तज्ञांचे मिश्रण
TestingCatalog AI News नुसार, Inkling-Small हा तज्ञांचे मिश्रण (MoE) ट्रान्सफॉर्मर आहे ज्यामध्ये 276 अब्ज एकूण पॅरामीटर्स आहेत, कोणत्याही दिलेल्या अनुमानादरम्यान 12 अब्ज सक्रिय आहेत. ते आर्किटेक्चर — जिथे प्रत्येक टोकनसाठी मॉडेलचा फक्त एक छोटासा तुकडा "जागे" होतो — तीच कार्यक्षमतेची युक्ती आहे ज्याने डीपसीक सारख्या चिनी ओपन-वेट मॉडेल्सला चालवण्यासाठी इतके स्वस्त केले आहे. थिंकिंग मशिन्सने पुष्टी केली की हगिंग फेस वर पूर्ण वजन सोडले जात आहे.मॉडेल एक दशलक्ष टोकन्सच्या संदर्भ विंडोसह आणि लॅब ज्याला "व्हेरिएबल थिंकिंग प्रयत्न" म्हणतो, कमीतकमी ते "xhigh" पर्यंत पाठवते, विकासकांना कार्यावर अवलंबून कार्यप्रदर्शनासाठी गणना करू देते. कंपनीच्या टिंकर प्लॅटफॉर्मद्वारे फाइन-ट्यूनिंग उपलब्ध आहे आणि टिंकर प्लेग्राउंडमध्ये मजकूर, प्रतिमा आणि ऑडिओ चॅट उपलब्ध आहेत.
NVIDIA GB300 सिस्टमवर प्रशिक्षित
थिंकिंग मशीन्सने सांगितले की Inkling-Small ला NVIDIA GB300 NVL72 सिस्टीमवर प्रशिक्षित करण्यात आले होते आणि 15 जुलै 2026 रोजी लाँच झालेल्या मूळ Inkling मॉडेलपेक्षा "बऱ्यापैकी कमी कंप्युट" वापरते. ते पहिले मॉडेल — WIRED आणि TechCrunch द्वारे कव्हर केलेले — जवळजवळ थिंकिंग किंवा कॉम्प्युटर रिलीझ म्हणून स्थापित केले आहे. रात्रभर
इंकलिंग-स्मॉलचा मार्ग जाणीवपूर्वक कार्यक्षमतेची रणनीती प्रकट करतो. प्री-ट्रेनिंग डेटा मिक्स आणि मशीन-लर्निंग रेसिपीमध्ये सुधारणा करण्यासाठी ब्रीदिंग रूमचा वापर करून, इंकलिंगला प्रशिक्षण दिल्यानंतरच प्रयोगशाळेने लहान मॉडेलवर काम सुरू केले. पूर्वीचे पूर्वावलोकन चेकपॉईंट अंशतः ऑन-पॉलिसी डिस्टिलेशन द्वारे पोस्ट-प्रशिक्षित होते, इंकलिंग हे शिक्षक म्हणून काम करत होते, त्यानंतर अंदाजे दोन आठवडे मोजलेले एजंटिक-कोडिंग मजबुतीकरण शिक्षण होते.
कुठे जिंकतो — आणि कुठे नाही
त्या रेसिपीचे परिणाम लक्षणीय आहेत. थिंकिंग मशीन्सचा दावा आहे की इंकलिंग-स्मॉल तर्क आणि एजंटिक-कोडिंग बेंचमार्कवर मूळ इंकलिंगला मागे टाकते, तर इंकलिंग ज्ञान कव्हरेज आणि तथ्यात्मकतेमध्ये अधिक मजबूत आहे. केवळ मजकूरावर मानवतेची शेवटची परीक्षा, एक कुख्यात कठीण मूल्यमापन, लहान मॉडेलने कथितरित्या 31.6% गुण मिळवले, इंकलिंगसाठी 29.7% च्या तुलनेत - सक्रिय पॅरामीटर्समध्ये नाट्यमय घट असूनही एक वास्तविक सुधारणा.
ट्रेड-ऑफ स्पष्ट आहे: इंकलिंग-स्मॉल हा अधिक धारदार कोडर आणि तर्ककर्ता आहे, तर त्याचे मोठे भावंड व्यापक ज्ञानाचा आधार राखून ठेवतात. विकासकांसाठी, ते एक वैशिष्ट्य आहे, बग नाही - याचा अर्थ प्रत्येक कार्यासाठी एकाच विशाल मॉडेलसाठी पैसे देण्याऐवजी नोकरीसाठी योग्य साधन निवडणे.
चीनच्या नेतृत्वाखाली ओपन-वेट फील्डमध्ये एक यूएस खेळाडू
कदाचित सर्वात मोठा परिणाम भू-राजकीय आहे. CNBC आणि इतरांनी नमूद केल्याप्रमाणे, ओपन-वेट फ्रंटियर मॉडेल्स यू.एस.-चीन फ्लॅशपॉइंट बनले आहेत, ज्यामध्ये DeepSeek आणि Alibaba च्या Qwen सारख्या चिनी लॅब्सने शक्तिशाली मॉडेल दिले आहेत आणि पाश्चात्य किंमती कमी केल्या आहेत. फोरकास्ट ने इंकलिंग-स्मॉल रिलीझ स्पष्टपणे तयार केले: "ओपन-वेट्स स्पर्धेला आता यूएस प्रवेशिका आहे."
आत्तापर्यंत, आघाडीची ओपन-वेट मॉडेल्स जवळजवळ केवळ चीनमधून आली आहेत, ज्यामुळे वॉशिंग्टनमध्ये चिंता वाढली की अमेरिकन प्रयोगशाळा बाजाराची संपूर्ण श्रेणी सोडत आहेत. थिंकिंग मशिन्स — AI मधील सर्वात प्रमुख व्यक्तींपैकी एकाच्या नेतृत्वाखाली एक सुप्रसिद्ध यू.एस. स्टार्टअप — ते कॅल्क्युलस बदलते. हगिंग फेसवर संपूर्ण वजन सोडवून आणि ओपन फाइन-ट्यूनिंगला समर्थन देऊन, लॅब विकसक समुदायासाठी थेट खेळ करत आहे जे चीनी ओपन-वेट मॉडेलने विकसित केले आहे.
केवळ बेंचमार्कसाठी नव्हे तर विकसकांसाठी तयार केलेले
थिंकिंग मशिन्सने रिलीझला विकसकांना उद्देशून टूलिंगसह जोडले आहे. ओपन हगिंग फेस वेट्सच्या पलीकडे, डेटाब्रिक्स ने पुष्टी केली की इंकलिंग फॅमिली त्याच्या प्लॅटफॉर्मवर उपलब्ध आहे आणि टिंकर प्लेग्राउंड बॉक्सच्या बाहेर मल्टीमॉडल मजकूर, प्रतिमा आणि ऑडिओ चॅटला समर्थन देते. व्हेरिएबल "विचार करण्याचा प्रयत्न" सेटिंग — किमान ते "xhigh" पर्यंत — वास्तविक अभियांत्रिकी व्यापार-ऑफसाठी डिझाइन केलेले आहे: जेव्हा कार्य सोपे असेल तेव्हा स्वस्त चालवा, जेव्हा एखादी समस्या सखोल तर्काची आवश्यकता असेल तेव्हा अधिक गणना करा. ही लवचिकता स्टार्टअप्ससाठी त्यांची अनुमान बिले पाहण्यासाठी महत्त्वाची आहे, ज्यापैकी बरेच जण आधीच प्रीमियम API दर भरण्याऐवजी स्वस्त ओपन-वेट पर्यायांकडे स्थलांतरित झाले आहेत.
संपूर्ण उद्योगातील कार्यक्षमतेचा कल
इंकलिंग-स्मॉल देखील एका विस्तृत पॅटर्नला बसते. संपूर्ण उद्योगात, अत्याधुनिक धार मोठ्या मोनोलिथिक मॉडेल्समधून त्यांच्या वजनापेक्षा लहान, हुशार प्रणालींकडे सरकत आहे. DeepSeek च्या प्राइस-वॉर मॉडेल्सपासून संकुचित आर्किटेक्चर्सपर्यंत, संदेश सुसंगत आहे: मॉडेल त्याची क्षमता किती कार्यक्षमतेने वापरते यापेक्षा कच्च्या पॅरामीटरची संख्या कमी महत्त्वाची आहे.
थिंकिंग मशिन्ससाठी, आकारापेक्षा अधिक कार्यक्षमतेची पैज आता दोन मॉडेल्समध्ये खोलवर आहे — आणि सुरुवातीचे बेंचमार्क धोरण कार्य करत असल्याचे सूचित करतात. Inkling-Small आज डाउनलोड आणि फाइन-ट्यूनिंगसाठी उपलब्ध असल्याने, विकासक स्वतःसाठी त्या दाव्याची चाचणी घेऊ शकतात.
AI च्या पुढे रहा
नवीन ओपन-वेट मॉडेल्स दर आठवड्याला उतरत आहेत आणि स्पर्धा आणखी तीव्र होत आहे. आमच्या [AI इंडस्ट्री कव्हरेज] (https://aibuzzwire.news) द्वारे प्रत्येक रिलीजची माहिती ठेवा.
अधिक एआय बातम्या वाचा →
