हाल ही में, Google ने अपना सबसे किफ़ायती मॉडल Gemini 2.0 Flash-Lite लॉन्च किया है, जो अब उत्पादन के लिए तैयार है। Gemini 2.0 Flash-Lite, Google Gemini सीरीज़ का हिस्सा है, जिसे लागत प्रभावशीलता के लिए डिज़ाइन किया गया है। यह मॉडल Google AI Studio और Vertex AI पर सार्वजनिक पूर्वावलोकन में उपलब्ध है, जिसका उद्देश्य किफ़ायती AI समाधानों की आवश्यकता वाले डेवलपर्स की सेवा करना है। इसका डिज़ाइन...

DeepSeek ओपन-सोर्स सप्ताह के पहले दिन ने अपने नवीनतम तकनीकी परिणाम FlashMLA का आधिकारिक रूप से विमोचन किया, जो एनवीडिया होपर आर्किटेक्चर GPU के लिए तैयार किया गया एक कुशल कई-स्तरीय ध्यान (Multi-Layer Attention) डिकोडिंग कोर है। यह तकनीक विशेष रूप से परिवर्तनशील लंबाई वाली अनुक्रम स्थितियों के लिए अनुकूलित की गई है, जो बड़े मॉडल के अनुमानित प्रदर्शन को महत्वपूर्ण रूप से बढ़ा सकती है। FlashMLA की मुख्य तकनीकी विशेषताओं में BF16 सटीकता का पूर्ण समर्थन और 64 के ब्लॉक आकार के साथ पृष्ठीय KEY-VALUE कैशिंग (Paged KV) शामिल है।

एक नवोन्मेषी वीडियो जनरेशन तकनीक FlashVideo ने हाल ही में ओपन-सोर्स करने की घोषणा की है, यह ढांचा अद्वितीय डुअल-स्टेज डिज़ाइन के माध्यम से AI वीडियो जनरेशन में गति और गुणवत्ता के संतुलन की समस्या को चतुराई से हल करता है। FlashVideo ने वेब फ्रंटेंड LQIP (कम गुणवत्ता वाली छवि प्लेसहोल्डर) के समान विचार को अपनाया है, वीडियो जनरेशन प्रक्रिया को पूर्वावलोकन और गुणवत्ता संवर्धन के दो चरणों में विभाजित किया है। पूर्वावलोकन चरण में, सिस्टम बहुत कम गणना लागत पर तेजी से वीडियो ड्राफ्ट उत्पन्न कर सकता है, जिससे उपयोगकर्ताओं को तात्कालिक प्रतिक्रिया मिलती है, जो उपयोगकर्ता अनुभव और व्यावसायिक अनुप्रयोग की व्यवहार्यता को महत्वपूर्ण रूप से बढ़ाता है।

गूगल ने 22 जनवरी 2025 को अपने Gemini 2.0 फ्लैश थिंकिंग निष्कर्ष मॉडल का एक मजबूत संस्करण लॉन्च किया, जिससे फिर से चैटबोट एरेना में शीर्ष स्थान हासिल किया। इस संस्करण का अपग्रेड मुख्य रूप से लंबी संदर्भ प्रसंस्करण क्षमता पर केंद्रित है, जो 1M टोकन तक इनपुट का समर्थन करता है, जिससे उपयोगकर्ताओं को लंबी पाठ सामग्री को संसाधित करते समय अधिक गहन विश्लेषण क्षमता मिलती है। गूगल एआई के प्रमुख जेफ डीन ने प्रस्तुतिकरण में कहा कि यह प्रयोगात्मक अपडेट मॉडल की गुणवत्ता में सुधार करने के लिए है।

परंपरागत वीडियो समझा मॉडल लम्बे वीडियो को प्रोसेस करते समय कई चुनौतियों का सामना करता है, जिसमें लम्बे वीडियो द्वारा लाए गए जटिल संदर्भों को समझना शामिल है। हालाँकि कई शोध वीडियो समझने की क्षमता को बढ़ाने के लिए प्रयासरत हैं, फिर भी यह प्रशिक्षण और निष्पादन की गति में सुधार करने में सक्षम नहीं है। इन समस्याओं के समाधान के लिए, शोध टीम ने HiCo तकनीक का उपयोग करते हुए वीडियो जानकारी में से अतिरिक्त भागों को संकुचित किया, जिसके परिणामस्वरूप कंप्यूटिंग आवश्यकताओं में महत्वपूर्ण कमी आई, जबकि महत्वपूर्ण जानकारी को बनाए रखा। विशेष रूप से, HiCo वीडियो को स्तरित संकुचन के माध्यम से संक्षिप्त करता है, जिससे लम्बे वीडियो को छोटे टुकड़ों में विभाजित किया जा सकता है, और इस प्रकार प्रसंस्करण को कम किया जा सकता है।

बीजिंग झीपु हुआझांग टेक्नोलॉजी कं, लिमिटेड ने 16 जनवरी, 2025 को एक नई श्रृंखला मॉडल का अनावरण किया और bigmodel.cn पर ऑनलाइन किया। अगस्त में 'झीपु क्यूंगयान' के推出 के बाद, कंपनी ने भाषा, आवाज, छवि और वीडियो की समझ और उत्पादन के क्षेत्र में गहराई से अन्वेषण किया, और GLM-Voice, GLM-4V, CogView, CogVideoX जैसे कई-मोडल मॉडल लॉन्च किए।

बड़े भाषाई मॉडल (LLM) के आधुनिक आर्टिफिशियल इंटेलिजेंस अनुप्रयोगों में व्यापक उपयोग के साथ, चैटबॉट और कोड जनरेटर जैसे उपकरण इन मॉडलों की क्षमताओं पर निर्भर करते हैं। हालाँकि, इसके साथ आने वाली इनफेरेंस प्रक्रिया में दक्षता की समस्याएँ भी बढ़ती जा रही हैं। विशेष रूप से, ध्यान तंत्र जैसे FlashAttention और SparseAttention को संभालते समय, विविध कार्यभार, गतिशील इनपुट पैटर्न और GPU संसाधन सीमाओं का सामना करते समय, अक्सर यह काफी कठिन हो जाता है। इन चुनौतियों के साथ-साथ उच्च विलंबता और मेमोरी बाधाएं भी हैं।

आर्टिफिशियल इंटेलिजेंस के क्षेत्र में बढ़ती प्रतिस्पर्धा के बीच, गूगल ने हाल ही में Gemini2.0 Flash Thinking मॉडल लॉन्च करने की घोषणा की। यह एक मल्टीमॉडल इनफेरेंशियल मॉडल है जो तेज़ और पारदर्शी प्रसंस्करण क्षमताओं के साथ जटिल समस्याओं का समाधान करने में सक्षम है। गूगल के सीईओ सुंदर पिचाई ने सोशल मीडिया X पर कहा: "यह अब तक का हमारा सबसे गहरा मॉडल है।" डेवलपर दस्तावेज़ के अनुसार, Gemini2 के Flash Thinking का मूल संस्करण Gemini2.0Fla की तुलना में।

गूगल लैब ने हाल ही में अमेरिका में नवीनतम जनरेटिव आर्टिफिशियल इंटेलिजेंस प्रयोगात्मक टूल Whisk लॉन्च किया। पारंपरिक इमेज जनरेशन टूल्स की तुलना में, जो मुख्य रूप से टेक्स्ट प्रॉम्प्ट पर निर्भर करते हैं, Whisk चित्रों को इनपुट विधि के रूप में उपयोग करने पर ध्यान केंद्रित करता है, जिससे उपयोगकर्ता अधिक सहजता से कलात्मक कार्यों का निर्माण कर सकते हैं। उपयोगकर्ता सीधे Whisk में चित्र अपलोड कर सकते हैं या इस उपकरण के भीतर चित्र उत्पन्न कर सकते हैं, विषय, दृश्य और शैली जैसे तत्वों को निर्दिष्ट कर सकते हैं। Whisk सिस्टम उपयोगकर्ताओं को इन घटकों को मिलाने और मेल करने की अनुमति देता है, और आवश्यकता अनुसार अतिरिक्त टेक्स्ट प्रॉम्प्ट का उपयोग करके ट्यूनिंग कर सकता है। ध्यान देने योग्य बात यह है कि

वास्तुकला डिजाइन के क्षेत्र में आर्टिफिशियल इंटेलिजेंस (एआई) का उदय अपरिवर्तनीय है, लेकिन यह सर्वशक्तिमान नहीं है, कम से कम वर्तमान में यह मानव रचनात्मकता को प्रतिस्थापित नहीं कर सकता। टोरंटो के Flashcube Labs के संस्थापक और प्रमुख कोस्टिका लाला का मानना है कि एआई ने उद्योग में महत्वपूर्ण परिवर्तन लाए हैं, लेकिन यह अभी भी प्रारंभिक चरण में है, वर्तमान के डिजाइन परिणाम "अभी बहुत बुनियादी हैं"। उन्होंने जोर दिया कि एआई रचनात्मकता को प्रतिस्थापित नहीं करेगा, बल्कि वास्तुविदों की रचनात्मकता को बढ़ा सकता है। Flashcube Labs वर्तमान में एआई का उपयोग करके रेंडरिंग चित्र उत्पन्न कर रहा है।

टेक्नोलॉजी दिग्गज गूगल के एआई शोध विभाग ने हाल ही में Gemini एआई मॉडल के नवीनतम संस्करण - Gemini 2.0 Flash को लॉन्च किया। इस नए मॉडल में प्रदर्शन में महत्वपूर्ण सुधार किया गया है, विशेष रूप से प्रसंस्करण गति और मल्टीमॉडल फ़ंक्शन विस्तार के मामले में। आधिकारिक तौर पर कहा गया है कि दुनिया भर में Gemini उपयोगकर्ता डेस्कटॉप और मोबाइल वेब पर मॉडल ड्रॉपडाउन सूची में 2.0 Flash परीक्षण संस्करण का चयन करके चैट अनुकूलन संस्करण तक पहुंच सकते हैं, और यह जल्द ही Gemini मोबाइल एप्लिकेशन में उपलब्ध होगा। अगले वर्ष

गूगल ने हाल ही में अपने नवीनतम एआई मॉडल जेमिनी 1.5 श्रृंखला की घोषणा की, जिसमें जेमिनी 1.5 फ्लैश-8B, जेमिनी 1.5 फ्लैश और जेमिनी 1.5 प्रो शामिल हैं। ये मॉडल लंबे पाठ और बड़ी मल्टी-मोड इनपुट को संभालने के लिए बनाए गए हैं, जैसे कि दस्तावेज़, वीडियो और ऑडियो। जेमिनी 1.5 फ्लैश एक हल्का संस्करण है, जिसमें 80 बिलियन पैरामीटर हैं, प्रदर्शन में उल्लेखनीय सुधार के साथ, यह वैश्विक डेवलपर्स की पहली पसंद बन गया है। जेमिनी 1.5 प्रो गणित, कोडिंग और जटिल संकेतों को संभालने में सक्षम है।

गूगल ने जेमिनी एपीआई के जेमिनी1.5फ्लैश मुफ्त पैकेज की पेशकश की है, जो प्रतिदिन 1.5 अरब मुफ्त टोकन प्रदान करता है, जिसमें प्रति मिनट 15 अनुरोध, प्रति मिनट 1 मिलियन टोकन और प्रति घंटे 1 मिलियन टोकन के लिए संदर्भ कैशिंग सेवा, और माइक्रो-ट्यूनिंग की सभी सुविधाएं पूरी तरह से मुफ्त हैं। यह कदम डेवलपर्स के लिए एआई तकनीक का उपयोग करने की बाधाओं को कम करने के उद्देश्य से है, जो नवोन्मेषी अनुप्रयोगों के विकास का समर्थन करता है। छोटे और मध्यम आकार की विकास टीमों के लिए, यह लागत को काफी कम करेगा, जिससे शोध एवं विकास में सुविधा आएगी। इस कदम से अपेक्षा है कि अधिक डेवलपर्स शामिल होंगे, जिससे प्रगति को आगे बढ़ाने में मदद मिलेगी।

Google AI सहायक Gemini ने महत्वपूर्ण अपडेट जारी किया है, जिसमें Gemini 1.5 Flash संस्करण लॉन्च किया गया है, जो प्रदर्शन, तर्क क्षमता और छवि समझ में उल्लेखनीय वृद्धि करता है, मुफ्त संस्करण का संदर्भ विंडो 8K से 32K टोकन तक बढ़ा दिया गया है, जो लंबे समय तक बातचीत का समर्थन करता है। नई फ़ाइल अपलोड फ़ंक्शन जोड़ी गई है, उपयोगकर्ता Google Drive के माध्यम से या सीधे फ़ाइल अपलोड करके जटिल कार्यों को संसाधित कर सकते हैं। उत्तर में संबंधित सामग्री लिंक प्रदर्शित होते हैं, जो जानकारी की खोज को सुविधाजनक बनाते हैं। जवाबों की सटीकता की पुष्टि के लिए Google खोज के माध्यम से एक द्वितीयक जांच फ़ंक्शन पेश किया गया है, जिसमें增

FlashAttention टीम ने Flash-Decoding विकसित किया है, जो विशाल Transformer ढांचे की निष्पादन गति को तेज करता है, अधिकतम 8 गुना। Flash-Decoding कुंजी और मान कैश को समानांतर संचालन के माध्यम से लोड करके निष्पादन गति में महत्वपूर्ण वृद्धि करता है। मानक परीक्षणों के अनुसार, Flash-Decoding लंबी श्रृंखला के डिकोडिंग गति में 8 गुना सुधार करता है और बेहतर स्केलेबिलिटी प्रदान करता है। नई विधि विशाल Transformer मॉडलों के लिए एक प्रभावी समाधान प्रदान करती है, विशेषकर