Reduzindo a latência

Latência refere-se ao tempo que o modelo leva para processar um prompt e gerar uma saída. A latência pode ser influenciada por vários fatores, como o tamanho do modelo, a complexidade do prompt e a infraestrutura subjacente que suporta o modelo e o ponto de interação.

​

Como medir a latência

Ao discutir latência, você pode encontrar vários termos e medidas:

• Latência de base: É o tempo que o modelo leva para processar o prompt e gerar a resposta, sem considerar os tokens de entrada e saída por segundo. Ele fornece uma ideia geral da velocidade do modelo.
• Tempo até o primeiro token (TTFT): Essa métrica mede o tempo que o modelo leva para gerar o primeiro token da resposta, a partir do momento em que o prompt foi enviado. É particularmente relevante quando você está usando streaming (mais sobre isso depois) e deseja fornecer uma experiência responsiva aos seus usuários.

Para um entendimento mais aprofundado desses termos, confira nosso glossário.

​

Como reduzir a latência

​

1. Escolha o modelo certo

Uma das maneiras mais diretas de reduzir a latência é selecionar o modelo apropriado para o seu caso de uso. A Anthropic oferece uma variedade de modelos com diferentes capacidades e características de desempenho. Considere seus requisitos específicos e escolha o modelo que melhor se adequa às suas necessidades em termos de velocidade e qualidade de saída. Para mais detalhes sobre as métricas do modelo, consulte nossa página de visão geral dos modelos.

​

2. Otimize o comprimento do prompt e da saída

Minimize o número de tokens tanto no seu prompt de entrada quanto na saída esperada, mantendo um alto desempenho. Quanto menos tokens o modelo tiver que processar e gerar, mais rápida será a resposta.

Aqui estão algumas dicas para ajudá-lo a otimizar seus prompts e saídas:

• Seja claro, mas conciso: Procure transmitir sua intenção de forma clara e concisa no prompt. Evite detalhes desnecessários ou informações redundantes, lembrando que o Claude não tem contexto sobre seu caso de uso e pode não fazer os saltos lógicos pretendidos se as instruções não forem claras.
• Peça respostas mais curtas: Peça diretamente ao Claude para ser conciso. A família de modelos Claude 3 tem uma capacidade de direcionamento aprimorada em relação às gerações anteriores. Se o Claude estiver gerando um comprimento indesejado, peça a ele para reduzir sua prolixidade.
  Devido à forma como os LLMs contam tokens em vez de palavras, pedir uma contagem exata de palavras ou um limite de contagem de palavras não é uma estratégia tão eficaz quanto pedir limites de contagem de parágrafos ou frases.
• Defina limites de saída apropriados: Use o parâmetro max_tokens para definir um limite rígido no comprimento máximo da resposta gerada. Isso impede que o Claude gere saídas excessivamente longas.

  Nota: Quando a resposta atinge max_tokens tokens, a resposta será cortada, talvez no meio da frase ou da palavra, então esta é uma técnica grosseira que pode exigir pós-processamento e geralmente é mais apropriada para respostas de múltipla escolha ou respostas curtas onde a resposta vem logo no início.

• Experimente com a temperatura: O parâmetro temperature parameter controla a aleatoriedade da saída. Valores mais baixos (por exemplo, 0,2) podem, às vezes, levar a respostas mais focadas e curtas, enquanto valores mais altos (por exemplo, 0,8) podem resultar em saídas mais diversas, mas potencialmente mais longas.

Encontrar o equilíbrio certo entre clareza do prompt, qualidade da saída e contagem de tokens pode exigir alguma experimentação.

​

3. Aproveite o streaming

Streaming é um recurso que permite que o modelo comece a enviar sua resposta antes que a saída completa esteja concluída. Isso pode melhorar significativamente a responsividade percebida do seu aplicativo, pois os usuários podem ver a saída do modelo em tempo real.

Com o streaming habilitado, você pode processar a saída do modelo à medida que ela chega, atualizando sua interface de usuário ou executando outras tarefas em paralelo. Isso pode melhorar muito a experiência do usuário e tornar seu aplicativo mais interativo e responsivo.

Visite streaming Messages para aprender como você pode implementar o streaming para o seu caso de uso.