ઓપનએઆઈ સેંકડો AI-લેખિત ગણિતના પુરાવા છોડી દે છે અને મેદાનને દોડધામ મચાવે છે
OpenAI એ હમણાં જ એક અપ્રકાશિત ફ્રન્ટીયર મોડેલમાંથી 372 ગાણિતિક પરિણામોને GitHub રેપોમાં દાખલ કર્યા છે. The Verge એ 372 પરિણામ પરિવારોમાં 722 હસ્તપ્રતોની ગણતરી કરી છે. ઘણા પુરાવાઓ પહેલાથી જ Lean માં તપાસી રહ્યા છે, તેથી જો નવીનતા હજુ પણ ખોટી હોય તો પણ તર્ક કદાચ ઠીક છે.
કંપની ચાર-પરિમાણીય કાકેયા અનુમાન, મુખ્ય અલ્ગોરિધમ્સમાં સુધારા અને રીમેન પૂર્વધારણા તરફ "વાસ્તવિક પ્રગતિ" પર જીતનો દાવો કરે છે. એક પ્રવક્તાએ સાયન્ટિફિક અમેરિકનને જણાવ્યું હતું કે લગભગ દરેક પરિણામ એક જ પ્રોમ્પ્ટથી એક જ એજન્ટ સુધી આવતું હતું - નહીં કે કરોડો ડોલરના 10,000-એજન્ટ સ્વોર્મ જેણે અગાઉ નેવિયર-સ્ટોક્સને તોડ્યું હતું. સરેરાશ કિંમત: ચેટજીપીટી પ્રો વિચારસરણીના લગભગ ત્રણ કલાક.
બધા ગણિતશાસ્ત્રીઓ ખુશ નથી. MIT ના એન્ડ્રુ સધરલેન્ડે મૂળભૂત રીતે કહ્યું: મોડેલ બતાવો અથવા એક-શોટ વાર્તાને વણચકાસાયેલ તરીકે ગણો. OpenAI ના પોતાના સલાહકાર જૂથને પ્રોમ્પ્ટ, મોડેલ નામો અને ગણતરી રસીદો જોઈતી હતી. OpenAI એ સરેરાશ અને કેટલાક લીન ઔપચારિકીકરણ પ્રકાશિત કર્યા. "અમે પુરાવાઓ ફેંકી દીધા, કૃપા કરીને ડાયજેસ્ટ કરો" એ એક બોલ્ડ સંશોધન વ્યૂહરચના છે.
મિસ્ટ્રલે ઓપન-વેઇટ સર્વોપરિતા માટે 1 ટ્રિલિયન-પેરામીટર "લે ચોંક" લાર્જ 4 નું અનાવરણ કર્યું
ફ્રેન્ચ લેબ મિસ્ટ્રલે મિસ્ટ્રલ લાર્જ 4 - બિનસત્તાવાર રીતે ML4, "ખૂબ જ સત્તાવાર રીતે: લે ચોંક" નું જાહેર પૂર્વાવલોકન ખોલ્યું. તે 1 ટ્રિલિયન કુલ પરિમાણો અને 49 બિલિયન સક્રિય સાથેનું મૂળ મલ્ટિમોડલ મિશ્રણ છે. ભાગીદારો અને સરકારો સાથે રેડ-ટીમિંગ પછી મહિનાના અંત સુધીમાં વજનનું વચન આપવામાં આવે છે.
મિસ્ટ્રાલના પોતાના યુરોપિયન ડેટાસેન્ટરમાં 3,800 NVIDIA ગ્રેસ બ્લેકવેલ GPU પર તાલીમ ચાલી હતી. મુખ્ય મુદ્દો સાર્વભૌમત્વ અને મહત્વપૂર્ણ છે: સાયબર સુરક્ષા, નાણાં, કાયદો, ચિપ ડિઝાઇન. એક આર્ટિફિશિયલ એનાલિસિસ સાયબર ટેસ્ટ જે મોડેલને વાસ્તવિક નબળાઈને ફરીથી ઉત્પન્ન કરવા અને પેચ કરવા માટે કહે છે, મિસ્ટ્રાલ કહે છે કે ML4 એ 82% સ્કોર કર્યો - કોઈપણ મોડેલમાં સૌથી વધુ - જ્યારે કેટલાક બંધ જાયન્ટ્સ ઇનકાર કરે છે અને શૂન્યની નજીક સ્કોર કરે છે.
તેથી યુરોપ હજુ પણ બંધ યુએસ લેબ્સ અને ચાઇનીઝ ઓપન વેઇટ્સ વચ્ચે ત્રીજો રસ્તો ઇચ્છે છે. તે ટકી રહે છે કે નહીં તે બીજી બાબત છે. ઉપનામ પોતે જ સૂચવે છે કે તેઓ જાણે છે કે પેરામીટર રેસ બહારથી કેટલી વાહિયાત દેખાય છે.
ક્લાઉડ ફર્સ્ટ-પાર્ટી સાઇડબાર તરીકે Google ડૉક્સ, શીટ્સ અને સ્લાઇડ્સમાં જાય છે
એન્થ્રોપિકનું ક્લાઉડ ફોર ગૂગલ વર્કસ્પેસ પેઇડ પ્લાન પર પબ્લિક બીટામાં છે. માર્કેટપ્લેસ એડ-ઓન ઇન્સ્ટોલ કરો, ફાઇલ ખોલો, અને ક્લાઉડ એક સાઇડબારમાં બેસે છે જે દસ્તાવેજ વાંચી શકે છે અને તેને સ્થાને સંપાદિત કરી શકે છે. નવા કનેક્ટર્સ તમને ક્લાઉડ ચેટમાંથી જ ગૂગલ ફાઇલો બનાવવા અને ટ્વિક કરવાની મંજૂરી આપે છે.
ડૉક્સમાં તે ફોર્મેટિંગને બગાડ્યા વિના વાક્ય સુધારી શકે છે, અથવા સૂચન કાર્ડ તરીકે મોટા પુનર્લેખનો ફ્લોટ કરી શકે છે. શીટ્સને ફોર્મ્યુલા, પિવોટ્સ, ચાર્ટ્સ અને ગૂંચવાયેલા જોડાણો માટે પાયથોન ડિટૂર પણ મળે છે. સ્લાઇડ્સ તમારી હાલની થીમમાંથી નવી સ્લાઇડ્સ મિન્ટ કરી શકે છે અને પછી ઓવરલેપિંગ જંકને ફ્લેગ કરી શકે છે. ડિફોલ્ટ મોડ સંપાદનો પહેલાં પૂછે છે. જો તમને ખતરનાક રીતે જીવવું ગમે છે તો "બધું સ્વીકારો" મોડ છે.
જેમિની પહેલેથી જ અહીં રહે છે, અને માઇક્રોસોફ્ટ કોપાયલોટ ઓફિસ વર્ઝન કરે છે - ક્યારેક એન્થ્રોપિક મોડેલ્સ પર, જે એક મજાનો નાનો વિરોધાભાસ છે. ક્લાઉડ હવે બંને ઇકોસિસ્ટમમાં AI સ્તર બનવાનો પ્રયાસ કરી રહ્યો છે. તેને ઉત્પાદન વ્યૂહરચના કહો, અથવા ફક્ત એક બાજુ પસંદ કરવાનો ઇનકાર કરો. બંને, કદાચ.
મેટા અને સીએરા એક પર્સનલ એજન્ટ પ્રોટોકોલનો મુસદ્દો તૈયાર કરે છે જેથી દુકાનો સારા અને ખરાબ બોટ્સ વચ્ચે તફાવત કરી શકે
સીએરા અને મેટા, જેનેસિસ, ઇન્સ્ટિંક્ટ, રોકેટ, શોપાઇફ, સ્ટ્રાઇપ અને વોલમાર્ટ સાથે મળીને, વ્યક્તિગત AI એજન્ટો વ્યવસાયો સાથે કેવી રીતે વાત કરે છે તે માટે એક ખુલ્લું માનક બનાવી રહ્યા છે. ગ્રાહકો તેમના એજન્ટ શું ઍક્સેસ કરી શકે તે પસંદ કરે છે. કંપનીઓ વેબસાઇટ્સ, API અથવા કંપની એજન્ટ દ્વારા એજન્ટો શું કરી શકે તે નક્કી કરે છે. સત્રો OAuth પર સવારી કરે છે.
આ મહિનાના અંતમાં v0.1 સ્પેક અને સંદર્ભ અમલીકરણ થવાનું છે. બ્રેટ ટેલરની ફ્રેમિંગ સ્પષ્ટ છે: જ્યાં સુધી આવું કંઈક અસ્તિત્વમાં ન આવે ત્યાં સુધી તે એક પ્રકારની અરાજકતા છે. એમેઝોને મેટાના મ્યુઝને બ્લોક કરી દીધું છે. વોલમાર્ટ મ્યુઝ સાથે ભાગીદારી કરે છે અને હજુ પણ કેપ્ચા ઘર્ષણ એજન્ટોને બહાર કાઢે છે. એરલાઇન્સ અને અન્ય લોકો વધુ કડક રેખાઓ દોરી રહ્યા છે.
ઓપનએઆઈ અને એન્થ્રોપિક હજુ સુધી આ બાબતે ચર્ચામાં નથી. ટેલર કહે છે કે જો હરીફો તેને છોડી દેશે તો તે ખરેખર નિરાશ થશે. સ્ટાન્ડર્ડ લોન્ચ માટે સ્પષ્ટ. જ્યારે ઓપનએઆઈના ચેરમેન પ્રોટોકોલ સહ-લેખિત કરી રહ્યા હોય ત્યારે પણ થોડું અજીબ.
ઝડપી હા-કે-ના શૈલીના જવાબો માટે OpenAI નું ડિસિઝન API જાહેર બીટામાં જાય છે
OpenAI એ POST /v1/decisions દ્વારા gpt-6-luna પર ડિસિઝન API ને પબ્લિક બીટામાં મોકલ્યું. તેને ટેક્સ્ટ, છબીઓ અથવા બંને ફીડ કરો અને પ્રતિભાવો API કરતા લગભગ 10 ગણા ઝડપથી ટાઇપ કરેલા જવાબો મેળવો - એક સંભાવના કે શરત સાચી છે, તમારી સૂચિમાંથી પસંદગી છે, અથવા ક્રમબદ્ધ સ્તરો સામે સ્કોર છે.
"બે વાર ચાર્જ થયેલ" ફરિયાદને બિલિંગમાં રૂટ કરવાનો વિચાર કરો, અથવા ક્રેક માટે ઉત્પાદન ફોટો ફ્લેગ કરો. છબીઓ ઇનલાઇન બેઝ64 હોવી જોઈએ. કિંમત પ્રતિ મિલિયન ઇનપુટ ટોકન $0.10 છે, આ અંતિમ બિંદુ પર કોઈ આઉટપુટ-ટોકન ચાર્જ નથી. લાયક ગ્રાહકો માટે શૂન્ય ડેટા રીટેન્શન અને HIPAA પાથ અસ્તિત્વમાં છે.
તે DevDay પર મર્યાદિત પૂર્વાવલોકનમાં દેખાયું હતું અને હવે ખુલ્લું છે. GA "આવતા અઠવાડિયા" છે. આ અનસેક્સી પ્લમ્બિંગ ઉત્પાદનોની જરૂર છે - દર વખતે નવલકથા લખ્યા વિના વર્ગીકૃત.
ગૂગલ ડીપમાઇન્ડનું એમ્બેડિંગજેમ્મા 2 ટેક્સ્ટ, છબીઓ, ઑડિઓ અને વિડિયોને એક ઑન-ડિવાઇસ વેક્ટર સ્પેસમાં પેક કરે છે
એમ્બેડિંગજેમ્મા 2 એ 740-મિલિયન-પેરામીટર અપાચે 2.0 મોડેલ છે જે ટેક્સ્ટ, કોડ, છબીઓ, વિડિઓ અને ઑડિઓને શેર કરેલ 768-ડાયમેન્શનલ સ્પેસમાં મેપ કરે છે. જેમ્મા 4 પર બનેલ. ફોન અને અન્ય ચુસ્ત હાર્ડવેરને ધ્યાનમાં રાખીને બનાવવામાં આવ્યું છે, અન્ય વિશાળ ક્લાઉડ-ઓન્લી એમ્બેડર નહીં.
તમને જે જોઈએ છે તે જ લોડ કરો: ટેક્સ્ટ માટે 270M, વિઝન અથવા ઑડિઓ ઉમેરો, અથવા સંપૂર્ણ સ્ટેક લો. મેટ્રિઓશ્કા ટ્રંકેશન વેક્ટર્સને 6x ઓછા સ્ટોરેજ માટે 128 પરિમાણો સુધી સંકોચાઈ શકે છે. સંદર્ભ 8K ટોકન્સ છે - લગભગ 5.5 મિનિટ ઑડિઓ અથવા ડઝનેક ફ્રેમ્સ માટે પૂરતું છે. Google કહે છે કે MTEB કોડ પ્રથમ EmbeddingGemma ની તુલનામાં લગભગ 10 પોઇન્ટ આગળ વધ્યો.
ક્વોન્ટાઇઝેશનવાળા Pixel 11 Pro પર, ફક્ત ટેક્સ્ટ-વેઇટ માટે લગભગ 191MB સક્રિય RAM ની જરૂર પડે છે; સંપૂર્ણ મલ્ટિમોડલ માટે લગભગ 567MB. મૂળ ટેક્સ્ટ મોડેલ પહેલાથી જ 20 મિલિયન ડાઉનલોડ્સ પસાર કરી ચૂક્યું છે. શાંત Google લોન્ચ ક્યારેક આકર્ષક મોડેલો કરતાં વધુ મહત્વપૂર્ણ હોય છે.
મિથોસ પછી દક્ષિણ કોરિયાના વિજ્ઞાન મંત્રી $3.5 બિલિયનના ફ્રન્ટિયર AI ટ્રેક પર બમણું કામ કરે છે
સંસદીય ઓડિટમાં, નાયબ વડા પ્રધાન બે ક્યુંગ-હૂને જણાવ્યું હતું કે સિઓલ તેના સાર્વભૌમ ફાઉન્ડેશન-મોડેલ પ્રોજેક્ટને જાળવી રાખશે અને એક અલગ ફ્રન્ટિયર એઆઈ પ્રોગ્રામ ઉમેરશે. તેમણે 4.7 ટ્રિલિયન વોન ($3.5 બિલિયન) ના દબાણને એન્થ્રોપિકના ક્લાઉડ મિથોસની આસપાસના "માયથોસ શોક" અને સાયબર સુરક્ષા જોખમો સાથે જોડ્યું.
સાર્વભૌમ પ્રયાસે બીજા મૂલ્યાંકનને મંજૂરી આપી છે અને હવે તે ત્રીજા મૂલ્યાંકન તરફ આગળ વધી રહ્યો છે. બાએ વર્તમાન પરિણામોને વૈશ્વિક સ્તરે મિડરેન્જ ગણાવ્યા છે અને અગ્રણી ઓપન-વેઇટ સિસ્ટમ્સની નજીક કંઈક ઇચ્છે છે. તેમણે વર્ષના અંત સુધીમાં "એઆઈ ફોર ઓલ" સેવા - મફત, કોઈ ઉપયોગ મર્યાદા નહીં - અને ડેટા સેન્ટર્સ, ભૌતિક એઆઈ અને ચિપ્સ પર મેગા પ્રોજેક્ટ્સ પણ શરૂ કર્યા.
તો વાર્તા "હોમ મોડેલ રદ કરો" ની નથી. તે "તેની બાજુમાં એક મોટો, ડરામણો ટ્રેક ઉમેરો" ની છે. રાષ્ટ્રીય AI રેસ વધુ ખર્ચાળ થતી જાય છે. યુએસ અને ચીની સ્કેલ સામે $3.5 બિલિયન પૂરતા છે કે કેમ તે ખુલ્લું છે. Bae ને લાગે છે કે સ્થિર બેસી રહેવું વધુ ખરાબ છે.
વારંવાર પૂછાતા પ્રશ્નો
ઓપનએઆઈએ તેના અપ્રકાશિત ફ્રન્ટિયર મેથ મોડેલ સાથે ગિટહબમાં શું નાખ્યું?
OpenAI એ 372 ગાણિતિક પરિણામ પરિવારો - લગભગ 722 હસ્તપ્રતો - એક અપ્રકાશિત ફ્રન્ટીયર મોડેલમાંથી પોસ્ટ કરી. ઘણા પુરાવા પહેલાથી જ લીનમાં તપાસવામાં આવી રહ્યા છે. કંપની ચાર-પરિમાણીય કાકેયા અનુમાન, અલ્ગોરિધમ ટ્વીક્સ અને રીમેન પૂર્વધારણા તરફના કાર્ય પર પ્રગતિનો દાવો કરે છે. એક પ્રવક્તાએ જણાવ્યું હતું કે લગભગ દરેક પરિણામ એક જ પ્રોમ્પ્ટથી એક જ એજન્ટ સુધી આવ્યું છે, જે સરેરાશ લગભગ ત્રણ કલાક ચેટજીપીટી પ્રો વિચારસરણીનો હતો - એક વિશાળ મલ્ટી-એજન્ટ સ્વોર્મ નહીં.
OpenAI ની વન-શોટ ગણિત પ્રૂફ સ્ટોરી પર ગણિતશાસ્ત્રીઓ કેમ શંકાશીલ છે?
MITના એન્ડ્રુ સધરલેન્ડે OpenAI ને મોડેલ બતાવવા અથવા એક-શોટના દાવાને વણચકાસાયેલ તરીકે ગણવા વિનંતી કરી. OpenAI ના પોતાના સલાહકાર જૂથે પ્રોમ્પ્ટ, મોડેલ નામો અને ગણતરી રસીદો ઇચ્છતા હતા. તેના બદલે કંપનીએ સરેરાશ અને કેટલાક લીન ઔપચારિકીકરણ પ્રકાશિત કર્યા. પુરાવાઓ ઔપચારિક રીતે તપાસી શકાય છે, પરંતુ નવીનતા અને સિંગલ-એજન્ટ કથા સંપૂર્ણ પુરાવા દેખાય ત્યાં સુધી વિવાદિત રહે છે.
મિસ્ટ્રલ લાર્જ 4 શું છે અને વજન ક્યારે આવે છે?
મિસ્ટ્રલ લાર્જ 4 - જેને ML4 અથવા "લે ચોંક" પણ કહેવામાં આવે છે - તે એક મૂળ મલ્ટિમોડલ મિશ્રણ-ઓફ-એક્સપર્ટ્સ મોડેલ છે જેમાં 1 ટ્રિલિયન કુલ પરિમાણો અને 49 બિલિયન સક્રિય છે. તે મિસ્ટ્રલના યુરોપિયન ડેટાસેન્ટર્સમાં 3,800 NVIDIA ગ્રેસ બ્લેકવેલ GPU પર તાલીમ પામે છે. જાહેર પૂર્વાવલોકન લાઇવ છે; ભાગીદારો અને સરકારો સાથે રેડ-ટીમિંગ પછી મહિનાના અંત સુધીમાં સંપૂર્ણ વજનનું વચન આપવામાં આવે છે. મિસ્ટ્રલે સાયબર સુરક્ષા, નાણાં, કાયદો અને ચિપ ડિઝાઇનમાં ઉપયોગના કેસ રજૂ કર્યા.
ક્લાઉડ ગૂગલ ડોક્સ, શીટ્સ અને સ્લાઇડ્સમાં કેવી રીતે કામ કરે છે?
ક્લાઉડ ફોર ગૂગલ વર્કસ્પેસ માર્કેટપ્લેસ એડ-ઓન દ્વારા પેઇડ પ્લાન પર પબ્લિક બીટામાં છે. તે એક સાઇડબારમાં બેસે છે જે ફાઇલ વાંચી શકે છે અને તેને સ્થાને સંપાદિત કરી શકે છે, અથવા ક્લાઉડ ચેટમાંથી ગૂગલ ફાઇલો બનાવી અને ટ્વિક કરી શકે છે. ડોક્સમાં તે વાક્યોને ઠીક કરી શકે છે અથવા સૂચન કાર્ડ ફ્લોટ કરી શકે છે; શીટ્સને ફોર્મ્યુલા, પિવોટ્સ, ચાર્ટ અને વૈકલ્પિક પાયથોન મળે છે; સ્લાઇડ્સ તમારી થીમમાંથી સ્લાઇડ્સ મિન્ટ કરી શકે છે. ડિફોલ્ટ મોડ સંપાદનો પહેલાં પૂછે છે; "બધા સ્વીકારો" મોડ પ્રોમ્પ્ટ્સને છોડી દે છે.
મેટા અને સીએરા પર્સનલ એજન્ટ પ્રોટોકોલ કઈ સમસ્યા હલ કરવાનો પ્રયાસ કરે છે?
પર્સનલ AI એજન્ટો ઘણીવાર ખરીદી કરતી વખતે અથવા બિઝનેસ API ને કૉલ કરતી વખતે CAPTCHA અથવા સીધા બ્લોક્સને હિટ કરે છે. સીએરા અને મેટા, Genesys, Shopify, Stripe અને Walmart જેવા ભાગીદારો સાથે, ગ્રાહકો એજન્ટ ઍક્સેસને નિયંત્રિત કરે અને કંપનીઓ OAuth પર માન્ય ક્રિયાઓ સેટ કરે તે માટે એક ઓપન સ્ટાન્ડર્ડનો મુસદ્દો તૈયાર કરી રહી છે. v0.1 સ્પેક અને સંદર્ભ અમલીકરણ આ મહિનાના અંતમાં થવાનું છે. OpenAI અને Anthropic હજુ સુધી આ મુદ્દા પર ચર્ચા કરી રહ્યા નથી.
રિસ્પોન્સ API ને બદલે OpenAI ના ડિસિઝન API નો ઉપયોગ ક્યારે કરવો જોઈએ?
જ્યારે તમને ઝડપથી ટાઇપ કરેલા હા-કે-ના શૈલીના જવાબની જરૂર હોય ત્યારે ડિસિઝન API નો ઉપયોગ કરો - શરત સાચી હોવાની સંભાવના, સૂચિમાંથી પસંદગી, અથવા ક્રમબદ્ધ સ્તરો પર સ્કોર. તે POST /v1/decisions દ્વારા gpt-6-luna પર ચાલે છે, ટેક્સ્ટ અને ઇનલાઇન base64 છબીઓ સ્વીકારે છે, અને પ્રતિભાવો API કરતા લગભગ 10 ગણા ઝડપી છે. કિંમત પ્રતિ મિલિયન ઇનપુટ ટોકન માટે $0.10 છે જેમાં કોઈ આઉટપુટ-ટોકન ચાર્જ નથી. પાત્ર ગ્રાહકો માટે શૂન્ય ડેટા રીટેન્શન અને HIPAA પાથ અસ્તિત્વમાં છે; GA આગામી અઠવાડિયામાં અપેક્ષિત છે.
ગુગલ ડીપમાઇન્ડના એમ્બેડિંગજેમ્મા 2 ને ફોન પર શું ઉપયોગી બનાવે છે?
EmbeddingGemma 2 એ 740-મિલિયન-પેરામીટર Apache 2.0 મોડેલ છે જે ટેક્સ્ટ, કોડ, છબીઓ, વિડિઓ અને ઑડિઓને એક 768-ડાયમેન્શનલ સ્પેસમાં મેપ કરે છે. તમે ફક્ત ટેક્સ્ટ (270M) લોડ કરી શકો છો, વિઝન અથવા ઑડિઓ ઉમેરી શકો છો, અથવા સંપૂર્ણ સ્ટેક લઈ શકો છો. મેટ્રિઓશ્કા ટ્રંકેશન 6x ઓછા સ્ટોરેજ માટે વેક્ટરને 128 પરિમાણો સુધી સંકોચાઈ શકે છે. ક્વોન્ટાઇઝ્ડ Pixel 11 Pro પર, ફક્ત ટેક્સ્ટ-ઓન્લી માટે લગભગ 191MB સક્રિય RAM અને 567MB સંપૂર્ણ મલ્ટિમોડલની જરૂર પડે છે, જેમાં 8K-ટોકન સંદર્ભ હોય છે.