Recentemente, Musk lançou oficialmente o novo chatbot Grok 3 em uma transmissão ao vivo, revelando o custo surpreendente de treinamento do modelo. O Grok 3 já está disponível para assinantes Premium +, e se destaca em vários testes, superando até mesmo concorrentes como Gemini, DeepSeek e ChatGPT. Musk revelou na transmissão que o treinamento do Grok 3 consumiu 200.000 GPUs Nvidia, um número impressionante. Antes disso...

Recentemente, a equipe do Sky Computing Lab da Universidade da Califórnia, Berkeley, lançou o Sky-T1-32B-Preview, um modelo de IA de raciocínio de código aberto, tornando o desenvolvimento de IA de raciocínio mais acessível e barato. O modelo se destaca em vários benchmarks importantes, rivalizando até mesmo com versões anteriores do modelo o1 da OpenAI. O custo de treinamento do Sky-T1 é impressionante, apenas US$ 450, o que significa que a replicação de capacidades de raciocínio de alto nível agora é

A equipe NovaSky do Sky Computing Lab da Universidade da Califórnia, Berkeley, lançou na sexta-feira o modelo de raciocínio Sky-T1-32B-Preview. Este modelo se destaca em vários benchmarks-chave, rivalizando com as versões iniciais do o1 da OpenAI. O que é ainda mais notável é seu custo de treinamento extremamente baixo. O Sky-T1-32B-Preview é o primeiro modelo de raciocínio de código aberto verdadeiro. A equipe NovaSky não apenas lançou o modelo, mas também tornou público o conjunto de dados usado para treiná-lo e o código de treinamento necessário.

Na noite de 26 de dezembro, a QuantX lançou o DeepSeek-V3, sua nova geração de modelos de linguagem de grande porte, demonstrando uma impressionante inovação tecnológica. Este modelo, que utiliza a arquitetura MoE (Mixture of Experts - Mistura de Especialistas), não apenas se compara em desempenho aos modelos de código fechado de ponta, mas também desperta a atenção do setor por sua alta eficiência e baixo custo. Em termos de parâmetros principais, o DeepSeek-V3 possui 671 bilhões de parâmetros, dos quais 37 bilhões são parâmetros de ativação, tendo sido pré-treinado em um conjunto de dados de 14,8 trilhões de tokens. Em comparação com a geração anterior, o novo modelo apresenta uma velocidade de geração 3 vezes maior.

De acordo com a CNBC, a startup de inteligência artificial de São Francisco, Writer, lançou na quarta-feira um grande modelo de IA para competir com ofertas corporativas de empresas como OpenAI e Anthropic. O que é notável é que a Writer gastou apenas cerca de US$ 700.000 para treinar seu modelo mais recente, incluindo dados e GPUs, enquanto startups concorrentes gastaram milhões de dólares para construir seus próprios modelos. Nota da imagem: Imagem gerada por IA, fornecedora de licenças de imagens MidjourneyWriter