Zum „Tag der Ruhe“ mal Perplexity KI-Modelle in Java ausgeben – Wenzlaff.de

Wir haben diese 7 Perplexity Modelle, mein Favorit ist übrigens GPT-4 Omni (GPT-4o):

Modell	Beschreibung	groesse	Datum	Fotos
GPT-3.5	Standardmodell für allgemeine Anfragen. Hohe Verfügbarkeit und solide Leistung.	175 Milliarden	November 2022	false
GPT-4 Turbo	Verbesserte Version von GPT-4 mit schnellerer Verarbeitung und geringeren Kosten.	~1 Billion (geschätzt)	November 2023	false
GPT-4 Omni	Optimierte Version von GPT-4 mit präzisen Antworten und besserer Kontextverarbeitung.	~1 Billion (geschätzt)	Mai 2024	false
Claude 3 (Sonnet und Opus)	Hervorragend für tiefgehende Analysen und komplexe Problemlösungen.	Sonnet: 70 Milliarden, Opus: ~2 Billionen (geschätzt)	März 2023	false
Sonar Large 32K	Unterstützt große Kontexte mit bis zu 32k Token, ideal für umfangreiche Dokumentenanalyse.	70 Milliarden	Juli 2024	false
pplx-7b-online	Echtzeit-Websuche für aktuelle Informationen, leichtgewichtig und schnell.	7 Milliarden	November 2024	true
pplx-70b-online	Kombination aus Echtzeit-Websuche und hoher Präzision bei komplexen Anfragen.	70 Milliarden	November 2024	true

Davon erstellen wir eine JSon-Datei ki_modelle.json

[
    {
        "modell": "GPT-3.5",
        "beschreibungUndVorteile": "Standardmodell für allgemeine Anfragen. Hohe Verfügbarkeit und solide Leistung.",
        "groesse": "175 Milliarden",
        "veroeffentlichungsdatum": "November 2022",
        "kannFotosErzeugen": false
    },
    {
        "modell": "GPT-4 Turbo",
        "beschreibungUndVorteile": "Verbesserte Version von GPT-4 mit schnellerer Verarbeitung und geringeren Kosten.",
        "groesse": "~1 Billion (geschätzt)",
        "veroeffentlichungsdatum": "November 2023",
        "kannFotosErzeugen": false
    },
    {
        "modell": "GPT-4 Omni",
        "beschreibungUndVorteile": "Optimierte Version von GPT-4 mit präzisen Antworten und besserer Kontextverarbeitung.",
        "groesse": "~1 Billion (geschätzt)",
        "veroeffentlichungsdatum": "Mai 2024",
        "kannFotosErzeugen": false
    },
    {
        "modell": "Claude 3 (Sonnet und Opus)",
        "beschreibungUndVorteile": "Hervorragend für tiefgehende Analysen und komplexe Problemlösungen.",
        "groesse": "Sonnet: 70 Milliarden, Opus: ~2 Billionen (geschätzt)",
        "veroeffentlichungsdatum": "März 2023",
        "kannFotosErzeugen": false
    },
    {
        "modell": "Sonar Large 32K",
        "beschreibungUndVorteile": "Unterstützt große Kontexte mit bis zu 32k Token, ideal für umfangreiche Dokumentenanalyse.",
        "groesse": "70 Milliarden",
        "veroeffentlichungsdatum": "Juli 2024",
        "kannFotosErzeugen": false
    },
    {
        "modell": "pplx-7b-online",
        "beschreibungUndVorteile": "Echtzeit-Websuche für aktuelle Informationen, leichtgewichtig und schnell.",
        "groesse": "7 Milliarden",
        "veroeffentlichungsdatum": "November 2024",
        "kannFotosErzeugen": true
    },
    {
        "modell": "pplx-70b-online",
        "beschreibungUndVorteile": "Kombination aus Echtzeit-Websuche und hoher Präzision bei komplexen Anfragen.",
        "groesse": "70 Milliarden",
        "veroeffentlichungsdatum": "November 2024",
        "kannFotosErzeugen": true
    }
]

[

{

"modell": "GPT-3.5",

"beschreibungUndVorteile": "Standardmodell für allgemeine Anfragen. Hohe Verfügbarkeit und solide Leistung.",

"groesse": "175 Milliarden",

"veroeffentlichungsdatum": "November 2022",

"kannFotosErzeugen": false

{

"modell": "GPT-4 Turbo",

"beschreibungUndVorteile": "Verbesserte Version von GPT-4 mit schnellerer Verarbeitung und geringeren Kosten.",

"groesse": "~1 Billion (geschätzt)",

"veroeffentlichungsdatum": "November 2023",

"kannFotosErzeugen": false

{

"modell": "GPT-4 Omni",

"beschreibungUndVorteile": "Optimierte Version von GPT-4 mit präzisen Antworten und besserer Kontextverarbeitung.",

"groesse": "~1 Billion (geschätzt)",

"veroeffentlichungsdatum": "Mai 2024",

"kannFotosErzeugen": false

{

"modell": "Claude 3 (Sonnet und Opus)",

"beschreibungUndVorteile": "Hervorragend für tiefgehende Analysen und komplexe Problemlösungen.",

"groesse": "Sonnet: 70 Milliarden, Opus: ~2 Billionen (geschätzt)",

"veroeffentlichungsdatum": "März 2023",

"kannFotosErzeugen": false

{

"modell": "Sonar Large 32K",

"beschreibungUndVorteile": "Unterstützt große Kontexte mit bis zu 32k Token, ideal für umfangreiche Dokumentenanalyse.",

"groesse": "70 Milliarden",

"veroeffentlichungsdatum": "Juli 2024",

"kannFotosErzeugen": false

{

"modell": "pplx-7b-online",

"beschreibungUndVorteile": "Echtzeit-Websuche für aktuelle Informationen, leichtgewichtig und schnell.",

"groesse": "7 Milliarden",

"veroeffentlichungsdatum": "November 2024",

"kannFotosErzeugen": true

{

"modell": "pplx-70b-online",

"beschreibungUndVorteile": "Kombination aus Echtzeit-Websuche und hoher Präzision bei komplexen Anfragen.",

"groesse": "70 Milliarden",

"veroeffentlichungsdatum": "November 2024",

"kannFotosErzeugen": true

}

]

Eine Java Klasse die die KI-Modelle einliesst und auf System-Out ausgibt:

package de.wenzlaff.ki.model;

import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Path;
import java.util.List;

import com.fasterxml.jackson.core.type.TypeReference;
import com.fasterxml.jackson.databind.ObjectMapper;

/**
 * KI-Model Demo.
 * 
 * @author Thomas Wenzlaff
 */
public class KIModelle {

	public static final String JSON_MODEL_DATEI = "src/main/resources/de/wenzlaff/ki/model/ki_modelle.json";

	// Klasse für KI-Modelldaten
	static class KIModel {

		public String modell;
		public String beschreibungUndVorteile;
		public String groesse;
		public String veroeffentlichungsdatum;
		public boolean kannFotosErzeugen;

		@Override
		public String toString() {
			return "Modell: " + modell + "\n" + "Beschreibung: " + beschreibungUndVorteile + "\n" + "Größe: " + groesse + "\n" + "Veröffentlichungsdatum: "
					+ veroeffentlichungsdatum + "\n" + "Kann Fotos erzeugen: " + (kannFotosErzeugen ? "Ja" : "Nein") + "\n";
		}
	}

	// Methode zum Laden von JSON-Daten aus einer Datei
	public List<KIModel> loadModelsFromJson(String filePath) throws IOException {
		var objectMapper = new ObjectMapper();
		var jsonContent = Files.readString(Path.of(filePath));
		return objectMapper.readValue(jsonContent, new TypeReference<List<KIModel>>() {
		});
	}

	// Hauptmethode zum Testen des Imports
	public static void main(String[] args) {
		var kiModelle = new KIModelle(); // Verwendung von var
		try {
			var modelle = kiModelle.loadModelsFromJson(JSON_MODEL_DATEI);
			System.out.println("Liste von " + modelle.size() + " perplexity Modellen aus der JSON-Datei:\n");
			modelle.forEach(modell -> {
				System.out.println(modell);
				System.out.println("-------------------------");
			});
		} catch (IOException e) {
			System.err.println("Fehler beim Laden der JSON-Datei: " + e.getMessage());
		}
	}
}

package de.wenzlaff.ki.model;

import java.io.IOException;

import java.nio.file.Files;

import java.nio.file.Path;

import java.util.List;

import com.fasterxml.jackson.core.type.TypeReference;

import com.fasterxml.jackson.databind.ObjectMapper;

/**

* KI-Model Demo.

* @author Thomas Wenzlaff

public class KIModelle {

public static final String JSON_MODEL_DATEI = "src/main/resources/de/wenzlaff/ki/model/ki_modelle.json";

// Klasse für KI-Modelldaten

static class KIModel {

public String modell;

public String beschreibungUndVorteile;

public String groesse;

public String veroeffentlichungsdatum;

public boolean kannFotosErzeugen;

@Override

public String toString() {

return "Modell: " + modell + "\n" + "Beschreibung: " + beschreibungUndVorteile + "\n" + "Größe: " + groesse + "\n" + "Veröffentlichungsdatum: "

+ veroeffentlichungsdatum + "\n" + "Kann Fotos erzeugen: " + (kannFotosErzeugen ? "Ja" : "Nein") + "\n";

}

// Methode zum Laden von JSON-Daten aus einer Datei

public List<KIModel> loadModelsFromJson(String filePath) throws IOException {

var objectMapper = new ObjectMapper();

var jsonContent = Files.readString(Path.of(filePath));

return objectMapper.readValue(jsonContent, new TypeReference<List<KIModel>>() {

});

}

// Hauptmethode zum Testen des Imports

public static void main(String[] args) {

var kiModelle = new KIModelle(); // Verwendung von var

try {

var modelle = kiModelle.loadModelsFromJson(JSON_MODEL_DATEI);

System.out.println("Liste von " + modelle.size() + " perplexity Modellen aus der JSON-Datei:\n");

modelle.forEach(modell -> {

System.out.println(modell);

System.out.println("-------------------------");

});

} catch (IOException e) {

System.err.println("Fehler beim Laden der JSON-Datei: " + e.getMessage());

}

Und noch eine JUnit-Testklasse:

package de.wenzlaff.ki.model;

import static org.junit.jupiter.api.Assertions.assertEquals;
import static org.junit.jupiter.api.Assertions.assertFalse;
import static org.junit.jupiter.api.Assertions.assertNotNull;
import static org.junit.jupiter.api.Assertions.assertTrue;

import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Path;
import java.util.List;

import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;

import com.fasterxml.jackson.core.type.TypeReference;
import com.fasterxml.jackson.databind.ObjectMapper;

/**
 * Test des KIModell.
 * 
 * @author Thomas Wenzlaff
 *
 */
class KIModelleTest {

	private List<KIModelle.KIModel> modelle;

	@BeforeEach
	void setUp() throws IOException {
		var jsonContent = Files.readString(Path.of(KIModelle.JSON_MODEL_DATEI));
		var objectMapper = new ObjectMapper();
		modelle = objectMapper.readValue(jsonContent, new TypeReference<List<KIModelle.KIModel>>() {
		});
	}

	@Test
	void testAnzahlDerModelle() {
		assertEquals(7, modelle.size(), "Es sollten genau 7 Modelle vorhanden sein.");
	}

	@Test
	void testErstesModell() {
		var erstesModell = modelle.get(0);
		assertEquals("GPT-3.5", erstesModell.modell);
		assertEquals("Standardmodell für allgemeine Anfragen. Hohe Verfügbarkeit und solide Leistung.", erstesModell.beschreibungUndVorteile);
		assertEquals("175 Milliarden", erstesModell.groesse);
		assertEquals("November 2022", erstesModell.veroeffentlichungsdatum);
		assertFalse(erstesModell.kannFotosErzeugen, "GPT-3.5 sollte keine Fotos erzeugen können.");
	}

	@Test
	void testFotoErzeugungBeiPplx7bOnline() {
		var fotoModell = modelle.stream().filter(m -> m.modell.equals("pplx-7b-online")).findFirst().orElse(null);

		assertNotNull(fotoModell, "Das Modell pplx-7b-online sollte existieren.");
		assertTrue(fotoModell.kannFotosErzeugen, "pplx-7b-online sollte Fotos erzeugen können.");
	}

	@Test
	void testFotoErzeugungBeiPplx70bOnline() {
		var fotoModell = modelle.stream().filter(m -> m.modell.equals("pplx-70b-online")).findFirst().orElse(null);

		assertNotNull(fotoModell, "Das Modell pplx-70b-online sollte existieren.");
		assertTrue(fotoModell.kannFotosErzeugen, "pplx-70b-online sollte Fotos erzeugen können.");
	}
}

package de.wenzlaff.ki.model;

import static org.junit.jupiter.api.Assertions.assertEquals;

import static org.junit.jupiter.api.Assertions.assertFalse;

import static org.junit.jupiter.api.Assertions.assertNotNull;

import static org.junit.jupiter.api.Assertions.assertTrue;

import java.io.IOException;

import java.nio.file.Files;

import java.nio.file.Path;

import java.util.List;

import org.junit.jupiter.api.BeforeEach;

import org.junit.jupiter.api.Test;

import com.fasterxml.jackson.core.type.TypeReference;

import com.fasterxml.jackson.databind.ObjectMapper;

/**

* Test des KIModell.

* @author Thomas Wenzlaff

class KIModelleTest {

private List<KIModelle.KIModel> modelle;

@BeforeEach

void setUp() throws IOException {

var jsonContent = Files.readString(Path.of(KIModelle.JSON_MODEL_DATEI));

var objectMapper = new ObjectMapper();

modelle = objectMapper.readValue(jsonContent, new TypeReference<List<KIModelle.KIModel>>() {

});

}

@Test

void testAnzahlDerModelle() {

assertEquals(7, modelle.size(), "Es sollten genau 7 Modelle vorhanden sein.");

}

@Test

void testErstesModell() {

var erstesModell = modelle.get(0);

assertEquals("GPT-3.5", erstesModell.modell);

assertEquals("Standardmodell für allgemeine Anfragen. Hohe Verfügbarkeit und solide Leistung.", erstesModell.beschreibungUndVorteile);

assertEquals("175 Milliarden", erstesModell.groesse);

assertEquals("November 2022", erstesModell.veroeffentlichungsdatum);

assertFalse(erstesModell.kannFotosErzeugen, "GPT-3.5 sollte keine Fotos erzeugen können.");

}

@Test

void testFotoErzeugungBeiPplx7bOnline() {

var fotoModell = modelle.stream().filter(m -> m.modell.equals("pplx-7b-online")).findFirst().orElse(null);

assertNotNull(fotoModell, "Das Modell pplx-7b-online sollte existieren.");

assertTrue(fotoModell.kannFotosErzeugen, "pplx-7b-online sollte Fotos erzeugen können.");

}

@Test

void testFotoErzeugungBeiPplx70bOnline() {

var fotoModell = modelle.stream().filter(m -> m.modell.equals("pplx-70b-online")).findFirst().orElse(null);

assertNotNull(fotoModell, "Das Modell pplx-70b-online sollte existieren.");

assertTrue(fotoModell.kannFotosErzeugen, "pplx-70b-online sollte Fotos erzeugen können.");

}

Damit das Projekt auch JSon lesen kann, wird in der pom.xml noch ein eintrag benötigt:

<dependency>
		    <groupId>com.fasterxml.jackson.core</groupId>
		    <artifactId>jackson-databind</artifactId>
		    <version>2.15.2</version>
</dependency>