- $ 1500505050900000000000000000000000000000000000000000M मोडेल पुग्दा। प्रति कार्य
- ChatGPT ले उच्च स्कोर प्राप्त गर्यो, तर पनि यसको तुलनात्मक तर्क रन धेरै खर्च हुन्छ
- BDH-CQ ले लामो मध्यवर्ती पाठ उत्पन्न गर्नुको सट्टा आन्तरिक रूपमा तर्क गर्दछ
पाथवे, एआई ल्याबमा फोकस गरिएको नयाँ प्रयोगशालामा फोकस गरिएको छ। यसको BDH-CQ तर्क मोडेलको लागि बेन्चमार्क परिणामहरू।
their सार्वजनिक ARC-AGI-1 मूल्याङ्कन सेटमा 150M-प्यारामिटर मोडेलले 29.5% pass@2 अंक प्राप्त गर्यो।
यसले प्रति कार्य $0.0007 को कम्प्युटेड इन्फरेन्स लागतमा यो हासिल गर्यो, ChatGPT को GPT को अन्तर्निहित मोडेल भन्दा लगभग एघार गुणा सस्तो। class=”my-6 w-full overflow-hidden rounded-[10px] lg:my-8″ data-component-name=”JwPlayer:Carousel” data-jwp-carousel=”” data-jwp-carousel-payload=””ids”:”playerID”:”APjl6osP”,”searchPlaylistID”:”1v6djO3j”,”divID”:”botr_1v6djO3j_APjl6osP_di v”,”fallbackPlaylistID”:”KgQ4BrDw”,”fallbackDivID”:”botr_KgQ4BrDw_APjl6osP_div”,”key”:”ZuubZ0qo8PC91SeYBvrz9lq0zFhLM446g wRNTJacILQ18liS”,”tintLogo”:true,”useSearchPlaylist”:false,”enabled”:true,”signPostingEnabled”:true,”signPostingLinkEna bled”:true,”waitForAdLoad”:false,”hidePlayerOnDesktop”:false,”hidePlayerOnMobile”:false,”hidePlayerOnTablet”:false”>
class=”jwp-carousel-title-mobile”/>पछिल्लो भिडियोहरूTechRadar
तर्क गर्ने सस्तो तरिका
आज धेरै AI उपकरणहरू कम्प्युटिङ पावरको बर्बादी गर्छन् किनभने तिनीहरू कसरी डिजाइन गरिएका छन्, किनभने तिनीहरूले कसरी गहिरो रूपमा डिजाइन गरेका छन्। AI ले तर्कको लागि ठूलो टोकन लागत तिर्छ, तर त्यो लागत वास्तुकलाद्वारा लगाइएको हो, कुनै बुद्धिमत्ताको कानूनले होइन,” पाथवेका सीईओ र सह-संस्थापक जुजाना स्टामिरोस्काले भनिन्। data-nosnippet=”” class=”clear-both pt-2 pb-0 mb-4″>
तपाईलाई मन पर्न सक्छ
. data-hl-processed=”none” data-article-category=”pro” data-mrf-recirculation=”inline-link” data-before-rewrite-localise=”https://www.techradar.com/tag/amazon”>Amazon Web Services विश्वास गर्छ कि BDH-CQ को नतिजा एआई उत्पादनहरु को उपयोग को लागी एक आशाजनक कदम को लागी एक वास्तविक कारण हो। किफायती रूपमा।
“ग्राहकहरू बढ्दो रूपमा अन्वेषण गर्दै छन् कसरी उन्नत तर्कलाई प्रयोगबाट उत्पादनमा सार्न सकिन्छ, जहाँ कार्यसम्पादन, दक्षता, र स्केलेबिलिटी सबै कुराहरू हुन्,” निकोलस-एजीपी-एआरसीएआरसी>
Agci> AI प्रणालीहरूको लागि व्यापक रूपमा प्रयोग गरिएको तर्क बेन्चमार्क, प्रणालीले सीमित उदाहरणहरूबाट अन्तर्निहित नियम अनुमान गर्न सक्छ र यसलाई नयाँ इनपुटहरूमा सही रूपमा लागू गर्न सक्छ कि भनेर जाँच गर्दछ।
यस परीक्षणमा, OpenAI को लुना मोडेलले 34.2% मा मात्र अलिकति उच्च स्कोर गर्यो, तर पनि यसलाई चलाउन अझै धेरै खर्च हुन्छ (प्रति कार्य $0.008)।
अब के पढ्ने
त्यो मूल्य अन्तरमा ओपनएआईको लुनामा हालैको ८०% मूल्य कटौती समावेश छ, जुन यस वर्षको जुलाई ३० मा सुरु भयो।
अगाडि चार्टमा, क्लाउड ओपस ५ र जेमिनी ३.१ प्रो ९७–९८% पुग्छन् तर लागत लगभग $०.५ – $०.६’ प्रति कार्य, जसको अर्थ सीमावर्ती Q-डी भन्दा धेरै हजार गुणा बढी छ। उच्चतम स्कोरहरू।
सस्तो अन्तमा, Qwen3 235B को BDH-CQ भन्दा तीन गुणा बढी लागत छ जबकि यसको न्यून भेरियन्ट भन्दा पनि खराब स्कोर गर्दै, त्यसैले यो मूल्य वा प्रदर्शन दुवैमा वास्तविक प्रतिस्पर्धी होइन।
“पाथवेले देखाउँछ कि मोडेल आर्किटेक्चर, स्केल मात्र होइन, अर्को कारणले अगाडि बढ्न सक्छ,” Kazap ले भन्यो। मौलिक 2017 ट्रान्सफर्मर पेपरका सह-लेखक।
यसको लागत किन धेरै कम छ
id=”elk-ebe319d0-95e0-11f1-92d2-a169fa05163c”>दक्षता अन्तर मुख्यतया संरचनात्मक भिन्नताबाट उत्पन्न हुन्छ जसमा प्रत्येक प्रणालीले वास्तवमा अनुमान गणनाको क्रममा तर्क प्रदर्शन गर्दछ।
धेरै तर्क एआई प्रणालीहरूले मध्यवर्ती पाठ उत्पन्न गर्दछन्
अन्तिम उत्तर पछि अर्को पाठ थप्दै। लिखित तर्क लामो हुन्छ, यो चलाउनको लागि बढी लागत र ढिलो AI ले प्रत्येक अनुरोधलाई जवाफ दिन्छ।
BDH-CQ ले एकदम फरक तरिकाले काम गर्दछ, चुपचाप सबै कुरालाई पहिले देखिने पाठको रूपमा लेख्नुको सट्टा आफ्नै मेमोरी भित्र समस्याहरू समाधान गर्दछ।
पाथवेले यो पनि पुष्टि गर्यो कि प्रारम्भिक प्रयोगहरूले मानक ट्रान्सफर्मर-जस्तै साइज मोडेल 60B 60B मा स्केलिंग कानूनहरू पालना गरेको छ। मापदण्डहरू।
कम्पनीले गणितीय तर्क, ARC-AGI-2, र अन्ततः पूर्ण ARC-AGI-3 मूल्याङ्कनहरू सहित यस दृष्टिकोणलाई कडा बेन्चमार्कहरू तिर विस्तार गर्ने योजना पनि बनाएको छ।
यदि यी दक्षता लाभहरू ठूला र अधिक कठिन कार्यहरूमा समातिए भने, कच्चा क्षमताको सट्टा लागतको कारणले प्रणालीलाई अलग गर्न सक्छ। id=”elk-ebe31a34-95e0-11f1-a59a-7bf01c617735″/>
Google समाचारमा TechRadar लाई फलो गर्नुहोस् र हाम्रो समाचारको रूपमा हामीलाई थप्नुहोस्