متا مجموعه مدل‌های هوش مصنوعی Llama 4 شامل Scout و Maverick را معرفی کرد و از Behemoth قدرتمندتر خبر داد. این مدل‌ها در پلتفرم‌های متا ادغام شده و از معماری MoE استفاده می‌کنند، در حالی که بحث 'متن‌باز' بودن آن‌ها به دلیل محدودیت‌های مجوز ادامه دارد.
متا خانواده Llama 4 را به عنوان پاسخ به رقبا معرفی کرد. این مدل‌های هوش مصنوعی منبع‌باز، چندوجهی (متن، ویدئو، تصویر) بوده و دارای پنجره زمینه وسیع (تا ۱۰ میلیون توکن) و معماری MoE هستند. Maverick و Scout منتشر شده‌اند و Behemoth در حال آموزش است. هدف، تقویت استدلال، کدنویسی و محصولات متا ضمن تأکید بر ایمنی است.
Meta سری Llama 4 را معرفی کرد، نسل بعدی مدل‌های باز هوش مصنوعی شامل Scout، Maverick و Behemoth. این مدل‌ها با قابلیت‌های چندوجهی و معماری MoE، رقابت در حوزه هوش مصنوعی را تشدید می‌کنند و در محصولات Meta مانند Meta AI ادغام می‌شوند، هرچند با محدودیت‌های مجوزی خاص.
متا پلتفرمز با چالش‌هایی در توسعه مدل زبان بزرگ Llama 4 روبروست. گزارش‌ها حاکی از مشکلات فنی و تأخیر احتمالی در عرضه آن است که جایگاه رقابتی متا را در برابر رقبایی مانند OpenAI و Google به خطر می‌اندازد و نگرانی‌هایی را در بازار ایجاد کرده است.
Meta برای عرضه Llama 4 آماده می‌شود، اما با تأخیرها و چالش‌های فنی در زمینه استدلال و مکالمه صوتی مواجه است. این شرکت میلیاردها دلار سرمایه‌گذاری می‌کند و با فشار سرمایه‌گذاران و رقابت مدل‌هایی مانند DeepSeek روبروست. استراتژی عرضه شامل استفاده از MoE و تعادل بین دسترسی اختصاصی و منبع‌باز است.
در تلاقی شگفت‌انگیز دوران‌های فناوری، روایتی پدیدار شده که روزهای اولیه رایانه‌های خانگی را به هوش مصنوعی پیشرفته پیوند می‌زند. Marc Andreessen برجسته‌سازی کرد که نسخه فشرده مدل هوش مصنوعی Llama متعلق به Meta با موفقیت روی رایانه‌ای با سیستم‌عامل Windows 98 و تنها 128 مگابایت RAM اجرا شده است. این دستاورد پتانسیل فناوری و مسیر تاریخی محاسبات را یادآوری می‌کند.
انویدیا با FFN Fusion، تکنیکی برای موازی‌سازی لایه‌های FFN در مدل‌های زبان بزرگ (LLM)، کارایی استنتاج را افزایش می‌دهد. این روش با کاهش تأخیر و هزینه محاسباتی بدون افت عملکرد، چالش پردازش متوالی در معماری transformer را برطرف می‌کند، همانطور که در تبدیل Llama-405B به Ultra-253B-Base نشان داده شده است.
Meta هوش مصنوعی Meta AI و AI Studio را در اندونزی راه‌اندازی کرد. این ابزارها با پشتیبانی از Bahasa Indonesia و مدل Llama 3.2، تجربه کاربران WhatsApp، Facebook و Instagram را بهبود بخشیده و ابزارهای جدیدی برای بازاریابان و همکاری با سازندگان محتوا در Instagram ارائه می‌دهند، از جمله جستجوی پیشرفته و Partnership Ads.
چالش تطبیق مدل‌های زبانی بزرگ (LLMs) مانند Llama و Mistral برای حوزه‌های فنی تخصصی مانند علم مواد. بررسی روش‌های تنظیم دقیق (fine-tuning) و ادغام مدل (merging) مانند SLERP برای ایجاد تخصص و قابلیت‌های نوظهور، ضمن حفظ دانش عمومی مدل‌ها.
انویدیا Project G-Assist را معرفی کرد، یک دستیار هوش مصنوعی آزمایشی که به صورت محلی روی پردازنده‌های گرافیکی GeForce RTX اجرا می‌شود. این ابزار کمک‌های متنی در بازی، بهینه‌سازی سیستم و موارد دیگر را بدون نیاز به ابر ارائه می‌دهد و عصر جدیدی از کمک‌های هوش مصنوعی روی دستگاه را برای گیمرها نوید می‌دهد.
