ਫਾਇਰਵਰਕਸ ਰਿਸਰਚ, ਇਨਫਰੈਂਸ ਸਟਾਰਟਅੱਪ ਫਾਇਰਵਰਕਸ ਏਆਈ ਦੇ ਅੰਦਰ ਮਾਡਲ ਟੀਮ, ਨੇ ਐਂਬਰ-1, ਇੱਕ ਵਿਸ਼ੇਸ਼ ਮਾਡਲ ਪੇਸ਼ ਕੀਤਾ ਹੈ, ਜਿਸ ਬਾਰੇ ਕੰਪਨੀ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਮੂਨਸ਼ੌਟ AI ਦੇ Kimi K3 ਵਾਂਗ ਹੀ ਜਵਾਬ ਦਿੰਦਾ ਹੈ ਜਦੋਂ ਕਿ ਲਗਭਗ 40% ਘੱਟ ਟੋਕਨਾਂ ਦਾ ਨਿਕਾਸ ਹੁੰਦਾ ਹੈ। ਮਾਡਲ 23 ਸਤੰਬਰ ਨੂੰ ਫਾਇਰਵਰਕਸ ਦੇ ਪਲੇਟਫਾਰਮ 'ਤੇ ਲਾਈਵ ਹੋਇਆ, ਅਤੇ ਪਿਛਲੇ ਕੁਝ ਦਿਨਾਂ ਵਿੱਚ ਇਹ ਡਿਵੈਲਪਰ ਕਮਿਊਨਿਟੀ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਚਰਚਿਤ ਰੀਲੀਜ਼ਾਂ ਵਿੱਚੋਂ ਇੱਕ ਬਣ ਗਿਆ ਹੈ, ਹੈਕਰ ਨਿਊਜ਼ 'ਤੇ ਸੈਂਕੜੇ ਅਪਵੋਟਸ ਪ੍ਰਾਪਤ ਕੀਤੇ ਕਿਉਂਕਿ ਕੋਡਰਾਂ ਨੇ ਬਹਿਸ ਕੀਤੀ ਕਿ ਕੀ ਤਰਕਸ਼ੀਲ ਟੋਕਨ ਅਗਲੀ ਲਾਗਤ ਦੀ ਸਰਹੱਦ ਹਨ।
ਪਿੱਚ ਇੱਕ ਪਲ 'ਤੇ ਆਉਂਦੀ ਹੈ ਜਦੋਂ ਅਨੁਮਾਨ ਬਿਲ, ਨਾ ਕਿ ਮਾਡਲ ਸਮਰੱਥਾ, ਤੇਜ਼ੀ ਨਾਲ ਇਹ ਫੈਸਲਾ ਕਰਦੇ ਹਨ ਕਿ ਕਿਹੜੀਆਂ ਟੀਮਾਂ ਸ਼ਿਪ ਕਰਨ ਲਈ ਬਰਦਾਸ਼ਤ ਕਰ ਸਕਦੀਆਂ ਹਨ। ਏਜੰਟਾਂ ਦੇ ਕੰਮ ਦੇ ਬੋਝ ਨੂੰ ਬਜਟ ਦੀ ਖਪਤ ਕਰਨ ਵਾਲੀਆਂ ਟੀਮਾਂ ਲਈ, ਨਵੀਨਤਮ AI ਵਿਕਾਸ ਨੇ ਇੱਕ ਗੱਲ ਸਪੱਸ਼ਟ ਕਰ ਦਿੱਤੀ ਹੈ: ਇਸ ਸਮੇਂ ਉਦਯੋਗ ਦੀ ਸਭ ਤੋਂ ਮਹਿੰਗੀ ਆਦਤ ਫਰੰਟੀਅਰ ਮਾਡਲਾਂ ਦੀ ਸਿਖਲਾਈ ਨਹੀਂ ਹੈ, ਇਹ ਉਹਨਾਂ ਨੂੰ ਚਲਾ ਰਹੀ ਹੈ। ਐਂਬਰ-1 ਫਾਇਰਵਰਕਸ ਦੀ ਉਸ ਸਮੱਸਿਆ 'ਤੇ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਹਮਲਾ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਹੈ, ਅਤੇ ਕੰਪਨੀ ਨੇ ਬੈਂਚਮਾਰਕ ਅਤੇ ਉਤਪਾਦਨ ਨੰਬਰਾਂ ਦੇ ਇੱਕ ਅਸਧਾਰਨ ਵਿਸਤ੍ਰਿਤ ਸੈੱਟ ਨਾਲ ਇਸਦਾ ਸਮਰਥਨ ਕੀਤਾ।
ਸੋਚਣ ਵਾਲੇ ਮਾਡਲ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸੋਚਦੇ ਹਨ
ਐਂਬਰ-1 ਦੇ ਪਿੱਛੇ ਮੁੱਖ ਨਿਰੀਖਣ ਇਹ ਹੈ ਕਿ ਕਿਮੀ K3 ਵਰਗੇ ਤਰਕ ਮਾਡਲ ਆਪਣੇ ਜਨਰੇਟ ਕੀਤੇ ਟੋਕਨਾਂ ਦਾ ਜ਼ਿਆਦਾਤਰ ਹਿੱਸਾ ਖਰਚ ਕਰਦੇ ਹਨ - ਕਈ ਵਾਰ 90% ਤੋਂ ਵੱਧ, ਫਾਇਰਵਰਕਸ ਦੇ ਅਨੁਸਾਰ - ਜਵਾਬ ਦੀ ਬਜਾਏ ਅੰਦਰੂਨੀ ਤਰਕ 'ਤੇ। ਇਕੋ ਬੇਨਤੀ 'ਤੇ, ਇਹ ਮਹਿੰਗਾ ਹੈ. ਏਜੰਟਿਕ ਵਰਕਲੋਡਾਂ ਵਿੱਚ, ਇਹ ਮਿਸ਼ਰਿਤ ਹੁੰਦਾ ਹੈ: ਏਜੰਟ ਦੀ ਗੱਲਬਾਤ ਦਾ ਹਰ ਮੋੜ ਸਾਰੇ ਪੁਰਾਣੇ ਤਰਕ ਨੂੰ ਵਾਪਸ ਮਾਡਲ ਵੱਲ ਮੁੜਦਾ ਹੈ, ਇਸਲਈ ਸੰਦਰਭ ਮੋੜਾਂ ਦੀ ਸੰਖਿਆ ਦੇ ਨਾਲ ਮੋਟੇ ਤੌਰ 'ਤੇ ਚਤੁਰਭੁਜ ਰੂਪ ਵਿੱਚ ਵਧਦਾ ਹੈ, ਅਤੇ ਸ਼ੁਰੂਆਤੀ ਮੋੜਾਂ ਤੋਂ ਲੰਬੇ ਤਰਕ ਦੇ ਨਿਸ਼ਾਨਾਂ ਨੂੰ ਹਰ ਅਗਲੀ ਕਾਲ 'ਤੇ ਦੁਬਾਰਾ ਪੜ੍ਹਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਦੁਬਾਰਾ ਬਿਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਫਾਇਰਵਰਕਸ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਗਾਹਕਾਂ ਨੇ ਉਨ੍ਹਾਂ ਨੂੰ ਦੱਸਿਆ ਕਿ ਉਹ ਘੱਟ ਕੀਮਤ 'ਤੇ ਕਿਮੀ ਕੇ3 ਦੀ ਕੋਡਿੰਗ ਸਮਰੱਥਾ ਚਾਹੁੰਦੇ ਹਨ, ਪਰ ਇਹ ਸਿਰਫ਼ ਮਾਡਲ ਦੇ ਤਰਕ ਯਤਨਾਂ ਨੂੰ ਠੁਕਰਾ ਦੇਣ ਨਾਲ ਕੰਮ ਨਹੀਂ ਹੋਇਆ - ਘੱਟ ਕੋਸ਼ਿਸ਼ ਸੈਟਿੰਗਾਂ ਨੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਗੁਣਵੱਤਾ ਛੱਡ ਦਿੱਤੀ। ਵਿਕਲਪ ਇੱਕ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣਾ ਸੀ ਜੋ ਤਰਕ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹੋਏ ਵਧੇਰੇ ਕੁਸ਼ਲਤਾ ਨਾਲ ਤਰਕ ਕਰਦਾ ਹੈ।
ਕੂੜੇ ਨੂੰ ਬਾਹਰ ਕੱਢਣ ਦੀ ਸਿਖਲਾਈ
ਬਿਲਡਿੰਗ ਐਂਬਰ -1 ਨੇ 50 ਤੋਂ ਵੱਧ ਸਿਖਲਾਈ ਪ੍ਰਯੋਗ ਕੀਤੇ ਅਤੇ 200 ਤੋਂ ਵੱਧ ਮੁਲਾਂਕਣ ਕੀਤੇ, ਕੰਪਨੀ ਦੇ ਬਲੌਗ ਪੋਸਟ ਦੇ ਅਨੁਸਾਰ, ਪੂਰੀ ਤਰ੍ਹਾਂ ਫਾਇਰਵਰਕਸ ਦੇ ਆਪਣੇ ਸਰਵਰ ਰਹਿਤ ਸਿਖਲਾਈ ਪਲੇਟਫਾਰਮ 'ਤੇ ਚਲਾਇਆ ਗਿਆ। ਟੀਮ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇਸ ਨੇ ਸ਼ੁੱਧਤਾ ਨੂੰ ਗੁਆਏ ਬਿਨਾਂ ਤਰਕ ਨੂੰ ਛੋਟਾ ਕਰਨ ਲਈ ਨਵੇਂ ਸਿਖਲਾਈ ਐਲਗੋਰਿਦਮ ਵਿਕਸਿਤ ਕੀਤੇ ਹਨ।
ਖਾਸ ਤੌਰ 'ਤੇ, ਕੰਪਨੀ ਨੇ ਥੋਕ ਤਰਕ ਨੂੰ ਖਤਮ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਨਹੀਂ ਕੀਤੀ. Kimi K3 ਦੀ ਕੁਝ ਸਪੱਸ਼ਟ ਸ਼ਬਦਾਵਲੀ ਉਤਪਾਦਕ ਸਵੈ-ਪ੍ਰਤੀਬਿੰਬ ਹੈ — ਇੱਕ ਧਾਰਨਾ ਨੂੰ ਮੁੜ ਵਿਚਾਰਨਾ, ਫੀਡਬੈਕ ਦਾ ਜਵਾਬ ਦੇਣਾ, ਜਾਂ ਇੱਕ ਪੁਰਾਣੇ ਫੈਸਲੇ ਦੇ ਨਤੀਜੇ ਦਾ ਪਤਾ ਲਗਾਉਣਾ ਮਾਡਲ ਨੂੰ ਗਲਤੀਆਂ ਤੋਂ ਮੁੜ ਪ੍ਰਾਪਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। ਸਿਖਲਾਈ ਪ੍ਰਣਾਲੀ ਨੂੰ ਗੈਰ-ਉਤਪਾਦਕ ਲੂਪਸ ਨੂੰ ਕੱਟਦੇ ਹੋਏ ਉਸ ਯੋਗਤਾ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ।
ਸਿਖਲਾਈ ਡੇਟਾ ਵਿੱਚ ਗਣਿਤ, ਕੋਡਿੰਗ, ਹਦਾਇਤਾਂ ਦੀ ਪਾਲਣਾ, ਗੱਲਬਾਤ, ਖੋਜ, ਟੂਲ ਦੀ ਵਰਤੋਂ, ਅਤੇ ਸੌਫਟਵੇਅਰ ਇੰਜਨੀਅਰਿੰਗ, ਦੋਵੇਂ ਸਟੈਂਡਅਲੋਨ ਸਮੱਸਿਆਵਾਂ ਅਤੇ ਵਿਸਤ੍ਰਿਤ ਮਲਟੀ-ਟਰਨ ਇੰਟਰੈਕਸ਼ਨਾਂ ਨੂੰ ਕਵਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਫਾਇਰਵਰਕਸ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇਸ ਨੇ ਸਿਰਫ਼ ਆਪਣੇ ਹੀ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਅਤੇ ਕੋਈ ਗਾਹਕ ਡੇਟਾ ਨਹੀਂ।
ਬੈਂਚਮਾਰਕ: ਪੈਰੇਟੋ ਫਰੰਟੀਅਰ 'ਤੇ ਜਾਂ ਨੇੜੇ
ਲਾਗਤ ਦੇ ਮਾਮਲੇ ਨੂੰ ਬਣਾਉਣ ਲਈ, ਫਾਇਰਵਰਕਸ ਨੇ Kimi K3 ਦੀ ਜਨਤਕ API ਕੀਮਤ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਪ੍ਰਤੀ-ਬੈਂਚਮਾਰਕ ਲਾਗਤ ਦੀ ਗਣਨਾ ਕੀਤੀ - $3 ਪ੍ਰਤੀ ਮਿਲੀਅਨ ਅਣਕੈਚਡ ਇਨਪੁਟ ਟੋਕਨ, $0.30 ਪ੍ਰਤੀ ਮਿਲੀਅਨ ਕੈਸ਼ਡ ਇਨਪੁਟ ਟੋਕਨ, ਅਤੇ $15 ਪ੍ਰਤੀ ਮਿਲੀਅਨ ਆਉਟਪੁੱਟ ਟੋਕਨ - ਅਤੇ ਐਮਬਰ-1 ਦੀ ਤੁਲਨਾ K3 ਦੇ ਨਾਲ ਘੱਟ, ਉੱਚ, ਅਤੇ ਵੱਧ ਤੋਂ ਵੱਧ ਤਰਕ ਦੀ ਕੋਸ਼ਿਸ਼ 'ਤੇ ਕੀਤੀ। 50 ਤੋਂ ਵੱਧ ਟੈਸਟ ਨਮੂਨਿਆਂ ਵਾਲੇ ਹਰੇਕ ਬੈਂਚਮਾਰਕ ਵਿੱਚ, ਕੰਪਨੀ ਰਿਪੋਰਟ ਕਰਦੀ ਹੈ ਕਿ ਐਂਬਰ-1 ਪੈਰੇਟੋ ਫਰੰਟੀਅਰ 'ਤੇ ਜਾਂ ਨੇੜੇ ਬੈਠਦਾ ਹੈ, ਲਾਗਤ ਦੇ ਇੱਕ ਹਿੱਸੇ ਲਈ ਵੱਧ ਤੋਂ ਵੱਧ ਕੋਸ਼ਿਸ਼ 'ਤੇ K3 ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ ਅਤੇ ਘੱਟ ਕੋਸ਼ਿਸ਼ 'ਤੇ K3 ਨੂੰ ਸਖਤੀ ਨਾਲ ਹਾਵੀ ਕਰਦਾ ਹੈ।
ਵੱਧ ਤੋਂ ਵੱਧ ਕੋਸ਼ਿਸ਼ 'ਤੇ K3 ਦੇ ਵਿਰੁੱਧ ਹੈੱਡਲਾਈਨ ਦੀ ਤੁਲਨਾ, ਜਿਵੇਂ ਕਿ ਫਾਇਰਵਰਕਸ ਦੁਆਰਾ ਰਿਪੋਰਟ ਕੀਤੀ ਗਈ ਹੈ:
| ਬੈਂਚਮਾਰਕ | ਨਮੂਨੇ | K3 (ਵੱਧ ਤੋਂ ਵੱਧ ਕੋਸ਼ਿਸ਼) | ਅੰਬਰ-1 |
|---|---|---|---|
| ਟਰਮੀਨਲ ਬੈਂਚ 2.1 | 89 | 80.9% | 82.0% |
| SWE-ਬੈਂਚ ਪ੍ਰਮਾਣਿਤ | 500 | 93.2% | 92.2% |
| SWE-ਇੰਟਰੈਕਟ | 75 | 21.3% | 20.0% |
| DeepSWE 1.1 | ੧੧੩ | 66.4% | 75.2% |
| τ²-ਬੈਂਚ ਏਅਰਲਾਈਨ | 50 | 64% | 66% |
ਪ੍ਰਤੀ ਕੰਮ ਦੀ ਲਾਗਤ 'ਤੇ, ਫਾਇਰਵਰਕਸ ਨੇ ਟਰਮੀਨਲ ਬੈਂਚ 2.1 'ਤੇ ਐਂਬਰ-1 ਨੇ ਖਰਚੇ ਵਿੱਚ 51.9%, SWE-ਇੰਟਰੈਕਟ 'ਤੇ 32.5%, DeepSWE 1.1 'ਤੇ 23.7%, ਅਤੇ SWE-ਬੈਂਚ 'ਤੇ 15.5% ਵੱਧ ਤੋਂ ਵੱਧ ਕੋਸ਼ਿਸ਼ਾਂ 'ਤੇ K3 ਦੇ ਮੁਕਾਬਲੇ ਤਸਦੀਕ ਕੀਤੇ ਖਰਚੇ ਵਿੱਚ ਕਟੌਤੀ ਕੀਤੀ — ਡੀਪਐੱਸਡਬਲਯੂਈ ਦੇ ਮਾਮਲੇ ਵਿੱਚ, ਕੰਪਨੀ ਦੇ ਕੰਮ ਵਿੱਚ $126 ਡਾਲਰ ਤੋਂ ਵੱਧ ਡੀਪਐਸਡਬਲਯੂਈ ਦੇ ਕੰਮ ਦਾ ਅੰਤਰ ਹੈ। ਦਰਾਂ
ਕੰਪਨੀ ਨੇ Doximity ਦੇ ਬੈੱਡਸਾਈਡ ਬੈਂਚ 'ਤੇ ਐਂਬਰ-1 ਦਾ ਵੀ ਮੁਲਾਂਕਣ ਕੀਤਾ, ਜੋ ਕਿ 10 ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਿੱਚ 500 ਕਲੀਨਿਕਲ ਕੇਸਾਂ ਦਾ ਇੱਕ ਡਾਕਟਰ ਦੁਆਰਾ ਪ੍ਰਮਾਣਿਤ ਬੈਂਚਮਾਰਕ ਹੈ ਜੋ ਫਾਇਰਵਰਕਸ ਆਪਣੇ ਨਵੇਂ ਲਾਂਚ ਕੀਤੇ ਵਿਸ਼ੇਸ਼ ਖੁਫੀਆ ਸੂਚਕਾਂਕ ਦੁਆਰਾ ਚਲਾਉਂਦਾ ਹੈ। ਉੱਥੇ, ਫਾਇਰਵਰਕਸ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਐਂਬਰ-1 ਨੇ GPT-5.6 Sol, GPT-6 Astra, ਅਤੇ Claude Opus 5 ਸਮੇਤ ਖੁੱਲੇ ਅਤੇ ਬੰਦ ਮਾਡਲਾਂ ਵਿੱਚ ਪ੍ਰਤੀ ਕੰਮ ਦੀ ਲਾਗਤ 'ਤੇ ਇੱਕ ਨਵਾਂ ਪੈਰੇਟੋ ਫਰੰਟੀਅਰ ਸੈੱਟ ਕੀਤਾ ਹੈ। ਇਹ ਦਾਅਵਾ ਫਾਇਰਵਰਕਸ ਦੇ ਆਪਣੇ ਸੂਚਕਾਂਕ ਤੋਂ ਆਉਂਦਾ ਹੈ ਅਤੇ ਇਸਦੀ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ।
ਲਾਈਵ ਟ੍ਰੈਫਿਕ: ਘੱਟ ਟੋਕਨ, ਇੱਕੋ ਸਕੋਰ
ਬੈਂਚਮਾਰਕ ਇੱਕ ਚੀਜ਼ ਹਨ; ਉਤਪਾਦਨ ਇੱਕ ਹੋਰ ਹੈ. ਫਾਇਰ ਵਰਕਸ ਨੇ ਆਪਣੇ ਉਤਪਾਦਨ ਕੋਡਿੰਗ ਵਰਕਲੋਡਾਂ 'ਤੇ ਦੋ ਗਾਹਕਾਂ ਨਾਲ ਲਾਈਵ A/B ਟੈਸਟ ਕਰਵਾਏ ਅਤੇ ਰਿਪੋਰਟਾਂ ਕਿ Ember-1 ਨੇ ਤੁਲਨਾਤਮਕ ਗੁਣਵੱਤਾ 'ਤੇ ਪ੍ਰਤੀ ਕੰਮ ਲਗਭਗ 35% ਘੱਟ ਟੋਕਨਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ। ਇੱਕ ਮਾਪੀ ਗਈ ਤੁਲਨਾ ਵਿੱਚ, Kimi K3 ਨੇ ਪ੍ਰਤੀ ਕੰਮ 49,300 ਆਉਟਪੁੱਟ ਟੋਕਨ ਪੈਦਾ ਕਰਦੇ ਹੋਏ 0.751 ਸਕੋਰ ਕੀਤਾ, 29,900 ਟੋਕਨਾਂ 'ਤੇ Ember-1 ਲਈ 0.753 ਦੇ ਮੁਕਾਬਲੇ - ਤਰਕ ਟੋਕਨਾਂ ਵਿੱਚ 71.3% ਦੀ ਕਮੀ ਅਤੇ ਕੁੱਲ ਟੋਕਨਾਂ ਵਿੱਚ 39% ਘੱਟ। ਟੈਸਟਾਂ ਤੋਂ ਬਾਅਦ, ਇੱਕ ਗਾਹਕ ਨੇ ਬੇਸ ਮਾਡਲ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬਦਲਣ ਲਈ ਇਸ ਨੂੰ ਵਧਾਉਣ ਦੀਆਂ ਯੋਜਨਾਵਾਂ ਦੇ ਨਾਲ ਐਂਬਰ-1 ਨੂੰ ਲਾਈਵ ਉਤਪਾਦਨ ਵਿੱਚ ਤਬਦੀਲ ਕੀਤਾ।
ਫਾਇਰਵਰਕਸ ਦੇ ਅੰਦਰ ਹੀ, ਲਾਂਚ ਤੋਂ ਪਹਿਲਾਂ ਮਾਡਲ ਨੂੰ ਚੁੱਪਚਾਪ ਕੰਪਨੀ ਦੇ ਆਪਣੇ ਕੋਡਿੰਗ ਵਰਕਫਲੋਜ਼ ਵਿੱਚ ਬਦਲ ਦਿੱਤਾ ਗਿਆ ਸੀ। ਟੀਮ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇਸ ਨੂੰ ਮਾਣ ਵਾਲੀ ਗੱਲ ਹੈ: ਕਿਸੇ ਨੇ ਧਿਆਨ ਨਹੀਂ ਦਿੱਤਾ। ਡਿਵੈਲਪਰਾਂ ਨੇ ਕਾਫ਼ੀ ਘੱਟ ਟੋਕਨਾਂ ਦੀ ਖਪਤ ਕਰਦੇ ਹੋਏ ਸਵਿੱਚ ਦਾ ਪਤਾ ਲਗਾਏ ਬਿਨਾਂ ਆਪਣਾ ਕੰਮ ਜਾਰੀ ਰੱਖਿਆ।
ਇੱਕ ਰਣਨੀਤੀ ਦੇ ਰੂਪ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ ਖੁਫੀਆ ਜਾਣਕਾਰੀ
ਐਂਬਰ-1 ਫਾਇਰਵਰਕਸ ਰਿਸਰਚ ਦੀ ਇੱਕ ਯੋਜਨਾਬੱਧ ਲੜੀ ਵਿੱਚ ਪਹਿਲਾ ਮਾਡਲ ਹੈ, ਅਤੇ ਇਹ ਕੰਪਨੀ ਦੇ ਵਿਸ਼ੇਸ਼ ਖੁਫੀਆ ਸੂਚਕਾਂਕ ਦੇ ਨਾਲ ਆਉਂਦਾ ਹੈ, ਇੱਕ ਬੈਂਚਮਾਰਕਿੰਗ ਯਤਨ ਜੋ ਇਸ ਮਹੀਨੇ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਮਾਹਰ ਦੁਆਰਾ ਬਣਾਏ ਅਸਲ-ਸੰਸਾਰ ਕਾਰਜਾਂ 'ਤੇ ਖੁੱਲੇ, ਬੰਦ, ਅਤੇ ਵਿਸ਼ੇਸ਼ ਮਾਡਲਾਂ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਸੀ।
ਰਣਨੀਤਕ ਖੇਡ ਨੂੰ ਪੜ੍ਹਨਾ ਆਸਾਨ ਹੈ. ਸਕ੍ਰੈਚ ਤੋਂ ਇੱਕ ਫਰੰਟੀਅਰ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਦੀ ਬਜਾਏ, ਫਾਇਰਵਰਕਸ ਨੇ ਇੱਕ ਮਜ਼ਬੂਤ ਓਪਨ-ਵੇਟ ਮਾਡਲ ਲਿਆ, ਇਸ ਵਿੱਚ ਟੋਕਨ ਕੁਸ਼ਲਤਾ ਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ, ਅਤੇ ਹੁਣ ਪ੍ਰਤੀ ਕੰਮ ਪ੍ਰਤੀ ਘੱਟ ਕੀਮਤ 'ਤੇ ਉਹੀ ਸਮਰੱਥਾ ਵੇਚ ਰਿਹਾ ਹੈ। ਜਿਵੇਂ ਕਿ ਮੂਨਸ਼ੌਟ ਵਰਗੀਆਂ ਲੈਬਾਂ ਤੋਂ ਓਪਨ-ਵੇਟ ਰੀਲੀਜ਼ ਸਮਰੱਥਾ ਦੇ ਪਾੜੇ ਨੂੰ ਬੰਦ ਕਰਦੇ ਰਹਿੰਦੇ ਹਨ, ਅਨੁਮਾਨ ਪ੍ਰਦਾਤਾ ਇਹ ਖੋਜ ਕਰ ਰਹੇ ਹਨ ਕਿ ਟਿਕਾਊ ਵਿਭਿੰਨਤਾ ਲੀਡਰਬੋਰਡ ਸਥਿਤੀ ਦੀ ਬਜਾਏ ਪ੍ਰਤੀ ਮੁਕੰਮਲ ਹੋਏ ਕੰਮ ਦੀ ਲਾਗਤ ਵਿੱਚ ਹੋ ਸਕਦੀ ਹੈ - ਇੱਕ ਅਜਿਹੀ ਤਬਦੀਲੀ ਜੋ ਮਜ਼ਬੂਤ ਸਿਖਲਾਈ ਅਤੇ ਸੇਵਾ ਦੇਣ ਵਾਲੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਾਲੀਆਂ ਕੰਪਨੀਆਂ ਦਾ ਸਮਰਥਨ ਕਰਦੀ ਹੈ।
ਚੇਤਾਵਨੀਆਂ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਦੱਸਣ ਯੋਗ ਹਨ: ਉਪਰੋਕਤ ਨੰਬਰ ਫਾਇਰਵਰਕਸ ਦੇ ਆਪਣੇ ਬਲੌਗ, ਇਸਦੇ ਆਪਣੇ ਮੁਲਾਂਕਣਾਂ, ਅਤੇ ਇਸਦੇ ਆਪਣੇ ਭੁਗਤਾਨ ਕਰਨ ਵਾਲੇ ਗਾਹਕਾਂ ਤੋਂ ਆਉਂਦੇ ਹਨ। ਬਾਹਰੀ ਵਰਕਲੋਡਾਂ 'ਤੇ ਟੋਕਨ ਬਚਤ ਦੀ ਸੁਤੰਤਰ ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਅਸਲ ਪ੍ਰੀਖਿਆ ਹੋਵੇਗੀ। ਪਰ ਜੇਕਰ ਨਤੀਜੇ ਸਾਹਮਣੇ ਆਉਂਦੇ ਹਨ, ਤਾਂ ਫਰੰਟੀਅਰ-ਸ਼੍ਰੇਣੀ ਦੇ ਓਪਨ ਮਾਡਲ ਨੂੰ ਚਲਾਉਣ ਦਾ ਸਭ ਤੋਂ ਵੱਧ ਲਾਗਤ-ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਤਰੀਕਾ ਹੁਣ ਇਸ ਨੂੰ ਘੱਟ ਸੋਚਣ ਲਈ ਨਹੀਂ ਬਣਾਇਆ ਜਾ ਸਕਦਾ ਹੈ - ਇਹ ਇੱਕ ਅਜਿਹਾ ਮਾਡਲ ਚਲਾਉਣਾ ਹੋ ਸਕਦਾ ਹੈ ਜਿਸ ਨੇ ਕੁਸ਼ਲਤਾ ਨਾਲ ਸੋਚਣਾ ਸਿੱਖ ਲਿਆ ਹੋਵੇ।
---
ਨਵੀਨਤਮ AI ਖਬਰਾਂ, ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਸਫਲਤਾਵਾਂ ਪ੍ਰਾਪਤ ਕਰੋ - ਸਭ ਇੱਕ ਥਾਂ 'ਤੇ।
ਹੋਰ AI ਖਬਰਾਂ ਪੜ੍ਹੋ →
