Meta lancar keluarga Llama 4 (Maverick, Scout, pratonton Behemoth) dengan multimodaliti, tetingkap konteks luas (hingga 10J token), dan seni bina MoE. Ia respons kepada pesaing seperti DeepSeek R1 dan bertujuan memimpin AI sumber terbuka.
Meta melancarkan siri Llama 4, model AI generasi seterusnya, menampilkan Scout, Maverick, dan Behemoth. Ia menekankan komitmen terhadap model terbuka dan persaingan AI, dengan keupayaan multimodal dan seni bina MoE baharu, sambil mengemudi landskap pelesenan yang kompleks.
Meta Platforms hadapi cabaran dengan model AI Llama 4, mungkin menangguh pelancaran dan menjejaskan daya saingnya terhadap pesaing seperti OpenAI kerana isu prestasi. Syarikat fokus pada strategi API sambil menangani kebimbangan pasaran yang tercermin dalam harga sahamnya.
Meta dilaporkan akan melancarkan Llama 4 tidak lama lagi, menghadapi halangan pembangunan dan persaingan AI yang sengit. Pelancaran yang mungkin tertangguh ini menonjolkan pelaburan besar AI Meta di tengah-tengah penelitian pelabur dan cabaran daripada model seperti DeepSeek, sambil mempertimbangkan seni bina MoE dan strategi sumber terbuka.
AI Llama Meta berjaya dijalankan pada Windows 98 dengan hanya 128MB RAM, diketengahkan oleh Marc Andreessen. Meneroka cabaran teknikal Exo Labs, kekangan sumber, dan persoalan Andreessen tentang potensi AI perbualan awal, berbanding era Copilot moden. Satu pertembungan teknologi yang menarik.
NVIDIA memperkenalkan FFN Fusion untuk mengatasi bottleneck berjujukan dalam LLM. Teknik ini menggabungkan lapisan FFN, meningkatkan kelajuan inferens dan mengurangkan kos tanpa menjejaskan prestasi, seperti yang ditunjukkan oleh Ultra-253B-Base daripada Llama-405B. Ia menawarkan kecekapan yang lebih baik untuk AI.
Meta melancarkan Meta AI dan AI Studio di Indonesia, dikuasakan oleh Llama 3.2. Ia menyasarkan pengguna WhatsApp, FB, IG dan pemasar dengan alat AI baharu untuk kerjasama pencipta kandungan dan pengiklanan.
Menyesuaikan Model Bahasa Besar (LLM) seperti Llama dan Mistral untuk domain teknikal melalui penalaan halus (CPT, SFT, DPO/ORPO) dan penggabungan model (SLERP). Strategi ini bertujuan untuk menerapkan kepakaran khusus dan memupuk keupayaan baharu yang tidak dijangka, mengatasi batasan model umum dalam bidang sains dan kejuruteraan.
Nvidia memperkenalkan Project G-Assist, pembantu AI eksperimen yang berjalan secara tempatan pada GPU GeForce RTX. Ia menawarkan bantuan dalam permainan, diagnostik sistem, dan pengoptimuman, memanfaatkan model Llama 8 bilion parameter tanpa awan. Tersedia untuk desktop RTX, sokongan laptop akan datang.
Dokumen mahkamah mendedahkan perjanjian perkongsian hasil antara Meta dan hos model Llama AI, menandakan perkembangan penting dalam kolaborasi dan pengewangan kecerdasan buatan.
