¿Por qué un modelo de lenguaje grande de código abierto que encabeza las listas de clasificación fue desarrollado por árabes?

Babel, el modelo de lenguaje grande de código abierto de Alibaba, admite 25 idiomas y empodera al 90% de la población mundial

Shenzhou Information integra el modelo de lenguaje grande de código abierto nacional DeepSeek

Recientemente, Shenzhou Information anunció la integración del modelo de lenguaje grande de código abierto nacional DeepSeek, con el objetivo de lograr una actualización inteligente de sus soluciones financieras integrales. Esta medida no solo marca una iteración tecnológica, sino que también ofrece a los clientes bancarios un despliegue en entornos privados de bajo coste y seguro. Gracias a la integración de DeepSeek, las nueve líneas de productos y más de 30 soluciones de negocio clave de Shenzhou Information han experimentado una mejora inteligente integral, abarcando múltiples áreas como la gestión de clientes minoristas, canales digitales, banca abierta, operaciones crediticias, inteligencia de datos y plataformas empresariales.

Yuanxiang lanza el modelo de lenguaje grande de código abierto MoE XVERSE-MoE-A36B con 36 mil millones de parámetros

Yuanxiang Information Technology Co., Ltd. de Shenzhen anunció recientemente el lanzamiento de XVERSE-MoE-A36B, el modelo de lenguaje grande de código abierto Mixture of Experts (MoE) más grande de China. El lanzamiento de este modelo representa un gran avance para China en el campo de la IA, elevando la tecnología de código abierto nacional a un nivel líder a nivel internacional.

Meta lanza el modelo de lenguaje grande de código abierto Llama 3.1 405B, con un rendimiento comparable a GPT-4

Recientemente, Meta anunció el lanzamiento de su último modelo de lenguaje grande, Llama 3.1 405B. Esta importante noticia marca la culminación de un año de cuidadosa planificación, desde la concepción del proyecto hasta la revisión final, y el lanzamiento del modelo de la serie Llama3 al público. Llama 3.1 405B es un modelo de uso múltiple multilingüe con 128 mil millones de parámetros. El modelo, después de un entrenamiento previo con una longitud de contexto de 8K, se entrenó adicionalmente con una longitud de contexto de 128K. Según Meta, el rendimiento de este modelo en múltiples tareas es comparable al de GPT-4.

Aparece el modelo de lenguaje grande de código abierto más potente de Alibaba: lanzamiento de Qwen2 de Tongyi Qianwen

En la madrugada de hoy, el equipo de Tongyi Qianwen de Alibaba lanzó la serie de modelos de código abierto Qwen2. Esta serie de modelos incluye cinco modelos de entrenamiento previo y ajuste fino de instrucciones de diferentes tamaños: Qwen2-0.5B, Qwen2-1.5B, Qwen2-7B, Qwen2-57B-A14B y Qwen2-72B. La información clave muestra que estos modelos presentan un aumento significativo en el número de parámetros y el rendimiento en comparación con la generación anterior, Qwen1.5.

El modelo de lenguaje grande de código abierto "Yi", liderado por Kai-Fu Lee, admite entradas de hasta 400.000 caracteres chinos

El 6 de noviembre, Zero One AI, liderada por Kai-Fu Lee, lanzó oficialmente en su sitio web dos modelos de lenguaje grandes preentrenados, Yi-34B y 6B. Yi-34B ha logrado un éxito notable en la clasificación mundial de modelos de lenguaje grandes de código abierto, convirtiéndose en el doble campeón, especialmente con un rendimiento excelente en los indicadores chinos. Yi-34B admite una versión de ventana de contexto extra larga, capaz de procesar entradas de texto extra largas de aproximadamente 400.000 caracteres chinos. Zero One AI planea lanzar una serie de versiones cuantitativas, modelos de diálogo, modelos matemáticos, modelos de código, etc.

Ant Group lanza el modelo de lenguaje grande de código abierto CodeFuse-CodeLlama-34B en versión cuantificada de 4 bits

Ant Group ha lanzado la versión cuantificada de 4 bits de CodeFuse-CodeLlama-34B. El modelo cuantificado se puede cargar con una sola A10 o RTX4090. El modelo cuantificado alcanza una puntuación del 73,8% en el indicador Humaneval pass@1. CodeFuse es un modelo de lenguaje grande para generación de código desarrollado por Ant Group. Mejora la eficiencia de desarrollo de los desarrolladores al proporcionar sugerencias inteligentes y soporte en tiempo real.

Baichuan Intelligence lanza el modelo de lenguaje grande de código abierto Baichuan2, superando en todos los aspectos a Llama2 de Meta

Baichuan2 supera a Llama2 en varias pruebas de evaluación en chino e inglés. Baichuan2 se entrenó con un conjunto de datos de 2.6 TB que abarca diversos campos como la tecnología y los negocios. Baichuan2 logró un proceso de entrenamiento eficiente, estable y predecible. Baichuan2 ha publicado 11 puntos de control intermedios de entrenamiento, lo que resulta muy valioso para la investigación de modelos. Baichuan2 es de uso comercial totalmente gratuito y representa la mejor opción para las empresas nacionales.

Meta acelera el desarrollo de un nuevo modelo de lenguaje grande de código abierto, rival de GPT-4, con parámetros varias veces superiores a Llama 2 y de uso comercial gratuito

Meta está desarrollando rápidamente un nuevo modelo de lenguaje grande de código abierto. Con una cantidad de parámetros varias veces superior a Llama 2, se espera su lanzamiento para el próximo año y será de uso comercial gratuito.