बड़े मॉडलों की लहर आने से कुछ साल पहले, वास्तव में एआई उद्यमिता की लहर थी। उनमें से, सेंसटाइम टेक्नोलॉजी, मेगवी टेक्नोलॉजी, युनकॉन्ग टेक्नोलॉजी और यिटू टेक्नोलॉजी इस अवधि के प्रतिनिधि हैं। इन चार कंपनियों को "चीनी एआई के चार छोटे ड्रेगन" के रूप में भी जाना जाता है।
ओपनएआई द्वारा शुरू की गई इस नई लहर में, सेंसटाइम, चार छोटे ड्रेगन में से एक, अभी भी मंच के केंद्र में बना हुआ है। पिछले साल अप्रैल में, सेंसटाइम ने "रीरिक्सिन · लार्ज मॉडल" श्रृंखला जारी की, यह सैकड़ों अरब मापदंडों के आधार पर एक बड़ा भाषा मॉडल लॉन्च करने वाली चीन की पहली कंपनियों में से एक थी।
यह हर दिन नया है, और यह हर दिन नया है।
शांग राजवंश के संस्थापक, तांग ने बाथटब पर उपरोक्त आत्म-चेतावनी आदर्श वाक्य को उकेरा, ठीक उसी तरह जैसे आज एआईजीसी क्षेत्र में बदलावों की गहराई है, शांग तांग के बड़े मॉडलों की अद्यतन लय को भी "हर दिन नया" कहा जा सकता है। "
दो महीने पहले, सेंसटाइम ने "रीरिक्सिन सेंसनोवा 4.0" बड़े मॉडल सिस्टम को लॉन्च किया था, और यहां तक कि दुनिया का पहला असिस्टेंट एपीआई भी लॉन्च किया था जो ओपनएआई से पहले विभिन्न मोडल टूल कॉल का समर्थन करता है।
और आज दोपहर, सेंसटाइम, जो कि "रिक्सिन" है, ने "रिक्सिन" पर आधारित जेनेरिक एआई मॉडल और एप्लिकेशन की एक श्रृंखला लॉन्च करना जारी रखा है, पहले मैं हाइलाइट्स पर प्रकाश डालता हूं:
- रीरिक्सिन 5.0: सामान्य वस्तुनिष्ठ मूल्यांकन में जीपीटी-4 टर्बो तक पहुंचता है या उससे आगे निकल जाता है
- 1.8बी एंड-साइड मॉडल: एक ही पैमाने पर सर्वश्रेष्ठ प्रदर्शन, सभी पैमानों में अग्रणी
- एंटरप्राइज-स्तरीय एप्लिकेशन ऑल-इन-वन मशीन: जिसमें वित्त, चिकित्सा, सरकारी मामले, कोडिंग और अन्य क्षेत्र शामिल हैं
- वेन्शेंग वीडियो जेनरेशन प्लेटफ़ॉर्म जिसे अभी तक लॉन्च नहीं किया गया है
GPT-4 टर्बो को पंच करें, DALL·E 3 को किक करें
एआई 2.0 युग में, जेनरेटिव एआई को एक महत्वपूर्ण तकनीक माना जाता है जो उत्पादकता की उन्नति को बढ़ावा देता है यदि यह ज्ञान, तर्क और निष्पादन की तीन-स्तरीय क्षमताओं में सफलता हासिल कर सकता है, तो यह वास्तव में एक छलांग लाएगा- संपूर्ण समाज की उत्पादकता का आगे विकास।
पिछले महीने, सेंसटाइम के सीईओ जू ली ने 2024 जीडीसी में उपरोक्त दृष्टिकोण रखा था, आज की प्रेस कॉन्फ्रेंस में उन्होंने एक बार फिर जोर दिया कि सेंसटाइम कानून के मार्गदर्शन के तहत बड़े मॉडल क्षमताओं के लिए केआरई त्रि-स्तरीय वास्तुकला का पता लगाना जारी रखेगा। पैमाने का। (ज्ञान-तर्क-निष्पादन), लगातार बड़े मॉडल क्षमताओं की सीमाओं को तोड़ रहा है।
तो नए उन्नत RiRixin SenseNova 5.0 (इसके बाद RiRixin 5.0 के रूप में संदर्भित) के अद्यतन मुख्य आकर्षण क्या हैं?
- एमओई आर्किटेक्चर को अपनाएं
- 10TB टोकन प्रशिक्षण के आधार पर, बड़ी मात्रा में सिंथेटिक डेटा
- अनुमान संदर्भ विंडो 200K का समर्थन करती है
- GPT-4 टर्बो के साथ ज्ञान, तर्क, गणित और कोड की व्यापक बेंचमार्किंग
Ririxin 5.0 यह अपडेट मुख्य रूप से ज्ञान, गणित, तर्क और कोडिंग क्षमताओं को बढ़ाने पर केंद्रित है, और पूरी तरह से GPT-4 टर्बो के साथ संरेखित है।
मुख्यधारा के उद्देश्य मूल्यांकन में, RiRiXin 5.0 पिछले साल डेवलपर सम्मेलन में OpenAI द्वारा जारी GPT-4 टर्बो संस्करण तक पहुंच गया है या उससे आगे निकल गया है, और हाल ही में जारी Llama 3-70B को भी लगभग पूरी तरह से कुचल दिया है।
सारी बातें और कोई अभ्यास नहीं, प्रेस कॉन्फ्रेंस में सेंसटाइम ने भाषा, गणितीय तर्क और अन्य पहलुओं में रीरिक्सिन 5.0 की वास्तविक क्षमताओं का भी पूरी तरह से प्रदर्शन किया।
2022 कॉलेज प्रवेश परीक्षा निबंध प्रश्न भी दर्ज करें, और इसकी तुलना जीपीटी-4 टर्बो (केवल पिछले साल नवंबर से संस्करण, नीचे वही) से करें, यह देखा जा सकता है कि रीरिक्सिन 5.0 द्वारा उत्पन्न परिणाम टेम्पलेट की बाधाओं से मुक्त हैं और दिनचर्या, और अधिक लोगों के लिए स्वादिष्ट, पहली नज़र में, यह एक ऐसा लेख है जो कॉलेज प्रवेश परीक्षा के अंकन शिक्षक के दिल में प्रवेश कर सकता है।
गणितीय समस्याओं की यातना का सामना करते हुए, GPT-4 टर्बो को थोड़ा घबराहट महसूस होने लगी, न केवल गणना प्रक्रिया जटिल थी, बल्कि अंतिम परिणाम भी गलत थे, RiRixin 5.0 द्वारा प्राप्त उत्तर बहुत तार्किक और पूरी तरह से सही थे।
बड़े मॉडलों को प्रतिस्पर्धा से बाहर खड़ा करने के लिए उद्योग भेदभाव एक महत्वपूर्ण कारक है।
Ririxin 5.0, जिसका लक्ष्य स्थानीयकृत अनुप्रयोग परिदृश्य है, चीनी की अनूठी संस्कृति और संदर्भ को समझने में GPT-4 टर्बो से बेहतर है। चूंकि GPT-4 टर्बो चीनी संदर्भ से परिचित नहीं है, इसलिए यह स्वाभाविक रूप से "ईगल कैचिंग चिकन" के स्थानीय गेम नियमों को सटीक रूप से समझने में असमर्थ है।
मल्टीमॉडल क्षमताओं को आमतौर पर उद्योग द्वारा एजीआई प्राप्त करने के लिए एक महत्वपूर्ण मार्ग के रूप में माना जाता है।
बेंचमार्क परीक्षण परिणामों से देखते हुए, RiRixin 5.0 भी GPT-4V के साथ प्रतिस्पर्धा कर सकता है, और दोनों में जीत और हार है। वास्तविक मामले के प्रदर्शन में, RiRiXin 5.0 द्वारा समर्थित सेकंडों में एक बूढ़े हाथी को उत्पन्न करने का प्रभाव अधिक स्वाभाविक है, हालाँकि, जब वही समस्या किसी मित्र के सामने प्रस्तुत की जाती है, तो तीन-पैर वाली भ्रांति भी हो सकती है।
उसी प्रॉम्प्ट द्वारा उत्पन्न पोर्ट्रेट छवि के आधार पर, सेंसटाइम के मियाहुआ द्वारा उत्पन्न त्वचा की बनावट अत्यधिक त्वचा पॉलिशिंग और फिल्टर के बिना प्राकृतिक है, और "सुंदर" संकेतक को सफलतापूर्वक पूरा करती है। यह देखते हुए कि एआई मॉडल को प्रशिक्षित करने के लिए उपयोग किए जाने वाले एशियाई चित्रों का अंतर्राष्ट्रीय डेटाबेस अपेक्षाकृत सीमित है, ऐसे तुलना परिणाम अपेक्षाकृत सामान्य हैं।
मल्टी-मोडल और डेटा विश्लेषण क्षमताओं के साथ मिलकर, AI अधिक जटिल और उन्नत कार्यों को प्राप्त कर सकता है।
RiRiXin 5.0 लंबी तस्वीरों के सारांश विवरण को "तोड़" सकता है। यह दीदी टैक्सियों की विशिष्ट जानकारी की पहचान भी कर सकता है। यही समस्या GPT-4 टर्बो को भी दी गई है बदनाम करना।
यह हमेशा कहा जाता है कि एआई वर्कफ़्लो को नया आकार देगा, इस बार सेंसटाइम ने इस संबंध में कार्यालय रैकून की क्षमताओं का भी प्रदर्शन किया।
F1 रेसिंग ड्राइवर झोउ गुआन्यू के तीन साल के भागीदारी रिकॉर्ड को सिस्टम में दर्ज करें, और टाइगर को उसके द्वारा भाग ली गई दौड़ की संख्या का एक हिस्टोग्राम इंगित करने दें। यह कार्य सरल लगता है, लेकिन वास्तव में इसमें जटिल पहचान समस्याएं भी शामिल हैं।
अंतर्राष्ट्रीय प्रतियोगिताओं में, झोउ गुआन्यू प्रतिस्पर्धा करने के लिए अपने अंग्रेजी नाम का उपयोग करता है। पारंपरिक बड़े मॉडल अक्सर गैर-पारंपरिक अंग्रेजी वर्तनी या विशिष्ट लोगों को शामिल करने वाले पहचान कार्यों से निपटने में खराब प्रदर्शन करते हैं। हालाँकि Ririxin 5.0 में अपग्रेड किए गए ऑफिस रैकून में कुछ उतार-चढ़ाव आए, लेकिन अंततः इसे सफलतापूर्वक खींच लिया गया।
बड़ा एंड-टू-साइड मॉडल, केवल तेज़ और कभी टूटा नहीं
मार्शल आर्ट की दुनिया में, "दुनिया में एकमात्र मार्शल आर्ट जिसे तोड़ा नहीं जा सकता वह तेज़ है" वास्तविक युद्ध में गति के महत्व पर जोर देता है, और बड़े पैमाने की लड़ाई में, यह सिद्धांत भी लागू होता है।
बड़े मॉडल प्रौद्योगिकी के तेजी से विकास के साथ, स्मार्टफोन, कंप्यूटर और वीआर ग्लास जैसे विभिन्न एप्लिकेशन परिदृश्यों की आवश्यकताएं तेजी से उभर रही हैं, जिन्होंने बड़े मॉडलों के उपयोग की आवृत्ति, प्रदर्शन गति, सुरक्षा और स्थिरता के लिए उच्च आवश्यकताओं को सामने रखा है। .
SenseTime, जो अधिक व्यावहारिक हो गया है, ने इस सम्मेलन में आधिकारिक तौर पर 1.8B स्केल SenseChat-Lite संस्करण एंड-साइड मॉडल भी लॉन्च किया।
बेंचमार्क परीक्षण में, इस एंड-साइड मॉडल ने MiniCPM-2B और Phi-2 जैसे समान परिमाण के बड़े मॉडलों को पीछे छोड़ दिया, और यहां तक कि जू ली के शब्दों में, यह सबसे अच्छा प्रदर्शन है समान पैमाना। उत्कृष्ट, सभी स्तरों पर अग्रणी।
शोध से पता चलता है कि मानव आँख की सबसे तेज़ पढ़ने की गति लगभग 20 शब्द/सेकंड है, और 1.8B से लैस सेंसटाइम डिवाइस-साइड मॉडल एक मिड-रेंज मोबाइल फोन पर 18.3 शब्द/सेकंड की गति प्राप्त कर सकता है, जबकि फ्लैगशिप मोबाइल फ़ोन 78.3 शब्द/सेकेंड तक का समर्थन कर सकता है, जो उद्योग में सबसे तेज़ अनुमान गति बन गया है।
SenseTime ने एक डिवाइस-क्लाउड सहयोग समाधान भी लॉन्च किया है जो बुद्धिमान निर्णय सहयोग के माध्यम से डिवाइस और क्लाउड के संबंधित लाभों का लाभ उठा सकता है, जब इंटरनेट खोज या जटिल परिदृश्यों के प्रसंस्करण की आवश्यकता होती है, तो इसे कुछ परिदृश्यों में प्रसंस्करण के लिए क्लाउड पर अपलोड किया जाता है। डिवाइस-साइड प्रोसेसिंग में 80% से अधिक का योगदान होता है, जिससे अनुमान लागत में काफी कमी आती है।
"परामर्श" के साथ बातचीत के कुछ सेकंड में, चाहे वह कुछ सेकंड में छुट्टी अनुरोध रिपोर्ट तैयार करना हो या कई हजार शब्दों के दस्तावेज़ का सारांश देना हो, हम तुरंत प्रतिक्रिया दे सकते हैं।
डिवाइस-साइड डिफ्यूजन मॉडल उद्योग में सबसे तेज अनुमान गति भी प्राप्त कर सकता है, मुख्यधारा के प्लेटफॉर्म पर, डिवाइस-साइड एलडीएम-एआई छवि विस्तार तकनीक की अनुमान गति 1.5 सेकंड से कम है, जो कि इससे 10 गुना तेज है। प्रतिस्पर्धी क्लाउड ऐप्स। यह 12 मिलियन पिक्सेल और उससे अधिक के आउटपुट का समर्थन करता है। उच्च-परिभाषा छवियां टर्मिनल पर आनुपातिक छवि इज़ाफ़ा, मुफ्त छवि इज़ाफ़ा और घूर्णी छवि इज़ाफ़ा जैसे छवि संपादन कार्यों का समर्थन करती हैं।
ऑन-साइट प्रदर्शन के दौरान, कर्मचारी शूटिंग के दौरान विस्तार करने में सक्षम थे, जिससे बड़े एंड-टू-साइड मॉडल की "तेजी से चलने लेकिन कभी नहीं टूटने" की क्षमता का पूरी तरह से प्रदर्शन हुआ।
इसके अलावा, जू ली के अनुसार, यह बड़े पैमाने का एंड-टू-एंड मॉडल मुख्य रूप से छह प्रमुख क्षेत्रों के लिए उपयुक्त है: दैनिक संवाद, सामान्य ज्ञान प्रश्नोत्तरी, कॉपी राइटिंग जेनरेशन, फोटो एल्बम प्रबंधन, इमेज जेनरेशन और इमेज विस्तार -डिवाइस अनुकूलन, इसे विभिन्न परिदृश्यों और उपकरणों में लचीले ढंग से लागू करने की अनुमति देता है।
वित्त, कोडिंग, चिकित्सा देखभाल और सरकारी मामलों जैसे प्रमुख उद्योगों में एआई अनुप्रयोगों की बढ़ती मांग के जवाब में, सेंसटाइम ने आधिकारिक तौर पर एक एंटरप्राइज़-स्तरीय ऑल-इन-वन एप्लिकेशन मशीन भी लॉन्च की है जो लागत प्रभावी है, उपयोग के लिए तैयार, डेटा-सुरक्षित और राष्ट्रीय स्तर पर उत्पादित, वित्तीय, चिकित्सा, सरकारी मामले, कोडिंग और अन्य चार प्रमुख उद्योगों को कवर करता है।
एक उदाहरण के रूप में सरकारी बुद्धिमान परामर्श और प्रश्न-उत्तर मंच को लें, यह न केवल उपयोगकर्ताओं द्वारा उठाए गए प्रश्नों को समझ सकता है, बल्कि उत्तर के लिए संदर्भ स्रोत भी प्रदान कर सकता है, जिससे सरकारी सेवाओं के खुफिया स्तर में काफी सुधार होता है।
जू ली ने बताया कि प्राकृतिक भाषा अभी भी प्रोग्रामिंग भाषाओं की जगह नहीं ले सकती है। वर्तमान "एआई प्रोग्रामर" जटिल औद्योगिक-स्तरीय कोड परियोजनाओं को स्वतंत्र रूप से पूरा नहीं कर सकते हैं, और कोपायलट एक अधिक उपयुक्त रूप है।
इसलिए, आज सेंसटाइम ने लिटिल रैकून कोड बड़े पैमाने के मॉडल ऑल-इन-वन मशीन का एक हल्का संस्करण भी जारी किया, जो एक मशीन पर 100 लोगों की आर एंड डी टीम का समर्थन कर सकता है। डोमेन से बाहर न जाने वाले डेटा का समर्थन करता है, सुरक्षा की गारंटी है, और मुफ्त तैनाती का उपयोग बॉक्स से बाहर किया जा सकता है। प्रत्येक इकाई की कीमत 350,000 युआन है, जो छोटे और मध्यम आकार के उद्यम उपयोगकर्ताओं के लिए एक लागत प्रभावी विकल्प प्रदान करती है।
इस वर्ष की शुरुआत के बाद से, सोरा के उद्भव ने लोगों को एआई वीडियो पीढ़ी की असीमित रचनात्मक क्षमता को देखने की अनुमति दी है, जू ली ने अंतिम सत्र में "एक और चीज़" भी लाई – तीन वीडियो पूरी तरह से बड़े मॉडलों द्वारा तैयार किए गए। आगामी वेन्शेंग वीडियो जेनरेशन प्लेटफॉर्म में चरित्र नियंत्रणीयता, एक्शन नियंत्रणीयता और दृश्य नियंत्रणीयता में भी उत्कृष्ट प्रदर्शन है।
एआई अनुप्रयोगों के कार्यान्वयन के लिए प्लग-एंड-प्ले बड़े मॉडल सुपरमार्केट की आवश्यकता होती है
GPT-4 के रिलीज़ होने के एक साल बाद, बड़े मॉडल अभी भी रैंकिंग को ताज़ा करने के लिए लगातार पैरामीटर बढ़ा रहे हैं। लेकिन इस वर्ष उद्योग में हर कोई वास्तव में इस बात को लेकर चिंतित है कि एजेंटों के माध्यम से अनगिनत कंपनियों और व्यक्तियों के वर्कफ़्लो में बड़े मॉडल को कैसे एकीकृत किया जाए।
ओपनएआई का जीपीटी स्टोर आशा के अनुरूप एआई उद्योग का जीपीटी स्टोर नहीं बन पाया है, लेकिन बहुत सारी जरूरतें और समस्याएं अभी भी हैं। बड़े मॉडलों की शक्तिशाली क्षमताएं और विभिन्न उद्योग परिदृश्यों के बीच एक सहज पुल की कमी का मतलब एक बड़ा अवसर भी है।
SenseTime का RiRixin ओपन प्लेटफ़ॉर्म वास्तव में एक बड़ा मॉडल सुपरमार्केट है। मल्टी-मोडल मॉडल क्षमताओं के माध्यम से, एपीआई कॉल की दक्षता में सुधार हुआ है, और उद्यमों और डेवलपर्स के लिए विभिन्न एआई कार्यों को कॉल करने और अनुकूलित करने की सीमा कम हो गई है।
मॉडल के स्केल मापदंडों की तुलना में, SenseTime मॉडल की क्षमताओं के अनुप्रयोग पर अधिक ध्यान केंद्रित करता है। वित्त, चिकित्सा देखभाल, सरकारी मामलों और कोडिंग के लिए सेंसटाइम के बड़े उद्योग मॉडल से लेकर, उद्योग में सबसे तेज अनुमान गति वाले क्लाइंट-साइड मॉडल के साथ-साथ एआई देशी अनुप्रयोगों जैसे कि डिस्कस, रुयिंग, डेई और लिटिल रैकून फैमिली तक। , यह देखना संभव है कि सेंसटाइम टैंग समृद्ध इंटरफेस के साथ एक एआई टूलबॉक्स प्रदान करना चाहता है जो विभिन्न उद्योगों में जटिल कार्य कर सकता है।
प्रसिद्ध शोध संगठन फ्रॉस्ट एंड सुलिवन द्वारा जारी "2023 चीन एआई डेवलपमेंट प्लेटफॉर्म मार्केट रिपोर्ट" में बताया गया है कि सेंसकोर बड़े उपकरण चीन के एआई विकास प्लेटफार्मों के लिए अग्रणी क्लाउड कंप्यूटिंग इंफ्रास्ट्रक्चर प्रदाता बन गए हैं। हार्डवेयर बुनियादी ढांचे की अनुकूलता, औद्योगिक श्रृंखला सहयोग, मॉडल प्रशिक्षण अनुकूलन मॉड्यूल, बुद्धिमान एनोटेशन तकनीकी क्षमताओं और पूर्व-प्रशिक्षण मॉडल तकनीकी स्तर के पांच मूल्यांकन आइटमों में, सेंसटाइम को उच्चतम अंक प्राप्त हुए।
हमने कुछ समय पहले किंग्सॉफ्ट ऑफिस के WPS AI एंटरप्राइज़ संस्करण पर रिपोर्ट की थी, और इसके साथ सहयोग करने वाले बड़े मॉडलों में से एक SenseTime है। किंग्सॉफ्ट ने कहा कि SenseTime डेटा विश्लेषण में उत्कृष्ट है, इसलिए WPS AI इसे उन परिदृश्यों को संभालने के लिए कहता है जिनके लिए वैज्ञानिक सोच की आवश्यकता होती है।
एपीपीएसओ किंग्सॉफ्ट जैसी कंपनियों को एआई एप्लिकेशनिस्ट के रूप में बुलाता है, जो बड़े मॉडल का उत्पादन नहीं करते हैं लेकिन बड़े मॉडल लागू करने के लिए दृढ़ हैं। SenseTime द्वारा निभाई गई भूमिका बड़े मॉडलों के प्रदाता की नहीं है, बल्कि एक डिपार्टमेंटल स्टोर और सुपरमार्केट की है जो विभिन्न उद्योगों को बड़े पैमाने पर AI अनुप्रयोगों को लागू करने में मदद करता है।
डिपार्टमेंट स्टोर क्या है? इसमें उत्पाद श्रृंखलाओं की एक विस्तृत श्रृंखला है जो बड़े और छोटे विभिन्न उपभोक्ताओं की व्यक्तिगत जरूरतों को पूरा कर सकती है। सबसे महत्वपूर्ण बात यह है कि डिपार्टमेंट स्टोर और सुपरमार्केट के उद्भव ने विभिन्न प्रकार के उत्पादों को जनता के लिए अधिक सुलभ बना दिया है, जिससे अधिक सामान्य लोगों को दुनिया भर से उच्च गुणवत्ता वाले उत्पादों और अनुभवों का आसानी से आनंद लेने की अनुमति मिल गई है।
और यह सबसे बड़ा मूल्य है जो उभरता हुआ एआईजीसी भविष्य में हमारे लिए लाएगा। आधुनिक समाज के सबसे महान आविष्कारों में से एक के रूप में, कंपनी के बारे में कहा जाता है कि यह चौथी औद्योगिक क्रांति ला रही है, जिसकी शुरुआत संभवतः उद्यमों पर इसके प्रभाव से होगी। सेंसटाइम के संस्थापक दिवंगत तांग ज़ियाओउ ने भी कहा:
कोई एआई उद्योग नहीं है, केवल एआई+ उद्योग है। यह इस बात पर जोर देता है कि एआई को पारंपरिक उद्योगों के साथ सहयोग करने की आवश्यकता है, न कि तोड़फोड़। इसका मूल्य पारंपरिक उद्योगों को उत्पादन दक्षता में सुधार करने और उत्पादकता को मुक्त करने में मदद करने में निहित है।
तांग ज़ियाओउ ने एक भाषण में उल्लेख किया कि "कॉर्पोरेट वित्तपोषण जलने के लिए नहीं है, बल्कि महान कार्य करने के लिए है।" अगले दस वर्षों में सेंसटाइम जो "महान कार्य" करेगा, वह हजारों उद्योगों को एआईजीसी को लागू करने में मदद करेगा।
लेखक: ली चाओफ़ान, मो चोंगयु
# Aifaner के आधिकारिक WeChat सार्वजनिक खाते का अनुसरण करने के लिए आपका स्वागत है: Aifaner (WeChat ID: ifanr) आपको जल्द से जल्द अधिक रोमांचक सामग्री प्रदान की जाएगी।