యాంట్ గ్రూప్ ఉంది ప్రవేశించింది లింగ్-1Tతో ట్రిలియన్-పారామీటర్ AI మోడల్ అరేనా, ఇది కొత్తగా ఓపెన్ సోర్స్డ్ లాంగ్వేజ్ మోడల్, ఇది చైనీస్ ఫిన్టెక్ దిగ్గజం అధునాతన రీజనింగ్ సామర్థ్యాలతో గణన సామర్థ్యాన్ని సమతుల్యం చేయడంలో పురోగతిగా నిలిచింది.
అక్టోబరు 9 ప్రకటన అలిపే ఆపరేటర్కు ఒక ముఖ్యమైన మైలురాయిని సూచిస్తుంది, ఇది బహుళ మోడల్ ఆర్కిటెక్చర్లలో దాని కృత్రిమ మేధస్సు మౌలిక సదుపాయాలను వేగంగా నిర్మిస్తోంది.
ట్రిలియన్-పారామీటర్ AI మోడల్ సంక్లిష్ట గణిత తార్కిక పనులపై పోటీ పనితీరును ప్రదర్శిస్తుంది, 2025 అమెరికన్ ఇన్విటేషనల్ మ్యాథమెటిక్స్ ఎగ్జామినేషన్ (AIME) బెంచ్మార్క్లో 70.42% ఖచ్చితత్వాన్ని సాధించింది-AI వ్యవస్థల సమస్య-పరిష్కార సామర్ధ్యాలను అంచనా వేయడానికి ఉపయోగించే ప్రమాణం.
యాంట్ గ్రూప్ యొక్క సాంకేతిక వివరాల ప్రకారం, Ling-1T ఈ పనితీరు స్థాయిని నిర్వహిస్తుంది, అయితే ప్రతి సమస్యకు సగటున 4,000 అవుట్పుట్ టోకెన్లను వినియోగిస్తుంది, ఫలితాల నాణ్యత పరంగా కంపెనీ “బెస్ట్-ఇన్-క్లాస్ AI మోడల్స్”గా వివరించిన వాటితో పాటుగా ఉంచుతుంది.
AI పురోగతికి ద్వంద్వ-కోణాల విధానం
ట్రిలియన్-పారామీటర్ AI మోడల్ విడుదల యాంట్ గ్రూప్ యొక్క dInfer లాంచ్తో సమానంగా ఉంటుంది, ఇది డిఫ్యూజన్ లాంగ్వేజ్ మోడల్ల కోసం రూపొందించబడిన ప్రత్యేక అనుమితి ఫ్రేమ్వర్క్. ఈ సమాంతర విడుదల వ్యూహం ఒకే నిర్మాణ నమూనా కంటే బహుళ సాంకేతిక విధానాలపై సంస్థ యొక్క పందెం ప్రతిబింబిస్తుంది.
వ్యాప్తి భాష నమూనాలు ChatGPT వంటి విస్తృతంగా ఉపయోగించే చాట్బాట్లకు మద్దతు ఇచ్చే ఆటోరిగ్రెసివ్ సిస్టమ్ల నుండి నిష్క్రమణను సూచిస్తాయి. సీక్వెన్షియల్ టెక్స్ట్ జనరేషన్ కాకుండా, డిఫ్యూజన్ మోడల్లు సమాంతరంగా అవుట్పుట్లను ఉత్పత్తి చేస్తాయి-ఈ విధానం ఇప్పటికే ఇమేజ్ మరియు వీడియో జనరేషన్ టూల్స్లో ప్రబలంగా ఉంది కానీ భాషా ప్రాసెసింగ్లో తక్కువ సాధారణం.
dInfer కోసం యాంట్ గ్రూప్ యొక్క పనితీరు కొలమానాలు గణనీయమైన సామర్థ్య లాభాలను సూచిస్తున్నాయి. కంపెనీ యొక్క LLaDA-MoE డిఫ్యూజన్ మోడల్పై పరీక్ష హ్యూమన్ఎవల్ కోడింగ్ బెంచ్మార్క్పై సెకనుకు 1,011 టోకెన్లను అందించింది, ఎన్విడియా యొక్క ఫాస్ట్-డిఎల్ఎల్ఎమ్ ఫ్రేమ్వర్క్కు సెకనుకు 91 టోకెన్లు మరియు vLLtructure infrastructure.పై నడుస్తున్న అలీబాబా యొక్క Qwen-2.5-3B మోడల్కు 294.
“వేగంగా అభివృద్ధి చెందుతున్న dLLMల రంగంలో పరిశోధన మరియు అభివృద్ధిని వేగవంతం చేయడానికి dInfer ప్రాక్టికల్ టూల్కిట్ మరియు ప్రామాణిక ప్లాట్ఫారమ్ రెండింటినీ అందిస్తుందని మేము నమ్ముతున్నాము” అని యాంట్ గ్రూప్ పరిశోధకులు సాంకేతిక డాక్యుమెంటేషన్తో పాటు పేర్కొన్నారు.
భాషా నమూనాల కంటే పర్యావరణ వ్యవస్థ విస్తరణ
Ling-1T ట్రిలియన్-పారామీటర్ AI మోడల్ ఇటీవలి నెలల్లో యాంట్ గ్రూప్ సమీకరించిన AI సిస్టమ్ల యొక్క విస్తృత కుటుంబంలో ఉంది.
సంస్థ యొక్క పోర్ట్ఫోలియో ఇప్పుడు మూడు ప్రాథమిక సిరీస్లను కలిగి ఉంది: ప్రామాణిక భాషా పనుల కోసం లింగ్ నాన్-థింకింగ్ మోడల్లు, సంక్లిష్ట తార్కికం కోసం రూపొందించబడిన రింగ్ థింకింగ్ మోడల్లు (గతంలో విడుదల చేసిన రింగ్-1T-ప్రివ్యూతో సహా), మరియు ఇమేజ్లు, టెక్స్ట్, ఆడియో మరియు వీడియోలను ప్రాసెస్ చేయగల మింగ్ మల్టీమోడల్ మోడల్లు.
ఈ వైవిధ్యభరితమైన విధానం LLaDA-MoE నియమించబడిన ప్రయోగాత్మక నమూనాకు విస్తరించింది, ఇది మిక్స్చర్-ఆఫ్-ఎక్స్పర్ట్స్ (MoE) ఆర్కిటెక్చర్ను ఉపయోగిస్తుంది-ఈ సాంకేతికత నిర్దిష్ట పనుల కోసం పెద్ద మోడల్లోని సంబంధిత భాగాలను మాత్రమే సక్రియం చేస్తుంది, సిద్ధాంతపరంగా సామర్థ్యాన్ని మెరుగుపరుస్తుంది.
యాంట్ గ్రూప్లోని చీఫ్ టెక్నాలజీ ఆఫీసర్ హే జెంగ్యు, ఈ విడుదలల చుట్టూ కంపెనీ యొక్క స్థానాలను స్పష్టం చేశారు. “యాంట్ గ్రూప్లో, ఆర్టిఫిషియల్ జనరల్ ఇంటెలిజెన్స్ (AGI) అనేది ఒక ప్రజా ప్రయోజనం-మానవజాతి యొక్క తెలివైన భవిష్యత్తు కోసం ఒక భాగస్వామ్య మైలురాయి అని మేము విశ్వసిస్తున్నాము,” అని అతను పేర్కొన్నాడు, ట్రిలియన్-పారామీటర్ AI మోడల్ మరియు రింగ్-1T-ప్రివ్యూ రెండింటి యొక్క ఓపెన్-సోర్స్ విడుదలలు “ఓపెన్ మరియు సహకార పురోగతి” వైపు దశలను సూచిస్తాయి.
నిర్బంధ వాతావరణంలో పోటీ డైనమిక్స్
యాంట్ గ్రూప్ విడుదలల సమయం మరియు స్వభావం చైనా యొక్క AI విభాగంలో వ్యూహాత్మక గణనలను ప్రకాశవంతం చేస్తాయి. ఎగుమతి పరిమితుల ద్వారా పరిమితం చేయబడిన అత్యాధునిక సెమీకండక్టర్ సాంకేతికతకు ప్రాప్యతతో, చైనీస్ సాంకేతిక సంస్థలు పోటీ భేదాలుగా అల్గారిథమిక్ ఆవిష్కరణ మరియు సాఫ్ట్వేర్ ఆప్టిమైజేషన్ను ఎక్కువగా నొక్కిచెప్పాయి.
టిక్టాక్ యొక్క మాతృ సంస్థ బైట్డాన్స్, జూలైలో సీడ్ డిఫ్యూజన్ ప్రివ్యూ అనే డిఫ్యూజన్ లాంగ్వేజ్ మోడల్ను పరిచయం చేసింది, పోల్చదగిన ఆటోరిగ్రెసివ్ ఆర్కిటెక్చర్ల కంటే ఐదు రెట్లు వేగం మెరుగుదలలను పేర్కొంది. ఈ సమాంతర ప్రయత్నాలు సామర్థ్య ప్రయోజనాలను అందించే ప్రత్యామ్నాయ నమూనా నమూనాలపై పరిశ్రమ-వ్యాప్త ఆసక్తిని సూచిస్తున్నాయి.
అయినప్పటికీ, వ్యాప్తి భాష నమూనాల కోసం ఆచరణాత్మక స్వీకరణ పథం అనిశ్చితంగా ఉంది. సహజ భాషా అవగాహన మరియు ఉత్పత్తిలో నిరూపితమైన పనితీరు కారణంగా ఆటోరిగ్రెసివ్ సిస్టమ్లు వాణిజ్య విస్తరణలను ఆధిపత్యం చేస్తూనే ఉన్నాయి-కస్టమర్-ఫేసింగ్ అప్లికేషన్లకు ప్రధాన అవసరాలు.
మార్కెట్ పొజిషనింగ్గా ఓపెన్ సోర్స్ వ్యూహం
ట్రిలియన్-పారామీటర్ AI మోడల్ను dInfer ఫ్రేమ్వర్క్తో పాటు పబ్లిక్గా అందుబాటులో ఉంచడం ద్వారా, యాంట్ గ్రూప్ కొంతమంది పోటీదారుల క్లోజ్డ్ అప్రోచ్లతో విభేదించే సహకార అభివృద్ధి నమూనాను అనుసరిస్తోంది.
విస్తృత AI కమ్యూనిటీకి ఆంట్ యొక్క సాంకేతికతలను పునాది అవస్థాపనగా ఉంచేటప్పుడు ఈ వ్యూహం ఆవిష్కరణను వేగవంతం చేస్తుంది.
కంపెనీ ఏకకాలంలో AWorldను అభివృద్ధి చేస్తోంది, ఇది స్వయంప్రతిపత్త AI ఏజెంట్లలో నిరంతర అభ్యాసానికి మద్దతు ఇవ్వడానికి ఉద్దేశించిన ఫ్రేమ్వర్క్ – వినియోగదారుల తరపున స్వతంత్రంగా పనులను పూర్తి చేయడానికి రూపొందించబడిన సిస్టమ్లు.
ఈ మిశ్రమ ప్రయత్నాలు యాంట్ గ్రూప్ను గ్లోబల్ AI డెవలప్మెంట్లో ఒక ముఖ్యమైన శక్తిగా స్థాపించగలవా అనేది పాక్షికంగా పనితీరు క్లెయిమ్ల వాస్తవ-ప్రపంచ ధ్రువీకరణపై ఆధారపడి ఉంటుంది మరియు స్థాపించబడిన ప్లాట్ఫారమ్లకు ప్రత్యామ్నాయాలను కోరుకునే డెవలపర్లలో పాక్షికంగా అడాప్షన్ రేట్లపై ఆధారపడి ఉంటుంది.
ట్రిలియన్-పారామీటర్ AI మోడల్ యొక్క ఓపెన్-సోర్స్ స్వభావం ఈ ధ్రువీకరణ ప్రక్రియను సులభతరం చేస్తుంది, అయితే సాంకేతికత విజయంలో పెట్టుబడి పెట్టిన వినియోగదారుల సంఘాన్ని నిర్మించవచ్చు.
ప్రస్తుతానికి, ప్రధాన చైనీస్ సాంకేతిక సంస్థలు ప్రస్తుత AI ల్యాండ్స్కేప్ను ఏకకాలంలో బహుళ కోణాలలో ఆవిష్కరించడానికి ఇష్టపడే కొత్త ప్రవేశకులకు సరిపోయేంత ద్రవంగా చూస్తున్నాయని విడుదలలు చూపిస్తున్నాయి.
ఇవి కూడా చూడండి: AI మోడల్లకు శిక్షణ ఇవ్వడానికి మరియు ఖర్చులను తగ్గించడానికి యాంట్ గ్రూప్ దేశీయ చిప్లను ఉపయోగిస్తుంది
పరిశ్రమ ప్రముఖుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండి AI & బిగ్ డేటా ఎక్స్పో ఆమ్స్టర్డామ్, కాలిఫోర్నియా మరియు లండన్లో జరుగుతున్నాయి. సమగ్ర కార్యక్రమం ఇందులో భాగమే టెక్ఎక్స్ మరియు సహా ఇతర ప్రముఖ సాంకేతిక ఈవెంట్లతో కలిసి ఉంది సైబర్ సెక్యూరిటీ ఎక్స్పోక్లిక్ చేయండి ఇక్కడ మరింత సమాచారం కోసం.
AI వార్తలు ఆధారితం టెక్ఫోర్జ్ మీడియా. రాబోయే ఇతర ఎంటర్ప్రైజ్ టెక్నాలజీ ఈవెంట్లు మరియు వెబ్నార్లను అన్వేషించండి ఇక్కడ.
