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 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.

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.

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.

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.