हाल ही में, VITA-MLLM टीम ने VITA-1.5 लॉन्च करने की घोषणा की, जो VITA-1.0 के आधार पर एक उन्नत संस्करण है, जिसका उद्देश्य मल्टीमोडल इंटरएक्शन की रीयल-टाइम और सटीकता को बढ़ाना है। VITA-1.5 न केवल अंग्रेजी और चीनी का समर्थन करता है, बल्कि कई प्रदर्शन संकेतकों में महत्वपूर्ण सुधार भी किया गया है, जो उपयोगकर्ताओं को एक अधिक सहज इंटरएक्शन अनुभव प्रदान करता है। VITA-1.5 में, इंटरएक्शन की देरी मूल 4 सेकंड से घटाकर केवल 1.5 सेकंड कर दी गई है, जिससे उपयोगकर्ता वॉयस इंटरएक्शन करते समय लगभग कोई देरी महसूस नहीं करते।

कृत्रिम बुद्धिमत्ता (AI) द्वारा संचालित टेक्स्ट-टू-इमेज (T2I) निर्माण मॉडल, जैसे कि DALLE3, Adobe Firefly3, आदि, उत्कृष्ट निर्माण क्षमताएँ प्रदर्शित करते हैं और वास्तविक अनुप्रयोगों में अपार संभावनाएँ रखते हैं। हालाँकि, ये मॉडल आमतौर पर अरबों के पैमाने पर होती हैं, जिससे मेमोरी की मांग बहुत अधिक होती है, जो मोबाइल डिवाइस जैसे संसाधन-सीमित प्लेटफार्मों पर तैनाती के लिए बड़ी चुनौतियाँ पैदा करती हैं। इन समस्याओं को हल करने के लिए, बाइटडांस और POSTECH के शोधकर्ताओं ने T2I मॉडल के लिए अत्यधिक निम्न-बिट क्वांटाइजेशन तकनीक का पता लगाया।

एनवीडिया (NVIDIA) ने हाल ही में एक नई कॉम्पैक्ट जेनेरेटिव AI सुपरकंप्यूटर—Jetson Orin Nano सुपर डेवलपर किट लॉन्च की है। इस उत्पाद में प्रदर्शन में काफी सुधार किया गया है और कीमत भी बहुत कम की गई है, और इसे सॉफ़्टवेयर अपडेट के माध्यम से और सुधारने के लिए डिज़ाइन किया गया है, जिससे अधिक लोग जेनेरेटिव AI को अपनाने के लिए सक्षम हो सकें। यह बिल्कुल नई Jetson Orin Nano सुपर डेवलपर किट छोटी है और इसे हाथ में आसानी से पकड़ा जा सकता है, यह व्यावसायिक AI डेवलपर्स, शौकिया और अन्य के लिए है।

दक्षिण कोरियाई मीडिया The Elec की रिपोर्ट के अनुसार, ऐप्पल ने हाल ही में सैमसंग से एक नए कम शक्ति वाले डुअल डेटा दर (LPDDR) DRAM पैकेजिंग तरीके पर अनुसंधान करने के लिए कहा है, ताकि iPhone के अंतर्निहित AI प्रदर्शन में सुधार किया जा सके। यह अनुरोध ऐप्पल द्वारा उपकरणों के AI कार्यों को बढ़ाने के लिए किए गए प्रयासों का संकेत है। वर्तमान में, ऐप्पल का iPhone पैक्ड पैकेजिंग (PoP)方案 का उपयोग कर रहा है, जिसमें LPDDR DRAM को सीधे सिस्टम-ऑन-चिप (SoC) पर पैक किया गया है, यह डिज़ाइन 2010 से है.

हाल ही में, गूगल की मातृ कंपनी एल्पाबेट ने 2024 वित्तीय वर्ष की तीसरी तिमाही की वित्तीय रिपोर्ट जारी की, जिसके परिणाम उत्साहजनक हैं। कंपनी की कुल राजस्व 883 अरब डॉलर तक पहुंच गई, जो पिछले वर्ष की तुलना में 15% की वृद्धि है। जिसमें, गूगल सेवाओं की आय 765 अरब डॉलर रही, जो 13% बढ़ी; जबकि गूगल क्लाउड की आय में 35% की जबरदस्त वृद्धि हुई, जो 114 अरब डॉलर तक पहुंच गई। इस वित्तीय रिपोर्ट में, आर्टिफिशियल इंटेलिजेंस का योगदान विशेष रूप से महत्वपूर्ण रहा, गूगल के सीईओ संदर्श पिचाई ने कहा कि कंपनी की नवाचार प्रतिबद्धता और AI पर दीर्घकालिक निवेश कंपनी और उसके लिए निरंतर लाभ ला रहे हैं।

गूगल ने आज नए अपग्रेडेड जेमिनी मॉडल सीरीज का लॉन्च करने की घोषणा की, जिसमें जेमिनी-1.5-प्रो-002 और जेमिनी-1.5-फ्लैश-002 शामिल हैं। इस अपडेट ने न केवल प्रदर्शन में काफी सुधार किया है, बल्कि आश्चर्यजनक कीमतों में छूट भी लाई है, जिससे यह निश्चित रूप से AI विकास क्षेत्र में हलचल मचाने वाला है। सबसे पहले, ध्यान आकर्षित करने वाली बात यह है कि कीमतों में भारी गिरावट आई है। नए मॉडल की उपयोग लागत सीधे 50% से अधिक की कटौती के साथ आधी हो गई है। इस बीच, प्रदर्शन में भी उल्लेखनीय सुधार हुआ है। जेमिनी1.5फ्लैश

गूगल ने AI चैट बॉट जेमिनी का बड़े पैमाने पर उन्नयन किया है, ताकि प्रदर्शन को बढ़ाया जा सके, भाषा समर्थन और कवरेज को विस्तारित किया जा सके। जेमिनी 1.5 फ़्लैश संस्करण 40 भाषाओं और 230 देशों/क्षेत्रों में समर्थन प्रदान करता है, गुणवत्ता और प्रतिक्रिया गति में नाटकीय सुधार हुआ है, विशेष रूप से तर्क और छवि समझ के क्षेत्रों में। इस उन्नयन में 32000 चिह्नित संदर्भ विंडो का विस्तार, फ़ाइल अपलोड फ़ंक्शन का समर्थन, और उत्तरों के नीचे संबंधित वेब लिंक प्रदर्शित करने की सुविधा शामिल है, जिससे पारदर्शिता बढ़ी है। जेमिनी की सुविधाएँ अधिक अनुप्रयोग क्षेत्रों में विकसित होंगी,

बड़े भाषा मॉडल का प्रदर्शन एजेंटों की实例化数量 के बढ़ने के साथ बढ़ता है, छोटे मॉडलों की कई प्रवृत्तियों ने दिखाया है कि छोटे LM का समुचित समावेश बड़े LM के प्रदर्शन को पूरी तरह से या यहां तक कि पार कर सकता है। यह लेख प्रदर्शन में सुधार और समस्या की जटिलता के बीच संबंध पर चर्चा करता है। लेखक ने क्रमिक नमूना लेने और मतदान, स्तरित नमूना लेने और मतदान की दो अनुकूलन रणनीतियों का प्रस्ताव रखा है।

Stability AI Japan ने हाल ही में दो आकर्षक जापानी भाषा मॉडल जारी किए, जिन्हें क्रमशः "Japanese Stable LM3B-4E1T" और "Japanese Stable LM Gamma7B" कहा जाता है। ये दोनों मॉडल पहले जारी किए गए अंग्रेजी भाषा मॉडल पर आधारित हैं और बाद में जापानी और अंग्रेजी डेटा की बड़ी मात्रा को शामिल करके पूर्व-प्रशिक्षित किए गए हैं, ताकि उनके जापानी भाषा प्रसंस्करण क्षमताओं में सुधार हो सके। इन दोनों मॉडल के पैरामीटर का आकार क्रमशः 30 बिलियन और 70 बिलियन है, जो वाणिज्यिक उपयोग की अनुमति देता है।

गूगल ने नई पीढ़ी के AI चिप Cloud TPU v5e का शुभारंभ किया, जो मध्यम और बड़े पैमाने पर प्रशिक्षण और अनुमान प्रविधि में कुशल प्रदर्शन प्रदान करता है। Jeff Dean ने बताया कि AI हार्डवेयर के प्रदर्शन में सुधार करना और भी कठिन हो गया है।