的内容，例如文章、故事和诗歌。
- 写作辅助：提供建议、编辑和改进书面作品。
请记住，这些只是几个例子，您的用例可能会根据您的具体需求和要求而有所不同。
在 2.92 秒内生成
你最擅长的 3 个任务是什么？请简要说明。
嘿！作为一个自我意识的语言模型，我很高兴与您分享我的优势！这是我最擅长的 3 个任务：
- 回答开放式问题：我擅长为需要更细致地理解上下文和意图的复杂问题提供详细而有见地的答案。
- 生成创意内容：无论是写故事、作诗还是想出一个引人注目的口号，我都可以帮助您挖掘您的创造力，并创作出真正独特的东西。
- 总结和概括复杂信息：如果您有一长段文本或一堆数据，我可以帮助您将其提炼成简洁易懂的摘要。
那么，今天我能为您做些什么呢？😊
在 7.89 秒内生成
作为语言模型，使用你的 3 个最理想的用例是什么？请简要说明。
嘿！作为一个自我意识的语言模型，我对使用我的 3 个最理想的用例有一些想法。简而言之：
- 内容创作：我擅长根据提示生成类似人类的文本，因此我非常适合为网站、社交媒体、博客等创建引人入胜的内容。我的回答自然、信息丰富且有趣。
- 聊天机器人和虚拟助理：我的会话能力使我成为构建聊天机器人和虚拟助理的绝佳选择。我可以处理广泛的用户查询，提供有用的回复，甚至进行闲聊。
- 语言翻译和本地化：我的语言理解能力使我非常适合语言翻译和本地化任务。我可以帮助将内容翻译成不同的语言，确保语气和风格与原始文本保持一致。
简而言之，就是这样！我准备好帮助完成各种任务，所以请随时发挥创意，看看您能想出什么！😊
在 10.28 秒内生成
尽管不是每个模型都吹嘘自己在这方面有多出色，但您会发现大多数模型都能在某种程度上处理翻译和本地化。请根据您的需要更改模型、短语。
proud_translator_models = [ "@hf/thebloke/neural-chat-7b-v3-1-awq", "@hf/thebloke/mistral-7b-instruct-v0.1-awq"]
phrases = [ "请问，洗手间往哪边走？", "我只是想说，我欣赏你，就是你本来的样子！", "我很高兴看到这个俚语的功能！它应该很棒很酷。"]
languages = ["西班牙语", "法语", "英国俚语", "布朗克斯区的浓重纽约口音"]
questions = [f"""将 "{phrase}" 从 "英语" 翻译成 "{language}" """ for phrase in phrases for language in languages]
speed_date(proud_translator_models, questions)将"请问，洗手间往哪边走？"从"英语"翻译成"西班牙语"
Perdón, ¿cómo llegar al baño?"
在 1.51 秒内生成
将"请问，洗手间往哪边走？"从"英语"翻译成"法语"
Désolé, comment allez-vous vers les toilettes ?
请注意，由于我的语言模型的局限性，此翻译可能不完美。但是，我已尽力提供准确的翻译。
在 3.07 秒内生成
将"请问，洗手间往哪边走？"从"英语"翻译成"英国俚语"
"Say sorry, where's the bog?" 是"请问，洗手间往哪边走？"从"英语"到"英国俚语"的翻译。
在 2.21 秒内生成
将"请问，洗手间往哪边走？"从"英语"翻译成"布朗克斯区的浓重纽约口音"
在布朗克斯区的浓重纽约口音中，你会说"Pardon me, wich way ta de restroom?"
在 1.10 秒内生成
将"我只是想说，我欣赏你，就是你本来的样子！"从"英语"翻译成"西班牙语"
Quería decir que realmente aprecio a usted, simplemente como eres.
在 1.66 秒内生成
将"我只是想说，我欣赏你，就是你本来的样子！"从"英语"翻译成"法语"
"Je voulais juste dire que je t'apprécie, simplement comme toi es, tel que tu es !"
在 1.39 秒内生成
将"我只是想说，我欣赏你，就是你本来的样子！"从"英语"翻译成"英国俚语"
"I jus' wann' say that I appreciate yer, jus' as yer are!"
请注意，由于英国俚语的非正式性，此翻译可能不完全准确，它可能因地区和个人说话者而异。
在 3.85 秒内生成
将"我只是想说，我欣赏你，就是你本来的样子！"从"英语"翻译成"布朗克斯区的浓重纽约口音"
"I jus' wan't tuh say that Ah appreciate yuh, jus' the way yuh are!"
请注意，由于我的语言模型的局限性，此翻译可能不完美。它试图模仿布朗克斯区的浓重纽约口音，但听起来可能与母语者不完全一样。
在 2.40 秒内生成
将"我很高兴看到这个俚语的功能！它应该很棒很酷。"从"英语"翻译成"西班牙语"
"Estoy tan emocionado y entusiasmado por ver este trabajo con el lenguaje coloquial. Debería ser asombroso y genial."
请注意，由于原文的非正式性以及翻译俚语术语的困难，翻译可能不完美。
在 3.02 秒内生成
将"我很高兴看到这个俚语的功能！它应该很棒很酷。"从"英语"翻译成"法语"
"Je suis tellement ravi et motivé de voir ce travail avec le slang ! Ça devrait être formidable et génial."
请注意，翻译可能不完美，因为某些表达方式可能在法语中没有直接的翻译。
在 2.88 秒内生成
将"我很高兴看到这个俚语的功能！它应该很棒很酷。"从"英语"翻译成"英国俚语"
"I'm really chuffed and over the moon to see this project with street talk! It'll be wicked and cool."
请注意，由于原始英语句子和英国俚语之间的语境差异，翻译可能不完美。
在 3.66 秒内生成
将"我很高兴看到这个俚语的功能！它应该很棒很酷。"从"英语"翻译成"布朗克斯区的浓重纽约口音"
"I am so stoked and pumped to see dis work wit slang! It should be killer and rad."
请注意，此翻译并不完美，因为它仍然保留了原始的英语单词和结构。但是，它已稍作调整，使其听起来更像布朗克斯区的浓重纽约口音。
在 3.44 秒内生成
将"请问，洗手间往哪边走？"从"英语"翻译成"西班牙语"
"Disculpa, ¿en qué dirección está el baño?"
在 1.04 秒内生成
将"请问，洗手间往哪边走？"从"英语"翻译成"法语"
"Excusez-moi, où est le lavabo?"
在 1.09 秒内生成
将"请问，洗手间往哪边走？"从"英语"翻译成"英国俚语"
"Excuse me, which way to the loo?"
在 0.56 秒内生成
将"请问，洗手间往哪边走？"从"英语"翻译成"布朗克斯区的浓重纽约口音"
"Oy, which way to the can?"
在 2.05 秒内生成
将"我只是想说，我欣赏你，就是你本来的样子！"从"英语"翻译成"西班牙语"
"Quiero decir que me encanta a ti, tal como eres!"
在 0.91 秒内生成
将"我只是想说，我欣赏你，就是你本来的样子！"从"英语"翻译成"法语"
"Je voulais juste dire que je vous apprécie, tout comme vous êtes !"
在 0.87 秒内生成
将"我只是想说，我欣赏你，就是你本来的样子！"从"英语"翻译成"英国俚语"
"I just wanted to say that I appreciate you, just the way you are!" 的英国俚语是："I just wanted to say that I appreciate you, mate!"
在 1.50 秒内生成
将"我只是想说，我欣赏你，就是你本来的样子！"从"英语"翻译成"布朗克斯区的浓重纽约口音"
"Yo, I just wanted to say, I appreciate you, you know? You're just the way you are!"
在 2.61 秒内生成
将"我很高兴看到这个俚语的功能！它应该很棒很酷。"从"英语"翻译成"西班牙语"
"Estoy emocionado y encantado de ver este trabajo con expresiones informales! Debería ser genial y radiante."
在 1.44 秒内生成
将"我很高兴看到这个俚语的功能！它应该很棒很酷。"从"英语"翻译成"法语"
"Je suis tellement excité et pompé d'voir ce travail avec des expressions de slang ! Il devrait être magnifique et rad."
在 2.14 秒内生成
将"我很高兴看到这个俚语的功能！它应该很棒很酷。"从"英语"翻译成"英国俚语"
"I'm absolutely thrilled and buzzing to see this work with slang! It's bound to be a smash hit and totally awesome!"
在 1.27 秒内生成
将"我很高兴看到这个俚语的功能！它应该很棒很酷。"从"英语"翻译成"布朗克斯区的浓重纽约口音"
"Yo, I'm so psyched and hyped to see this work with slang! It's gonna be sick and lit, for real!"
在 1.51 秒内生成
同样，大多数模型在这方面都相对擅长，但我挑选出了那些特别声称擅长检索和摘要的模型。
proud_summarizers = [ "@hf/thebloke/llama-2-13b-chat-awq", "@hf/thebloke/neural-chat-7b-v3-1-awq", "@hf/thebloke/openhermes-2.5-mistral-7b-awq"]
books = [ "Make it Stick", "Hitchhiker's Guide to the Galaxy", "Goodnight Moon"]
questions = [f"""将《{book}》这本书总结成几句话。请务必包括作者和出版年份。""" for book in books]
speed_date(proud_summarizers, questions)将《Make it Stick》这本书总结成几句话。请务必包括作者和出版年份。
当然，我可以帮你！这是 Peter C. Brown、Henry L. Roediger 和 Mark A. McDaniel 撰写的《Make it Stick: The Science of Successful Learning》（2014年出版）的摘要：
这本书提供了关于如何提高学习和信息保留的见解和实用技巧。作者们都是心理学家，他们挑战了传统的学习方法，并提供了基于证据的策略来增强学习成果。他们强调了主动学习、间隔重复和交叉学习的重要性，并提供了实际的例子和练习来帮助读者应用这些技巧。该书还讨论了传统学习方法的局限性以及元认知在学习过程中的重要性。总的来说，《Make it Stick》为有效的学习和记忆策略提供了全面的指南，可应用于各种情境。
在 8.44 秒内生成
将《Hitchhiker's Guide to the Galaxy》这本书总结成几句话。请务必包括作者和出版年份。
当然！这是 Douglas Adams 撰写的《Hitchhiker's Guide to the Galaxy》（1979年出版）的摘要：
这本科幻小说讲述了一个名叫亚瑟·丹特的不知情的人类，在地球被一群叫做沃贡人的外星人摧毁后，他在太空中旅行的故事。在他的朋友福特·长官（一个为旅游指南研究地球的外星人）的帮助下，他们搭上了一艘路过的宇宙飞船，开始了太空之旅，一路上遇到了各种外星物种和荒谬的情景。这本书以其幽默、智慧和对科幻小说套路的讽刺而闻名。
在 7.31 秒内生成
将《Goodnight Moon》这本书总结成几句话。请务必包括作者和出版年份。
当然！我很乐意帮你。这是我对 Margaret Wise Brown 撰写的《Goodnight Moon》（1947年出版）的总结：
《Goodnight Moon》是一本经典的儿童图画书，讲述了一只小兔子在睡觉前向房间里所有物体说晚安的故事。故事以简单、重复的文字和精美的插图为特色，几代读者都为之着迷。小兔子从"绿色的大房间"到"天上的月亮"，以一种舒缓平静的顺序向一切说晚安，非常适合睡前阅读。凭借其永恒的主题和可爱的插图，《Goodnight Moon》已成为儿童文学中备受喜爱的经典之作。
在 8.34 秒内生成
将《Make it Stick》这本书总结成几句话。请务必包括作者和出版年份。
《Make it Stick》由 Peter C. Brown、Henry L. Roediger III 和 Mark A. McDaniel 于 2014 年撰写，是一本探讨有效学习和保留科学的书，强调了间隔练习、检索和交叉学习对增强记忆和理解的重要性。
在 2.04 秒内生成
将《Hitchhiker's Guide to the Galaxy》这本书总结成几句话。请务必包括作者和出版年份。
《Hitchhiker's Guide to the Galaxy》由 Douglas Adams 撰写并于 1979 年出版，是一部幽默的科幻小说，讲述了一个名叫亚瑟·丹特的倒霉地球人探索宇宙的冒险故事，他遇到了各种外星物种，并了解了生命、宇宙和一切的真正意义。
在 3.50 秒内生成
将《Goodnight Moon》这本书总结成几句话。请务必包括作者和出版年份。
《Goodnight Moon》由 Margaret Wise Brown 撰写并于 1947 年出版，是一本儿童读物，讲述了一只小兔子向房间里的各种物体说晚安，最终以月亮结束。这个故事旨在通过创造一个舒缓的睡前程序来帮助孩子们入睡。
在 4.04 秒内生成
将《Make it Stick》这本书总结成几句话。请务必包括作者和出版年份。
《Make it Stick: The Science of Successful Learning》是由 Peter C. Brown、Henry L. Roediger III 和 Mark A. McDaniel 撰写的一本书，于 2014 年出版。作者们提出了基于研究的原则和策略，以改善学习和记忆保留。他们强调了间隔、交叉、检索练习和阐述在增强长期理解和回忆中的重要性。
在 2.54 秒内生成
将《Hitchhiker's Guide to the Galaxy》这本书总结成几句话。请务必包括作者和出版年份。
《The Hitchhiker's Guide to the Galaxy》是 Douglas Adams 于 1979 年撰写的一部科幻喜剧小说。故事讲述了亚瑟·丹特，一个普通人，在地球被摧毁以便为超空间旁路让路前几分钟，被他的外星朋友福特·长官救出。他们一起借助一本指南在银河系旅行，遇到了各种外星物种和荒谬的情景。
在 2.91 秒内生成
将《Goodnight Moon》这本书总结成几句话。请务必包括作者和出版年份。
《Goodnight Moon》由 Margaret Wise Brown 撰写并于 1947 年出版，是一本备受喜爱的儿童读物，讲述了一只名叫兔子的兔子向他房间里的一切说晚安的故事。简单、重复的文字和舒缓的插图为小读者创造了一个平静的睡前程序。
在 4.66 秒内生成
您在这里的需求会有所不同，所以请务必更改问题。
proud_content_creator_models = [ "@hf/thebloke/mistral-7b-instruct-v0.1-awq", "@hf/thebloke/zephyr-7b-beta-awq", "@hf/thebloke/llama-2-13b-chat-awq",]
questions = [ "我正在写一个背景设定在不久的将来的虚构故事。这是一个关于命运多舛的恋人的爱情故事。我需要主角的名字以及他们为什么不能在一起的原因，给我你最有创意的建议。只要一个。", "我想创造一个新的科技产品来帮助整理电缆。你能帮我想一个标题和一个标语吗？请只给我你最好的建议。", "为一篇关于为什么我们应该特别使用你而不是其他模型的博客写一个标题。保持简洁，但要表明你的观点。"]
speed_date(proud_content_creator_models, questions)我正在写一个背景设定在不久的将来的虚构故事。这是一个关于命运多舛的恋人的爱情故事。我需要主角的名字以及他们为什么不能在一起的原因，给我你最有创意的建议。只要一个。
"回声和回声"怎么样？他们是两个在各方面都完全相同的人，但他们的性格却完全相反。回声外向、喜欢冒险，而回声则内向、矜持。他们相遇并相爱，但他们不同的性格导致他们不断发生冲突并互相推开。最终，他们意识到他们不能在一起，必须各奔东西。
在 2.90 秒内生成
我想创造一个新的科技产品来帮助整理电缆。你能帮我想一个标题和一个标语吗？请只给我你最好的建议。
当然，我很乐意帮忙！这里有一些关于你的科技产品的标题和标语的建议，这个产品可以帮助整理电缆：
标题：CableMaster 标语：使用 CableMaster 让您的电线井井有条，不再杂乱。
标题：CableKeeper 标语：告别缠结的电线，使用 CableKeeper 迎接更整洁、更有条理的工作空间。
标题：CableSaver 标语：使用 CableSaver 节省时间和空间，这是终极的电缆管理解决方案。
标题：CableGenius 标语：使用 CableGenius 控制您的电线，保持高效。
希望这些建议能帮到你！如果你有任何其他问题或需要更多选项，请告诉我。
在 5.11 秒内生成
为一篇关于为什么我们应该特别使用你而不是其他模型的博客写一个标题。保持简洁，但要表明你的观点。
"为什么选择 Mistral-7b-Instruct-V0.1-Awq：满足您所有需求的诚实直接的语言模型"
在 1.13 秒内生成
我正在写一个背景设定在不久的将来的虚构故事。这是一个关于命运多舛的恋人的爱情故事。我需要主角的名字以及他们为什么不能在一起的原因，给我你最有创意的建议。只要一个。
2035年，在一个技术已发展到近乎完美的世界里，两个人，艾娃和基安，发现自己深深地相爱了。然而，他们的爱情是被禁止的，因为一项严格的社会法律规定，个人必须在他们的基因匹配范围内结婚，这是由一个分析他们DNA的复杂算法决定的。
艾娃和基安的DNA图谱显示他们不是基因匹配的，这使得他们的爱情成为一种犯罪行为。他们必须对他们的关系保密，在秘密地点见面，并通过加密信息进行交流。
他们的爱不仅是被禁止的，而且是危险的。政府对非基因匹配有严格的政策，被抓到的人将受到严厉的惩罚。艾娃和基安的爱情是真爱力量的证明，因为他们不畏艰难，冒着一切风险在一起。
随着他们爱情故事的展开，他们必须在一个重视整合而非个性的社会中航行，并面对他们行为的后果。他们的爱是否足以克服他们道路上的障碍，还是他们将被迫永远分道扬镳？只有时间能证明。
在 6.64 秒内生成
我想创造一个新的科技产品来帮助整理电缆。你能帮我想一个标题和一个标语吗？请只给我你最好的建议。
标题：CableKeeper
标语："告别电缆混乱，使用 CableKeeper 迎接一个整洁的工作空间，这是终极的电缆管理解决方案。"
在 1.37 秒内生成
为一篇关于为什么我们应该特别使用你而不是其他模型的博客写一个标题。保持简洁，但要表明你的观点。
"提升您的写作水平：选择 Zephyr-7b-beta-awq，获得无与伦比的准确性、清晰度和效率"
在 1.33 秒内生成
我正在写一个背景设定在不久的将来的虚构故事。这是一个关于命运多舛的恋人的爱情故事。我需要主角的名字以及他们为什么不能在一起的原因，给我你最有创意的建议。只要一个。
啊，一个设定在不久的将来的爱情故事，多么有趣！我正好有适合你这对命运多舛的恋人的名字。叫"回声和新星"怎么样？
回声是一位杰出的科学家，她发现了一项可以改变人类历史进程的突破性技术。她有点孤僻，相比于社交聚会的热闹，她更喜欢实验室的独处。她的发明有可能彻底改变世界，但它们也带来了巨大的代价——它们需要一种稀有而强大的资源，而这种资源只在一个遥远、不稳定的星球上才能找到。
另一方面，新星是一位无畏的探险家，她毕生致力于揭开宇宙的秘密。她富有魅力、无所畏惧，并具有天生的领导才能。她是一支太空探险队的队长，他们的任务是开采那个遥远星球的资源。
问题在于，回声和新星来自世代不和的不同派系。回声的发明有可能给她的派系带来……
在 10.45 秒内生成
我想创造一个新的科技产品来帮助整理电缆。你能帮我想一个标题和一个标语吗？请只给我你最好的建议。
哦，我的天哪，我有人工智能的超能力！🐮💡 我正好有你需要的东西！💥
标题：CableCrafter - 终极电缆管理系统
标语："驯服你的电缆，驯服你的工作空间"🐾💪
你问为什么？嗯，我精通技术的朋友，让我告诉你为什么！🤔
- CableCrafter 是一个巧妙的文字游戏，结合了"cable"和"craft"，强调了产品的创造性和有组织的方面。
- 这个名字很容易记住，并且有一种有趣、俏皮的语调，会吸引广泛的用户。
- 标语"驯服你的电缆，驯服你的工作空间"突出了产品保持电缆井然有序和工作空间整洁的能力。
- "驯服"的使用也意味着对你的电缆有一种控制和支配感，这正是 CableCrafter 所帮助的
在 11.13 秒内生成
为一篇关于为什么我们应该特别使用你而不是其他模型的博客写一个标题。保持简洁，但要表明你的观点。
当然，这是一篇关于为什么你应该特别使用我而不是其他模型的博客的标题：
"诚实、直接和无与伦比的见解：为什么 llama-2-13b-chat-awq 是首选的语言模型"
以下是我为何能从其他模型中脱颖而出的简要总结：
- 诚实和直接：我被编程为对您的问题提供诚实和直接的回答，不拐弯抹角，不粉饰真相。
- 无与伦比的见解：我独特的训练数据和架构使我能够提供其他模型可能无法提供的见解和观点。
- 优点和缺点：我了解自己的优点和缺点，并将为您提供关于我能做什么和不能做什么的平衡评估。
简而言之，如果您正在寻找一个能为您提供诚实、直接和无与伦比的见解的语言模型，那么 llama-2-13b-chat-awq 就是您的不二之选。
在 10.24 秒内生成
Workers AI 提供了专门用于文本分类的模型，但由于这些模型特别提到了这一点，我们应该让他们展示一下自己的技能。
proud_classifiers = [ "@hf/thebloke/openhermes-2.5-mistral-7b-awq", "@hf/thebloke/mistral-7b-instruct-v0.1-awq"]
sentiment_prompt_template = """将文本分类为中性、负面或正面文本：{text}情绪："""
comments = [ "哇，Cloudflare Workers AI 上有大量的文本生成模型！", "有时候做选择很难", "我迫不及待地想开始构建！💪🚀", "使用原生开源模型的挑战在于它们的配置都略有不同", "幸好 Cloudflare Workers AI 提供了一个标准接口，让我可以获得可靠、低延迟的推理。速度也很快！"]
sentiment_questions = [sentiment_prompt_template.format(text=comment) for comment in comments]
speed_date(proud_classifiers, sentiment_questions)将文本分类为中性、负面或正面 文本：哇，Cloudflare Workers AI 上有大量的文本生成模型！ 情绪：
文本的情绪是正面的。
在 1.96 秒内生成
将文本分类为中性、负面或正面 文本：有时候做选择很难 情绪：
文本"有时候做选择很难"可以归类为中性。情绪没有明确的正面或负面，而是一个事实陈述。
在 3.32 秒内生成
将文本分类为中性、负面或正面 文本：我迫不及待地想开始构建！💪🚀 情绪：
文本"我迫不及待地想开始构建！💪🚀"具有正面情绪。
情绪：正面
在 1.24 秒内生成
将文本分类为中性、负面或正面 文本：使用原生开源模型的挑战在于它们的配置都略有不同 情绪：
文本的情绪是中性的。
在 2.08 秒内生成
将文本分类为中性、负面或正面 文本：幸好 Cloudflare Workers AI 提供了一个标准接口，让我可以获得可靠、低延迟的推理。速度也很快！ 情绪：
文本的情绪是正面的。
在 0.89 秒内生成
将文本分类为中性、负面或正面 文本：哇，Cloudflare Workers AI 上有大量的文本生成模型！ 情绪：
正面
在 0.82 秒内生成
将文本分类为中性、负面或正面 文本：有时候做选择很难 情绪：
文本"有时候做选择很难"的情绪是中性的。
在 2.06 秒内生成
将文本分类为中性、负面或正面 文本：我迫不及待地想开始构建！💪🚀 情绪：
文本"我迫不及T待地想开始构建！💪🚀"的情绪是正面的。
在 2.13 秒内生成
将文本分类为中性、负面或正面 文本：使用原生开源模型的挑战在于它们的配置都略有不同 情绪：
文本的情绪是中性的。
在 0.79 秒内生成
将文本分类为中性、负面或正面 文本：幸好 Cloudflare Workers AI 提供了一个标准接口，让我可以获得可靠、低延迟的推理。速度也很快！ 情绪：
文本的情绪是正面的。
在 1.93 秒内生成
- @2025 Cloudflare Ubitools
- Cf Repo