300万个模型直接调用，ChatGPT刚刚上线了新功能
据ChatGPT特邀灰度用户介绍，ChatGPT内测推出了“GPT @Mentions”功能，允许用户使用“@”标签+GPTs的名称来内联GPT商店中的任意一款GPTs，实现在同一对话窗口中与多个定制的GPT模型交互，就像将多个高级智能代理集成到您的私人助手中，每个代理都擅长解决特定的问题。
目前GPT商店超300万个GPTs，意味着用户将可以直接调用这些模型组合，打造个性化的工作流程方式，让AI为你打工。
用 @ 调起 GPTs的新功能介绍
1、单一窗口内的多模型交互：GPT Mentions 允许在一个聊天界面中与各种专业化的GPT模型进行无缝通信，不再需要频繁切换聊天窗口。
2、定制自动化任务：用户可以使用自定义GPT自动执行特定任务。例如，可以使用NotionGPT将聊天记录保存并归总到Notion中，无需手动复制粘贴，提高工作效率。
3、与外部应用程序集成：GPT Mentions 提供与Zapier等外部应用程序的集成能力，允许用户创建自定义工作流，将 ChatGPT 与其他工具和软件连接起来，随时可以将信息传递到项目管理工具、邮件客户端或者其他应用中。
4、信息管理的便利性：实现在ChatGPT界面上进行数据汇总，用户可以直接将信息添加到文档或数据库中，简化信息管理。
5、增强交互体验：通过简单的@mentions模拟一组虚拟助理，让用户拥有一个强大的助理团队，每个助理都擅长不同的任务。简单的@命令就能轻松享受协助和支持。
根据一位内测用户的论文复现介绍，首先使用@AiPDF_GPT论文解读工具对LoRA技术的论文进行分析，然后使用Grimoire编码工具根据描述信息编写代码，最终在PyTorch中实现了LoRA简化版的Python代码。
无算力，不模型！
现阶段ChatGPT背后的大模型仍在迭代，每日访问量仍在递增，未来还会有更多的ChatGPT们涌现。GPT-3大模型所需训练参数量为1750 亿，算力消耗为3640PF-days（即每秒运算一千万亿次，运行3640天），需要至少1万片 GPU提供支撑。
在这场由大模型引发的算力竞争中，BayStone平台聚合全球高性能AI算力资源，提供A100、H100、H200、4090 GPU服务器等，助力我国企业实现更高效的模型训练及更好的预测准确性，从而降低算力消耗成本，实现快速落地模型应用抢占AI市场先机。点击【链接】提交您需要的算力需求。https://www.baystoneai.com/aiblog/contact