ការចាប់ផ្តើម AI ថ្មីមួយដែលបង្កើតឡើងដោយអតីតអ្នកស្រាវជ្រាវ OpenAI បានចាប់ផ្តើមនូវអ្វីដែលវាហៅថាជាថ្នាក់ថ្មីទាំងស្រុងនៃគំរូ - មួយដែលមិនអាចសរសេរអត្ថបទឱ្យអ្នកបាន ហើយនិយាយថានោះជាចំណុចពិតប្រាកដ។

TypeSafe AI បានប្រកាសកាលពីថ្ងៃអង្គារអំពីការចេញផ្សាយ "System One Model" ដំបូងរបស់ខ្លួនដែលមានឈ្មោះថា Jev ដែលអាចរកបានភ្លាមៗនៅក្នុងការចូលប្រើដំបូង។ ក្រុមហ៊ុននេះត្រូវបានបង្កើតឡើងដោយ Diogo Almeida ដែលនិយាយថាការស្រាវជ្រាវនៅពីក្រោយការណែនាំរបស់ ChatGPT បានរីកចម្រើនចេញពីការងារដែលគាត់បានចូលរួមចំណែកនៅ OpenAI ។ បន្ទាប់ពីលួចលាក់អស់រយៈពេលពីរឆ្នាំ គាត់កំពុងជជែកវែកញែកថា ការជួសជុលរបស់ឧស្សាហកម្មនៅលើការជជែកបានបិទបាំងកន្លែងដែលស្វ័យប្រវត្តិកម្មពិតជាបរាជ័យ។ For more context on this story, see our ongoing latest AI developments.

"ម៉ូដែលមានភាពអស្ចារ្យក្នុងការជជែកអស់រយៈពេលជាច្រើនឆ្នាំ ដូច្នេះតើស្វ័យប្រវត្តិកម្មទាំងអស់នៅឯណា?" Almeida បានសរសេរនៅក្នុងសារបង្ហោះ។ "នោះ​ជា​សំណួរ​បើកបរ​របស់​ខ្ញុំ​សម្រាប់​បួន​ឆ្នាំ​ចុង​ក្រោយ​នេះ"។

តើអ្វីជាគំរូ 'ប្រព័ន្ធមួយ' តាមពិតទៅ

ឈ្មោះ​នេះ​ខ្ចី​ពី​ភាព​ខុស​គ្នា​របស់​ចិត្តវិទ្យា​រវាង​ការ​គិត​លឿន សភាវគតិ និង​ការ​វែកញែក​ដោយ​ចេតនា​យឺត។ កន្លែងដែលគំរូភាសាធំៗបង្កើតអក្សរជាអក្សរដោយសញ្ញាសម្ងាត់ — អាចបត់បែនបាន ទូទៅ និងងាយនឹងសមហេតុសមផលដែលមានទំនុកចិត្តម្តងម្កាល — Jev របស់ TypeSafe ត្រូវបានបង្កើតឡើងដើម្បីធ្វើអ្វីមួយដែលតូចចង្អៀត៖ យកស្ថានភាពដែលគ្មានរចនាសម្ព័ន្ធជាការបញ្ចូល និងបញ្ចូលមកវិញ ការសម្រេចចិត្តដែលមានរចនាសម្ព័ន្ធជាមួយនឹងប្រូបាប៊ីលីតេដែលបានភ្ជាប់មកជាមួយ។

ក្រុមហ៊ុនពណ៌នាអំពី Jev ថាជា "ការហៅមុខងារស៊ើបការណ៍ព្រំដែន៖ ស្ថានភាពគ្មានរចនាសម្ព័ន្ធនៅក្នុង វាយបញ្ចូលការសម្រេចចិត្តដែលអាចកើតមាន" ។ ដោយសារតែលទ្ធផលដែលអាចកើតមានត្រូវបានកំណត់ជាមុន ហើយគំរូមិនដែលបង្កើតខ្សែទម្រង់ឥតគិតថ្លៃទេ TypeSafe អះអាងថាវាមិនអាចបង្កើតកំហុសប្រភេទបានទេ - ទ្រព្យសម្បត្តិដែលក្រុមហ៊ុននិយាយថាត្រូវបានធានាតាមគណិតវិទ្យាជាជាងស្ថិតិ - ហើយមិនអាចយល់បានតាមវិធីដែលគំរូបង្កើតអត្ថបទអាចធ្វើបាន។

ស្ថាបត្យកម្មបានចាកចេញពីការអនុវត្តជាក់ស្តែងតាមបីវិធី យោងទៅតាមការប្រកាសចាប់ផ្តើម៖ ស្ថាបត្យកម្មគំរូថ្មី គំរូប៉ារ៉ាឡែលដែលបង្កើតលទ្ធផលទាំងអស់នៅក្នុងសំណួរតែមួយជាជាងបន្តបន្ទាប់គ្នា និងវិធីសាស្ត្របណ្តុះបណ្តាលដែលក្រុមហ៊ុនហៅថា ការរៀនពង្រឹងសម្រាប់ការសម្រេចចិត្តក្រិតតាមខ្នាត (RLCD) ដែលបង្កើនប្រសិទ្ធភាពសម្រាប់ប្រូបាប៊ីលីតេស្មោះត្រង់តាមស្ថាបត្យកម្ម ជំនួសឱ្យការពេញចិត្តរបស់មនុស្ស ឬផ្ទៀងផ្ទាត់តាមកម្មវិធី។

ការទាមទារ៖ លឿនជាង 100x ដែលជាប្រភាគនៃថ្លៃដើម

លេខដែល TypeSafe បោះពុម្ពគឺឈ្លានពាន។ ក្រុមហ៊ុននិយាយថា Jev ផ្តល់នូវភាពវៃឆ្លាតដែលអាចប្រៀបធៀបទៅនឹង LLMs ព្រំដែនដែលមានស្រាប់លើអ្វីដែលវាហៅថា "System One shaped" tasks - classification, routing, scoring, extraction and branching decisions - ខណៈពេលដែលឆ្លើយតបក្នុងរយៈពេលពី 70 ទៅ 500 មិល្លីវិនាទី ប្រឆាំងនឹងពេលវេលាឆ្លើយតបពី 3 ទៅ 329 វិនាទីសម្រាប់ម៉ូដែលព្រំដែន។ ក្រុមហ៊ុនបាននិយាយថាវាដំណើរការលឿនជាង 40x ទៅ 200x ។

តម្លៃគឺមិនធម្មតាដូចគ្នា៖ $0.042 ក្នុងមួយលាននិមិត្តសញ្ញាបញ្ចូល ដោយមានសញ្ញាសម្ងាត់ទិន្នផលឥតគិតថ្លៃ ចាប់តាំងពីលទ្ធផលត្រូវបានគណនាស្របគ្នាជាជាងបង្កើតសញ្ញាសម្ងាត់ដោយសញ្ញាសម្ងាត់។ ក្រុមហ៊ុន​បាន​ទទួល​ស្គាល់​នៅ​ក្នុង​ការ​ប្រកាស​របស់​ខ្លួន​ថា​ខ្លួន​មិន​ទាន់​អាច​បញ្ជាក់​ថា​តម្លៃ​មាន​និរន្តរភាព​នៅ​ឡើយ​ទេ។

ការ​បង្ហោះ​នោះ​សរសេរ​ថា​៖ «​ការ​ទាមទារ​វិសាមញ្ញ​តម្រូវ​ឱ្យ​មាន​ភ័ស្តុតាង​វិសាមញ្ញ​»។

បង្កាន់ដៃ — និងអ្វីដែលអ្នកសង្ស័យនិយាយ

TypeSafe បានចេញផ្សាយការបង្ហាញមួយចំហៀងដោយប្រៀបធៀប Jev ប្រឆាំងនឹង GPT-5.6 Terra ដែលវាពិពណ៌នាថាជាគំរូព្រំដែនដែលអាចប្រៀបធៀបបានបំផុតនៅភាពវៃឆ្លាតស្រដៀងគ្នា ហើយនិយាយថាការខ្វែងគំនិតគ្នាតែមួយគត់នៅក្នុងដំណើរការដែលបានកត់ត្រាពាក់ព័ន្ធនឹងការហៅការវិនិច្ឆ័យដែលមិនច្បាស់លាស់។ វាក៏បានណែនាំវិធីសាស្រ្ត "ការវាយតម្លៃលំហូរការងារ" ថ្មីដែលវាស់វែងគំរូប្រឆាំងនឹងការឯកភាពនៃគំរូខាងក្រៅដ៏ធំបំផុត - OpenAI's Astra និង Anthropic's Fable - នៅខាងក្នុងក្រាហ្វគណនាថេរ ហើយអះអាងថា Jev "ជាម្ចាស់ព្រំដែន Pareto សម្រាប់ការបញ្ជាទិញស្ទើរតែ 2" ។

គួរកត់សម្គាល់ថាក្រុមហ៊ុនបានបោះពុម្ភផ្សាយការបង្ហោះអមដែលមានចំណងជើងថា "antibenchmaxxing" ដោយពន្យល់ពីមូលហេតុដែលវាជៀសវាងការប្រៀបធៀបស្តង់ដារដោយលើកហេតុផលថាគំរូដែលបានរចនាឡើងសម្រាប់ការសម្រេចចិត្តដែលមានរចនាសម្ព័ន្ធនៅខាងក្នុងលំហូរការងាររបស់កម្មវិធីទប់ទល់នឹងការប្រៀបធៀបជាសកលដ៏មានអត្ថន័យ។

ប្រតិកម្មលើព័ត៌មាន Hacker ដែលជាកន្លែងដែលការបាញ់បង្ហោះបានទាក់ទាញពិន្ទុរាប់រយក្នុងរយៈពេលប៉ុន្មានម៉ោង រាប់ចាប់ពីការរំភើបចិត្តពិតប្រាកដ រហូតដល់ការសង្ស័យដែលចង្អុលប្រាប់។ អ្នកអត្ថាធិប្បាយជាច្រើនបានកត់សម្គាល់ថាភស្តុតាងសាធារណៈមានភាគច្រើននៃវីដេអូសាកល្បង - រួមទាំងការបង្ហាញគំរូដែលផ្តល់ថាមពលដល់ការលេងហ្គេម Doom - ជាជាងការវាយតម្លៃភាគីទីបីដែលអាចផលិតឡើងវិញបាន។ អ្នកផ្សេងទៀតបានអះអាងថា វិធីសាស្រ្តនេះត្រូវបានគេយល់ច្បាស់ថាជាអ្នកចាត់ថ្នាក់គុណភាពព្រំដែនលឿនបំផុត មានប្រយោជន៍សម្រាប់ចំណែកនៃបន្ទុកការងារជាជាងការជំនួសសម្រាប់ LLMs ។

សូម្បី​តែ​អ្នក​សង្កេត​ការណ៍​ដែល​មាន​ចិត្ត​អាណិត​អាសូរ​បាន​ដាក់​បន្ទុក​នៃ​ភស្តុតាង​យ៉ាង​ច្បាស់។ អ្នក​អត្ថាធិប្បាយ​ម្នាក់​បាន​សរសេរ​ថា "បាទ ពួកគេ​និយាយ​ជា​អ្នក​សង្ស័យ ប៉ុន្តែ​មិន​ផ្តល់​ភស្តុតាង​ច្រើន​លើស​ពី​ការ​បង្ហាញ​វីដេអូ​ពីរ​បី"។ "ការបង្ហាញផ្ទាល់នឹងមានភាពជឿជាក់ជាងនេះ។"

ហេតុអ្វីវាសំខាន់យ៉ាងណាក៏ដោយ

ទីលានធ្លាក់លើចំណុចឈឺចាប់ពិតប្រាកដ។ ផ្នែកធំនៃការហៅទូរស័ព្ទ LLM ផលិតកម្មនៅក្នុងកម្មវិធីពាណិជ្ជកម្មគឺមិនបង្កើតទាល់តែសោះ - ពួកគេគឺជាការវិនិច្ឆ័យប្រព័ន្ធគោលពីរ ការចាត់តាំងប្រភេទ និងការសម្រេចចិត្តផ្លូវដែលរុំដោយពាក្យសំដី។ ប្រសិនបើគំរូមួយអាចធ្វើការហៅទូរសព្ទទាំងនោះដោយភាពជឿជាក់ដែលបានក្រិតតាមខ្នាតត្រឹម 70 មិល្លីវិនាទី និងគ្មានតម្លៃទិន្នផលយ៉ាងមានប្រសិទ្ធភាពនោះ សេដ្ឋកិច្ចនៃកម្មវិធីដែលដំណើរការដោយ AI ផ្លាស់ប្តូរគួរឱ្យកត់សម្គាល់៖ ចំណុចប្រទាក់អ្នកប្រើតាមពេលវេលាជាក់ស្តែងក្លាយជាជាក់ស្តែង ហើយជំហានបំពង់ដែលមានតម្លៃថ្លៃពេកក្នុងការធ្វើស្វ័យប្រវត្តិកម្មជាមួយ LLMs មានតម្លៃថោកគ្រប់គ្រាន់ដើម្បីដំណើរការគ្រប់ទីកន្លែង។

ករណីប្រើប្រាស់ដែលបានស្នើរបស់ TypeSafe រួមមានការចាត់ថ្នាក់ និងការកំណត់ទិន្នន័យ ការផ្ទៀងផ្ទាត់ និងការពារលទ្ធផល LLM ការរកឃើញការ jailbreak និងការវិភាគកាត់បន្ថយផែនទីលើសំណុំទិន្នន័យធំ — បន្ទុកការងារដែលកូដជុំវិញអាចរារាំងសេរីភាពរបស់ម៉ូដែល និងចាប់កំហុស។

ក្រុមហ៊ុនមានភាពស្មោះត្រង់ចំពោះសំណួរបើកចំហ៖ ការវាយតម្លៃដែលបានបោះពុម្ពផ្សាយរបស់វាត្រូវបានដំណើរការពីកុំព្យូទ័រយួរដៃនៅឆ្នេរខាងលិចនៃសហរដ្ឋអាមេរិក ហើយនិរន្តរភាពនៃតម្លៃរយៈពេលវែងនៅតែមិនត្រូវបានបញ្ជាក់។ ថាតើការអះអាងពីការស៊ើបការណ៍សម្ងាត់របស់ Jev រស់រានមានជីវិតជាមួយនឹងការធ្វើតេស្តឯករាជ្យនឹងកំណត់ថាតើ "System One Models" ក្លាយជាប្រភេទមួយ ឬជាការចង់ដឹងចង់ឃើញ។

ការចូលប្រើដំបូងត្រូវបានបើកឥឡូវនេះតាមរយៈគេហទំព័ររបស់ក្រុមហ៊ុន។

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →