OpenAI bi sedan delîlên matematîkî yên ji hêla AI ve hatine nivîsandin davêje û dev ji xebatê berdide
OpenAI tenê 372 encamên matematîkî ji modelek frontier a nehatî weşandin bar kir nav depoyek GitHub. The Verge 722 destnivîs li seranserê 372 malbatên encaman dihejmêre. Gelek delîl berê di Lean de hatine kontrol kirin, ji ber vê yekê mantiq dibe ku baş be her çend nûbûn hîn jî nehatiye destnîşankirin.
Şîrket di texmîna Kakeya ya çar-alî de serketinên xwe, guhertinên li algorîtmayên sereke, û heta "pêşkeftina rastîn" a ber bi hîpoteza Riemann ve îdîa dike. Berdevkek ji Scientific American re got ku hema hema her encam ji pêşniyarek yekane ber bi ajanek yekane ve tê - ne koma 10,000 ajanên bi mîlyonan dolarî ku berê Navier-Stokes şikand. Mesrefa navînî: bi qasî sê saetan fikirîna ChatGPT Pro.
Matematîkzan ne hemû kêfxweş in. Andrew Sutherland ê MITê bi kurtasî got: modelê nîşan bide an jî çîroka yek-qonaxî wekî nehatî verastkirin bihesibîne. Koma şêwirmendiya OpenAI bi xwe xwest ku pirs, navên modelan û hesabên hesabkirinê peyda bike. OpenAI li şûna wê navînî û hin fermîkirinên Lean weşand. "Me delîl avêtin, ji kerema xwe bihelînin" stratejiyeke lêkolînê ya wêrek e.
Mistral Large 4, "Le Chonk" a bi parametreya 1 trîlyonî, dide nasîn ku armanc dike serdestiya giraniya vekirî bi dest bixe
Laboratuwara Fransî Mistral pêşandaneke pêşdîtinê ya giştî ya Mistral Large 4 - bi awayekî nefermî ML4, "bi fermî: le Chonk" vekir. Ew tevlîheviyeke pirmodal a xwemalî ye ku bi tevahî 1 trîlyon parametre û 49 milyar parametreyên çalak hene. Piştî rêkeftina bi hevkar û hikûmetan re, soz tê dayîn ku giraniya wê heta dawiya mehê were ragihandin.
Perwerde li ser 3,800 GPU-yên NVIDIA Grace Blackwell li navendên daneyên Mistral ên Ewropî pêk hat. Mijara sereke serwerî û zext e: ewlehiya sîber, darayî, qanûn, sêwirana çîpê. Di ceribandineke sîber a Analîza Sûni de ku ji modelekê dixwaze ku qelsiyek rastîn ji nû ve hilberîne û sererast bike, Mistral dibêje ku ML4 ji sedî 82 xal girtiye - ji her modelek herî bilind - lê hin devên girtî red dikin û xala nêzîkî sifir digirin.
Ji ber vê yekê Ewropa hîn jî rêyeke sêyemîn dixwaze di navbera laboratuarên girtî yên Amerîkî û giraniya vekirî ya Çînî de. Ma ew ê çawa bimîne an na, ev meseleyeke din e. Navê laqebê bi xwe jî nîşan dide ku ew dizanin ku pêşbirka parametreyan ji derve çiqas bêwate xuya dike.
Claude wekî panelek alî ya partiya yekem diçe nav Google Docs, Sheets, û Slides
Claude ya Anthropic ji bo Google Workspace di betaya giştî de li ser planên dravî ye. Pêveka Marketplace saz bikin, pelê vekin, û Claude di panelek kêlekê de rûdine ku dikare belgeyê bixwîne û li cîhê xwe biguherîne. Girêdanên nû di heman demê de dihêlin hûn pelên Google-ê ji sohbeta Claude bi xwe biafirînin û biguherînin.
Di Belgeyan de ew dikare hevokekê bêyî ku formatkirinê xera bike sererast bike, an jî ji nû ve nivîsandinên mezintir wekî kartên pêşniyaran pêşkêş bike. Sheets ji bo tevlêbûnên tevlihev formul, pivot, nexşe û tewra rêyek Pythonê ya dûr û dirêj digire. Slayt dikarin ji mijara weya heyî slaytên nû çêbikin û dûv re jî tiştên nebaş ên li hev dikevin nîşan bikin. Moda xwerû berî guherandinan dipirse. Ger hûn ji jiyana xeternak hez dikin, moda "Hemûyan Qebûl Bike" heye.
Gemini jixwe li vir dijî, û Microsoft Copilot guhertoya Office-ê dike - carinan li ser modelên Anthropic, ku ev nakokiyeke piçûk a kêfxweş e. Claude niha hewl dide ku di her du ekosîsteman de jî qata AI-ê be. Ji vê re bêjin stratejiya hilberê, an jî tenê redkirina hilbijartina aliyekî. Her du jî, dibe.
Meta û Sierra Protokola Ajansa Kesane amade dikin da ku dikan bikaribin botên baş ji yên xirab cuda bikin
Sierra û Meta, digel Genesys, Instinct, Rocket, Shopify, Stripe, û Walmart, standardek vekirî ava dikin ji bo ka ajanên AI-ya kesane çawa bi karsaziyan re diaxivin. Xerîdar hildibijêrin ka ajanên wan dikarin bigihîjin çi. Şîrket destnîşan dikin ka ajan dikarin li ser malperan, API-yan, an jî bi rêya ajanek pargîdaniyê çi bikin. Danişîn li ser OAuth-ê ne.
Taybetmendiyek v0.1 û pêkanîna referansê di dawiya vê mehê de têne xwestin. Çarçoveya Bret Taylor rasterast e: heya ku tiştek wusa tune be, ew cure kaos e. Amazonê Muse ya Meta asteng kiriye. Walmart bi Muse re hevkar e û hîn jî dibîne ku ajanên CAPTCHA-yê ji holê radikin. Balafirgeh û yên din xêzên hişktir dikişînin.
OpenAI û Anthropic hîn ne li odê ne. Taylor dibêje ku ew ê pir xemgîn bibe ger reqîbên wî jê derbas nebin. Ji bo destpêkirina standardan samîmî ye. Her wiha hinekî ecêb e dema ku serokê OpenAI protokolê bi hev re dinivîse.
API-ya Biryardanan a OpenAI ji bo bersivên bilez ên bi şêwaza erê-an-na diçe betaya giştî
OpenAI Decisions API di betaya giştî de li ser gpt-6-luna bi rêya POST /v1/decisions şand. Nivîs, wêne, an herduyan têxe nav malperê û bersivên nivîskî nêzîkî 10 caran zûtir ji Bersivên API bistînin - îhtîmalek, şertek rast be, hilbijartinek ji navnîşa we, an puanek li gorî astên rêzkirî.
Bifikirin ku hûn giliyek "du caran barkirî" ji fatûreyê re bişînin, an wêneyek hilberê wekî şikandin nîşan bikin. Divê wêne di rêzê de base64 bin. Bihayê ji bo her mîlyon tokenên têketinê 0,10 $ ye, bêyî ku li ser vê xala dawîn barkirina tokenên derketinê hebe. Ji bo xerîdarên mafdar Sifir Ragirtina Daneyan û rêyên HIPAA hene.
Ew di pêşdîtinek sînorkirî de li DevDay xuya bû û niha vekirî ye. GA "di hefteyên pêş de" ye. Ev ew berhemên lûleyan ên ne-seksî ne ku hewce ne - dabeşker bêyî ku her car romanek binivîsin.
EmbeddingGemma 2 ya Google DeepMind nivîs, wêne, deng û vîdyoyê di yek qada vektorî ya li ser cîhazê de pak dike
EmbeddingGemma 2 modelek Apache 2.0 ya bi 740 mîlyon parametreyan e ku nivîs, kod, wêne, vîdyo û deng di qadeke hevpar a 768-alî de vedihewîne. Li ser Gemma 4 hatiye çêkirin. Ji bo telefon û alavên din ên teng hatiye çêkirin, ne ji bo embedderê mezin ê tenê ewr.
Tenê tiştê ku hûn hewce ne bar bikin: 270M ji bo nivîsê, vîzyon an deng lê zêde bikin, an jî tevahiya stûkê bigirin. Kurtkirina Matryoshka dikare vektoran heta 128 pîvanan biçûk bike da ku heta 6 caran cîhê hilanînê kêmtir be. Kontekst 8K nîşanekan e - ji bo bi qasî 5.5 hûrdem deng an bi dehan çarçoveyan bes e. Google dibêje ku Koda MTEB li gorî EmbeddingGemma ya yekem nêzîkî 10 xalan zêde bûye.
Li ser Pixel 11 Pro-yê bi kûantîzasyonê, giraniya nivîsê tenê bi qasî 191MB RAM-a çalak hewce dike; pirmodaliya tevahî bi qasî 567MB. Modela nivîsê ya orîjînal ji 20 mîlyon dakêşan derbas bûye. Destpêkirina bêdeng a Google-ê carinan ji yên balkêş girîngtir e.
Wezîrê zanistê yê Koreya Başûr piştî Mythos li ser rêça AI ya sînorî ya 3.5 mîlyar dolarî duqat dike
Di vekolîneke parlemanî de, Cîgirê Serokwezîr Bae Kyung-hoon got ku Seoul dê projeya modela bingeha xwe ya serwer biparêze û bernameyeke sûnî ya sînorî ya cuda lê zêde bike. Wî hewldana 4.7 trîlyon won (3.5 milyar dolar) bi "şoka Mythos" a li dora Claude Mythos a Anthropic û gefên ewlehiya sîber ve girêda.
Hewldana serwerî nirxandinek duyemîn derbas kir û ber bi ya sêyemîn ve diçe. Bae encamên heyî wekî navînî li seranserê cîhanê bi nav kir û tiştek dixwaze ku nêzîkî pergalên pêşeng ên bi giraniya vekirî be. Wî her wiha xizmetek "AI ji bo Hemîyan" - belaş, bê sînorên karanînê - heta dawiya salê pêşkêş kir, digel projeyên mezin li ser navendên daneyan, AI-ya fîzîkî û çîpan.
Ji ber vê yekê çîrok ne "betalkirina modela malê" ye. Ew "lêzêdekirina rêyeke mezintir û tirsnaktir li kêleka wê ye." Pêşbirkên AI yên neteweyî her ku diçe bihatir dibin. Gelo 3.5 milyar dolar li hember pîvana Amerîkî û Çînê têrê dike, ne diyar e. Bae wisa difikire ku bêdeng rûniştin xirabtir e.
Pirsên Pir tên Pirsîn
OpenAI bi modela xwe ya matematîkê ya sînor a nehatî weşandin çi avêt nav GitHubê?
OpenAI 372 malbatên encamên matematîkî - nêzîkî 722 destnivîs - ji modelek sînorî ya nehatî weşandin şand. Gelek delîl berê di Lean de hatine dîtin. Şîrket îdîa dike ku di texmîna Kakeya ya çar-alî de pêşketin, sererastkirinên algorîtmayan, û xebata ber bi hîpoteza Riemann ve çêbûye. Berdevkek got ku hema hema her encam ji pêşniyarek yekane ji ajanek yekane re hat, bi navînî bi qasî sê saetan ramana ChatGPT Pro - ne komeke pir-ajan a mezin.
Çima matematîkzan ji çîroka îspatên matematîkî yên yek-qonaxî yên OpenAI guman dikin?
Andrew Sutherland ê MITê ji OpenAI xwest ku modelê nîşan bide an jî îdiaya yek-qotî wekî nehatî verastkirin bihesibîne. Koma şêwirmendiya OpenAI bi xwe xwest ku pêşniyar, navên modelan û fatûreyên hesabkirinê werin dayîn. Di şûna wê de, şîrket navînî û hin fermîkirinên Lean weşand. Dibe ku delîl bi fermî werin kontrol kirin, lê nûbûn û vegotina yek-ajan heya ku delîlên bêkêmasî xuya bibin, nakok dimînin.
Mistral Large 4 çi ye û giranî kengî digihîjin?
Mistral Large 4 - ku jê re ML4 an "Le Chonk" jî tê gotin - modelek xwemalî ya tevliheviya pisporan a pirmodal e ku bi tevahî 1 trîlyon parametre û 49 milyar parametreyên çalak hene. Ew li ser 3,800 GPU-yên NVIDIA Grace Blackwell li navendên daneyên Mistral ên Ewropî perwerde bû. Pêşdîtinek giştî zindî ye; giraniya tevahî piştî hevkariya bi hevkar û hikûmetan re soz tê dayîn ku di dawiya mehê de were ragihandin. Mistral rewşên karanînê di ewlehiya sîber, darayî, qanûn û sêwirana çîpan de pêşkêş kir.
Claude çawa di hundirê Google Docs, Sheets, û Slides de dixebite?
Claude ji bo Google Workspace bi rêya pêvekek Marketplace di betaya giştî de li ser planên dravî ye. Ew di panelek kêlekê de rûdine ku dikare pelek bixwîne û li cîhê xwe biguherîne, an jî pelên Google-ê ji sohbeta Claude biafirîne û sererast bike. Di Docs de ew dikare hevokan rast bike an kartên pêşniyaran biafirîne; Sheets formul, pivot, nexşe û Python-a vebijarkî digire; Slides dikarin slaytan ji mijara we çêbikin. Moda xwerû berî guherandinan dipirse; moda "Hemûyan qebûl bike" fersendên ji holê radike.
Protokola Ajansa Kesane ya Meta û Sierra hewl dide çi pirsgirêkê çareser bike?
Ajanên AI yên kesane pir caran dema kirîn an gazîkirina API-yên karsaziyê CAPTCHA an astengkirinên rasterast dixin. Sierra û Meta, bi hevkarên wekî Genesys, Shopify, Stripe, û Walmart, standardek vekirî amade dikin da ku xerîdar gihîştina ajan kontrol bikin û pargîdanî çalakiyên destûrdar li ser OAuth destnîşan bikin. Taybetmendiyek v0.1 û pêkanîna referansê di dawiya vê mehê de têne plan kirin. OpenAI û Anthropic hîn ne amade ne.
Kengê divê hûn Decisions API-ya OpenAI-yê li şûna Responses API-yê bikar bînin?
Dema ku hûn bersiveke bi şêwaza erê-an-na ya zû binivîsin - îhtîmaleke, şertek rast be, hilbijartinek ji lîsteyekê, an jî puanek li ser astên rêzkirî - li ser gpt-6-luna bi rêya POST /v1/decisions dixebite, nivîs û wêneyên base64 yên hundirîn qebûl dike, û nêzîkî 10 caran ji Bersivên API zûtir e. Bihayê 0,10 dolar ji bo her milyon nîşanekên têketinê ye bêyî xerca nîşanekên derketinê. Ji bo xerîdarên mafdar Sifir Ragirtina Daneyan û rêyên HIPAA hene; GA di hefteyên pêş de tê hêvîkirin.
Çi EmbeddingGemma 2 ya Google DeepMind li ser telefonan bikêrhatî dike?
EmbeddingGemma 2 modelek Apache 2.0 ya bi 740 mîlyon parametreyan e ku nivîs, kod, wêne, vîdyo û deng di yek cîhek 768-alî de vedihewîne. Hûn dikarin tenê nivîsê (270M) bar bikin, vîzyon an deng lê zêde bikin, an jî tevahiya stûkê bigirin. Kurtkirina Matryoshka dikare vektoran ji bo hilanîna heta 6 caran kêmtir bike 128 pîvanan. Li ser Pixel 11 Pro-yek kûantîfkirî, tenê nivîs hewceyê nêzîkî 191MB RAM-a çalak û pirmodal a tevahî bi qasî 567MB, bi çarçoveyek 8K-token, hewce dike.