ਮਿਸਟਰਲ ਏਆਈ ਨੇ ਟਾਈਮਸਟ੍ਰਲ ਨੂੰ ਜਾਰੀ ਕੀਤਾ ਹੈ, ਟਾਈਮ-ਸੀਰੀਜ਼ ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲਾਂ ਦਾ ਆਪਣਾ ਪਹਿਲਾ ਪਰਿਵਾਰ, ਅਤੇ ਸ਼ਾਂਤ ਰੀਲੀਜ਼ ਹੁਣ ਇੱਕ ਉੱਚੀ ਦੂਜੀ ਐਕਟ ਪ੍ਰਾਪਤ ਕਰ ਰਹੀ ਹੈ: 15 ਅਕਤੂਬਰ ਨੂੰ ਮਿਸਟਰਲ ਦੇ ਬਲੌਗ 'ਤੇ ਪ੍ਰਕਾਸ਼ਿਤ ਘੋਸ਼ਣਾ, 19 ਅਕਤੂਬਰ ਨੂੰ ਹੈਕਰ ਨਿਊਜ਼ ਦੇ ਪਹਿਲੇ ਪੰਨੇ 'ਤੇ ਪਹੁੰਚੀ, ਜਿੱਥੇ ਇਸ ਨੇ ਸੈਂਕੜੇ ਅਪਵੋਟਸ ਖਿੱਚੇ। ਪਿੱਚ ਫਾਊਂਡੇਸ਼ਨ-ਮਾਡਲ ਯੁੱਗ ਲਈ ਅਸਾਧਾਰਨ ਹੈ - 5 ਮਿਲੀਅਨ ਤੋਂ 209 ਮਿਲੀਅਨ ਪੈਰਾਮੀਟਰਾਂ ਤੱਕ ਛੋਟੇ ਮਾਡਲਾਂ ਤੋਂ ਅਤਿ-ਆਧੁਨਿਕ ਪੂਰਵ ਅਨੁਮਾਨ ਜੋ ਆਮ ਸਰਵਰ CPUs 'ਤੇ ਚੱਲਦੇ ਹਨ।
ਸਾਰੇ ਤਿੰਨ ਮੁੱਖ ਮਾਪਦੰਡਾਂ 'ਤੇ ਪਹਿਲਾਂ For more context on this story, see our ongoing AI news.
ਮਿਸਟਰਲ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇਸਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਟਾਈਮਸਟ੍ਰਲ ਮਾਡਲ, ਸਿਰਫ 209M ਪੈਰਾਮੀਟਰਾਂ 'ਤੇ, ਖੇਤਰ ਦੇ ਤਿੰਨਾਂ ਮੁੱਖ ਜਨਤਕ ਮਾਪਦੰਡਾਂ - ਗਿਫਟ-ਈਵਲ, ਟਾਈਮ ਅਤੇ ਫੇਵ-ਬੈਂਚ - ਲਗਭਗ ਦੋ-ਤਿਹਾਈ ਮਾਪਦੰਡਾਂ ਦੇ ਨਾਲ ਕਲਾ ਦੀ ਪਿਛਲੀ ਸਥਿਤੀ ਨੂੰ ਪਛਾੜਦੇ ਹੋਏ ਪਹਿਲੇ ਸਥਾਨ 'ਤੇ ਹੈ। ਨਤੀਜੇ GIFT-Eval ਅਤੇ TIME ਲੀਡਰਬੋਰਡਾਂ 'ਤੇ ਜਮ੍ਹਾ ਕੀਤੇ ਗਏ ਸਨ, ਅਤੇ Mistral ਨੋਟ ਕਰਦਾ ਹੈ ਕਿ ਸੰਖਿਆ ਬਿਨਾਂ ਕਿਸੇ ਇੱਕਲੇ ਚੈਕਪੁਆਇੰਟ ਤੋਂ ਆਉਂਦੀ ਹੈ।
ਆਕਾਰ ਦੀ ਤੁਲਨਾ ਸ਼ਾਨਦਾਰ ਹਿੱਸਾ ਹੈ. ਮਿਸਟਰਲ ਰਿਪੋਰਟ ਕਰਦਾ ਹੈ ਕਿ 28M ਮਾਡਲ ਕ੍ਰੋਨੋਸ-2 ਨੂੰ ਹਰਾਉਂਦਾ ਹੈ, ਇੱਕ ਮਾਡਲ ਲਗਭਗ ਚਾਰ ਗੁਣਾ ਵੱਡਾ, ਗਿਫਟ-ਈਵਲ ਅਤੇ ਟਾਈਮ 'ਤੇ, ਜਦੋਂ ਕਿ 209M ਮਾਡਲ ਘੱਟ ਪੈਰਾਮੀਟਰਾਂ ਨਾਲ TimesFM-3 ਅਤੇ ਫਾਲਕਨ-2.0 ਨੂੰ ਹਰਾਉਂਦਾ ਹੈ। ਪਰਿਵਾਰ ਵਿੱਚ ਹਰ ਆਕਾਰ, ਕੰਪਨੀ ਕਹਿੰਦੀ ਹੈ, ਮਾਡਲ ਆਕਾਰ ਦੇ ਮੁਕਾਬਲੇ ਸ਼ੁੱਧਤਾ ਦੇ ਪੈਰੇਟੋ ਮੋਰਚੇ 'ਤੇ ਬੈਠਦਾ ਹੈ - ਭਾਵ ਕੋਈ ਵੀ ਜਨਤਕ ਮਾਡਲ ਉਸੇ ਪੈਰਾਮੀਟਰ ਦੀ ਗਿਣਤੀ 'ਤੇ ਬਿਹਤਰ ਭਵਿੱਖਬਾਣੀ ਨਹੀਂ ਕਰਦਾ।
ਐਂਟਰਪ੍ਰਾਈਜ਼ ਡੇਟਾ ਲਈ ਬਣਾਇਆ ਗਿਆ ਜਿਸ ਬਾਰੇ ਕੋਈ ਵੀ ਟਵੀਟ ਨਹੀਂ ਕਰਦਾ
ਸਮਾਂ ਲੜੀ ਬੇਮਿਸਾਲ ਪਰ ਸਰਵ-ਵਿਆਪੀ ਹੈ: ਸੈਂਸਰ ਟੈਲੀਮੈਟਰੀ, ਨਿਰੀਖਣਯੋਗਤਾ ਮੈਟ੍ਰਿਕਸ, ਊਰਜਾ ਲੋਡ, ਸਪਲਾਈ-ਚੇਨ ਪ੍ਰਵਾਹ, ਵਿੱਤੀ ਵਾਲੀਅਮ। ਮਿਸਟਰਲ ਦੀ ਦਲੀਲ ਇਹ ਹੈ ਕਿ ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਬੁਨਿਆਦ-ਮਾਡਲ ਤਕਨੀਕਾਂ ਮੁਸ਼ਕਿਲ ਨਾਲ ਉਤਰੀਆਂ ਹਨ। ARIMA ਵਰਗੇ ਕਲਾਸੀਕਲ ਟੂਲ ਇਕੱਲੇ ਲੜੀ ਵਿੱਚ ਫਿੱਟ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਪੈਚਟੀਐਸਟੀ ਵਰਗੇ ਡੂੰਘੇ ਸਿੱਖਣ ਵਾਲੇ ਮਾਡਲਾਂ ਨੂੰ ਆਮ ਤੌਰ 'ਤੇ ਪ੍ਰਤੀ ਡੇਟਾਸੈਟ ਸਕ੍ਰੈਚ ਤੋਂ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਇਸਲਈ ਕੁਝ ਵੀ ਨਵੇਂ ਡੋਮੇਨਾਂ ਵਿੱਚ ਟ੍ਰਾਂਸਫਰ ਨਹੀਂ ਹੁੰਦਾ।
ਟਾਈਮਸਟ੍ਰਲ ਭਾਸ਼ਾ ਦੇ ਮਾਡਲਾਂ ਤੋਂ ਪ੍ਰੀ-ਟ੍ਰੇਨਿੰਗ ਪਲੇਬੁੱਕ ਲੈਂਦਾ ਹੈ ਅਤੇ ਇਸਨੂੰ ਸੰਖਿਆਤਮਕ ਕ੍ਰਮਾਂ 'ਤੇ ਲਾਗੂ ਕਰਦਾ ਹੈ। ਇੱਕ ਵੱਡੇ, ਵਿਭਿੰਨ ਕਾਰਪਸ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ, ਇਹ ਉਸ ਡੇਟਾ 'ਤੇ ਜ਼ੀਰੋ-ਸ਼ਾਟ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ ਜੋ ਇਸਨੇ ਕਦੇ ਨਹੀਂ ਦੇਖਿਆ - ਡੋਮੇਨਾਂ ਸਮੇਤ ਜਿੱਥੇ ਲੇਬਲ ਕੀਤਾ ਇਤਿਹਾਸ ਬਹੁਤ ਘੱਟ ਹੈ।
ਮਾਡਲ 21 ਕੁਆਂਟਾਇਲਾਂ ਵਿੱਚ ਸੰਭਾਵੀ, ਬਹੁ-ਵਿਭਿੰਨ ਪੂਰਵ-ਅਨੁਮਾਨਾਂ ਦਾ ਉਤਪਾਦਨ ਕਰਦੇ ਹਨ ਅਤੇ ਤਿੰਨ ਕਿਸਮਾਂ ਦੀ ਸਾਈਡ ਜਾਣਕਾਰੀ ਨੂੰ ਸਵੀਕਾਰ ਕਰਦੇ ਹਨ: ਪਿਛਲੇ-ਸਿਰਫ਼ ਕੋਵੇਰੀਏਟਸ, ਜਾਣੇ-ਪਛਾਣੇ-ਭਵਿੱਖ ਦੇ ਕੋਵੇਰੀਏਟਸ ਜਿਵੇਂ ਕਿ ਉਤਪਾਦਨ ਸਮਾਂ-ਸਾਰਣੀ ਜਾਂ ਮੌਸਮ ਦੀ ਭਵਿੱਖਬਾਣੀ, ਅਤੇ ਮਸ਼ੀਨ ਦੀ ਸਥਿਤੀ (ਚੱਲ ਰਹੇ, ਨਿਸ਼ਕਿਰਿਆ, ਰੱਖ-ਰਖਾਅ ਅਧੀਨ) ਜੋ ਕਿ ਐਨਕੋਡ ਨੰਬਰ ਦੇ ਤੌਰ 'ਤੇ ਵਿਗੜ ਜਾਣਗੇ।
CPU ਅਰਥ ਸ਼ਾਸਤਰ
ਸ਼ਾਇਦ ਸਭ ਤੋਂ ਵਪਾਰਕ ਤੌਰ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਵੇਰਵੇ: ਟਾਈਮਸਟ੍ਰਲ ਨੂੰ ਅਨੁਮਾਨ 'ਤੇ ਕਿਸੇ GPU ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ। 8 ਥਰਿੱਡਾਂ ਵਾਲੇ ਇੱਕ ਮਿਆਰੀ ਸਰਵਰ CPU 'ਤੇ, ਮਿਸਟਰਲ ਕਹਿੰਦਾ ਹੈ, 15-ਮਿੰਟ ਦੇ ਇਤਿਹਾਸ ਦੇ ਤਿੰਨ ਹਫ਼ਤਿਆਂ ਤੋਂ ਇੱਕ ਦਿਨ ਅੱਗੇ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਿੱਚ 5M ਮਾਡਲ ਨਾਲ 10 ਮਿਲੀਸਕਿੰਟ ਅਤੇ 209M ਮਾਡਲ ਨਾਲ 140 ਮਿਲੀਸਕਿੰਟ ਲੱਗਦੇ ਹਨ। 123M ਵੇਰੀਐਂਟ ਫਲੈਗਸ਼ਿਪ ਦੇ ਸਕੋਰ ਦੇ 0.2% ਦੇ ਅੰਦਰ ਇਸਦੀ ਲੇਟੈਂਸੀ ਦੇ ਤਿੰਨ-ਚੌਥਾਈ ਹਿੱਸੇ 'ਤੇ ਆਉਂਦਾ ਹੈ।
ਇਹ ਹਜ਼ਾਰਾਂ ਸੈਂਸਰਾਂ ਵਿੱਚ ਨਿਰੰਤਰ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ - ਇੱਕ ਉਦਯੋਗਿਕ ਪਲਾਂਟ ਦਾ ਪੂਰਾ ਫਲੀਟ - ਇੱਕ GPU ਕਲੱਸਟਰ ਪ੍ਰੋਜੈਕਟ ਦੀ ਬਜਾਏ ਇੱਕ ਮੁੱਖ ਧਾਰਾ ਹਾਰਡਵੇਅਰ ਪ੍ਰਸਤਾਵ।
ਹੁੱਡ ਦੇ ਹੇਠਾਂ: ਚਾਰ ਤਕਨੀਕੀ ਸੱਟਾ
ਮਿਸਟਰਲ ਨਤੀਜਿਆਂ ਨੂੰ ਕਈ ਤਕਨੀਕਾਂ ਨੂੰ ਕ੍ਰੈਡਿਟ ਦਿੰਦਾ ਹੈ ਜੋ ਇਹ ਇੱਕ ਆਗਾਮੀ ਤਕਨੀਕੀ ਰਿਪੋਰਟ ਵਿੱਚ ਵੇਰਵੇ ਦੇਣ ਦੀ ਯੋਜਨਾ ਬਣਾਉਂਦਾ ਹੈ:
- ਡੀਕਪਲਡ ਹੋਰੀਜ਼ੋਨ ਫੋਰਕਾਸਟਿੰਗ (DHF)। ਟੋਟੋ 2.0 ਅਤੇ ਟਾਈਮਸਐਫਐਮ-3 ਵਰਗੇ ਕਾਰਕ ਡੀਕੋਡਰ ਪਹੁੰਚਾਂ ਵਿੱਚ, ਪੂਰਵ ਅਨੁਮਾਨ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਮੁੱਲਾਂ ਨੂੰ ਸੰਦਰਭ ਦੇ ਰੂਪ ਵਿੱਚ ਮਾਸਕ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਗੁਆਚ ਜਾਂਦਾ ਹੈ। DHF ਪੂਰੇ ਇਤਿਹਾਸ ਨੂੰ ਕ੍ਰਮ ਵਿੱਚ ਰੱਖਦਾ ਹੈ ਜਦੋਂ ਕਿ ਸਿੱਖੇ ਹੋਏ ਪੂਰਵ ਅਨੁਮਾਨ ਟੋਕਨ ਇਸ ਨੂੰ ਪੜ੍ਹਦੇ ਹਨ, ਇਸਲਈ ਹਰ ਦੇਖਿਆ ਗਿਆ ਮੁੱਲ ਟੀਚਾ ਅਤੇ ਸੰਦਰਭ ਦੋਵਾਂ ਦੇ ਤੌਰ 'ਤੇ ਕੰਮ ਕਰਦਾ ਹੈ, ਅਤੇ ਅਸਲ ਅੰਤਰਾਂ ਨੂੰ ਗੁੰਮ ਵਜੋਂ ਫਲੈਗ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
- ਕੋਵੇਰੀਏਟ-ਜਾਗਰੂਕ ਧਿਆਨ। ਹਰੇਕ ਇਨਪੁਟ ਲੜੀ ਨੂੰ ਇੱਕ ਰੋਲ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ — ਟੀਚਾ, ਸਿਰਫ਼-ਪੁਰਾਣਾ ਕੋਵੇਰੀਏਟ ਜਾਂ ਜਾਣਿਆ-ਭਵਿੱਖ ਦਾ ਕੋਵੇਰੀਏਟ — ਜਾਣਕਾਰੀ ਸਿਰਫ਼ ਕੋਵੇਰੀਏਟ ਤੋਂ ਟੀਚਿਆਂ ਤੱਕ ਵਹਿੰਦਾ ਹੈ, ਇਸਲਈ ਛੁੱਟੀਆਂ ਦਾ ਕੈਲੰਡਰ ਟੀਚੇ ਦੇ ਆਪਣੇ ਭਵਿੱਖ ਨੂੰ ਲੀਕ ਕੀਤੇ ਬਿਨਾਂ ਪੂਰਵ ਅਨੁਮਾਨ ਨੂੰ ਸੂਚਿਤ ਕਰ ਸਕਦਾ ਹੈ।
- ਸਿੰਥੈਟਿਕ-ਪਹਿਲਾ ਡੇਟਾ। ਸਿਖਲਾਈ ਡੇਟਾ ਦੀ ਬਹੁਗਿਣਤੀ ਸਿੰਥੈਟਿਕ ਸੀ: ਇਕਸਾਰ ਰੁਝਾਨਾਂ, ਮੌਸਮੀਤਾ ਅਤੇ ਸ਼ੋਰ ਦੇ ਨਾਲ ਇਕਸਾਰ ਪ੍ਰਕਿਰਿਆਵਾਂ, ਇੱਕ ਮਲਟੀਵੇਰੀਏਟ ਸਿੰਥੇਸਾਈਜ਼ਰ ਦੁਆਰਾ ਸੰਯੁਕਤ ਜੋ ਉਹਨਾਂ ਵਿਚਕਾਰ ਗੈਰ-ਰੇਖਿਕ ਨਿਰਭਰਤਾਵਾਂ ਨੂੰ ਪੇਸ਼ ਕਰਦਾ ਹੈ।
- ਦੋ-ਪੜਾਅ ਦੀ ਸਿਖਲਾਈ। 8,192 ਸੰਦਰਭ 'ਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਿੰਥੈਟਿਕ ਡੇਟਾ 'ਤੇ ਪੂਰਵ-ਸਿਖਲਾਈ, ਫਿਰ 4x ਲੰਬੇ ਸੰਦਰਭ ਦੇ ਨਾਲ ਅਸਲ ਅਤੇ ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਦੇ ਮਿਸ਼ਰਣ 'ਤੇ ਸਿਖਲਾਈ ਤੋਂ ਬਾਅਦ, CRPS ਦੇ ਵੱਖਰੇ ਅਨੁਮਾਨ ਵਜੋਂ 21 ਕੁਆਂਟਾਈਲਾਂ ਤੋਂ ਵੱਧ ਪਿਨਬਾਲ ਨੁਕਸਾਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ।
ਓਪਨ ਵੇਟ, ਏਅਰ-ਗੈਪਡ ਡਿਪਲਾਇਮੈਂਟ
ਪਰਿਵਾਰ ਚਾਰ ਆਕਾਰਾਂ ਵਿੱਚ ਭੇਜਦਾ ਹੈ — 5M, 28M, 123M ਅਤੇ 209M ਮਾਪਦੰਡ — 32,768 ਸਮੇਂ ਦੇ ਕਦਮਾਂ ਦੀ ਸੰਦਰਭ ਲੰਬਾਈ ਦੇ ਨਾਲ। ਇੱਕ ਸੋਧੇ ਹੋਏ MIT ਲਾਇਸੈਂਸ ਦੇ ਤਹਿਤ ਹੱਗਿੰਗ ਫੇਸ 'ਤੇ ਵਜ਼ਨ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤੇ ਗਏ ਹਨ, ਅਤੇ ਮਿਸਟ੍ਰਾਲ ਨੇ ਨਿੱਜੀ ਡੇਟਾ 'ਤੇ ਮਾਡਲਾਂ ਨੂੰ ਚਲਾਉਣ ਲਈ ਇੱਕ ਗਿਟਹਬ ਰਿਪੋਜ਼ਟਰੀ ਜਾਰੀ ਕੀਤੀ ਹੈ। ਇੱਕ ਪੂਰੀ ਤਕਨੀਕੀ ਰਿਪੋਰਟ ਦੀ ਪਾਲਣਾ ਕਰਨ ਦਾ ਵਾਅਦਾ ਕੀਤਾ ਗਿਆ ਹੈ.
ਉਹਨਾਂ ਉੱਦਮਾਂ ਲਈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਹੋਰ ਲੋੜ ਹੈ, ਟਾਈਮਸਟ੍ਰਲ ਮਿਸਟਰਲ ਫੋਰਜ ਦੁਆਰਾ ਉਪਲਬਧ ਹੈ, ਕੰਪਨੀ ਦੀ ਸਿਖਲਾਈ ਪਾਈਪਲਾਈਨ, ਮਾਲਕੀ ਡੇਟਾ, ਡੋਮੇਨ-ਵਿਸ਼ੇਸ਼ ਆਰਕੀਟੈਕਚਰਲ ਐਕਸਟੈਂਸ਼ਨਾਂ, ਅਤੇ ਸਿਖਲਾਈ ਮਿਸ਼ਰਣ 'ਤੇ ਨਿਯੰਤਰਣ ਦਾ ਸਮਰਥਨ ਕਰਦੀ ਹੈ - ਗਾਹਕ ਹਾਰਡਵੇਅਰ 'ਤੇ ਤਾਇਨਾਤੀ ਦੇ ਨਾਲ, ਏਅਰ-ਗੈਪਡ ਵਾਤਾਵਰਣ ਸਮੇਤ। ਮਿਸਟਰਲ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਕਹਿੰਦਾ ਹੈ ਕਿ ਪਾਈਪਲਾਈਨ ਇਹ ਗਾਰੰਟੀ ਦੇ ਸਕਦੀ ਹੈ ਕਿ ਬੈਕਟੈਸਟਿੰਗ ਦੌਰਾਨ ਕੁਝ ਵੀ ਨਹੀਂ ਦੇਖਿਆ ਗਿਆ ਸੀ, ਪ੍ਰੀ-ਟ੍ਰੇਨਿੰਗ ਡੇਟਾ ਵਿੱਚ, ਨਿਯੰਤ੍ਰਿਤ ਵਿੱਤ ਅਤੇ ਉਦਯੋਗਿਕ ਗਾਹਕਾਂ ਲਈ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਦਾਅਵਾ।
ਕੰਪਨੀ ਮਾਡਲਾਂ ਲਈ ਇੱਕ ਏਜੰਟਿਕ ਭਵਿੱਖ ਦਾ ਚਿੱਤਰ ਵੀ ਤਿਆਰ ਕਰਦੀ ਹੈ: ਟਾਈਮਸਟ੍ਰਲ ਦੇਖਣ ਵਾਲੇ ਸੈਂਸਰ ਸਟ੍ਰੀਮਜ਼, ਪੰਪ 'ਤੇ ਇੱਕ ਅਸੰਗਤਤਾ ਨੂੰ ਫਲੈਗ ਕਰਨਾ, ਫਿਰ ਇੱਕ ਭਾਸ਼ਾ-ਮਾਡਲ ਏਜੰਟ ਨੂੰ ਸੌਂਪਣਾ ਜੋ ਸਮਾਨ ਇਤਿਹਾਸਕ ਅਸਫਲਤਾਵਾਂ ਨੂੰ ਮੁੜ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ, ਰੱਖ-ਰਖਾਅ ਦੇ ਰਿਕਾਰਡਾਂ ਅਤੇ ਸ਼ਿਫਟ ਲੌਗਾਂ 'ਤੇ ਮੂਲ-ਕਾਰਨ ਵਿਸ਼ਲੇਸ਼ਣ ਚਲਾਉਂਦਾ ਹੈ, ਅਤੇ ਪੌਦੇ ਦੇ ਨਿਦਾਨ ਲਈ ਇੱਕ ਡਰਾਫਟ ਤਿਆਰ ਕਰਦਾ ਹੈ।
ਇਹ ਮਾਇਨੇ ਕਿਉਂ ਰੱਖਦਾ ਹੈ
ਰੀਲੀਜ਼ ਇੱਕ ਰੀਮਾਈਂਡਰ ਹੈ ਕਿ ਫਾਊਂਡੇਸ਼ਨ-ਮਾਡਲ ਦੀ ਦੌੜ ਸਿਰਫ਼ ਟ੍ਰਿਲੀਅਨ-ਪੈਰਾਮੀਟਰ ਐਲਐਲਐਮ ਬਾਰੇ ਨਹੀਂ ਹੈ। ਪੂਰਵ-ਅਨੁਮਾਨ ਉਦਯੋਗ ਵਿੱਚ ਸਭ ਤੋਂ ਉੱਚੇ-ਆਵਾਜ਼ ਵਾਲੇ AI ਵਰਕਲੋਡਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ, ਅਤੇ ਇੱਕ 209M-ਪੈਰਾਮੀਟਰ ਮਾਡਲ ਜੋ CPUs 'ਤੇ ਚੱਲਦੇ ਹੋਏ ਜਨਤਕ ਬੈਂਚਮਾਰਕ ਦੀ ਅਗਵਾਈ ਕਰਦਾ ਹੈ, ਅਸਲ ਬਜਟ ਨੂੰ ਬਦਲ ਸਕਦਾ ਹੈ। ਇਹ ਮਿਸਟ੍ਰਾਲ ਦੇ ਪੋਰਟਫੋਲੀਓ ਨੂੰ ਭਾਸ਼ਾ ਦੇ ਮਾਡਲਾਂ ਤੋਂ ਪਰੇ ਇੱਕ ਪਲ ਵਿੱਚ ਵਿਭਿੰਨਤਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜਦੋਂ ਪੈਰਿਸ-ਅਧਾਰਤ ਲੈਬ, €21 ਬਿਲੀਅਨ ਮੁੱਲਾਂਕਣ 'ਤੇ €3 ਬਿਲੀਅਨ ਦੇ ਵਾਧੇ ਤੋਂ ਤਾਜ਼ਾ, ਯੂਰੋਪੀਅਨ AI ਨੂੰ ਪ੍ਰਭੂਸੱਤਾ, ਕੁਸ਼ਲਤਾ ਅਤੇ ਆਨ-ਪ੍ਰੀਮਿਸਿਸ ਤੈਨਾਤੀ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਸਥਿਤੀ ਪ੍ਰਦਾਨ ਕਰ ਰਹੀ ਹੈ — ਸਾਰੇ ਬਕਸੇ ਡਿਜ਼ਾਈਨ ਦੁਆਰਾ ਟਾਈਮਸਟ੍ਰਲ ਜਾਂਚਾਂ ਕਰਦੇ ਹਨ।
_ਇਹ ਲੇਖ ਅਕਤੂਬਰ 15, 2026 ਦੀ ਮਿਸਟਰਲ ਦੀ ਅਧਿਕਾਰਤ ਟਾਈਮਸਟ੍ਰਲ ਘੋਸ਼ਣਾ 'ਤੇ ਅਧਾਰਤ ਹੈ।_
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
