NVIDIA نے Nemotron 3.5 Super VL جاری کیا ہے، ایک کھلا، حسب ضرورت ملٹی موڈل ماڈل جس کا مقصد کاروباری اداروں کو خصوصی AI ایجنٹوں کی تعمیر کرنا ہے۔ ماڈل ایک 120-بلین پیرامیٹر مرکب-ماہرین فن تعمیر کا استعمال کرتا ہے جو فی ٹوکن صرف 12 بلین پیرامیٹرز کو چالو کرتا ہے، ایک ڈیزائن NVIDIA کا کہنا ہے کہ فرنٹیئر پیمانے کی صلاحیت کو تخمینہ کی کارکردگی کے ساتھ متوازن کرتا ہے۔ وزن BF16 درستگی میں Hugging Face پر دستیاب ہے، اور NVIDIA نے ریلیز کے ساتھ ساتھ ایک تکنیکی واک تھرو شائع کیا۔

ملٹی موڈل ماہر کے طور پر NVIDIA کے پھیلتے ہوئے اوپن ماڈل فیملی میں سپر VL سلاٹ۔ کمپنی کے مطابق، چھوٹے Nemotron 3.5 Lightning ماڈلز ہائی والیوم ٹیکسٹ ٹاسک کو ہینڈل کرتے ہیں، جبکہ فرنٹیئر Nemotron 3 Ultra پیچیدہ منصوبہ بندی اور آرکیسٹریشن سے نمٹتا ہے - ٹیموں کو ایجنٹ ورک فلو کے ہر قدم کو ماڈل کے صحیح سائز تک لے جانے دیتا ہے۔ یہ ایک پش ZDNET میں تازہ ترین اقدام ہے جسے یو ایس اوپن ویٹ AI کے لیے ایک اور قدم کے طور پر بیان کیا گیا ہے۔ اگر آپ اوپن ویٹ ریس کو ٹریک کر رہے ہیں، تو ہماری حالیہ اوپن ماڈل ریلیز کی کوریج وسیع تر تصویر رکھتی ہے۔

متن، تصاویر، دستاویزات اور ویڈیو کے لیے ایک ماڈل

بنیادی پچ استحکام ہے. Super VL متن، تصویر، دستاویز اور ویڈیو کی تفہیم کے ساتھ استدلال، ہدایات کی پیروی اور ٹول کے استعمال کو یکجا کرتا ہے، اس لیے ٹیموں کو ان کے درمیان علیحدہ متن اور وژن لینگویج ماڈل یا شٹل ٹاسک سیاق و سباق کو متعین کرنے کی ضرورت نہیں ہے۔ NVIDIA کا کہنا ہے کہ اس کی بصری تربیت میں چارٹس، ٹیبلز، آپٹیکل کریکٹر ریکگنیشن، ملٹی پیج دستاویزات اور ویڈیو کا احاطہ کیا گیا ہے، جس میں دو مراحل کی زیر نگرانی فائن ٹیوننگ پائپ لائن ہے جو بصری ثبوت کو استدلال، چیٹ، حفاظت اور طویل سیاق و سباق کے ڈیٹا کے ساتھ فیوز کرتی ہے۔

ٹارگٹ ورک فلوز وہ ہیں جن سے انٹرپرائزز ٹھوکریں کھاتے رہتے ہیں: ایک کسٹمر سروس ایجنٹ جس کو کمپنی کی پالیسی کے دستاویزات کو پڑھنا ضروری ہے، ایک ریسرچ ایجنٹ جو تمام ذرائع سے شواہد کو جوڑتا ہے، یا ایک دستاویز ایجنٹ جو چارٹ کی تشریح کرتا ہے اور اسے اسی فائلنگ میں کسی اور ٹیبل سے جوڑتا ہے۔ ہر معاملے میں ماڈل کو اسی سیاق و سباق کی کھڑکی میں مواد اور اس کی وجہ کو دیکھنے کی ضرورت ہے۔

تھرو پٹ کلیمز: سنگل GPU پر 5x تک

کارکردگی وہ جگہ ہے جہاں NVIDIA تیز ترین لکیریں کھینچ رہا ہے۔ کمپنی کا دعویٰ ہے کہ Nemotron 3.5 Super VL ایک واحد GPU پر اپنے سائز کے زمرے میں دوسرے اوپن ماڈلز کے مقابلے میں ایجنٹی کاموں کے لیے 5x زیادہ تھرو پٹ فراہم کرتا ہے، اور بیسٹن انفرنس اینڈ پوائنٹ کے ذریعے مصنوعی تجزیہ انٹیلی جنس انڈیکس ایجنٹی کاموں پر فی سیکنڈ 600 سے زیادہ ٹوکن دکھاتے ہوئے بینچ مارکس کی طرف اشارہ کیا۔

ہڈ کے نیچے کئی تکنیکیں ان نمبروں کو چلاتی ہیں۔ NVIDIA نے LiLiCorr کو نمایاں کیا، ایک کھلا قیاس آرائی پر مبنی ضابطہ کشائی کا طریقہ، جس میں NVFP4 مخلوط درستگی، ملٹی ٹوکن پیشین گوئی، اور سیاق و سباق کا دوبارہ استعمال ایجنٹ کے موڑ پر کیا جاتا ہے - ایجنٹوں کے لیے ایک بامعنی اصلاح جو ٹولز کے ساتھ طویل گفتگو کرتے ہیں۔ ایجنٹوں کو نان اسٹاپ چلانے والے کاروباری اداروں کے لیے، فی GPU تھرو پٹ اکثر قابل عمل پروڈکٹ اور ناقابل استعمال لاگت کے ڈھانچے میں فرق ہوتا ہے۔

پوسٹ ٹریننگ پوائنٹ ہے۔

NVIDIA واضح ہے کہ بیس ماڈل تیار مصنوعات کے بجائے ایک نقطہ آغاز ہے۔ ڈویلپرز زیر نگرانی فائن ٹیوننگ اور LoRA کا استعمال کرتے ہوئے NeMo لائبریری کے ساتھ Super VL کو اپنی مرضی کے مطابق بنا سکتے ہیں تاکہ ڈومین کے ساتھ مخصوص سلوک سکھایا جا سکے، پھر ایسے ماحول میں NeMo RL اور NeMo Gym کے ذریعے کمک سیکھنے کا اطلاق کریں جو ان کے اپنے کاموں کی عکاسی کرتے ہیں۔ کمپنی کا کہنا ہے کہ سائبرسیکیوریٹی، فنانس اور ہیلتھ کیئر میں تنظیمیں پہلے سے ہی اپنے پروڈکشن ورک فلو پر فرنٹیئر متبادل کو شکست دینے کے لیے ماڈل کی پوسٹ ٹریننگ کر رہی ہیں، ایسا دعویٰ جس کی آزادانہ طور پر تصدیق کرنا مشکل ہے لیکن انٹرپرائز ایجنٹ پوزیشننگ کے مطابق ہے۔

اس کام کو سپورٹ کرنے کے لیے، NVIDIA وزن کے ساتھ ساتھ Hugging Face پر کھلے ڈیٹا سیٹ جاری کر رہا ہے، جس میں ایجنٹی ٹول کا استعمال اور بات چیت کا ڈیٹا، فنانس ریجننگ اور ٹول کالنگ سیٹ، انسٹرکشن فالونگ اور چیٹ ڈیٹا، لانگ سیاق و سباق کی منتقلی اور ترجمہ ڈیٹا، فیئرنس ڈیٹا، اور 40 ویژن لینگویج ڈیٹا سیٹس شامل ہیں۔ پرائم انٹیلیکٹ پہلے ہی طویل افق انٹرپرائز کے کام کے لیے ماڈل کی پوسٹ ٹریننگ کے لیے ایک نسخہ شائع کر چکا ہے، یہ ایک ابتدائی علامت ہے کہ ماحولیاتی نظام ریلیز کو ایک سنجیدہ بنیاد کے طور پر دیکھ رہا ہے۔ NVIDIA نے GitHub پر ایک استعمال کی کتاب بھی شائع کی ہے جس میں تخصیص کا احاطہ کیا گیا ہے، اور کمپنی اس بات پر زور دیتی ہے کہ بنیادی ڈھانچے اور ڈیٹا ریذیڈنسی کی ضروریات کو پورا کرنے کے لیے کھلے وزن کو مقامی، ڈیٹا سینٹر یا کلاؤڈ ماحول میں تعینات کیا جا سکتا ہے - وہ لچک جو باقاعدہ خریدار مسلسل مانگتے ہیں اور بند APIs پیش نہیں کر سکتے۔

اوپن ویٹ ریس کے لیے اس کا کیا مطلب ہے۔

ریلیز سیگمنٹ انٹرپرائزز میں کھلے اور بند ماڈلز کے درمیان فرق کو مزید سخت کرتی ہے: دستاویز کے بھاری ایجنٹ کے کام کے لیے درمیانے سائز کے ملٹی موڈل سسٹم۔ چونکہ وزن مقامی، ڈیٹا سینٹر یا کلاؤڈ ماحول میں چل سکتا ہے، اس لیے سپر VL ریگولیٹڈ صنعتوں کو ایک آپشن فراہم کرتا ہے جو فرنٹیئر APIs نہیں کر سکتے — حساس دستاویزات کو اپنے انفراسٹرکچر پر رکھتے ہوئے بھی چارٹ، ٹیبل اور ویڈیو کی سمجھ حاصل کرتے ہیں۔

مسابقتی پڑھنا سیدھا ہے۔ Meta, Alibaba, DeepSeek اور Liquid AI نے اس سال تمام اوپن ویٹ ماڈل بھیجے ہیں جن کا مقصد ایجنٹوں کے لیے ہے، اور NVIDIA - جو ہارڈ ویئر فروخت کرتا ہے جس پر ہر کوئی تربیت کرتا ہے - اب اجازت دینے والے لائسنسنگ اور کارکردگی کی کہانی کے ساتھ ماڈل کی تہہ میں براہ راست مقابلہ کر رہا ہے۔ اگر تھرو پٹ کے دعوے آزاد بینچ مارکس میں برقرار ہیں تو 2027 میں انٹرپرائز ایجنٹس کے لیے ڈیفالٹ اسٹیک ایک سال پہلے کے مقابلے میں کافی زیادہ کھلا ہو سکتا ہے۔

---

AI سے آگے رہیں

تازہ ترین AI خبریں، تجزیہ اور کامیابیاں حاصل کریں — سب ایک جگہ پر۔

مزید AI خبریں پڑھیں →