ओपनएआईले सयौं एआई-लिखित गणित प्रमाणहरू छोड्छ र मैदानलाई हडबडाउँछ
ओपनएआईले भर्खरै एउटा अप्रकाशित फ्रन्टियर मोडेलबाट ३७२ गणितीय नतिजाहरूलाई GitHub रिपोमा सारेको छ। भर्जले ३७२ नतिजा परिवारहरूमा ७२२ पाण्डुलिपिहरू गणना गर्दछ। धेरै प्रमाणहरू पहिले नै लीनमा जाँच गरिसकेका छन्, त्यसैले नवीनता अझै पनि त्रुटिपूर्ण भए पनि तर्क सम्भवतः ठीक छ।.
कम्पनीले चार-आयामी काकेया अनुमान, प्रमुख एल्गोरिदमहरूमा परिवर्तन, र रिम्यान परिकल्पना तर्फ "वास्तविक प्रगति" मा पनि जित हासिल गरेको दाबी गर्छ। एक प्रवक्ताले साइन्टिफिक अमेरिकनलाई बताए कि लगभग हरेक नतिजा एकल प्रम्प्टबाट एकल एजेन्टमा आएको थियो - पहिले नेभियर-स्टोक्सलाई क्र्याक गर्ने बहु-मिलियन डलरको १०,०००-एजेन्ट झुण्ड होइन। औसत लागत: लगभग तीन घण्टाको च्याटजीपीटी प्रो सोच।.
गणितज्ञहरू सबै खुशी छैनन्। MIT का एन्ड्रयू सदरल्याण्डले मूलतः भनेका थिए: मोडेल देखाउनुहोस् वा एक-शट कथालाई अप्रमाणितको रूपमा व्यवहार गर्नुहोस्। OpenAI को आफ्नै सल्लाहकार समूहले प्रम्प्टहरू, मोडेल नामहरू, र गणना रसिदहरू चाहन्थ्यो। OpenAI ले औसत र केही लीन औपचारिकीकरणहरू प्रकाशित गर्यो। "हामीले प्रमाणहरू फ्याँक्यौं, कृपया पचाउनुहोस्" एक साहसी अनुसन्धान रणनीति हो।.
मिस्ट्रलले ओपन-वेट सर्वोच्चतालाई लक्षित गर्दै १ ट्रिलियन-प्यारामिटर "ले चोंक", लार्ज ४ अनावरण गर्यो
फ्रान्सेली प्रयोगशाला मिस्ट्रलले मिस्ट्रल लार्ज ४ को सार्वजनिक पूर्वावलोकन खोल्यो - अनौपचारिक रूपमा ML4, "धेरै आधिकारिक रूपमा: ले चोंक।" यो १ ट्रिलियन कुल प्यारामिटरहरू र ४९ अर्ब सक्रिय भएको नेटिभली मल्टिमोडल मिश्रण हो। साझेदारहरू र सरकारहरूसँग रेड-टिमिङ गरेपछि महिनाको अन्त्यसम्ममा तौलको प्रतिज्ञा गरिन्छ।.
मिस्ट्रलको आफ्नै युरोपेली डाटासेन्टरहरूमा ३,८०० NVIDIA ग्रेस ब्ल्याकवेल GPU हरूमा तालिम सञ्चालन गरिएको थियो। पिच सार्वभौमिकता र बाइट हो: साइबर सुरक्षा, वित्त, कानून, चिप डिजाइन। एक कृत्रिम विश्लेषण साइबर परीक्षणमा जसले मोडेललाई वास्तविक जोखिम पुन: उत्पादन गर्न र प्याच गर्न भन्छ, मिस्ट्रल भन्छन् कि ML4 ले ८२% स्कोर गर्यो - कुनै पनि मोडेलको उच्चतम - जबकि केही बन्द दिग्गजहरूले अस्वीकार गरे र शून्यको नजिक स्कोर गरे।.
त्यसैले युरोप अझै पनि बन्द अमेरिकी प्रयोगशालाहरू र चिनियाँ खुला तौलहरू बीच तेस्रो बाटो चाहन्छ। यो टाँसिन्छ कि टाँसिन्छ भन्ने कुरा अर्को कुरा हो। उपनाम आफैंले सुझाव दिन्छ कि उनीहरूलाई थाहा छ कि प्यारामिटर दौड बाहिरबाट कति बेतुका देखिन्छ।.
क्लाउड पहिलो-पक्ष साइडबारको रूपमा गुगल डक्स, पानाहरू र स्लाइडहरूमा सर्छ
एन्थ्रोपिकको क्लाउड फर गुगल वर्कस्पेस सशुल्क योजनाहरूमा सार्वजनिक बिटामा छ। मार्केटप्लेस एड-अन स्थापना गर्नुहोस्, फाइल खोल्नुहोस्, र क्लाउड एउटा साइडबारमा बस्छ जसले कागजात पढ्न र यसलाई ठाउँमा सम्पादन गर्न सक्छ। नयाँ कनेक्टरहरूले तपाईंलाई क्लाउड च्याटबाट नै गुगल फाइलहरू सिर्जना गर्न र ट्वीक गर्न पनि दिन्छ।.
कागजातमा यसले ढाँचा बिगार्न नदिई वाक्य सच्याउन सक्छ, वा सुझाव कार्डको रूपमा ठूला पुनर्लेखनहरू फ्लोट गर्न सक्छ। पानाहरूले सूत्रहरू, पिभोटहरू, चार्टहरू, र ट्याङ्गल्ड जोडहरूको लागि पाइथन डिटोर पनि प्राप्त गर्दछ। स्लाइडहरूले तपाईंको अवस्थित विषयवस्तुबाट नयाँ स्लाइडहरू मिन्ट गर्न सक्छ र त्यसपछि ओभरल्यापिङ जंकलाई फ्ल्याग गर्न सक्छ। सम्पादन गर्नु अघि पूर्वनिर्धारित मोडले सोध्छ। यदि तपाईंलाई खतरनाक रूपमा बाँच्न मन पर्छ भने "सबै स्वीकार गर्नुहोस्" मोड छ।.
जेमिनी पहिले नै यहाँ बस्छ, र माइक्रोसफ्ट कोपाइलटले अफिस संस्करण गर्छ - कहिलेकाहीँ एन्थ्रोपिक मोडेलहरूमा, जुन रमाइलो सानो विरोधाभास हो। क्लाउड अब दुवै इकोसिस्टममा एआई तह बन्ने प्रयास गर्दैछ। यसलाई उत्पादन रणनीति भन्नुहोस्, वा केवल एक पक्ष छनौट गर्न अस्वीकार गर्नुहोस्। दुवै, सम्भवतः।.
पसलहरूले राम्रो र नराम्रो बटहरू छुट्याउन सकून् भनेर मेटा र सिएराले व्यक्तिगत एजेन्ट प्रोटोकलको मस्यौदा तयार पारे
सिएरा र मेटा, जेनेसिस, इन्स्टिंक्ट, रकेट, शॉपिफाई, स्ट्राइप र वालमार्टसँग मिलेर, व्यक्तिगत एआई एजेन्टहरूले व्यवसायहरूसँग कसरी कुरा गर्छन् भन्ने कुराको लागि खुला मानक निर्माण गरिरहेका छन्। उपभोक्ताहरूले आफ्नो एजेन्टले के पहुँच गर्न सक्छ भनेर छनौट गर्छन्। कम्पनीहरूले वेबसाइटहरू, API हरू, वा कम्पनी एजेन्ट मार्फत एजेन्टहरूले के गर्न सक्छन् भनेर सेट गर्छन्। सत्रहरू OAuth मा सवारी हुन्छन्।.
यस महिनाको अन्त्यतिर v0.1 स्पेक र सन्दर्भ कार्यान्वयन हुने भएको छ। ब्रेट टेलरको फ्रेमिङ स्पष्ट छ: यस्तो केही नभएसम्म यो एक प्रकारको अराजकता हो। अमेजनले मेटाको म्यूजलाई रोक लगाएको छ। वालमार्ट म्यूजसँग साझेदारीमा छ र अझै पनि CAPTCHA घर्षण एजेन्टहरूलाई बाहिर निकालिरहेको देख्छ। एयरलाइन्स र अन्यहरूले कडा रेखाहरू कोरिरहेका छन्।.
ओपनएआई र एन्थ्रोपिक अझै कोठामा छैनन्। टेलर भन्छन् कि यदि प्रतिद्वन्द्वीहरूले यसलाई छोडे भने उनी साँच्चै निराश हुनेछन्। मानक सुरुवातको लागि स्पष्ट। ओपनएआई अध्यक्षले प्रोटोकल सह-लेखन गर्दा पनि अलि अप्ठ्यारो लाग्छ।.
ओपनएआईको डिसिजन एपीआई छिटो हो-वा-होइन शैलीको उत्तरहरूको लागि सार्वजनिक बिटामा जान्छ
OpenAI ले POST /v1/decisions मार्फत gpt-6-luna मा सार्वजनिक बिटामा Decisions API पठायो। यसलाई पाठ, छविहरू, वा दुवै फिड गर्नुहोस् र प्रतिक्रिया API भन्दा लगभग १० गुणा छिटो टाइप गरिएका उत्तरहरू प्राप्त गर्नुहोस् - एक सम्भावना सर्त सत्य हो, तपाईंको सूचीबाट छनौट, वा क्रमबद्ध स्तरहरू विरुद्ध स्कोर।.
"दुई पटक चार्ज गरिएको" गुनासोलाई बिलिङमा राउट गर्ने, वा क्र्याकको लागि उत्पादनको फोटो फ्ल्याग गर्ने बारेमा सोच्नुहोस्। छविहरू इनलाइन बेस६४ हुनुपर्छ। मूल्य निर्धारण प्रति मिलियन इनपुट टोकन $०.१० हो, यस अन्त्य बिन्दुमा कुनै आउटपुट-टोकन शुल्क छैन। योग्य ग्राहकहरूको लागि शून्य डेटा रिटेन्सन र HIPAA मार्गहरू अवस्थित छन्।.
यो DevDay मा सीमित पूर्वावलोकनमा देखा पर्यो र अब खुला छ। GA "आउने हप्ताहरू" हो। यो अनसेक्सी प्लम्बिंग उत्पादनहरूलाई आवश्यक पर्ने वर्गीकरण हो - हरेक पटक उपन्यास नलेखी।.
गुगल डिपमाइन्डको इम्बेडिङगेम्मा २ ले पाठ, छवि, अडियो र भिडियोलाई एउटै अन-डिभाइस भेक्टर स्पेसमा प्याक गर्छ।
EmbeddingGemma 2 एउटा ७४ करोड-प्यारामिटर Apache 2.0 मोडेल हो जसले पाठ, कोड, छवि, भिडियो र अडियोलाई साझा ७६८-आयामी ठाउँमा नक्सा गर्दछ। Gemma 4 मा निर्मित। फोन र अन्य कडा हार्डवेयरमा लक्षित, अर्को विशाल क्लाउड-मात्र एम्बेडर होइन।.
तपाईंलाई चाहिने कुरा मात्र लोड गर्नुहोस्: पाठको लागि २७०M, दृष्टि वा अडियो थप्नुहोस्, वा पूर्ण स्ट्याक लिनुहोस्। Matryoshka ट्रंकेशनले ६ गुणा कम भण्डारणको लागि भेक्टरहरूलाई १२८ आयामहरूमा घटाउन सक्छ। सन्दर्भ ८K टोकन हो - लगभग ५.५ मिनेट अडियो वा दर्जनौं फ्रेमहरूको लागि पर्याप्त। गुगलले भन्छ कि MTEB कोड पहिलो EmbeddingGemma को तुलनामा लगभग १० अंकले बढेको छ।.
क्वान्टाइजेसन भएको Pixel 11 Pro मा, टेक्स्ट-मात्र तौलका लागि लगभग १९१MB सक्रिय RAM चाहिन्छ; पूर्ण मल्टिमोडल लगभग ५६७MB। मूल टेक्स्ट मोडेल पहिले नै २० मिलियन डाउनलोड पार गरिसकेको छ। शान्त गुगल लन्चहरू कहिलेकाहीं आकर्षक भन्दा बढी महत्त्वपूर्ण हुन्छन्।.
मिथोस पछि दक्षिण कोरियाका विज्ञान मन्त्रीले ३.५ अर्ब डलरको फ्रन्टियर एआई ट्र्याकमा दोब्बर काम गरे
संसदीय लेखापरीक्षणमा, उपप्रधानमन्त्री बे क्युङ-हुनले भने कि सियोलले आफ्नो सार्वभौम आधार-मोडेल परियोजनालाई कायम राख्नेछ र छुट्टै फ्रन्टियर एआई कार्यक्रम थप्नेछ। उनले ४.७ ट्रिलियन वोन ($३.५ बिलियन) को धक्कालाई एन्थ्रोपिकका क्लाउड मिथोस वरिपरिको "मिथोस झट्का" र साइबर सुरक्षा खतराहरूसँग जोडे।.
सार्वभौम प्रयासले दोस्रो मूल्याङ्कन पारित गर्यो र तेस्रोमा जाँदैछ। बेले हालको नतिजालाई विश्वव्यापी रूपमा मिडरेन्ज भने र अग्रणी खुला-तौल प्रणालीहरूको नजिक केही चाहन्छन्। उनले वर्षको अन्त्यसम्ममा "सबैका लागि एआई" सेवा - नि:शुल्क, कुनै प्रयोग सीमा छैन - साथै डेटा केन्द्रहरू, भौतिक एआई र चिप्समा मेगा परियोजनाहरू पनि सुरु गरे।.
त्यसैले कथा "घरेलु मोडेल रद्द गर्नुहोस्" भन्ने होइन। यो "यसको छेउमा एउटा ठूलो, डरलाग्दो ट्र्याक थप्नुहोस्" भन्ने हो। राष्ट्रिय एआई दौडहरू महँगो हुँदै गइरहेका छन्। अमेरिका र चिनियाँ स्केलको विरुद्धमा $३.५ बिलियन पर्याप्त छ कि छैन भन्ने कुरा खुला छ। बेलाई लाग्छ कि अझै बस्नु खराब छ।.
सोधिने प्रश्न
ओपनएआईले आफ्नो अप्रकाशित फ्रन्टियर गणित मोडेलको साथ गिटहबमा के डम्प गर्यो?
ओपनएआईले ३७२ गणितीय परिणाम परिवारहरू पोस्ट गर्यो - लगभग ७२२ पाण्डुलिपिहरू - एक अप्रकाशित फ्रन्टियर मोडेलबाट। धेरै प्रमाणहरू पहिले नै लीनमा जाँच गरिसकेका छन्। कम्पनीले चार-आयामी काकेया अनुमान, एल्गोरिथ्म ट्वीक्स, र रिम्यान परिकल्पना तर्फ काममा प्रगति भएको दाबी गर्दछ। एक प्रवक्ताले भने कि लगभग हरेक नतिजा एकल प्रम्प्टबाट एकल एजेन्टमा आएको थियो, औसतमा लगभग तीन घण्टाको च्याटजीपीटी प्रो सोच - विशाल बहु-एजेन्ट झुण्ड होइन।.
ओपनएआईको एक-शट गणित प्रमाण कथाप्रति गणितज्ञहरू किन शंका गर्छन्?
एमआईटीका एन्ड्रयू सदरल्याण्डले ओपनएआईलाई मोडेल देखाउन वा एक-शट दाबीलाई अप्रमाणितको रूपमा व्यवहार गर्न आग्रह गरे। ओपनएआईको आफ्नै सल्लाहकार समूहले प्रम्प्टहरू, मोडेल नामहरू, र गणना रसिदहरू चाहन्थे। यसको सट्टा कम्पनीले औसत र केही लीन औपचारिकीकरणहरू प्रकाशित गर्यो। प्रमाणहरू औपचारिक रूपमा जाँच गर्न सकिन्छ, तर नवीनता र एकल-एजेन्ट कथा पूर्ण प्रमाण देखा नपरेसम्म विवादित रहन्छ।.
मिस्ट्रल लार्ज ४ भनेको के हो र तौल कहिले आउँछ?
मिस्ट्रल लार्ज ४ - जसलाई ML4 वा "Le Chonk" पनि भनिन्छ - १ ट्रिलियन कुल प्यारामिटरहरू र ४९ अर्ब सक्रिय भएको एक नेटिभली मल्टिमोडल मिक्सर-अफ-विज्ञ मोडेल हो। यसले मिस्ट्रलको युरोपेली डाटासेन्टरहरूमा ३,८०० NVIDIA ग्रेस ब्ल्याकवेल GPU हरूमा तालिम दिएको थियो। सार्वजनिक पूर्वावलोकन लाइभ छ; साझेदारहरू र सरकारहरूसँग रेड-टिमिङ गरेपछि महिनाको अन्त्यसम्ममा पूर्ण तौलको वाचा गरिन्छ। मिस्ट्रलले साइबर सुरक्षा, वित्त, कानून र चिप डिजाइनमा प्रयोगका केसहरू प्रस्तुत गर्यो।.
क्लाउडले गुगल डक्स, पाना र स्लाइड भित्र कसरी काम गर्छ?
क्लाउड फर गुगल वर्कस्पेस मार्केटप्लेस एड-अन मार्फत सशुल्क योजनाहरूमा सार्वजनिक बिटामा छ। यो साइडबारमा बस्छ जसले फाइल पढ्न र ठाउँमा सम्पादन गर्न सक्छ, वा क्लाउड च्याटबाट गुगल फाइलहरू सिर्जना र ट्वीक गर्न सक्छ। डक्समा यसले वाक्यहरू ठीक गर्न वा सुझाव कार्डहरू फ्लोट गर्न सक्छ; पानाहरूले सूत्रहरू, पिभोटहरू, चार्टहरू, र वैकल्पिक पाइथन प्राप्त गर्दछ; स्लाइडहरूले तपाईंको विषयवस्तुबाट स्लाइडहरू मिन्ट गर्न सक्छ। पूर्वनिर्धारित मोडले सम्पादन गर्नु अघि सोध्छ; "सबै स्वीकार गर्नुहोस्" मोडले प्रम्प्टहरू छोड्छ।.
मेटा र सिएरा पर्सनल एजेन्ट प्रोटोकलले कुन समस्या समाधान गर्ने प्रयास गर्छ?
व्यक्तिगत एआई एजेन्टहरूले प्रायः क्याप्चाहरू वा व्यापारिक एपीआईहरू किनमेल गर्दा वा कल गर्दा सिधै ब्लक गर्छन्। सिएरा र मेटा, जेनेसिस, शॉपिफाई, स्ट्राइप, र वालमार्ट लगायतका साझेदारहरूसँग मिलेर, उपभोक्ताहरूले एजेन्ट पहुँच नियन्त्रण गर्न र कम्पनीहरूले OAuth मा अनुमति प्राप्त कार्यहरू सेट गर्न खुला मानकको मस्यौदा बनाइरहेका छन्। v0.1 विशिष्टता र सन्दर्भ कार्यान्वयन यस महिनाको अन्त्यमा हुने छ। ओपनएआई र एन्थ्रोपिक अझै कोठामा छैनन्।.
तपाईंले कहिले रेस्पोन्स एपीआईको सट्टा ओपनएआईको डिसिजन एपीआई प्रयोग गर्नुपर्छ?
जब तपाईंलाई छिटो टाइप गरिएको हो-वा-होइन शैलीको उत्तर चाहिन्छ - सर्त सत्य हुने सम्भावना, सूचीबाट छनोट, वा क्रमबद्ध स्तरहरूमा स्कोर - निर्णय API मा पुग्नुहोस्। यो POST /v1/decisions मार्फत gpt-6-luna मा चल्छ, पाठ र इनलाइन base64 छविहरू स्वीकार गर्दछ, र प्रतिक्रिया API भन्दा लगभग १० गुणा छिटो छ। मूल्य निर्धारण प्रति मिलियन इनपुट टोकनहरूको लागि $०.१० छ कुनै आउटपुट-टोकन शुल्क बिना। योग्य ग्राहकहरूको लागि शून्य डेटा रिटेन्सन र HIPAA मार्गहरू अवस्थित छन्; GA आगामी हप्ताहरूमा अपेक्षित छ।.
गुगल डिपमाइन्डको इम्बेडिङगेम्मा २ फोनहरूमा किन उपयोगी छ?
EmbeddingGemma 2 एउटा ७४० मिलियन-प्यारामिटर Apache 2.0 मोडेल हो जसले पाठ, कोड, छविहरू, भिडियो र अडियोलाई एउटा ७६८-आयामी ठाउँमा नक्सा गर्छ। तपाईं केवल पाठ (२७०M) लोड गर्न सक्नुहुन्छ, दृष्टि वा अडियो थप्न सक्नुहुन्छ, वा पूर्ण स्ट्याक लिन सक्नुहुन्छ। Matryoshka ट्रंकेशनले ६ गुणा कम भण्डारणको लागि भेक्टरहरूलाई १२८ आयामहरूमा संकुचित गर्न सक्छ। क्वान्टाइज्ड Pixel 11 Pro मा, पाठ-मात्रलाई लगभग १९१MB सक्रिय RAM र लगभग ५६७MB पूर्ण मल्टिमोडल चाहिन्छ, जसमा ८K-टोकन सन्दर्भ हुन्छ।.