हाल ही में, टेनसेंट ह्यूनयुआन वीडियो मॉडल (Hunyuan Video) ने X प्लेटफॉर्म पर परीक्षण भागीदारों के लिए आधिकारिक रूप से आमंत्रण जारी किया है, जो इस अग्रणी AI वीडियो जनरेशन तकनीक के महत्वपूर्ण परीक्षण चरण में प्रवेश करने का प्रतीक है। आधिकारिक सूत्रों के अनुसार, परीक्षण समाप्त होने के बाद, इस मॉडल के ओपन-सोर्स होने की उच्च संभावना है, ताकि वैश्विक AI समुदाय को इसके तकनीकी परिणामों का लाभ मिल सके। ह्यूनयुआन वीडियो मॉडल टेनसेंट की AI वीडियो जनरेशन क्षेत्र में एक महत्वपूर्ण नवाचार है, जिसमें 13B से अधिक पैरामीटर हैं, जो मौजूदा ओपन-सोर्स मॉडलों में सबसे बड़े वीडियो जनरेशन मॉडल में से एक है। इसके मुख्य तकनीकी पहलुओं में शामिल हैं

DeepSeek R1 के बाद, अली क्लाउड की टोङ्ति कियानवेन टीम ने अभी हाल ही में अपने नवीनतम ओपन-सोर्स मॉडल Qwen2.5-1M की घोषणा की, जिसने फिर से उद्योग में ध्यान आकर्षित किया। इस रिलीज़ में Qwen2.5-1M श्रृंखला में दो ओपन-सोर्स मॉडल शामिल हैं: Qwen2.5-7B-Instruct-1M और Qwen2.5-14B-Instruct-1M। यह टोङ्ति कियानवेन द्वारा पहले बार लाया गया मॉडल है जो मूल रूप से एक मिलियन टोकन संदर्भ लंबाई का समर्थन करता है, और निष्पादन गति में महत्वपूर्ण सुधार किया गया है।

हाल ही में, स्वदेशी बड़े मॉडल DeepSeek V3 ने एआई प्रतियोगिता में अपने उत्कृष्ट प्रदर्शन से उद्योग का ध्यान आकर्षित किया। यह एकमात्र ओपन-सोर्स मॉडल है जो शीर्ष दस में प्रवेश करता है, न केवल o1-mini से आगे बढ़ता है, बल्कि प्रोग्रामिंग, गणित जैसे कई क्षेत्रों में Claude 3.5 Sonnet से भी आगे निकल जाता है। इसकी वास्तविक क्षमता का सत्यापन करने के लिए कई परीक्षणों की श्रृंखला शुरू की गई। बुनियादी समझ क्षमता परीक्षण में, दोनों मॉडल विभिन्न विशेषताएँ प्रदर्शित करते हैं। चीनी पहेली 'स्मॉल मिंग की माता के तीन बच्चे हैं' के सवाल का सामना करते हुए, DeepSeek V3 ने उत्कृष्टता दिखाई।

देश में कृत्रिम बुद्धिमत्ता कंपनी बिना पूछे चिप चौंक ने अपने नवीनतम विकसित एंड-साइड समग्र मोड समझ AI मॉडल — Megrez-3B-Omni को ओपन-सोर्स करने की घोषणा की। यह मॉडल दुनिया का पहला ऐसा ओपन-सोर्स प्रोजेक्ट है, जो कंपनी की AI क्षेत्र में नवाचार विकास का प्रतीक है। इसी बीच, बिना पूछे चिप चौंक ने अपने उत्पाद श्रृंखला को और समृद्ध करने के लिए पूरी भाषा संस्करण का मॉडल Megrez-3B-Instruct भी लॉन्च किया। बिना पूछे चिप चौंक की स्थापना मई 2023 में हुई थी, और इसके संस्थापक टीम त्सिंगहुआ विश्वविद्यालय के इलेक्ट्रॉनिक्स इंजीनियरिंग विभाग से आती है। कंपनी एक कुशल उत्पाद तैयार करने के लिए प्रतिबद्ध है।

एआई युग में, बड़े भाषा मॉडल (LLM) जैसे मार्शल आर्ट के गोपनीय ग्रंथ होते हैं, जिनके प्रशिक्षण में विशाल कंप्यूटिंग शक्ति और डेटा की आवश्यकता होती है, जैसे वर्षों तक समर्पित प्रशिक्षण करने वाले मार्शल आर्ट विशेषज्ञ। ओपन-सोर्स मॉडल की रिलीज ऐसे है जैसे विशेषज्ञ ने ग्रंथ को साझा किया, लेकिन इसमें कुछ लाइसेंस (जैसे Apache2.0 और LLaMA2 समुदाय लाइसेंस) होते हैं जो उनकी बौद्धिक संपदा (IP) की सुरक्षा करते हैं। हालाँकि, यह दुनिया खतरनाक होती है, और हमेशा 'खाल' घटनाएँ होती हैं। कुछ डेवलपर्स दावा करते हैं कि उन्होंने नए LLM को प्रशिक्षित किया है, जबकि वास्तव में वे अन्य मौलिक मॉडलों (जैसे Lla

चाँद के अंधेरे पक्ष प्रौद्योगिकी कंपनी ने Tsinghua विश्वविद्यालय के MADSys प्रयोगशाला के साथ मिलकर एक ओपन-सोर्स प्रोजेक्ट जारी किया है, जिसका नाम Mooncake है, जिसका उद्देश्य KVCache-केंद्रित बड़े मॉडल इन्फरेंस आर्किटेक्चर का सह-संवर्धन करना है। जून 2024 में, दोनों ने Kimi के बेस लेयर्स के लिए Mooncake इन्फरेंस सिस्टम डिज़ाइन योजना जारी की, जो PD विभाजन और स्टोर-स्विच आर्किटेक्चर पर आधारित है, जिसने इन्फरेंस थ्रूपुट को अत्यधिक बढ़ा दिया और उद्योग में व्यापक ध्यान आकर्षित किया।

कृत्रिम बुद्धिमत्ता के तेजी से विकास के युग में, बड़े मॉडल की बुद्धिमत्ता स्तर लगातार बढ़ रही है, लेकिन इसके साथ आने वाली इनफरेंस सिस्टम दक्षता की चुनौतियाँ भी越来越 स्पष्ट हो रही हैं। उच्च इनफरेंस बोझ का सामना कैसे करें, लागत को कम करें और प्रतिक्रिया समय को कम करें, यह उद्योग के सामने महत्वपूर्ण मुद्दों में से एक बन गया है। Kimi कंपनी ने Tsinghua विश्वविद्यालय के MADSys प्रयोगशाला के साथ मिलकर KVCache पर आधारित Mooncake इनफरेंस सिस्टम डिज़ाइन योजना पेश की, जो 2024 के जून में आधिकारिक रूप से लॉन्च की जाएगी। Mooncake इनफरेंस सिस्टम के माध्यम से...

2024 वर्ल्ड इंटरनेट कांग्रेस डेज़िन मीटिंग के दौरान, अलीबाबा ग्रुप के CEO वू योंग्मिंग ने 21 नवंबर को इंटरनेट उद्यमियों के फोरम में एक थीम भाषण दिया, जिसमें उन्होंने इंटरनेट उद्योग पर कृत्रिम बुद्धिमत्ता (AI) के दूरगामी प्रभाव को रेखांकित किया। उन्होंने बताया कि इस वर्ष इंटरनेट उद्योग में सबसे बड़ा परिवर्तन अभी भी AI तकनीक का तेजी से विकास है। वू योंग्मिंग ने कहा कि AI का सबसे बड़ा मूल्य केवल मोबाइल फोन पर एक या दो सुपर ऐप बनाने में नहीं है, बल्कि यह विभिन्न उद्योगों में उत्पादकता के परिवर्तन को बढ़ावा देना है। AI के विकास के लिए एक समृद्ध तकनीक, उत्पाद और बाजार का निर्माण आवश्यक है।

स्टेबिलिटी एआई ने हाल ही में अपना नवीनतम डीप लर्निंग टेक्स्ट-टू-इमेज जनरेटिव मॉडल - स्टेबल डिफ्यूजन 3.5 लॉन्च किया। यह संस्करण तीन सुधारित ओपन-सोर्स मॉडल का समावेश करता है, जो विभिन्न उपयोगकर्ताओं की आवश्यकताओं को पूरा करने के लिए डिज़ाइन किया गया है, जिसमें शोधकर्ता, व्यावसायिक ग्राहक और शौकीन शामिल हैं। जिसमें, स्टेबल डिफ्यूजन 3.5 लार्ज पूरी श्रृंखला का सबसे शक्तिशाली मॉडल है, जिसमें 81 बिलियन तक के पैरामीटर हैं। यह मॉडल अपनी उत्कृष्ट चित्र गुणवत्ता और संकेतों पर उच्च प्रतिक्रिया क्षमता के साथ पेशेवर उपयोगकर्ताओं के लिए अत्यधिक आकर्षक है।

AI स्टार्टअप Moondream ने आधिकारिक रूप से 450 लाख डॉलर का बीज वित्तपोषण पूरा करने की घोषणा की है, और एक अत्यधिक विघटनकारी दृष्टिकोण प्रस्तुत किया है: AI मॉडल की दुनिया में, छोटे मॉडल अधिक लाभकारी हो सकते हैं। कंपनी को Felicis Ventures, Microsoft के M12GitHub फंड और Ascend द्वारा समर्थन प्राप्त हुआ है, और उन्होंने केवल 16 बिलियन पैरामीटर वाला एक दृश्य भाषा मॉडल प्रस्तुत किया है, जो अपने आकार से चार गुना बड़े मॉडल के प्रदर्शन के साथ प्रतिस्पर्धा कर सकता है। Moondream का开

एलन आर्टिफिशियल इंटेलिजेंस रिसर्च इंस्टीट्यूट (AI2) ने OLMoE नामक एक ओपन-सोर्स बड़े भाषा मॉडल पेश किया है, जिसका उद्देश्य उच्च प्रदर्शन और कम लागत समाधान प्रदान करना है। इस मॉडल में स्पर्श मिश्रित विशेषज्ञ (MoE) आर्किटेक्चर है, जिसमें 7 अरब पैरामीटर हैं, लेकिन स्मार्ट राउटिंग तंत्र के माध्यम से, प्रत्येक इनपुट टोकन केवल 1 अरब पैरामीटर का उपयोग करता है, जिससे कुशल गणना संभव होती है। OLMoE में सामान्य और निर्देश ट्यूनिंग के दो संस्करण हैं, जो 4096 टोकन के संदर्भ विंडो का समर्थन करते हैं। इसके प्रशिक्षण डेटा का स्रोत विविध है, जिसमें कॉमन क्रॉल, डोलमा CC और विकिपीडिया शामिल हैं।

माइक्रोसॉफ्ट ने Phi-3.5-vision जारी किया, एक हल्का, बहु-मोडल ओपन-सोर्स AI मॉडल, जो पाठ और दृश्य इनपुट को प्रोसेस करने के लिए डिज़ाइन किया गया है, 128K संदर्भ लंबाई का समर्थन करता है। यह मॉडल संसाधन-सीमित वातावरण के लिए उपयुक्त है, जिसमें छवि समझ, OCR, चार्ट解析, और कई छवियों का संक्षेपण जैसी सुविधाएँ शामिल हैं, जिससे उत्कृष्ट प्रदर्शन और कम विलंबता दिखाई देती है। 42 बिलियन पैरामीटर से बना, उच्च गुणवत्ता वाले डेटा द्वारा प्रशिक्षित, प्रदर्शन और गोपनीयता सुनिश्चित करता है। इसमें तीन प्रकार के मॉडल शामिल हैं: हल्का AI, विशेषज्ञ मिश्रण और बहु-मोडल मॉडल, सभी छवि और वीडियो प्रोसेसिंग बेंचमार्क टेस्ट में उत्कृष्ट प्रदर्शन दिखाते हैं।

शंघाई आर्टिफिशियल इंटेलिजेंस प्रयोगशाला ने 4 जुलाई 2024 को WAIC विज्ञान अग्रिम मुख्य मंच पर शूशेगन·पु भाषा श्रृंखला मॉडल के नए संस्करण InternLM2.5 का अनावरण किया। इस संस्करण ने जटिल स्थितियों में पूर्वानुमान क्षमताओं को व्यापक रूप से बढ़ाया है, 1M सुपर लंबे संदर्भ का समर्थन करता है, और स्वायत्त रूप से इंटरनेट खोजने और सैकड़ों वेब पृष्ठों की जानकारी को एकीकृत करने की क्षमता रखता है।

FLUX.1, एक ओपन-सोर्स बड़े मॉडल प्लेटफ़ॉर्म है जिसे एआई छवि जनरेशन क्षेत्र के विशेषज्ञ रॉबिन रॉमबाक द्वारा पेश किया गया है, जो 120 अरब पैरामीटर वाले विज़न ट्रांसफार्मर आर्किटेक्चर का उपयोग करता है। इसमें प्रक्रिया मिलान प्रशिक्षण विधि और घूर्णन स्थिति सम्मिलन जैसी तकनीकों का उपयोग किया गया है, जिसने DALL·E3, Midjourney V6 जैसे बंद-स्रोत मॉडलों और SD3 श्रृंखला को व्यापक रूप से पीछे छोड़ दिया है। प्रदर्शन के मामले में, FLUX.1 पाठ अर्थ पुनर्स्थापना, छवि गुणवत्ता, क्रिया निरंतरता, संगतता और विविधता के संदर्भ में उत्कृष्ट है, यहां तक कि पाठ जनरेशन में भी।

Meta ने Llama3.1 ओपन-सोर्स मॉडल श्रृंखला लॉन्च की, जिसमें 405B पैरामीटर संस्करण शामिल हैं, जो GPT-4 के समान प्रदर्शन करते हैं। इनमें से, 8B पैरामीटर संस्करण Llama3.1-8B-Instruct कई भाषाओं का समर्थन करता है, पाठ की लंबाई 131072 टोकन तक पहुँचती है, और 2500万合成 डेटा के माध्यम से प्रशिक्षित किया गया है, जो GPT3.5Turbo के समान संज्ञानात्मक और अनुमानित क्षमताओं को प्रदर्शित करता है। OpenBuddy ने इस मॉडल के आधार पर चीनी प्रश्न-उत्तर और क्रॉस-भाषा अनुवाद का समर्थन करने वाला OpenBuddy-L जारी किया।

Meta AI द्वारा जारी किए गए Llama3.1 मॉडल ने प्रदर्शन के मामले में शीर्ष बंद-सोर्स मॉडलों के साथ प्रतिस्पर्धा की है, जो ओपन-सोर्स AI में एक महत्वपूर्ण सफलता का प्रतीक है। यह अगली पीढ़ी का एक बड़ा भाषा मॉडल है, जिसे अनुकूलित प्रशिक्षण स्टैक और बड़े पैमाने पर GPU संसाधनों के समर्थन के साथ विकसित किया गया है, जिसमें कई तकनीकी विशेषताएं शामिल हैं। इसमें संदर्भ की लंबाई को 128K तक बढ़ाना, 8 भाषाओं का समर्थन करना, और कई परीक्षण क्षेत्रों में उत्कृष्ट क्षमता प्रदर्शित करना शामिल है। प्रशिक्षण के बाद की प्रक्रिया के माध्यम से, मॉडल प्रदर्शन में लगातार सुधार करता है, विशेष रूप से निर्देशों का पालन करने, निरंतरता, और बहु-भाषाई अनुवाद में।

हाल ही में आयोजित विश्व आर्टिफिशियल इंटेलिजेंस सम्मेलन में, Baidu के संस्थापक ली यानहोंग और अली क्लाउड के CTO झौ जिनरेन ने ओपन-सोर्स मॉडल के महत्व के बारे में अलग-अलग विचार व्यक्त किए।

शंघाई विश्व आर्टिफिशियल इंटेलिजेंस सम्मेलन में, अली क्लाउड के CTO झौ जिंगरेन ने तोंग यि बड़े मॉडल और अली क्लाउड बाई लियन प्लेटफॉर्म के नवीनतम विकास की घोषणा की। तोंग यि कियान वेन ओपन-सोर्स मॉडल के डाउनलोड्स दो महीने में दो गुना बढ़कर 200 लाख से अधिक हो गए हैं। एक ही समय में, अली क्लाउड बाई लियन सेवा के ग्राहकों की संख्या 90,000 से बढ़कर 230,000 हो गई, जो 150% से अधिक की वृद्धि दर्शाती है।

DeepSeek ने हाल ही में एक ओपन-सोर्स मॉडल DeepSeek-Coder-V2 को जारी करने की घोषणा की, जो कोड और गणितीय क्षमताओं के मामले में GPT-4-Turbo को पार करता है, और इसमें बहु-भाषा समर्थन और संदर्भ प्रसंस्करण की लंबाई में महत्वपूर्ण वृद्धि हुई है। DeepSeek-V2 के मॉडल संरचना पर आधारित, DeepSeek-Coder-V2 विशेषज्ञ मिश्रण (MoE) आर्किटेक्चर को अपनाता है, जिसे कोड और गणितीय तर्क क्षमताओं को बढ़ाने के लिए विशेष रूप से डिज़ाइन किया गया है।