યુરોપનું ઓપન-સોર્સ AI લેબે તેનું સૌથી મોટું મોડેલ દરેક માટે મફત બનાવ્યું

યુરોપિયન સંશોધન સંસ્થાઓનું કોલીશન Aurora-2, તેનું અત્યાર સુધીનું સૌથી મોટું ભાષા મોડેલ, ઓપન મંજૂરી લાયસન્સ હેઠળ 9 જૂને જારી કરશે — એક પગલું જે સીમા શ્રેણીની ક્ષમતા ચલાવવા માંગતા કોઈપણને આપે છે, ટોકન બિલ વિના.

જારી ગરમ ક્ષણે આવે છે. બ્લોકભરમાં સરકારોએ છેલ્લા વર્ષમાં ચર્ચા કરી છે કે તેમનું ડિજિટલ ઈન્ફ્રાસ્ટ્રક્ચર કેટલું બહારના થોડા પ્રદાતાઓ પર નિર્ભર હોવું જોઈએ, અને સંપૂર્ણ ઓપન મોડેલ પ્રોક્યુરમેન્ટ ટીમો માટે ગાણિતિક બદલે છે જે આંતરિક રીતે હોસ્ટ, તપાસ અને અનુકૂલિત કરી શકાય તેવું કંઈક ઈચ્છે છે.

પ્રારંભિક ભાગીદારો કહે છે કે વજન reasoning અને કોડિંગ બેન્ચમાર્કમાં અગ્રણી બંધ મોડેલોના થોડા પોઈન્ટ્સની અંદર કાર્ય કરે છે, જ્યારે એક હાઈ-મેમરી સર્વર પર આરામથી ચાલે છે — યુનિવર્સિટીઓ અને નાની કંપનીઓ માટે hyperscalers કરતાં વધુ ધ્યાનપૂર્વકની ડિઝાઇન પસંદગી.

મંજૂરી લાયસન્સ શા માટે મહત્વપૂર્ણ છે

છેલ્લા બે વર્ષમાં મોટાભાગના “ઓપન” મોડેલ રિલીઝ પ્રતિબંધો સાથે આવ્યા: વ્યાપારી ઉપયોગ પર મર્યાદાઓ, સ્પર્ધાત્મક ઉત્પાદનો માટે ફાઈન-ટ્યૂનિંગ પર પ્રતિબંધ લગાવતા ખંડો, અથવા ઉપયોગ ક્ષેત્રોની ભાષા જે વકીલોને વ્યાખ્યાનિત કરવામાં મુશ્કેલી પડે છે. Aurora-2 લગભગ બધું દૂર કરે છે.

આ તફાવત નિયમન હેઠળની ઉદ્યોગો માટે આખી વાર્તા છે. હોસ્પિટલ નેટવર્ક અથવા શહેર સરકાર સંવેદનશીલ રેકોર્ડ્સને API દ્વારા રૂટ કરી શકતી નથી જેના શરતો આગલા ક્વાર્ટરમાં બદલાઈ શકે છે — પરંતુ તે અંત થી અંત સુધી નિયંત્રિત મોડેલ તૈનાત કરી શકે છે, પોતાના ફાયરવોલ પાછળ, તેના વકીલે ખરેખર વાંચેલી મંજૂરી સાથે.

“સાર્વભૌમત્વ દીવાલ બનાવવા વિશે નથી. તે વાટાઘાટો કરતી વખતે ટેબલ પર વાસ્તવિક વિકલ્પ રાખવા વિશે છે.”

કોન્સોર્ટિયમ તેની સંપૂર્ણ તાલીમ રેસિપી, મૂલ્યાંકન સ્યૂટ અને વિગતવાર ડેટા નિવેદન પણ પ્રકાશિત કરી રહ્યું છે — એ પ્રકારની પારદર્શિતા જે બહારના સંશોધકોને પરિણામોનું પુનરુત્પાદન કરવા અને નિષ્ફળતા મોડ્સ શોધવાની મંજૂરી આપે છે, બેન્ચમાર્ક ટેબલને વિશ્વાસ પર લેવાને બદલે.

નિર્માતાઓ માટે શું સૂચવે છે

સ્ટાર્ટઅપ્સ માટે, તાત્કાલિક આકર્ષણ ખર્ચ છે. inference ફી વિનાનું સક્ષમ મોડેલ ઘણા પ્રારંભિક AI ઉત્પાદનોમાંથી સૌથી મોટી ખર્ચ લાઈન દૂર કરે છે, અને મંજૂરી લાયસન્સ એ સૂચવે છે કે વીકેન્ડ પ્રોટોટાઈપ પુનર્વાટાઘાટ વિના વ્યાપારી સેવામાં વધી શકે છે.

લાંબા ગાળાની અસર સાંસ્કૃતિક હોઈ શકે છે. જ્યારે અંતર્ગત વજન જાહેર હોય છે, ત્યારે સ્પર્ધાત્મક ધાર દરેક જોઈ શકે તેના સ્તર પર ખસી જાય છે — ઉત્પાદન, ડેટા પાઈપલાઈન, તમે વપરાશકર્તાઓ સાથે કમાવો છો તે વિશ્વાસ — જે ચોક્કસ એ જગ્યા છે જ્યાં નાની ટીમો તેમનું શ્રેષ્ઠ કામ કરે છે.