در دنیای هوش مصنوعی، استفاده از مدل‌های زبانی بزرگ (LLM) برای تولید تصویر دیگر محدود به ابزارهای مخصوص تصویرسازی نیست. بر اساس گزارش XDA Developers، یکی از کاربران ردیت با نام wollymonjac در ساب‌ردیت ClaudeAI کنترل ماوس (Mouse Control) را به اپلیکیشن Claude سپرده و از مدل Claude Fable 5.2 خواسته است تا در ام‌اس پینت (MS Paint) نقاشی بکشد.
نقاشی با کنترل ماوس و یک درخواست متنی
این کاربر اعلام کرده است که پس از دیدن پستی در ردیت درباره نقاشی کشیدن GPT Astra در MS Paint، تصمیم گرفته همین آزمایش را با Fable 5.2 انجام دهد. او کنترل ماوس را به Claude داده و مدل توانسته است تنها بر اساس یک درخواست متنی (Prompt)، یک اثر اورجینال خلق کند. به گفته او، Claude در این پروژه یک نقاشی موجود را بازتولید نکرده و توصیف اثر در همان درخواست به مدل داده شده است.
زمان اجرا و هزینه فراخوانی API
این آزمایش در حدود ۲.۵ ساعت به پایان رسیده است. کاربر گفته است که Fable 5.2 کل نقاشی را با ماوس و در همین بازه زمانی انجام داده است. با این حال، هزینه فراخوانی‌های API (API Calls) برای این پروژه به حدود ۴۵ دلار رسیده که رقم کم‌ی نیست، اما نتیجه نهایی از نظر او قابل قبول و جالب توصیف شده است.
- مدل مورد استفاده: Claude Fable 5.2
- محیط اجرا: ام‌اس پینت (MS Paint)
- روش انجام کار: کنترل ماوس توسط اپلیکیشن Claude
- زمان تقریبی اجرا: ۲.۵ ساعت
- هزینه تقریبی فراخوانی‌های API: ۴۵ دلار
این آزمایش نشان می‌دهد که مدل‌های زبانی بزرگ مصرف‌کننده می‌توانند در تعامل با رابط‌های گرافیکی و ابزارهای ساده سیستم‌عامل نیز کارهایی فراتر از تولید متن انجام دهند؛ هرچند هزینه و زمان چنین پروژه‌هایی هنوز برای استفاده روزمره بالا به نظر می‌رسد.