A Yuanxiang Information Technology Co., Ltd., sediada em Shenzhen, anunciou recentemente o lançamento do maior modelo de código aberto Mixture of Experts (MoE) da China - XVERSE-MoE-A36B. O lançamento deste modelo representa um grande avanço na área de IA na China, elevando a tecnologia de código aberto nacional a um nível internacionalmente competitivo.

O Instituto de Inteligência Artificial Allen (AI2) lançou o OLMoE, um modelo de linguagem grande de código aberto, projetado para oferecer alto desempenho com baixo custo. O modelo emprega uma arquitetura de especialista híbrido esparso (MoE), com 7 bilhões de parâmetros, mas, por meio de um mecanismo inteligente de roteamento, cada token de entrada usa apenas 1 bilhão de parâmetros, resultando em computação eficiente. O OLMoE inclui versões de ajuste fino geral e de instruções, suportando uma janela de contexto de 4096 tokens. Seus dados de treinamento são amplamente derivados de Common Crawl, Dolma CC e Wikipédia.

FLUX.1, uma plataforma de modelo grande de código aberto criada pelo renomado especialista em geração de imagens por IA Robin Rombach, utiliza uma arquitetura Vision Transformer de 12 bilhões de parâmetros, com métodos de treinamento de correspondência de fluxo e embeddings de posição rotacional, superando significativamente modelos proprietários como DALL·E 3, Midjourney V6 e a série SD3. Em termos de desempenho, o FLUX.1 excede os modelos fechados em aspectos como a reprodução de semântica textual, qualidade da imagem, consistência de movimento, coerência e diversidade; até mesmo na geração de texto...

O SemiKong, o primeiro grande modelo de código aberto para design de chips do mundo, foi lançado na conferência Semicon West 2024, desenvolvido em conjunto pela Aitomatic e FPT Software. Baseado no Llama 3 e refinado, o SemiKong supera os grandes modelos de uso geral, mostrando melhorias significativas em precisão, relevância e compreensão de processos de semicondutores. Treinado em três fases, com 8 bilhões de parâmetros, o modelo é especializado em conhecimento de semicondutores, oferecendo às empresas de chips uma plataforma base sólida para acelerar a inovação.

Na Conferência Mundial de Inteligência Artificial de Xangai, o CTO da Alibaba Cloud, Zhou Jingren, anunciou os mais recentes desenvolvimentos do modelo de linguagem grande Tongyi e da plataforma Alibaba Cloud Bailian. O número de downloads do modelo de código aberto Tongyi Qianwen triplicou em dois meses, ultrapassando 20 milhões. Simultaneamente, o número de clientes do serviço Alibaba Cloud Bailian aumentou de 90.000 para 230.000, representando um crescimento superior a 150%.

A DeepSeek anunciou recentemente o lançamento de um modelo de código aberto chamado DeepSeek-Coder-V2, que supera o GPT-4-Turbo em habilidades de codificação e matemática, além de apresentar expansão significativa no suporte multilíngue e no comprimento do contexto. Baseado na arquitetura do modelo DeepSeek-V2, o DeepSeek-Coder-V2 emprega uma arquitetura de mistura de especialistas (MoE), especificamente projetada para aprimorar as capacidades de raciocínio de código e matemática.

A empresa Zero-One万物 anunciou o lançamento do modelo Yi-9B de código aberto. O Yi-9B é o modelo mais forte da série Yi em termos de capacidade de código e matemática. O Yi-9B apresenta desempenho excelente em capacidade geral, capacidade de código e capacidade matemática. O Yi-9B pode ser facilmente implantado em GPUs de consumo. A empresa foi fundada por Li Kai-fu, presidente e CEO da Innovation Works.

A 'Mistral AI, fundada há apenas seis meses, concluiu duas rodadas de financiamento, uma de US$ 113 milhões e outra de US$ 415 milhões, elevando sua avaliação de US$ 260 milhões para US$ 2 bilhões. A 'Mistral AI lançou o modelo de código aberto Mixtral 8x7B, com desempenho próximo ao GPT-4. A 'Mistral AI é vista como a 'OpenAI francesa', recebendo forte apoio do presidente Macron. A 'Mistral AI busca competir com a OpenAI por meio de código aberto e posicionamento diferenciado.'

A Mistral lançou recentemente o modelo Mixtral8x7B, causando grande impacto na comunidade de IA. Este modelo superou o renomado GPT-3.5 e a família Llama2 da Meta, criando ondas no campo da IA de código aberto. O desempenho do Mistral8x7B impressionou os usuários iniciais, mas também levantou preocupações sobre segurança. O lançamento do modelo de código aberto Mistral Mixtral8x7B, superando em desempenho o conhecido GPT-3.5 e o M

A OrionStar lançou o modelo OrionStar-Yi-34B-Chat, baseado no código aberto da Lingyi Wanwu, com uso comercial gratuito. Este modelo apresenta excelente desempenho nos benchmarks de avaliação em chinês C-Eval e C-MMLU. O OrionStar-Yi-34B-Chat é uma das excelentes alternativas de código aberto ao ChatGPT. O modelo oferece as vantagens de alto desempenho, código totalmente aberto e uso comercial gratuito. A OrionStar é um fornecedor de soluções de serviço de inteligência artificial, com produtos principais...

A Zhaolian Consumo Financeiro lançou o “Zhaolian Zhilu”, o primeiro grande modelo de código aberto com 13 bilhões de parâmetros do setor de finanças de consumo, que recebeu reconhecimento de autoridade em domínio de conhecimento geral. Este modelo apresenta alta precisão e conhecimento profissional em finanças, podendo atender a necessidades personalizadas, aumentando a eficiência e reduzindo custos. O modelo será aplicado em cenários específicos como gestão de riscos, geração de código e melhoria de operações, além de continuar explorando tecnologias de agentes inteligentes e a tecnologia para o bem. O modelo de código aberto “Zhaolian Zhilu” da Zhaolian Consumo Financeiro está presente nos rankings oficiais C-Eval e C...

A DeepSeek (Busca Profunda) lançou o modelo de código aberto DeepSeek Coder. O DeepSeek Coder é um assistente de código inteligente que pode gerar vários tipos de código. O DeepSeek Coder já está disponível em código aberto no Hugging Face e no GitHub. O DeepSeek Coder apresentou um desempenho excepcional em testes em conjuntos de dados internacionalmente reconhecidos. A DeepSeek está comprometida em explorar a essência da IAG (Inteligência Artificial Geral), e...

A Ant Group lançou uma versão quantizada em 4 bits do CodeFuse-CodeLlama-34B. O modelo quantizado pode ser carregado em uma única A10 ou RTX4090. O modelo quantizado atingiu 73,8% no indicador Humaneval pass@1. CodeFuse é um grande modelo de linguagem exclusivo para geração de código desenvolvido pela Ant. Ele melhora a eficiência de desenvolvimento dos desenvolvedores, fornecendo sugestões inteligentes e suporte em tempo real.