PrismML aztergai: gailuan bertan exekutatzen diren hizkuntza-eredu handien etorkizuna

#Quasa #QUA #prismml

PrismML AEBetan egoitza duen AA ikerketako enpresa bat da (Caltech-en sustrai sendoak dituena), eta funtsezko erronka bat du ardatz: nola biderkatu ereduen adimena haien tamaina edo konplexutasuna handitu gabe. Haren irtenbidea dentsitate oso handiko eredu oso konprimituak dira: errendimendu handia eskaintzen dute, askoz memoria, energia eta konputazio-baliabide gutxiago erabiliz.

Haren produktu nagusia, Bonsai 27B, 27 mila milioi parametroko eredua da, eta 1-bit (3.9 GB soilik) eta hirutar (5.9 GB) bertsioetan dago eskuragarri. Horri esker, tamaina horretako eredu bat zuzenean telefono adimendunetan eta ordenagailu eramangarrietan exekuta daiteke — lehen ezinezkoa zen hori doitasun osoko eredu estandarrekin. PrismML enpresaren arabera, 1-bit bertsioak 14× memoria gutxiago erabiltzen du, 8× azkarrago exekutatzen da eta 5× energia gutxiago kontsumitzen du ohiko 16-bit ereduekin alderatuta; aldi berean, hainbat urratseko arrazoibidea, tresnei dei egitea, agenteen bidezko lan-fluxuak eta ulermen multimodala ahalbidetzen ditu.

Enpresaren oinarrizko filosofia “adimen-dentsitatea” da — bit bakoitzeko adimen erabilgarria ahalik eta gehien handitzea, parametro kopurua handitzera mugatu beharrean. Ikuspegi horrek bi arazo nagusi aldi berean konpontzea du helburu: gailu pertsonaletan sartzen ez diren eredu handiak eta datu-zentro erraldoien energia-behar jasanezinak.

PrismML aproposa da AA indartsua lokalean exekutatu nahi duten garatzaileentzat, hardware-fabrikatzaileentzat, ikertzaileentzat eta enpresentzat, pribatutasun sendoarekin, latentzia txikiarekin eta energia-eraginkortasun handiarekin.

Alderdi aipagarrienak

  • Munduko maila goreneko 1-bit konpresioa eta konpresio hirutarra (Bonsai familia).
  • Bonsai 27B telefonoetan exekutatzen da, ~4 GB soilik erabilita.
  • Hobekuntza nabarmenak memoria-erabileran, abiaduran eta energia-eraginkortasunean.
  • Arrazoibidea, tresnen erabilera eta gaitasun multimodalak ahalbidetzen ditu gailuan bertan.
  • Ikerketa-oinarri sendoa, Caltech-etik datorrena.

Kontuan hartzeko alderdiak

  • Teknologia nahiko berria denez, ekosistemaren euskarria eta doikuntza xeherako tresnak hedatzen ari dira oraindik.
  • Gaur egun, emaitzarik onenak goi-mailako telefono mugikor eta ordenagailu eramangarri modernoen hardwarean lortzen dira.

Balorazio orokorra: 4.6/5 izar

PrismML aurrera egiten ari da gaur egun AAren esparruko mugarik garrantzitsuenetako batean — eredu handiak eguneroko gailuetan praktiko bihurtzen. Tamaina hutsa handitu beharrean adimen-dentsitatea ardatz hartuta, enpresa AA indartsua hodeitik sarearen ertzera eramaten laguntzen ari da, modu esanguratsuan.

Irabazi QUA saria Quasa.io webgunean ere iritzia emanez!

Hasi: https://quasa.io/projects/prismml

Galdu baduzu

Pit AI aztergai: kalkulu-orrietatik erabat automatizatutako eragiketetara

Pit AI aztergai: kalkulu-orrietatik erabat automatizatutako eragiketetara

Peec AI-ren azterketa: AAko ikusgarritasun-datuetatik bezero kopurua benetan handitzera

Peec AI-ren azterketa: AAko ikusgarritasun-datuetatik bezero kopurua benetan handitzera

ZML aztergai: errendimendu gorena edozein txipetan (NVIDIA, AMD, TPU eta gehiago)

ZML aztergai: errendimendu gorena edozein txipetan (NVIDIA, AMD, TPU eta gehiago)

Prime Intellect: trebatu abangoardiako AA Big Tech gabe (azterketa osoa)

Prime Intellect: trebatu abangoardiako AA Big Tech gabe (azterketa osoa)

iPhone 17 Pro: aluminiozko gorputz bakarra, lurrun-ganbera eta hiru 48MP kamera – Azterketa osoa!

iPhone 17 Pro: aluminiozko gorputz bakarra, lurrun-ganbera eta hiru 48MP kamera – Azterketa osoa!

Bhojpuri Video Gana: Nola lortzen dituen milaka milioi ikustaldi eta ehunka milioi

Bhojpuri Video Gana: Nola lortzen dituen milaka milioi ikustaldi eta ehunka milioi

Luel AI aztergai: Jaso ordainsaria adimen artifiziala zure eguneroko grabazioekin entrenatzeagatik

Luel AI aztergai: Jaso ordainsaria adimen artifiziala zure eguneroko grabazioekin entrenatzeagatik

Manago AI aztergai: AI agentikoa bezeroekiko harreman adimentsuagoak lortzeko

Manago AI aztergai: AI agentikoa bezeroekiko harreman adimentsuagoak lortzeko

Kled AI: Irabazi sariak zure datuak etikaz partekatuz

Kled AI: Irabazi sariak zure datuak etikaz partekatuz

Flair AI aztergai: estudio-kalitatea duen produktuen argazkigintza adimen artifizialarekin

Flair AI aztergai: estudio-kalitatea duen produktuen argazkigintza adimen artifizialarekin

SlidesAI aztergai: bihurtu testua aurkezpen ikusgarri berehala

SlidesAI aztergai: bihurtu testua aurkezpen ikusgarri berehala

Owkin: Medikuntzaren etorkizunerako superadimen artifizial biologikoaren aitzindari

Owkin: Medikuntzaren etorkizunerako superadimen artifizial biologikoaren aitzindari

Bending Spoons: jabetza digitala birdefinitzen ari den Italiako erraldoi teknologikoa

Bending Spoons: jabetza digitala birdefinitzen ari den Italiako erraldoi teknologikoa

Glean aztergai: Gleanen adimen artifizialeko plataforma arakatzen

Glean aztergai: Gleanen adimen artifizialeko plataforma arakatzen

Harmonic aztergai: startupak aurkitzeko motor osoa

Harmonic aztergai: startupak aurkitzeko motor osoa

SEO Vendor-en balorazioa: AI bidezko SEO tresnak + zerbitzu profesionalak

SEO Vendor-en balorazioa: AI bidezko SEO tresnak + zerbitzu profesionalak

DoMore aztergai: adimen artifizialeko tresnen zure katalogo pertsonalizatua

DoMore aztergai: adimen artifizialeko tresnen zure katalogo pertsonalizatua

Azken kontu-kitapena: Karta-gaztelua erortzen ari da

Azken kontu-kitapena: Karta-gaztelua erortzen ari da

Compose AI aztergai: osatze automatiko adimenduna eguneroko idazketarako

Compose AI aztergai: osatze automatiko adimenduna eguneroko idazketarako

Guidde-ren azterketa: AI bidezko bideo-dokumentazioa, magiaz egina

Guidde-ren azterketa: AI bidezko bideo-dokumentazioa, magiaz egina

DataRobot: enpresentzako agente-lantalde bateratuaren plataformaren azterketa

DataRobot: enpresentzako agente-lantalde bateratuaren plataformaren azterketa

8090 aztergai: adimen artifiziala oinarri duen software-fabrika, sektore arautuetako enpresentzat

8090 aztergai: adimen artifiziala oinarri duen software-fabrika, sektore arautuetako enpresentzat

Rocket Lab aztergai: espazio-jardueraren ziklo osoa hartzen duen eta berrikuntza bultzatzen duen enpresa

Rocket Lab aztergai: espazio-jardueraren ziklo osoa hartzen duen eta berrikuntza bultzatzen duen enpresa

AIPRMren ebaluazioa: ChatGPT-rako eta adimen artifizialerako prompten liburutegi eta kudeatzaile gorena

AIPRMren ebaluazioa: ChatGPT-rako eta adimen artifizialerako prompten liburutegi eta kudeatzaile gorena