ការចាប់ផ្តើមមួយហៅថា TypeSafe AI បានកើតចេញពីការលួចលាក់រយៈពេលពីរឆ្នាំក្នុងសប្តាហ៍នេះជាមួយនឹងទីលានដ៏ក្លាហានមួយ៖ ឧស្សាហកម្មនេះបាននិងកំពុងបង្កើតគំរូខុសសម្រាប់ស្វ័យប្រវត្តិកម្ម។ ផលិតផលដំបូងរបស់វា ប្រព័ន្ធហៅថា Jev គឺជាអ្វីដែលក្រុមហ៊ុនហៅថា "System One Model" ហើយវាបានក្លាយជារឿងដែលត្រូវបានពិភាក្សាច្រើនបំផុតនៅលើ Hacker News យ៉ាងឆាប់រហ័ស ដោយទទួលបានច្រើនជាង 1,800 ពិន្ទុ។

"ម៉ូដែលមានភាពអស្ចារ្យក្នុងការជជែកអស់រយៈពេលជាច្រើនឆ្នាំ ដូច្នេះតើស្វ័យប្រវត្តិកម្មទាំងអស់នៅឯណា?" ក្រុមហ៊ុនសួរនៅក្នុងប្រកាសបើកដំណើរការរបស់ខ្លួន។ ស្ថាបនិកដែលជាអតីតអ្នកស្រាវជ្រាវ OpenAI និយាយថាវិធីសាស្រ្តដែលគាត់បានជួយបង្កើតនៅទីនោះបានក្លាយជាការស្រាវជ្រាវនៅពីក្រោយ ChatGPT ហើយថាគាត់ធ្លាប់ជឿថាគំរូជជែកនឹងនាំទៅរកបញ្ញាទូទៅសិប្បនិម្មិត មុនពេលសន្និដ្ឋានអ្វីមួយដែលធំបានបាត់។ For more context on this story, see our ongoing artificial intelligence updates.

តើអ្វីជាគំរូមួយនៃប្រព័ន្ធ?

ឈ្មោះ​នេះ​ខ្ចី​ពី​ភាព​ខុស​គ្នា​របស់​ចិត្តវិទ្យា​រវាង​ប្រព័ន្ធ​មួយ​ដែល​មាន​ការ​គិត​លឿន​ វិចារណញាណ​ និង​ប្រព័ន្ធ​យឺត​ដោយ​ចេតនា​ពីរ​។ ដែលជាកន្លែងដែលគំរូភាសាធំ ៗ នាពេលបច្ចុប្បន្ននេះបង្កើតនិមិត្តសញ្ញាអត្ថបទដោយនិមិត្តសញ្ញា Jev ត្រូវបានបង្កើតឡើងដើម្បីធ្វើការសម្រេចចិត្តដែលមានរចនាសម្ព័ន្ធលឿនដែលកម្មវិធីអាចប្រើប្រាស់ដោយផ្ទាល់។

ក្រុមហ៊ុនពណ៌នាអំពីគំរូនេះថាជា "ការហៅមុខងារស៊ើបការណ៍ព្រំដែន៖ ស្ថានភាពគ្មានរចនាសម្ព័ន្ធនៅក្នុង វាយបញ្ចូលការសម្រេចចិត្តដែលទំនងជាចេញ"។ ជំនួសឱ្យការផលិតការនិយាយដែលត្រូវតែញែក និងធ្វើឱ្យមានសុពលភាព Jev បញ្ចេញតម្លៃដែលបានកំណត់ទុកជាមុន ដែលនីមួយៗអមដោយប្រូបាប៊ីលីតេដែលបានក្រិតតាមខ្នាត និងពិន្ទុទំនុកចិត្ត។ ក្រុមហ៊ុន​អះអាង​ថា ម៉ូដែល​នេះ​មិន​ដែល​ធ្វើ​ឲ្យ​មាន​កំហុស​ប្រភេទ ហើយ​មិន​អាច​យល់​ឃើញ​តាម​របៀប​ដែល​គំរូ​អត្ថបទ​អាច​ធ្វើ​បាន​ទេ ទោះ​បី​ជា​អ្នក​លក់​អះអាង​ថា​មាន​ការ​ធានា​ពី​ការ​ពិនិត្យ​មើល​រហូត​ដល់​មាន​ការ​វាយ​តម្លៃ​ដោយ​ឯករាជ្យ។

ភាពខុសគ្នានៃស្ថាបត្យកម្មគឺជាយន្តការចែកចាយ។ យោងតាមការបង្ហោះ Jev បង្កើតលទ្ធផលទាំងអស់របស់វានៅក្នុងការបញ្ជូនប៉ារ៉ាឡែលតែមួយជាជាង autoregressively, token មួយក្នុងពេលតែមួយ។ ក្រុមហ៊ុននិយាយថាការបោះបង់ចោលការបង្កើតខ្សែអក្សរដោយឥតគិតថ្លៃគឺជាអ្វីដែលធ្វើឱ្យវាមានល្បឿនលឿន៖ ទិន្នផលត្រូវបានគណនាក្នុងពេលដំណាលគ្នាជាជាងបន្តបន្ទាប់គ្នា។

រូបមន្តបណ្តុះបណ្តាលថ្មី។

នៅក្រោមក្រណាត់ TypeSafe និយាយថាវាបានសាងសង់ជង់ថ្មីមួយ៖ ស្ថាបត្យកម្មគំរូផ្ទាល់ខ្លួន គំរូប៉ារ៉ាឡែល និងវិធីសាស្ត្របណ្តុះបណ្តាលដែលវាហៅថា ការរៀនពង្រឹងសម្រាប់ការសម្រេចចិត្តក្រិតតាមខ្នាត ឬ RLCD ។ ក្រុមហ៊ុនបានដាក់ទីតាំង RLCD ប្រឆាំងនឹងរូបមន្តលេចធ្លោពីររបស់ឧស្សាហកម្មនេះ។ ការពង្រឹងការរៀនពីមតិកែលម្អរបស់មនុស្ស ធ្វើអោយប្រសើរឡើងនូវការឆ្លើយតបរបស់អ្នកវាយតម្លៃមនុស្សចូលចិត្ត។ ការពង្រឹងការរៀនជាមួយនឹងរង្វាន់ដែលអាចផ្ទៀងផ្ទាត់បាន បង្កើនប្រសិទ្ធភាពសម្រាប់លទ្ធផលដែលអាចត្រូវបានត្រួតពិនិត្យតាមកម្មវិធី។ ជំនួសមកវិញ RLCD បង្វឹកគំរូដើម្បីភ្ជាប់ប្រូបាប៊ីលីតេដ៏ស្មោះត្រង់ចំពោះចម្លើយរបស់ខ្លួនលើកិច្ចការវិនិច្ឆ័យរហ័ស។

លទ្ធផលនៃក្រុមហ៊ុន៖ ទំនុកចិត្តខ្ពស់គួរតែទាក់ទងជាមួយភាពត្រឹមត្រូវខ្ពស់ ហើយការបញ្ចូលស្រដៀងគ្នាគួរតែបង្កើតលទ្ធផលស្របគ្នា លក្ខណៈសម្បត្តិដែលសំខាន់នៅពេលដែលការសម្រេចចិត្តរបស់ម៉ូដែលត្រូវបានភ្ជាប់ដោយផ្ទាល់ទៅក្នុងកម្មវិធីផលិតកម្ម។

ការអះអាងអំពីការអនុវត្ត និងតម្លៃ

ការ​ទាមទារ​នេះ​មាន​លក្ខណៈ​ឆេវឆាវ​សូម្បី​តែ​តាម​ស្តង់ដារ​ចាប់​ផ្ដើម​ក៏​ដោយ។ TypeSafe និយាយថា Jev ឈានដល់ភាពវៃឆ្លាតស្រដៀងគ្នាទៅនឹង LLMs ដែលមានស្រាប់លើអ្វីដែលវាហៅថាកិច្ចការ System One ខណៈពេលដែលដំណើរការពី 40x ទៅ 200x លឿនជាងមុនសម្រាប់ទម្រង់សំណួរទាំងនោះ។ គេហទំព័ររបស់ក្រុមហ៊ុនបានដកស្រង់តួលេខនៃ 193.6x លឿនជាងមុន និង 444.6x ថោកជាង ទោះបីជាការបង្ហោះប្លក់ទទួលស្គាល់ថាទាំងនេះគឺ "នៅលើចុងខ្ពស់នៃការកើនឡើងនៃពិភពលោកពិតប្រាកដ"។ ក្រុមហ៊ុនក៏និយាយផងដែរថា ម៉ូដែលនេះសម្រេចបានល្បឿនប្រហែល 100 មិល្លីវិនាទី ដែលលឿនគ្រប់គ្រាន់ដើម្បីបង្កប់ការវិនិច្ឆ័យ AI នៅក្នុងលំហូរការងារដែលប្រឈមមុខនឹងអ្នកប្រើប្រាស់ ដែលភាពយឺតយ៉ាវគឺសំខាន់។

តម្លៃ​ធ្វើ​តាម​ការ​រចនា​មិន​ធម្មតា។ TypeSafe រាយសញ្ញាសម្ងាត់បញ្ចូលក្នុងតម្លៃ 0.042 ដុល្លារក្នុងមួយលានថូខឹន ប្រហែល $42 ក្នុងមួយពាន់លាន ហើយចំណាំថារចនាសម្ព័ន្ធតម្លៃ LLM ធម្មតាត្រូវបានដាក់បញ្ច្រាស៖ ដោយសារតែ Jev ​​ផលិតលទ្ធផលដែលមានរចនាសម្ព័ន្ធស្របគ្នាជាជាងបង្កើតខ្សែវែង នោះផ្នែកទិន្នផលដែលមានតម្លៃថ្លៃនៃសៀវភៅកត់ត្រានឹងបាត់ទៅវិញ។ ក្រុមហ៊ុនប្រៀបធៀបនេះជាមួយនឹងម៉ូដែលធម្មតា ដែលនិមិត្តសញ្ញាទិន្នផលជាធម្មតាមានតម្លៃច្រើនដងច្រើនជាងសញ្ញាសម្ងាត់បញ្ចូល។

បង្កាន់ដៃ និងដែនកំណត់របស់វា។

ជាកិត្តិយសរបស់វា ការបង្ហោះបង្ហោះព្យាយាមបង្ហាញការបំផ្លើសជាមួយនឹងការធ្វើបាតុកម្មដោយចំហៀង។ សម្រាប់ការប្រៀបធៀបចំណងជើងរបស់ខ្លួន ក្រុមហ៊ុនបានប្រើ GPT-5.6 Terra ជាមួយនឹងហេតុផលលំនាំដើម ដែលវាពិពណ៌នាថាជាគំរូដែលអាចប្រៀបធៀបបានបំផុតទៅនឹង Jev ក្នុងភាពវៃឆ្លាតជាមធ្យម។ ចម្លើយយោងនៅក្នុងការវាយតម្លៃរបស់វាត្រូវបានគណនាជាមធ្យមនៃ OpenAI's GPT-6 Astra និង Anthropic's Fable 5.1 ដែលជាជម្រើសដែលក្រុមហ៊ុនទទួលស្គាល់លំអៀងការប្រៀបធៀបរបស់វាចំពោះមន្ទីរពិសោធន៍ដែលកំពុងដំណើរការ។ លេខថ្លៃដើម និងភាពយឺតយ៉ាវសម្រាប់ភាគី LLM មកពី OpenRouter ដែលក្រុមហ៊ុនកត់សម្គាល់ណែនាំពីភាពលំអៀងនៃផ្លូវផ្ទាល់ខ្លួន។

ផ្នែកវិធីសាស្រ្តនោះមានភាពច្បាស់លាស់ខុសពីធម្មតាសម្រាប់ការប្រកាសចាប់ផ្តើម ហើយវាក៏ជាកន្លែងដែលអ្នកសង្ស័យនឹងផ្តោតអារម្មណ៍ផងដែរ។ លេខចំណងជើងទាំងអស់បានមកពីកិច្ចការដែលក្រុមហ៊ុនខ្លួនបានជ្រើសរើស ដោយពណ៌នាថាជាការសម្រេចចិត្តដែលអាចត្រូវបានចាត់ថ្នាក់ បញ្ជូន ពិន្ទុ ស្រង់ចេញ ឬបែងចែកជាទម្រង់យ៉ាងជាក់លាក់ដែលកំណត់រចនាសម្ព័ន្ធដែលពេញចិត្ត។ មិន​ទាន់​មាន​ស្តង់ដារ​ឯករាជ្យ​នៅ​ឡើយ​ទេ ហើយ​ស៊ុម​ផ្ទាល់​របស់​ក្រុមហ៊ុន​ទទួល​យក​ការ​ប្រៀបធៀប​អាស្រ័យ​លើ​ការ​ជ្រើសរើស​សំណួរ។

ហេតុអ្វីបានជាការបាញ់បង្ហោះមានសំឡេងរោទ៍

ការទទួលព័ត៌មានរបស់ពួក Hacker ដ៏រីករាយ ដែលការបង្ហោះបានឡើងដល់ 1,800 ពិន្ទុក្នុងមួយថ្ងៃ បង្ហាញថាទីលានប៉ះនឹងសរសៃប្រសាទពិតប្រាកដ។ អ្នកអភិវឌ្ឍន៍ដែលបង្កើតផលិតផល AI បានចំណាយពេលពីរឆ្នាំក្នុងការចំបាប់ជាមួយនឹងគម្លាតរវាងការបង្ហាញដ៏គួរឱ្យចាប់អារម្មណ៍ និងស្វ័យប្រវត្តិកម្មដែលអាចទុកចិត្តបាន៖ ការហៅឧបករណ៍ដែលគួរឱ្យភ្ញាក់ផ្អើល ការវិនិច្ឆ័យមិនស៊ីសង្វាក់គ្នា ខ្សែសង្វាក់ថ្លៃ ៗ នៃជំហានហេតុផលយឺត ៗ ត្រូវបានបិទភ្ជាប់ជាមួយនឹងកូដស្អិត។

ការភ្នាល់របស់ TypeSafe គឺថាការចែករំលែកដ៏មានអត្ថន័យនៃបន្ទុកការងារ AI ពិភពលោកពិតមិនត្រូវការគំរូជជែកគ្នាទាល់តែសោះ។ ការត្រួតពិនិត្យការក្លែងបន្លំ ការទទួលបានសំបុត្រគាំទ្រ ការដាក់ពិន្ទុនាំមុខ ការសម្របសម្រួលមាតិកា ការវិភាគកំណត់ហេតុ និងការសម្រេចចិត្តលើផ្លូវរាប់មិនអស់ គឺជាបញ្ហាចំណាត់ថ្នាក់ជាមូលដ្ឋានជាមួយនឹងចន្លោះលទ្ធផលដែលបានកំណត់យ៉ាងល្អ។ សម្រាប់អ្នកទាំងនោះ គំរូឯកទេសដែលត្រឡប់ប្រូបាប៊ីលីតេដែលបានក្រិតតាមខ្នាតគិតជាមិល្លីវិនាទីអាចកាត់បន្ថយ LLMs គោលបំណងទូទៅទាំងល្បឿន និងតម្លៃ។

ទឡ្ហីករណ៍គឺស៊ាំផងដែរ៖ គំរូទូទៅបន្តកាន់តែប្រសើរ និងថោកជាងមុន ហើយចំណុចប្រទាក់ខ្សែដែលអាចបត់បែនបានដែលធ្វើឱ្យ LLMs មិនអាចទាយទុកជាមុនបានក៏ជាអ្វីដែលធ្វើឱ្យពួកគេសម្របខ្លួនទៅនឹងកិច្ចការថ្មីដោយមិនចាំបាច់បង្ហាត់ឡើងវិញ។ ម៉ាស៊ីនសម្រេចចិត្តតូចចង្អៀតត្រូវតែស្វែងរកបរិមាណបន្ទុកការងារដូចគ្នាគ្រប់គ្រាន់ ដើម្បីបង្ហាញពីភាពត្រឹមត្រូវនៃអត្ថិភាពរបស់វា។

Jev មាននៅក្នុងការចូលប្រើដំបូងចាប់ពីសប្តាហ៍នេះ។ មិនថាវាក្លាយជាប្រភេទថ្មី ឬជាលេខយោងដែលចង់ដឹងទេ ការដាក់ឱ្យប្រើប្រាស់បានបន្ថែមសំឡេងដាច់ដោយឡែកទៅនឹងអាគុយម៉ង់ឧស្សាហកម្មដែលកាន់តែលឺខ្លាំងជាងមុន៖ ផ្លូវលឿនបំផុតទៅកាន់ស្វ័យប្រវត្តិកម្ម AI ប្រហែលជាមិនដំណើរការតាមរយៈ chatbots ធំជាងនោះទេ ប៉ុន្តែតាមរយៈម៉ូដែលដែលបានរចនាឡើងពីគោលការណ៍ដំបូងដើម្បីធ្វើរឿងមួយយ៉ាងជាក់លាក់ រហ័ស និងប្រាប់អ្នកថាតើពួកវាប្រាកដប៉ុណ្ណា។

---

Stay Ahead of AI

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

Read more AI news →