Gemini, Claude y ChatGPT se enfrentan en la codificación de vibraciones de un lector de libros electrónicos basado en web
Puntos clave
- Desarrollaron un lector de libros electrónicos basado en web de un solo archivo llamado Tome Reader utilizando chatbots de inteligencia artificial.
- Gemini construyó la versión inicial con características básicas de lectura y resaltado.
- Claude refinó el manejo de palabras de activación y agregó mejoras visuales.
- ChatGPT reprodujo el proyecto final pero luchó con la adición de un control de volumen.
- Los tres modelos finalmente entregaron prototipos funcionales a pesar de reconstrucciones ocasionales.
- Claude proporcionó opciones de previsualización y descarga convenientes; ChatGPT a veces requirió copia manual.
- El experimento muestra que una solicitud bien elaborada puede compensar las diferencias entre los modelos.
Un desarrollador exploró la "codificación de vibraciones" utilizando tres chatbots de inteligencia artificial - Gemini, Claude y ChatGPT - para crear una aplicación web de un solo archivo llamada Tome Reader. La aplicación lee texto subido en voz alta, lo resalta en tiempo real y agrega música y efectos de sonido de fondo activados por palabras específicas. Gemini manejó la construcción inicial, Claude refinó el manejo de palabras de activación y ChatGPT reprodujo la versión final mientras luchaba con una función de control de volumen.
Concepto y motivación del proyecto
El desarrollador se frustró con las capacidades limitadas de los dispositivos de lectura electrónica populares y se propuso crear un lector basado en web que pudiera leer texto en voz alta, proporcionar resaltado en tiempo real y enriquecer la experiencia con música y efectos de sonido contextuales. El objetivo era construir toda la aplicación en un solo archivo HTML que pudiera ejecutarse en cualquier navegador sin dependencias adicionales.
Selección de los chatbots
Se probaron tres chatbots de inteligencia artificial: Gemini de Google, Claude de Anthropic y ChatGPT de OpenAI. En lugar de seleccionar uno desde el principio, el desarrollador utilizó cada modelo en sucesión, primero construyendo una versión básica con Gemini, luego pidiendo a Gemini que generara una solicitud que se pudiera alimentar a Claude, y finalmente teniendo a Claude producir una solicitud refinada para ChatGPT.
Contribución de Gemini
Gemini produjo las características básicas del Tome Reader, incluida la inicialización de texto a voz, el manejo de carga de archivos y la capacidad de alternar música y efectos de sonido de fondo. También generó una solicitud para su reutilización con los otros modelos.
Refinamientos de Claude
Claude mejoró el manejo de palabras de activación, expandiendo el vocabulario y mejorando los efectos visuales. También introdujo una limitación - permitiendo un sonido o efecto visual solo una vez por oración - para evitar abrumar al usuario. Este ajuste no fue solicitado explícitamente, pero demostró el enfoque de Claude en la experiencia del usuario.
Reproducción de ChatGPT
Utilizando la solicitud final de Claude, ChatGPT recreó el proyecto con precisión, aunque fue el más lento en generar código. Un intento de agregar un control de volumen dedicado para la música de fondo falló consistentemente, lo que llevó a regresar a Claude para esa función.
Reconstrucción del proyecto
Cuando la solicitud final se subió a un nuevo chat, Gemini y ChatGPT recrearon la aplicación sin problemas, pero Claude requirió múltiples intentos de reconstrucción antes de que el proyecto se cargara más allá de la pantalla de inicialización. A pesar de estos contratiempos, los tres modelos final!mente entregaron una versión funcional del Tome Reader.
Observaciones sobre el comportamiento del modelo
Claude ofreció opciones de previsualización y descarga convenientes para el archivo HTML, mientras que ChatGPT a veces requirió copia manual. Gemini, a pesar de pocos errores, exigía un flujo de trabajo más largo. El desarrollador concluyó que la elección del ganador depende de las prioridades del usuario, ya que cada modelo exhibió pros y contras distintos.
Conclusión final
El experimento subraya que una solicitud sólida y bien elaborada puede permitir que cualquiera de los chatbots de inteligencia artificial líderes produzca un prototipo viable, lo que hace que el usuario sea el beneficiario final de la tecnología.