चायनीज AI लॅब StepFun ने Step 5 Preview लाँच केले आहे, एक नवीन फ्लॅगशिप लँग्वेज मॉडेल जे कच्च्या बेंचमार्क वर्चस्वासाठी कमी लक्ष वेधून घेते आणि किंमत-कार्यप्रदर्शन वक्र वर जेथे उतरते त्याकडे अधिक लक्ष वेधून घेते. मॉडेल, 1 दशलक्ष टोकन कॉन्टेक्स्ट विंडोसह 600-अब्ज-पॅरामीटर स्पॅर्स मिश्रण-ऑफ-एक्सपर्ट (MoE) प्रणाली, याला आधीच चीनचे सर्वात स्वस्त फ्रंटियर-क्लास मॉडेल म्हटले जात आहे.
चष्मा: मोठे मॉडेल, मोठा संदर्भ
लाँचची माहिती देणाऱ्या पंडाईलीच्या मते, स्टेप 5 पूर्वावलोकन हे 600B विरळ MoE आर्किटेक्चरवर तयार केले गेले आहे — एक डिझाइन ज्यामध्ये मॉडेलच्या पॅरामीटर्सचा फक्त एक अंश कोणत्याही टोकनसाठी सक्रिय होतो, एकूण पॅरामीटर संख्या प्रचंड असूनही अनुमान खर्च व्यवस्थापित करता येतो. डीपसीकपासून मिस्ट्रलपर्यंत प्रत्येकाने वापरलेल्या फ्रंटियर-स्केल मॉडेल्ससाठी आर्किटेक्चर फॅमिली प्रबळ नमुना बनले आहे.
संदर्भ विंडो तितकीच उल्लेखनीय आहे: 1 दशलक्ष टोकन, ज्याचे कृत्रिम विश्लेषण अंदाजे 1,500 A4 पृष्ठे मजकूर म्हणून वर्णन करते. ही क्षमता मॉडेलला संपूर्ण कोडबेस, लांब कायदेशीर दस्तऐवज किंवा विस्तारित बहु-दस्तऐवज विश्लेषण एकाच पासमध्ये घेण्यास अनुमती देते. मॉडेल मजकूर आणि प्रतिमा इनपुट आणि आउटपुट मजकूर दोन्ही स्वीकारते आणि ते तर्क मोडमध्ये चालते, अंतिम उत्तरे तयार करण्यापूर्वी मध्यवर्ती विचार निर्माण करते.
डेव्हलपरसाठी कदाचित सर्वात जवळून पाहिलेला तपशील: स्टेपफनने 15 ऑक्टोबर रोजी मॉडेलचे ओपन वेट रिलीझ करण्याची योजना आखली आहे, पांडाईलीच्या म्हणण्यानुसार. एपीआयच्या मागे ओपन वेट्सचा एक पूर्वावलोकन कालावधी चीनी लॅबसाठी एक परिचित लय बनत आहे, ज्यामुळे समुदायाला मॉडेलचे स्थानिक हार्डवेअरवर उतरण्यापूर्वी त्याचे मूल्यमापन करण्यासाठी वेळ मिळतो.
बेंचमार्क स्थिती: मजबूत, प्रबळ नाही
स्वतंत्र आर्टिफिशियल ॲनालिसिस इंटेलिजेंस इंडेक्सवर, स्टेप 5 प्रिव्ह्यूने 44 स्कोअर केले, प्लॅटफॉर्मवर ट्रॅक केलेल्या 200 मॉडेल्सपैकी 24व्या स्थानावर आहे — त्याच्या वर्गासाठी 24 च्या मीडियनच्या वर, जरी सीमेच्या अगदी शीर्षस्थानी नाही. आर्टिफिशियल ॲनालिसिस हे मॉडेल "बुद्धीमत्तेतील आघाडीच्या मॉडेल्समध्ये आणि समान किमतीच्या इतर मॉडेल्सशी तुलना करताना चांगली किंमत" म्हणून वैशिष्ट्यीकृत करते.
स्पीड मेट्रिक्स देखील ठोस आहेत. प्लॅटफॉर्मच्या मूल्यमापनावर मॉडेल अंदाजे 99.8 टोकन प्रति सेकंद या वेगाने आउटपुट तयार करते, ट्रॅक केलेल्या मॉडेल्समध्ये प्रति सेकंद सुमारे 70 टोकन्सच्या सरासरीपेक्षा जलद.
लक्षात घेण्यासारखे एक सावध: चरण 5 पूर्वावलोकन असामान्यपणे शब्दशः आहे. कृत्रिम विश्लेषणाने मोजले की ते त्याच्या इंटेलिजेंस इंडेक्स मूल्यमापनात सुमारे 160 दशलक्ष टोकन तयार करते, तुलनात्मक मॉडेल्ससाठी 92 दशलक्षच्या सरासरीच्या तुलनेत. व्यवहारात शब्दशः महत्त्वाची असते — अधिक व्युत्पन्न टोकन्सचा अर्थ मंद प्रतिसाद आणि उच्च आउटपुट-टोकन बिले, जे टास्कवर अवलंबून हेडलाइन किंमतीचा फायदा कमी करू शकतात.
किंमतीची कथा
किंमत आहे जिथे पायरी 5 पूर्वावलोकन सर्वात आक्रमक खेळपट्टी बनवत आहे. मॉडेलची किंमत $1.00 प्रति दशलक्ष इनपुट टोकन आणि $2.70 प्रति दशलक्ष आउटपुट टोकन API द्वारे आहे, कृत्रिम विश्लेषणानुसार - त्याच्या वर्गातील मॉडेलसाठी अनुक्रमे $1.88 आणि $10.00 च्या सरासरीच्या तुलनेत. ईस्टर्न हेराल्डच्या मथळ्याने हे स्पष्टपणे तयार केले आहे: चीनचे 600B AI मॉडेल $1 प्रति दशलक्ष टोकन.
खर्च-संवेदनशील वर्कलोड्ससाठी — उच्च-खंड दस्तऐवज प्रक्रिया, बॅच सारांश, प्रतिदिन लाखो टोकन्सद्वारे बर्न करणाऱ्या एजंटिक सिस्टम — इनपुट आणि आउटपुट दोन्हीवर वर्ग मध्याच्या खाली किंमत असलेले फ्रंटियर-समीप मॉडेल हा व्यावसायिकदृष्ट्या महत्त्वपूर्ण पर्याय आहे. ऑक्टोबरसाठी नियोजित ओपन-वेट रिलीझ स्वयं-होस्ट करण्यास सक्षम असलेल्या संस्थांसाठी प्रभावी खर्च कमी करू शकते.
गर्दीने भरलेली चीनी सीमा
अलिबाबाचे क्वेन फॅमिली, DeepSeek, Z.ai आणि इतर सर्व नवीन मॉडेल्स जलद क्लिपमध्ये पाठवत असलेल्या चिनी AI लॅबमधून रिलीजच्या तीव्रतेच्या दरम्यान चरण 5 पूर्वावलोकन आले. चीनमधील टेक्नॉलॉजी आउटलेट्सने सध्याच्या कालावधीचे वर्णन फुल-स्प्रिंट फाउंडेशनल मॉडेल शोडाउन म्हणून केले आहे, ज्यात प्रतिस्पर्ध्यांशी ताळमेळ राखण्यासाठी सामान्यत: सुट्टीच्या कालावधीत प्रयोगशाळा काम करत आहेत.
StepFun साठी विशेषत:, बाजी अशी आहे की फ्रंटियर-समीप बुद्धिमत्ता, 1M टोकन कॉन्टेक्स्ट विंडो, मल्टीमॉडल इनपुट आणि आक्रमक किंमतींचे संयोजन ऑक्टोबरच्या ओपन-वेट रिलीझच्या आधी विकसकांच्या माइंडशेअर जिंकेल. हॅकर न्यूजवरील चर्चा, जिथे मॉडेलच्या लाँचने शंभरहून अधिक गुण मिळवले, असे सूचित करते की विकसक समुदाय लक्ष देत आहे.
काय पहावे
तीन प्रश्न येत्या आठवड्यात चरण 5 पूर्वावलोकनाच्या रिसेप्शनला आकार देतील. प्रथम, प्रमाणित निर्देशांक मूल्यमापनाच्या बाहेर वास्तविक-जागतिक कोडिंग, तर्क आणि एजंटिक बेंचमार्कमध्ये ते कसे कार्य करते? दुसरे, ओपन-वेट रिलीझ होण्यापूर्वी शब्दशः समस्या कमी केली जाईल आणि स्थानिक तैनातीसाठी सिस्टम आवश्यकता कशा दिसतील? तिसरे, स्टेपफनचे एपीआय इन्फ्रास्ट्रक्चर मोठ्या प्रमाणावर मागणी हाताळू शकते - एक आव्हान ज्याने यापूर्वी स्वस्त प्रवेशकर्त्यांना ट्रिप केले आहे?
उत्तरे त्वरीत बाजारपेठेत येतील जी दिवसात प्रगती मोजतात. स्टेपफन, चायनीज एआय इकोसिस्टम आणि मॉडेलच्या किंमतीवरील जागतिक स्पर्धेच्या सतत कव्हरेजसाठी, नवीनतम AI घडामोडींचे अनुसरण करा.
AI च्या पुढे रहा
यासारखे मॉडेल लाँच केल्याने AI पायाभूत सुविधांची किंमत बदलत आहे. AI Buzz Wire येथे प्रत्येक प्रकाशनाची माहिती ठेवा, मॉडेल, संशोधन आणि व्यवसायातील AI बातम्यांसाठी तुमचा स्रोत.
अधिक एआय बातम्या वाचा →
