इस बार रिचार्ज को बहाल करने के साथ ही, डीपसीक ने कुछ मॉडल कॉलिंग कीमतों में भी समायोजन किया है। इनमें, डीपसीक-चैट मॉडल की छूट अवधि समाप्त हो गई है, इसके आधार पर V3 मॉडल कॉलिंग कीमत प्रति मिलियन इनपुट टोकन 2 युआन, प्रति मिलियन आउटपुट टोकन 8 युआन कर दी गई है। जबकि डीपसीक-रीज़नर मॉडल R1 मॉडल पर आधारित है, जिसकी कॉलिंग कीमत प्रति मिलियन इनपुट टोकन 4 युआन और प्रति मिलियन आउटपुट टोकन 16 युआन है।

गूगल रिसर्च इंस्टीट्यूट ने हाल ही में क्रांतिकारी Titans श्रृंखला मॉडल आर्किटेक्चर जारी किया, जिसने बायोनिक डिज़ाइन के माध्यम से 2 मिलियन टोकन संदर्भ लंबाई को पार किया, और भविष्य में संबंधित प्रौद्योगिकियों को ओपन-सोर्स करने की योजना बनाई है। इस आर्किटेक्चर की मुख्य नवाचार गहन न्यूरल दीर्घकालिक स्मृति मॉड्यूल का परिचय है, जिसका डिज़ाइन मानव स्मृति प्रणाली से प्रेरित है। Titans ने शार्ट टर्म मेमोरी की तेज़ प्रतिक्रिया क्षमता और लॉन्ग टर्म मेमोरी की स्थायी विशेषताओं को巧妙ता से जोड़ा है, साथ ही तात्कालिक संदर्भ को संसाधित करने के लिए ध्यान तंत्र का उपयोग करता है, जिससे एक प्रभावी जानकारी संसाधन प्रणाली का निर्माण होता है। गूगल के अनुसार.

हाल के वर्षों में, दृश्य बड़े मॉडल (Large Vision Language Models, LVLMs) ने चित्रों की समझ और अंतःप्रणाली कार्यों में असाधारण क्षमता दिखाई है, हालाँकि इसके साथ आने वाली '幻觉 समस्या' भी बढ़ती जा रही है। इस चुनौती का सामना करने के लिए, टाओतियान समूह के भविष्य के जीवन प्रयोगशाला टीम ने 'टोकन पसंद अनुकूलन' (Token Preference Optimization, संक्षेप में TPO) नामक एक नई विधि पेश की है और एक स्व-संरेखण विधि को पेश किया है।

कृत्रिम बुद्धिमत्ता के क्षेत्र में, बाइटडांस के वाणिज्यिक तकनीकी टीम के नवीनतम उपलब्धि अनंत मॉडल, अपनी उत्कृष्ट प्रदर्शन और अभिनव तकनीक के साथ, आत्म-लौटने वाली टेक्स्ट-से-इमेज क्षेत्र का नया राजा बन गया है। यह नया ओपन-सोर्स मॉडल न केवल चित्र उत्पन्न करने की गुणवत्ता में स्टेबल डिफ्यूजन 3 से परे है, बल्कि अनुमानित गति में भी महत्वपूर्ण लाभ प्रदर्शित करता है। अनंत मॉडल का मुख्य नवाचार बिटवाइज टोकन के आत्म-लौटने वाले ढांचे का उपयोग करना है, जो अगले स्तर के रिज़ॉल्यूशन के +1 या -1 की भविष्यवाणी करके बनता है।

चीनी कृत्रिम बुद्धिमत्ता कंपनी DeepSeek ने हाल ही में एक मील का पत्थर साबित करने वाला ओपन-स्रोत बड़ा भाषा मॉडल DeepSeek V3 जारी किया है। इस मॉडल में 6710 करोड़ पैरामीटर हैं, जो न केवल Meta के Llama3.1 को पार करता है, बल्कि कई बेंचमार्क परीक्षणों में GPT-4 सहित प्रमुख बंद स्रोत मॉडलों से बेहतर प्र प्रदर्शन भी करता है। DeepSeek V3 की मुख्य विशेषता इसकी मजबूत प्रदर्शन और कुशल विकास प्रक्रिया है। यह मॉडल प्रोग्रामिंग प्लेटफार्म Codeforces की प्रतियोगिताओं में उत्कृष्टता दिखाता है और परीक्षण में।

अबू धाबी टेक्नोलॉजी इनोवेशन रिसर्च इंस्टिट्यूट (TII) ने अगली पीढ़ी के ओपन-सोर्स एआई मॉडल फ़ाल्कन3 का अनावरण किया, जो 14 ट्रिलियन टोकन के प्रशिक्षण मात्रा और अनुकूलित आर्किटेक्चर डिजाइन के साथ उपभोक्ता हार्डवेयर पर प्रदर्शन में नया रिकॉर्ड स्थापित करता है। यह प्रशिक्षण पैमाना इसके पूर्ववर्ती उत्पाद फ़ाल्कन2 की तुलना में दोगुना है। फ़ाल्कन3 श्रृंखला में चार प्रकार के विनिर्देश पेश किए गए हैं: 1B, 3B, 7B और 10B, प्रत्येक विनिर्देश में बेस वर्जन और संवाद अनुकूलन के लिए इंस्ट्रक्ट संस्करण उपलब्ध है। हालांकि, विशेष रूप से अंग्रेजी, फ्रेंच, स्पेनिश और पुर्तगाली में उपलब्ध हैं।

18 दिसंबर को, ज्वालामुखी इंजन FORCE शक्ति सम्मेलन में, ज्वालामुखी इंजन के अध्यक्ष तान डाई ने नए दोगमौद्र रूपात्मकता बड़े मॉडल का अनावरण किया। यह मॉडल टेक्स्ट और छवि से संबंधित जानकारी को एक साथ संसाधित करके अधिक सटीक उत्तर प्रदान कर सकता है। नए मॉडल ने सामग्री पहचान, समझने और रूपात्मकता में उत्कृष्टता दिखाई है, और इसमें अधिक सूक्ष्म दृश्य विवरण क्षमता है, जिससे व्यावसायिक उपयोगकर्ताओं को अधिक स्मार्ट प्रोसेसिंग क्षमता मिलती है। तान डाई ने सम्मेलन में यह खुलासा किया कि दोगमौद्र रूपात्मकता बड़े मॉडल ने न केवल तकनीकी स्तर पर महत्वपूर्ण प्रगति की है, बल्कि मूल्य निर्धारण में भी उल्लेखनीय कमी आई है।

वर्तमान कृत्रिम बुद्धिमत्ता क्षेत्र में, डेवलपर्स और डेटा वैज्ञानिकों के लिए भाषा मॉडल पर सटीक नियंत्रण होना अत्यंत महत्वपूर्ण है। Anthropic कंपनी का Claude भाषा मॉडल उपयोगकर्ताओं को कई संभावनाएं प्रदान करता है, लेकिन टोकन के उपयोग का प्रभावी प्रबंधन अब भी एक चुनौती है। इस समस्या को हल करने के लिए, Anthropic ने एक नई टोकन गणना API पेश की है, जिसका उद्देश्य टोकन के उपयोग पर अधिक गहन अंतर्दृष्टि प्रदान करना है, ताकि भाषा मॉडल के साथ बातचीत की दक्षता और नियंत्रण क्षमता को बढ़ाया जा सके।

हाल ही में, कुछ उपयोगकर्ताओं ने सोशल मीडिया प्लेटफॉर्म X पर जानकारी दी कि OpenAI का नया o1 मॉडल नियमित रूप से वेबसाइट “chatgpt.com/?model=o1” के माध्यम से कुछ उपयोगकर्ताओं के लिए तेजी से पहुंच सक्षम कर दिया गया था, लेकिन फिर इसे तुरंत बंद कर दिया गया। उपयोगकर्ताओं की प्रतिक्रियाओं के अनुसार, यह नवीनतम मॉडल लगभग 200,000 शब्दों के पाठ को संभाल सकता है और चित्रों का विश्लेषण करने की क्षमता रखता है। OpenAI ने o1 मॉडल को अपने “सबसे शक्तिशाली मॉडल” के रूप में संदर्भित किया है, विशेष रूप से उन कार्यों के लिए जो रचनात्मकता और उच्च स्तरीय तर्क क्षमता की आवश्यकता करते हैं।

एलोन मस्क की xAI कंपनी ने आखिरकार अगस्त के वादे को पूरा किया और अपने प्रमुख एआई मॉडल Grok का API इंटरफेस आधिकारिक रूप से लॉन्च कर दिया। हालांकि, इस लंबे प्रतीक्षित API संस्करण में कुछ हड़बड़ी और बुनियादी बातें हैं। वर्तमान में, xAI API केवल एक मॉडल प्रदान करता है जिसे grok-beta कहा जाता है। मूल्य निर्धारण के संदर्भ में, इनपुट टोकन्स के लिए शुल्क 5 डॉलर/एक मिलियन टोकन्स (लगभग 750,000 शब्द) है, जबकि आउटपुट टोकन्स के लिए यह 15 डॉलर/एक मिलियन टोकन्स है। ध्यान देने योग्य बात यह है कि tok

जिज्ञान अनुसंधान संस्थान ने अपने नवीनतम मल्टी-मॉडल वर्ल्ड मॉडल Emu3 का आधिकारिक रूप से विमोचन किया, जिसमें इसकी सबसे बड़ी विशेषता यह है कि यह केवल अगले टोकन की भविष्यवाणी की क्षमता पर आधारित है, जो टेक्स्ट, इमेज और वीडियो जैसे तीन विभिन्न मोड में समझने और उत्पन्न करने में सक्षम है। इमेज जनरेशन के क्षेत्र में, Emu3 दृश्य टोकन की भविष्यवाणी के अनुसार उच्च गुणवत्ता वाली छवियों का निर्माण कर सकता है। इसका मतलब है कि उपयोगकर्ता लचीली रिज़ॉल्यूशन और विविध शैलियों की उम्मीद कर सकते हैं। जबकि वीडियो जनरेशन के मामले में, Emu3 पूरी तरह से नए तरीके से काम करता है, जो अन्य मॉडलों से भिन्न है।

बीजिंग ज़ियुआन आर्टिफिशियल इंटेलिजेंस रिसर्च इंस्टीट्यूट ने मूल मल्टी-मोडल वर्ल्ड मॉडल Emu3 लॉन्च करने की घोषणा की। यह मॉडल अगली टोकन भविष्यवाणी तकनीक पर आधारित है, जो प्रसार मॉडल या संयोजन विधियों पर निर्भर किए बिना टेक्स्ट, इमेज और वीडियो तीनों मोड डेटा की समझ और उत्पादन करने में सक्षम है। Emu3 इमेज उत्पादन, वीडियो उत्पादन, विजुअल लैंग्वेज समझने जैसे कार्यों में वर्तमान प्रसिद्ध ओपन-सोर्स मॉडल, जैसे SDXL, LLaVA, OpenSora आदि को पार करता है, और उत्कृष्ट प्रदर्शन प्रदर्शित करता है।

हाल ही में, फ्रांसीसी कृत्रिम बुद्धिमत्ता स्टार्टअप Mistral AI ने अपने नई पीढ़ी के भाषाई मॉडल का घोषणा की - Ministral3B और Ministral8B। ये दोनों नए मॉडल 'Ministraux' श्रृंखला का हिस्सा हैं, जो एज़ डिवाइसों और एज़ कंप्यूटिंग परिदृश्यों के लिए डिज़ाइन किए गए हैं, जो 128,000 टोकन की संदर्भ लंबाई का समर्थन करते हैं। इसका अर्थ है कि ये मॉडल न केवल शक्तिशाली हैं, बल्कि डेटा गोपनीयता और स्थानीय प्रसंस्करण के मामलों में विशेष रूप से महत्वपूर्ण परिस्थितियों में भी उपयोग किए जा सकते हैं।

AI की दुनिया में, डेटा सोने का खजाना है, जितना समृद्ध उतना ही उज्ज्वल। हाल ही में, LLM360 ने एक ध्यान आकर्षित करने वाला डेटा सेट TxT360 लॉन्च किया, जो बड़े भाषा मॉडल प्रशिक्षण के लिए विशेष रूप से तैयार किया गया है। यह विशाल डाटा सेट न केवल विभिन्न क्षेत्रों से उच्च गुणवत्ता वाले पाठ डेटा को समेटे हुए है, बल्कि यह एक वैश्विक स्तर पर महत्वपूर्ण सुधार से गुजरा है, जिसके परिणामस्वरूप 5.7 ट्रिलियन उच्च गुणवत्ता वाले टोकन एकत्र हुए हैं, वास्तव में इसे “डेटा की दुनिया का अद्भुत खजाना” कहना उचित है! TxT360 की魅力 इसके विशाल आकार और उच्च गुणवत्ता में है, जो मौजूदा F को पूरी तरह से मात देता है।

हाल ही में, ज़्हीपु एआई ने घोषणा की कि इसका ओपन प्लेटफ़ॉर्म bigmodel.cn राष्ट्रीय त्यौहार माह के दौरान एक शक्तिशाली छूट अभियान शुरू करेगा, इसी समय क्लींगयान टेक्नोलॉजी ने एक नए बड़े सदस्य प्रणाली को पेश किया है, जो उपयोगकर्ताओं को अधिक मूल्य और विकल्प प्रदान करता है। ज़्हीपु एआई का राष्ट्रीय त्यौहार विशेष आयोजन अभूतपूर्व है। उपयोगकर्ता 1% छूट पर ज़्हीपु के सभी एआई मॉडल का उपयोग कर सकते हैं, जिससे कंपनियों और डेवलपर्स के लिए उच्च स्तरीय एआई सेवाओं के उपयोग की लागत में बड़ी कमी आई है। इतना ही नहीं, कार्यक्रम के दौरान प्रत्येक उपयोगकर्ता को 1 करोड़ टोकन तक मुफ्त उपयोग का लाभ मिलेगा, जिससे अधिक लोगों को अनुभव प्राप्त करने और आवेदन करने का मौका मिलेगा।

जिपु एआई ने आज घोषणा की है कि KDD2024 सम्मेलन में प्रदर्शित होने के बाद, कंपनी के प्रमुख भाषा मॉडल जीएलएम-4-प्लस और पहले डायनामिक वीडियो समझ मॉडल जीएलएम-4वी-प्लस को व्यापक मान्यता मिली है, और उन्होंने प्रतिष्ठित परीक्षण सूची में उत्कृष्ट परिणाम हासिल किए हैं, विदेशी मॉडलों की शीर्ष तीन में एकाधिकार को तोड़ते हुए, अंतरराष्ट्रीय स्तर पर शीर्ष श्रेणी में आ गए हैं।

Beijing मांट दार्क साइड टेक्नोलॉजी कंपनी के तहत किमी स्मार्ट असिस्टेंट ने हाल ही में घोषणा की कि इसकी किमी एपीआई अब ऑनलाइन खोज कार्यक्षमता का समर्थन करती है, जिसका अर्थ है कि उपयोगकर्ता एपीआई के माध्यम से इंटरनेट पर जानकारी प्राप्त कर सकते हैं, जिससे इंटरैक्शन का अनुभव बढ़ता है। किमी एपीआई का यह अपडेट डेवलपर्स को इस कार्यक्षमता का लाभ उठाने की अनुमति देता है, जिससे एप्लिकेशन 'वेब सर्फिंग' कर सकते हैं, यानी बातचीत में समस्या उत्पन्न होने पर स्वचालित रूप से इंटरनेट खोज कर सकते हैं और उत्तर प्रदान कर सकते हैं।

जेनरेटिव AI प्रोग्रामिंग पर ध्यान केंद्रित करने वाली स्टार्टअप Magic ने 3.2 अरब डॉलर की फंडिंग पूरी की है, जिससे कुल फंडिंग लगभग 4.65 अरब डॉलर हो गई है। इस दौर की फंडिंग पूर्व गूगल CEO एरिक श्मिट की अध्यक्षता में हुई, जिसमें कई प्रसिद्ध निवेशकों ने भाग लिया। Magic की मुख्य तकनीक "लॉन्ग टर्म मेमोरी नेटवर्क" (LTM) विभिन्न डेटा को संभाल सकती है, कोड生成 करते समय偏差 से बच सकती है, और इसका नवीनतम मॉडल LTM-2-mini 1 करोड़ टोकन को संभाल सकता है, जो 1 करोड़ पंक्तियों के कोड या 750 किताबों के बराबर है। गूगल क्लाउड के साथ साझेदारी में, यह दो "

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।

OpenAI ने घोषणा की है कि तीसरे पक्ष के डेवलपर्स अब नए लॉन्च किए गए मल्टी-मॉडल बड़े मॉडल GPT-4o का फ़ाइन-ट्यूनिंग कर सकते हैं। यह फीचर डेवलपर्स को विशिष्ट आवश्यकताओं के अनुसार मॉडल के व्यवहार को समायोजित करने की अनुमति देता है, जैसे कि स्वर को बदलना, निर्देशों का पालन करना या तकनीकी कार्यों की सटीकता बढ़ाना। फ़ाइन-ट्यूनिंग केवल थोड़े प्रशिक्षण डेटा की आवश्यकता होती है फिर भी इसका प्रदर्शन में महत्वपूर्ण सुधार हो सकता है, और इसे संचालित करना आसान है। OpenAI डेवलपर्स को 23 सितंबर से पहले हर दिन 1 मिलियन टोकन के मुफ्त उपयोग की सीमा और GPT-4o मिनी मॉडल के लिए 2 मिलियन टोकन के दैनिक मुफ्त सीमा प्रदान करता है।