Zyphra: Adolygiad o’r modelau MoE effeithlon a hyfforddwyd ar AMD sy’n cyflawni mwy nag y byddai eu maint yn ei awgrymu
#Quasa #QUA #zyphra
Mae Zyphra (sy’n cael sylw ar Quasa.io/projects/zyphra) yn gwmni uwchddeallusrwydd agored sy’n gweithio ar bob haen o’r dechnoleg, gan adeiladu systemau AI sofran, tryloyw ac wedi’u halinio o’r sylfeini i fyny.
Yn hytrach na dibynnu ar fodelau caeedig a chaledwedd gan un cyflenwr, mae Zyphra yn datblygu modelau sylfaen agored arloesol (y teulu ZAYA) â dwysedd deallusrwydd sy’n torri tir newydd, ac yna’n eu darparu drwy Zyphra Cloud — gan roi gwir reolaeth i sefydliadau dros eu seilwaith AI.
Wrth wraidd ei waith, mae Zyphra yn gwthio ffiniau effeithlonrwydd deallusrwydd: gan greu modelau sy’n darparu gallu rhesymu ar lefel y modelau mwyaf datblygedig, gan ddefnyddio llawer iawn yn llai o baramedrau gweithredol a rhedeg yn effeithlon ar sglodion silicon amgen.
Ymhlith y prif uchafbwyntiau mae:
• ZAYA1-8B — Model Mixture-of-Experts â dim ond 760M o baramedrau gweithredol (8.4B i gyd) sy’n cyflawni llawer mwy nag y byddai ei faint yn ei awgrymu mewn profion meincnodi rhesymu cymhleth, mathemateg a chodio — gan gyfateb yn aml i berfformiad modelau llawer mwy â phwysau agored neu ragori arnynt.
• Pensaernïaeth MoE++ Arloesol — Compressed Convolutional Attention, llwybro uwch, ac arloesi mewn rhaghyfforddiant a hyfforddiant dilynol sy’n sicrhau’r perfformiad mwyaf posibl fesul FLOP.
• Hyfforddiant sy’n Rhoi Blaenoriaeth i AMD — Y modelau MoE cyntaf ar raddfa fawr i gael eu rhaghyfforddi, eu hyfforddi yn y cyfnod canol a’u mireinio o’r dechrau i’r diwedd ar GPUs AMD Instinct MI300X a thechnoleg rwydweithio Pensando — gan brofi bod seilwaith AI sofran gan sawl cyflenwr yn barod.
• Zyphra Cloud — Llwyfan cynhyrchu sy’n cwmpasu pob haen o’r dechnoleg, gan ddod ag arloesiadau Zyphra Research i ddatblygwyr, mentrau a darparwyr cyfrifiadura ar raddfa enfawr, gyda defnyddio a chynyddu graddfa’n ddi-dor.
• Modelau Amlfodd a Modelau’r Dyfodol — ZAYA-VL (golwg ac iaith), fersiynau rhagolwg ZAYA1-74B, arbrofion â modelau iaith tryledol, a mwy yn y cynllun datblygu.
Mae’n berffaith ar gyfer ymchwilwyr AI, mentrau sy’n mynnu AI sofran, datblygwyr sy’n adeiladu ar fodelau agored, ac unrhyw un sydd wedi blino ar gael eu clymu wrth gyflenwr neu ar gostau casglu enfawr. Yn 2026, mae Zyphra yn sefyll allan fel un o’r mentrau mwyaf cyffrous ym maes uwchddeallusrwydd effeithlon ac agored nad yw’n ddibynnol ar galedwedd penodol.
Mae’r gymuned wrth ei bodd ag ef:
“Mae ZAYA1-8B yn anhygoel — mae nifer ei baramedrau gweithredol yn is nag 1B, ac eto mae’n rhagori mewn profion meincnodi mathemateg a chodio y mae modelau 10x ei faint yn cael trafferth â nhw. Dyma ddyfodol deallusrwydd effeithlon.”
“O’r diwedd, dewis amgen go iawn i’r byd sy’n dibynnu’n llwyr ar NVIDIA. Mae modelau Zyphra a hyfforddwyd ar AMD yn profi bod AI sofran yn fwy na phosibilrwydd — mae yma eisoes.”
“Zyphra Cloud + modelau ZAYA = y pentwr uwchddeallusrwydd agored rydyn ni wedi bod yn aros amdano.”
Mae’n rhagori’n arbennig o ran dwysedd deallusrwydd, tasgau sy’n gofyn am lawer o resymu, casglu costeffeithiol, ac adeiladu systemau AI gwirioneddol sofran heb gyfaddawdu ar berfformiad.
Anfanteision: Mae’r modelau’n dal mewn cyfnod datblygu cynnar (fersiynau rhagolwg yw datganiadau mwy newydd fel ZAYA1); mae’r canlyniadau gorau yn aml yn gofyn am gyfrifiannu adeg profi i gyrraedd y perfformiad uchaf; mae’r defnydd o’r llwyfan cwmwl cyflawn ar raddfa menter yn cynyddu.
At ei gilydd, i sefydliadau a datblygwyr yn 2026 sydd eisiau AI sofran, agored ac effeithlon ar flaen y gad, mae Zyphra yn un o’r cwmnïau pwysicaf a mwyaf addawol yn y maes sy’n gweithio ar bob haen o’r dechnoleg. Mae’n fwy na labordy modelau arall — mae’n adeiladu seilwaith cyflawn uwchddeallusrwydd agored y dyfodol.
Enillwch wobr QUA drwy Quasa hefyd!
4.8/5 seren (rhagorol o ran arloesi, effeithlonrwydd a’r pwyslais ar sofraniaeth; mân sylwadau ynghylch y ffaith bod modelau mwy newydd yn dal mewn cyfnod datblygu cynnar).
Dechreuwch arni: https://quasa.io/projects/zyphra























