ਗੂਗਲ ਨੇ 'Gemma 3' ਲਈ QAT ਮਾਡਲ ਪੇਸ਼ ਕੀਤੇ
ਗੂਗਲ ਨੇ 'Gemma 3' ਲਈ ਕੁਆਂਟਾਈਜ਼ੇਸ਼ਨ-ਅਵੇਅਰ ਟ੍ਰੇਨਿੰਗ (QAT) ਮਾਡਲ ਜਾਰੀ ਕੀਤੇ, ਜੋ ਘੱਟ ਮੈਮੋਰੀ ਵਰਤਦੇ ਹਨ ਅਤੇ ਉੱਚ ਗੁਣਵੱਤਾ ਬਰਕਰਾਰ ਰੱਖਦੇ ਹਨ। ਇਹ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਨੂੰ ਵਧੇਰੇ ਪਹੁੰਚਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।
Archives: 4
ਗੂਗਲ ਦਾ ਜੇਮਿਨੀ ਏਆਈ: 35 ਕਰੋੜ ਮਹੀਨਾਵਾਰ ਵਰਤੋਂਕਾਰ
ਗੂਗਲ ਦੇ ਜੇਮਿਨੀ ਏਆਈ ਦੇ 35 ਕਰੋੜ ਮਹੀਨਾਵਾਰ ਵਰਤੋਂਕਾਰ ਹਨ, ਪਰ ਇਹ ChatGPT ਅਤੇ ਮੈਟਾ ਏਆਈ ਵਰਗੀਆਂ ਪ੍ਰਤੀਯੋਗੀ ਏਆਈ ਪਲੇਟਫਾਰਮਾਂ ਤੋਂ ਪਿੱਛੇ ਹੈ। ਮੁਕਾਬਲੇ ਵਾਲੇ ਮਾਹੌਲ ਵਿੱਚ ਗੂਗਲ ਦੀ ਰਣਨੀਤੀ ਅਤੇ ਏਆਈ ਦੇ ਭਵਿੱਖ 'ਤੇ ਝਾਤ।
ਮਰਸੀਡੀਜ਼-ਬੈਂਜ਼: ਚੀਨ ਵਿੱਚ ਇੱਕ ਰਣਨੀਤਕ ਜ਼ਰੂਰਤ
ਮਰਸੀਡੀਜ਼-ਬੈਂਜ਼ ਲਈ, ਚੀਨ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਮੌਜੂਦਗੀ ਬਣਾਈ ਰੱਖਣਾ ਸਿਰਫ਼ ਇੱਕ ਵਿਕਲਪ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਇੱਕ ਰਣਨੀਤਕ ਜ਼ਰੂਰਤ ਹੈ। ਕੈਲਨੀਅਸ ਦੇ ਅਨੁਸਾਰ, ਚੀਨ ਦਾ ਗਤੀਸ਼ੀਲ ਨਵੀਨਤਾਕਾਰੀ ਲੈਂਡਸਕੇਪ ਅਤੇ ਆਧੁਨਿਕ ਸਪਲਾਇਰ ਨੈੱਟਵਰਕ ਇਸਨੂੰ ਮਰਸੀਡੀਜ਼-ਬੈਂਜ਼ ਦੀ ਗਲੋਬਲ ਰਣਨੀਤੀ ਦਾ ਇੱਕ ਲਾਜ਼ਮੀ ਹਿੱਸਾ ਬਣਾਉਂਦੇ ਹਨ।
ਮਾਈਕ੍ਰੋਸਾਫਟ ਦਾ 1-ਬਿੱਟ LLM: AI ਵਿੱਚ ਕ੍ਰਾਂਤੀ
ਮਾਈਕ੍ਰੋਸਾਫਟ ਰਿਸਰਚ ਨੇ ਇੱਕ ਨਵਾਂ 1-ਬਿੱਟ LLM ਪੇਸ਼ ਕੀਤਾ ਹੈ, ਜੋ ਘੱਟ ਊਰਜਾ ਦੀ ਖਪਤ ਕਰਦਾ ਹੈ ਅਤੇ ਰੋਜ਼ਾਨਾ CPU 'ਤੇ ਜਨਰੇਟਿਵ AI ਨੂੰ ਚਲਾਉਣ ਦੇ ਸਮਰੱਥ ਹੈ।
ਐੱਨਵੀਡੀਆ ਨੇ ਨੀਮੋ ਮਾਈਕਰੋਸਰਵਿਸਿਜ਼ ਲਾਂਚ ਕੀਤੀਆਂ
ਐੱਨਵੀਡੀਆ ਨੇ ਏਆਈ ਏਜੰਟਾਂ ਦੇ ਵਿਕਾਸ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਲਈ ਨੀਮੋ ਮਾਈਕਰੋਸਰਵਿਸਿਜ਼ ਲਾਂਚ ਕੀਤੀਆਂ ਹਨ। ਇਹ ਏਆਈ ਅਧਾਰਤ ਆਟੋਮੇਸ਼ਨ ਅਤੇ ਉਤਪਾਦਕਤਾ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਹੈ।
AI ਏਜੰਟਾਂ ਲਈ Nvidia ਦੇ NeMo ਮਾਈਕਰੋਸਰਵਿਸ
Nvidia ਦੇ NeMo ਮਾਈਕਰੋਸਰਵਿਸ AI ਏਜੰਟਾਂ ਨੂੰ ਕੰਮਾਂ ਵਿੱਚ ਜੋੜਨ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ। ਇਹ ਡਿਵੈਲਪਰਾਂ ਨੂੰ AI ਏਜੰਟ ਬਣਾਉਣ ਅਤੇ ਪ੍ਰਬੰਧਨ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਕੰਮ ਆਟੋਮੈਟਿਕ ਹੋ ਜਾਂਦੇ ਹਨ ਅਤੇ ਜਾਣਕਾਰੀ ਅੱਪਡੇਟ ਰਹਿੰਦੀ ਹੈ।
ਓਪਨਏਆਈ ਦਾ ਨਵਾਂ ਓਪਨ ਏਆਈ ਮਾਡਲ
ਓਪਨਏਆਈ 2025 ਵਿੱਚ ਇੱਕ 'ਓਪਨ' ਏਆਈ ਮਾਡਲ ਜਾਰੀ ਕਰੇਗਾ, ਜੋ ਕਿ ਏਆਈ ਵਿੱਚ ਓਪਨ-ਸੋਰਸ ਦੇ ਸਿਧਾਂਤਾਂ ਨੂੰ ਅਪਣਾਉਣ ਵੱਲ ਇੱਕ ਵੱਡਾ ਕਦਮ ਹੈ। ਇਸ ਨਾਲ ਏਆਈ ਵਿਕਾਸ ਵਿੱਚ ਤੇਜ਼ੀ ਆਵੇਗੀ।
OpenAI ਦਾ GPT-4.1: ਇਕ ਕਦਮ ਪਿੱਛੇ?
OpenAI ਨੇ GPT-4.1 ਪੇਸ਼ ਕੀਤਾ, ਪਰ ਸੁਤੰਤਰ ਮੁਲਾਂਕਣਾਂ ਨੇ ਸੁਝਾਅ ਦਿੱਤਾ ਕਿ ਇਹ ਪਹਿਲਾਂ ਨਾਲੋਂ ਘੱਟ ਭਰੋਸੇਯੋਗ ਹੋ ਸਕਦਾ ਹੈ। ਇਹ AI ਵਿਕਾਸ ਦੀ ਦਿਸ਼ਾ ਬਾਰੇ ਸਵਾਲ ਉਠਾਉਂਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਤਾਕਤ ਅਤੇ ਨੈਤਿਕਤਾ ਦੇ ਵਿਚਕਾਰ।
OpenAI ਦਾ GPT-4.1: ਕੀ ਇਹ ਜ਼ਿਆਦਾ ਚਿੰਤਾਜਨਕ ਹੈ?
OpenAI ਨੇ GPT-4.1 ਜਾਰੀ ਕੀਤਾ, ਪਰ ਟੈਸਟਿੰਗ ਤੋਂ ਪਤਾ ਲੱਗਾ ਕਿ ਇਹ ਪੁਰਾਣੇ ਵਰਜਨਾਂ ਨਾਲੋਂ ਘੱਟ ਭਰੋਸੇਯੋਗ ਹੈ। ਇਸ ਮਾਡਲ ਬਾਰੇ ਸਵਾਲ ਉੱਠ ਰਹੇ ਹਨ ਕਿ ਕੀ ਇਹ ਆਪਣੇ ਪੁਰਾਣੇ ਰੂਪ ਨਾਲੋਂ ਘੱਟ ਵਧੀਆ ਹੈ।
ਭਰੋਸੇਯੋਗ AI ਏਜੰਟਾਂ ਲਈ ਨਵਾਂ ਤਰੀਕਾ: RAGEN
RAGEN ਇੱਕ ਨਵਾਂ ਸਿਸਟਮ ਹੈ ਜੋ AI ਏਜੰਟਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਅਤੇ ਮੁਲਾਂਕਣ ਕਰਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦਾ ਹੈ, ਉਹਨਾਂ ਨੂੰ ਅਸਲ-ਸੰਸਾਰ ਵਰਤੋਂ ਲਈ ਵਧੇਰੇ ਭਰੋਸੇਮੰਦ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਫਰੇਮਵਰਕ ਤਜਰਬੇ ਦੁਆਰਾ ਸਿੱਖਣ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦਾ ਹੈ, ਫੈਸਲੇ ਲੈਣ ਦੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਂਦਾ ਹੈ, ਅਤੇ ਏਜੰਟਾਂ ਦੀ ਵਿਚਾਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।