ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦਾ ਲੈਂਡਸਕੇਪ ਬਹੁਤ ਤੇਜ਼ ਰਫ਼ਤਾਰ ਨਾਲ ਵਿਕਸਤ ਹੋ ਰਿਹਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਵੱਡੀਆਂ ਤਕਨਾਲੋਜੀ ਫਰਮਾਂ ਅਤੇ ਚੁਸਤ ਸਟਾਰਟਅੱਪਸ ਲਗਾਤਾਰ ਨਵੇਂ ਅਤੇ ਸੁਧਰੇ ਹੋਏ ਮਾਡਲ ਪੇਸ਼ ਕਰ ਰਹੇ ਹਨ। Google ਵਰਗੇ ਦਿੱਗਜ, OpenAI ਅਤੇ Anthropic ਵਰਗੇ ਨਵੀਨਤਾਕਾਰਾਂ ਦੇ ਨਾਲ, ਵਿਕਾਸ ਦੇ ਇੱਕ ਨਿਰੰਤਰ ਚੱਕਰ ਵਿੱਚ ਬੰਦ ਹਨ, ਜਿਸ ਨਾਲ ਨਿਰੀਖਕਾਂ ਅਤੇ ਸੰਭਾਵੀ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਸਭ ਤੋਂ ਮੌਜੂਦਾ ਅਤੇ ਸਮਰੱਥ ਪੇਸ਼ਕਸ਼ਾਂ ਤੋਂ ਜਾਣੂ ਰਹਿਣਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਚੁਣੌਤੀ ਬਣ ਗਿਆ ਹੈ। ਨਵੇਂ ਸਾਧਨਾਂ ਦੀ ਇਹ ਲਗਾਤਾਰ ਆਮਦ ਆਸਾਨੀ ਨਾਲ ਇਸ ਬਾਰੇ ਉਲਝਣ ਪੈਦਾ ਕਰ ਸਕਦੀ ਹੈ ਕਿ ਕਿਹੜਾ ਮਾਡਲ ਖਾਸ ਲੋੜਾਂ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਹੈ। ਇਸ ਗਤੀਸ਼ੀਲ ਖੇਤਰ ਵਿੱਚ ਸਪੱਸ਼ਟਤਾ ਲਿਆਉਣ ਲਈ, ਅਸੀਂ 2024 ਦੀ ਸ਼ੁਰੂਆਤ ਤੋਂ ਉੱਭਰੇ ਪ੍ਰਮੁੱਖ AI ਮਾਡਲਾਂ ਦੀ ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਜਾਂਚ ਪੇਸ਼ ਕਰਦੇ ਹਾਂ, ਉਹਨਾਂ ਦੇ ਉਦੇਸ਼ਿਤ ਕਾਰਜਾਂ, ਵਿਲੱਖਣ ਸ਼ਕਤੀਆਂ, ਸੀਮਾਵਾਂ, ਅਤੇ ਉਹਨਾਂ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਤੱਕ ਪਹੁੰਚਣ ਦੇ ਮਾਰਗਾਂ ‘ਤੇ ਰੌਸ਼ਨੀ ਪਾਉਂਦੇ ਹਾਂ। ਇਸ ਗਾਈਡ ਦਾ ਉਦੇਸ਼ ਇੱਕ ਭਰੋਸੇਯੋਗ ਸਰੋਤ ਵਜੋਂ ਕੰਮ ਕਰਨਾ ਹੈ, ਜਿਸ ਨੂੰ ਸਮੇਂ-ਸਮੇਂ ‘ਤੇ ਤਾਜ਼ਾ ਕੀਤਾ ਜਾਵੇਗਾ ਤਾਂ ਜੋ ਨਵੀਨਤਮ ਤਰੱਕੀਆਂ ਨੂੰ ਸ਼ਾਮਲ ਕੀਤਾ ਜਾ ਸਕੇ ਜਿਵੇਂ ਹੀ ਉਹ ਸਾਹਮਣੇ ਆਉਂਦੀਆਂ ਹਨ। ਜਦੋਂ ਕਿ ਉਪਲਬਧ ਮਾਡਲਾਂ ਦੀ ਪੂਰੀ ਮਾਤਰਾ ਹੈਰਾਨ ਕਰਨ ਵਾਲੀ ਹੈ – Hugging Face ਵਰਗੇ ਪਲੇਟਫਾਰਮ ਇੱਕ ਮਿਲੀਅਨ ਤੋਂ ਵੱਧ ਦੀ ਮੇਜ਼ਬਾਨੀ ਕਰਦੇ ਹਨ – ਇਹ ਸੰਕਲਨ ਉੱਚ-ਪ੍ਰੋਫਾਈਲ, ਉੱਨਤ ਪ੍ਰਣਾਲੀਆਂ ‘ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦਾ ਹੈ ਜੋ ਮਹੱਤਵਪੂਰਨ ਚਰਚਾ ਅਤੇ ਪ੍ਰਭਾਵ ਪੈਦਾ ਕਰ ਰਹੇ ਹਨ, ਇਹ ਸਵੀਕਾਰ ਕਰਦੇ ਹੋਏ ਕਿ ਹੋਰ ਵਿਸ਼ੇਸ਼ ਜਾਂ ਸਥਾਨਕ ਮਾਡਲ ਖਾਸ, ਤੰਗ ਡੋਮੇਨਾਂ ਵਿੱਚ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰ ਸਕਦੇ ਹਨ।
2025 ਨੂੰ ਆਕਾਰ ਦੇਣ ਵਾਲੀਆਂ ਨਵੀਨਤਾਵਾਂ
ਸਾਲ 2025 ਨੇ ਪਹਿਲਾਂ ਹੀ ਗਤੀਵਿਧੀਆਂ ਦੀ ਇੱਕ ਭੀੜ ਦੇਖੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਮੁੱਖ ਖਿਡਾਰੀਆਂ ਨੇ ਮਾਡਲ ਜਾਰੀ ਕੀਤੇ ਹਨ ਜੋ ਤਰਕ, ਚਿੱਤਰ ਉਤਪਾਦਨ, ਮਲਟੀਮੋਡਲ ਸਮਝ, ਅਤੇ ਕਾਰਜ ਸਵੈਚਾਲਨ ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਅੱਗੇ ਵਧਾਉਂਦੇ ਹਨ। ਇਹ ਪ੍ਰਣਾਲੀਆਂ ਕਟਿੰਗ-ਐਜ ਦੀ ਨੁਮਾਇੰਦਗੀ ਕਰਦੀਆਂ ਹਨ, ਅਕਸਰ ਨਾਵਲ ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦੀਆਂ ਹਨ ਜਾਂ ਵਿਸ਼ੇਸ਼, ਉੱਚ-ਮੰਗ ਵਾਲੀਆਂ ਸਮਰੱਥਾਵਾਂ ‘ਤੇ ਧਿਆਨ ਕੇਂਦ੍ਰਤ ਕਰਦੀਆਂ ਹਨ।
Google Gemini 2.5 Pro Experimental: ਡਿਵੈਲਪਰ ਦਾ ਸਹਾਇਕ?
Google ਆਪਣੇ Gemini 2.5 Pro Experimental ਦੁਹਰਾਓ ਨੂੰ ਮੁੱਖ ਤੌਰ ‘ਤੇ ਤਰਕ ਕਾਰਜਾਂ ਲਈ ਇੱਕ ਪਾਵਰਹਾਊਸ ਵਜੋਂ ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਖਾਸ ਤੌਰ ‘ਤੇ ਵੈੱਬ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਨਿਰਮਾਣ ਅਤੇ ਖੁਦਮੁਖਤਿਆਰ ਕੋਡ ਏਜੰਟਾਂ ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਇਸਦੀ ਮੁਹਾਰਤ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਇੱਕ ਸਾਧਨ ਜੋ ਸਾਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਾਂ ਅਤੇ ਡਿਵੈਲਪਰਾਂ ਲਈ ਬਾਰੀਕੀ ਨਾਲ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ ਜੋ ਗੁੰਝਲਦਾਰ ਕੋਡਿੰਗ ਵਰਕਫਲੋ ਨੂੰ ਤੇਜ਼ ਜਾਂ ਸਵੈਚਾਲਤ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਨ। Google ਦੀ ਆਪਣੀ ਸਮੱਗਰੀ ਇਹਨਾਂ ਸਮਰੱਥਾਵਾਂ ‘ਤੇ ਜ਼ੋਰ ਦਿੰਦੀ ਹੈ, ਇਸਨੂੰ ਵਧੀਆ ਡਿਜੀਟਲ ਸਾਧਨ ਬਣਾਉਣ ਲਈ ਇੱਕ ਜਾਣ-ਪਛਾਣ ਵਾਲੇ ਸਰੋਤ ਵਜੋਂ ਸਥਾਪਤ ਕਰਦੀ ਹੈ। ਹਾਲਾਂਕਿ, ਪ੍ਰਤੀਯੋਗੀ ਲੈਂਡਸਕੇਪ ਇੱਕ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਪੇਸ਼ ਕਰਦਾ ਹੈ; ਸੁਤੰਤਰ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਬੈਂਚਮਾਰਕ ਨਤੀਜੇ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਮਜ਼ਬੂਤ ਹੋਣ ਦੇ ਬਾਵਜੂਦ, ਇਹ ਖਾਸ, ਪ੍ਰਸਿੱਧ ਕੋਡਿੰਗ ਪ੍ਰਦਰਸ਼ਨ ਟੈਸਟਾਂ ‘ਤੇ Anthropic ਦੇ Claude Sonnet 3.7 ਵਰਗੇ ਪ੍ਰਤੀਯੋਗੀਆਂ ਤੋਂ ਪਿੱਛੇ ਰਹਿ ਸਕਦਾ ਹੈ। ਇਹ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਇਸਦੀਆਂ ਸ਼ਕਤੀਆਂ ਦੂਜਿਆਂ ਨਾਲੋਂ ਕੁਝ ਕਿਸਮਾਂ ਦੇ ਵਿਕਾਸ ਕਾਰਜਾਂ ਵਿੱਚ ਵਧੇਰੇ ਸਪੱਸ਼ਟ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਇਸ ਪ੍ਰਯੋਗਾਤਮਕ ਮਾਡਲ ਤੱਕ ਪਹੁੰਚ ਪ੍ਰਾਪਤ ਕਰਨਾ ਸਿੱਧਾ ਨਹੀਂ ਹੈ; ਇਸ ਲਈ $20 ਮਾਸਿਕ Gemini Advanced ਗਾਹਕੀ ਰਾਹੀਂ Google ਦੇ ਪ੍ਰੀਮੀਅਮ ਈਕੋਸਿਸਟਮ ਪ੍ਰਤੀ ਵਚਨਬੱਧਤਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਇਸ ਨੂੰ ਆਮ ਜਾਂ ਮੁਫਤ ਵਰਤੋਂ ਤੋਂ ਪਰੇ ਰੱਖਦਾ ਹੈ।
ChatGPT-4o Image Generation: ਮਲਟੀਮੋਡਲ ਹਰੀਜ਼ਨ ਦਾ ਵਿਸਤਾਰ
OpenAI ਨੇ ਨੇਟਿਵ ਚਿੱਤਰ ਉਤਪਾਦਨ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਕੇ ਆਪਣੇ ਪਹਿਲਾਂ ਤੋਂ ਹੀ ਬਹੁਮੁਖੀ GPT-4o ਮਾਡਲ ਨੂੰ ਵਧਾਇਆ ਹੈ। ਪਹਿਲਾਂ ਮੁੱਖ ਤੌਰ ‘ਤੇ ਇਸਦੀ ਵਧੀਆ ਟੈਕਸਟ ਸਮਝ ਅਤੇ ਉਤਪਾਦਨ ਲਈ ਜਾਣਿਆ ਜਾਂਦਾ ਸੀ, ਇਹ ਅਪਗ੍ਰੇਡ GPT-4o ਨੂੰ ਇੱਕ ਸੱਚਮੁੱਚ ਮਲਟੀਮੋਡਲ ਟੂਲ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ, ਜੋ ਟੈਕਸਟ ਪ੍ਰੋਂਪਟ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਅਤੇ ਅਨੁਸਾਰੀ ਵਿਜ਼ੂਅਲ ਆਉਟਪੁੱਟ ਤਿਆਰ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੈ। ਇਹ ਕਦਮ ਵੱਖ-ਵੱਖ ਡਾਟਾ ਕਿਸਮਾਂ - ਟੈਕਸਟ, ਚਿੱਤਰ, ਅਤੇ ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ ਆਡੀਓ ਜਾਂ ਵੀਡੀਓ - ਵਿੱਚ ਨਿਰਵਿਘਨ ਕੰਮ ਕਰਨ ਵਾਲੇ ਮਾਡਲਾਂ ਵੱਲ ਵਿਆਪਕ ਉਦਯੋਗ ਦੇ ਰੁਝਾਨ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ। ਇਸ ਨਵੀਂ ਵਿਸ਼ੇਸ਼ਤਾ ਦਾ ਲਾਭ ਉਠਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਵਾਲੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ OpenAI ਦੇ ਭੁਗਤਾਨ ਕੀਤੇ ਪੱਧਰਾਂ ਦੀ ਗਾਹਕੀ ਲੈਣ ਦੀ ਲੋੜ ਹੋਵੇਗੀ, ChatGPT Plus ਯੋਜਨਾ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ, ਜਿਸਦੀ ਮਾਸਿਕ ਲਾਗਤ $20 ਹੈ। ਇਹ ਚਿੱਤਰ ਉਤਪਾਦਨ ਵਿਸ਼ੇਸ਼ਤਾ ਨੂੰ ਇੱਕ ਵਿਸ਼ਵਵਿਆਪੀ ਤੌਰ ‘ਤੇ ਪਹੁੰਚਯੋਗ ਸਾਧਨ ਦੀ ਬਜਾਏ ਸਮਰਪਿਤ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਇੱਕ ਮੁੱਲ-ਵਰਧਕ ਵਜੋਂ ਸਥਾਪਤ ਕਰਦਾ ਹੈ।
Stability AI ਦਾ Stable Virtual Camera: 2D ਤੋਂ 3D ਵਿੱਚ ਝਾਤ ਮਾਰਨਾ
Stability AI, ਚਿੱਤਰ ਉਤਪਾਦਨ ਤਕਨਾਲੋਜੀ ਵਿੱਚ ਆਪਣੇ ਯੋਗਦਾਨ ਲਈ ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਇੱਕ ਸਟਾਰਟਅੱਪ, ਨੇ Stable Virtual Camera ਪੇਸ਼ ਕੀਤਾ। ਇਹ ਮਾਡਲ ਤਿੰਨ-ਅਯਾਮੀ ਦ੍ਰਿਸ਼ ਵਿਆਖਿਆ ਅਤੇ ਉਤਪਾਦਨ ਦੇ ਗੁੰਝਲਦਾਰ ਡੋਮੇਨ ਵਿੱਚ ਉੱਦਮ ਕਰਦਾ ਹੈ, ਜੋ ਸਿਰਫ਼ ਇੱਕ ਦੋ-ਅਯਾਮੀ ਇਨਪੁਟ ਚਿੱਤਰ ਤੋਂ ਲਿਆ ਗਿਆ ਹੈ। ਕੰਪਨੀ ਡੂੰਘਾਈ, ਦ੍ਰਿਸ਼ਟੀਕੋਣ, ਅਤੇ ਪ੍ਰਤੀਤ ਹੋਣ ਵਾਲੇ ਕੈਮਰਾ ਕੋਣਾਂ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਦੀ ਆਪਣੀ ਯੋਗਤਾ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਦੀ ਹੈ, ਸਰੋਤ ਚਿੱਤਰ ਵਿੱਚ ਦਰਸਾਏ ਗਏ ਦ੍ਰਿਸ਼ ਦੇ ਅੰਦਰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਇੱਕ ਵਰਚੁਅਲ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਬਣਾਉਂਦੀ ਹੈ। ਜਦੋਂ ਕਿ ਇਹ ਇੱਕ ਦਿਲਚਸਪ ਤਕਨੀਕੀ ਪ੍ਰਾਪਤੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, Stability AI ਮੌਜੂਦਾ ਸੀਮਾਵਾਂ ਨੂੰ ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ। ਮਾਡਲ ਨੂੰ ਕਥਿਤ ਤੌਰ ‘ਤੇ ਗੁੰਝਲਦਾਰ ਦ੍ਰਿਸ਼ਾਂ ਨਾਲ ਨਜਿੱਠਣ ਵੇਲੇ ਮੁਸ਼ਕਲਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ, ਖਾਸ ਤੌਰ ‘ਤੇ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਮਨੁੱਖ ਜਾਂ ਗਤੀਸ਼ੀਲ ਤੱਤ ਜਿਵੇਂ ਕਿ ਚਲਦਾ ਪਾਣੀ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ, ਇਹ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਸਥਿਰ 2D ਇਨਪੁਟਸ ਤੋਂ ਗੁੰਝਲਦਾਰ, ਯਥਾਰਥਵਾਦੀ 3D ਵਾਤਾਵਰਣ ਬਣਾਉਣਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਚੁਣੌਤੀ ਬਣੀ ਹੋਈ ਹੈ। ਇਸਦੇ ਵਿਕਾਸ ਦੇ ਪੜਾਅ ਅਤੇ ਫੋਕਸ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹੋਏ, ਮਾਡਲ ਵਰਤਮਾਨ ਵਿੱਚ ਮੁੱਖ ਤੌਰ ‘ਤੇ HuggingFace ਪਲੇਟਫਾਰਮ ਰਾਹੀਂ ਅਕਾਦਮਿਕ ਅਤੇ ਗੈਰ-ਵਪਾਰਕ ਖੋਜ ਉਦੇਸ਼ਾਂ ਲਈ ਪਹੁੰਚਯੋਗ ਹੈ।
Cohere ਦਾ Aya Vision: ਚਿੱਤਰਾਂ ਲਈ ਇੱਕ ਗਲੋਬਲ ਲੈਂਸ
Cohere, ਇੱਕ ਕੰਪਨੀ ਜੋ ਅਕਸਰ ਐਂਟਰਪ੍ਰਾਈਜ਼ AI ਹੱਲਾਂ ‘ਤੇ ਕੇਂਦ੍ਰਿਤ ਹੁੰਦੀ ਹੈ, ਨੇ Aya Vision ਜਾਰੀ ਕੀਤਾ ਹੈ, ਇੱਕ ਮਲਟੀਮੋਡਲ ਮਾਡਲ ਜੋ ਵਿਜ਼ੂਅਲ ਜਾਣਕਾਰੀ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਅਤੇ ਉਸ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। Cohere ਇਸਦੇ ਪ੍ਰਦਰਸ਼ਨ ਬਾਰੇ ਦਲੇਰ ਦਾਅਵੇ ਕਰਦਾ ਹੈ, ਇਹ ਦਾਅਵਾ ਕਰਦਾ ਹੈ ਕਿ Aya Vision ਚਿੱਤਰਾਂ ਲਈ ਵਰਣਨਯੋਗ ਕੈਪਸ਼ਨ ਤਿਆਰ ਕਰਨ ਅਤੇ ਫੋਟੋਗ੍ਰਾਫਿਕ ਸਮੱਗਰੀ ਦੇ ਅਧਾਰ ਤੇ ਸਵਾਲਾਂ ਦੇ ਸਹੀ ਜਵਾਬ ਦੇਣ ਵਰਗੇ ਕਾਰਜਾਂ ਵਿੱਚ ਆਪਣੀ ਸ਼੍ਰੇਣੀ ਦੀ ਅਗਵਾਈ ਕਰਦਾ ਹੈ। Cohere ਦੁਆਰਾ ਉਜਾਗਰ ਕੀਤਾ ਗਿਆ ਇੱਕ ਮੁੱਖ ਅੰਤਰ ਇਸਦਾ ਅੰਗਰੇਜ਼ੀ ਤੋਂ ਇਲਾਵਾ ਹੋਰ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਹੈ, ਇਸ ਨੂੰ ਕਈ ਸਮਕਾਲੀ ਮਾਡਲਾਂ ਦੇ ਉਲਟ ਦੱਸਦਾ ਹੈ ਜੋ ਅਕਸਰ ਮੁੱਖ ਤੌਰ ‘ਤੇ ਅੰਗਰੇਜ਼ੀ ਲਈ ਅਨੁਕੂਲਿਤ ਹੁੰਦੇ ਹਨ। ਇਹ ਵਿਆਪਕ ਗਲੋਬਲ ਲਾਗੂ ਹੋਣ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ। ਪਹੁੰਚਯੋਗਤਾ ਪ੍ਰਤੀ ਵਚਨਬੱਧਤਾ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦੇ ਹੋਏ, Cohere ਨੇ Aya Vision ਨੂੰ ਵਿਆਪਕ ਤੌਰ ‘ਤੇ ਵਰਤੇ ਜਾਣ ਵਾਲੇ WhatsApp ਮੈਸੇਜਿੰਗ ਪਲੇਟਫਾਰਮ ਰਾਹੀਂ ਮੁਫਤ ਉਪਲਬਧ ਕਰਵਾਇਆ ਹੈ, ਇੱਕ ਵਿਸ਼ਾਲ ਉਪਭੋਗਤਾ ਅਧਾਰ ਨੂੰ ਇਸਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਦਾ ਅਨੁਭਵ ਕਰਨ ਦਾ ਇੱਕ ਸੁਵਿਧਾਜਨਕ ਤਰੀਕਾ ਪੇਸ਼ ਕਰਦਾ ਹੈ।
OpenAI ਦਾ GPT 4.5 ‘Orion’: ਸਕੇਲ, ਗਿਆਨ, ਅਤੇ ਭਾਵਨਾ
‘Orion’ ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ, OpenAI ਦਾ GPT 4.5 ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸਕੇਲਿੰਗ ਯਤਨ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਜਿਸਨੂੰ ਕੰਪਨੀ ਦੁਆਰਾ ਅੱਜ ਤੱਕ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਸਭ ਤੋਂ ਵੱਡਾ ਮਾਡਲ ਦੱਸਿਆ ਗਿਆ ਹੈ। OpenAI ਇਸਦੇ ਵਿਆਪਕ ‘ਵਿਸ਼ਵ ਗਿਆਨ’ ‘ਤੇ ਜ਼ੋਰ ਦਿੰਦਾ ਹੈ - ਤੱਥਾਂ ਦੀ ਜਾਣਕਾਰੀ ਦੇ ਇੱਕ ਵਿਸ਼ਾਲ ਭੰਡਾਰ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ - ਅਤੇ, ਹੋਰ ਦਿਲਚਸਪ ਗੱਲ ਇਹ ਹੈ ਕਿ, ਇਸਦੀ ‘ਭਾਵਨਾਤਮਕ ਬੁੱਧੀ,’ ਸੂਖਮ ਮਨੁੱਖੀ-ਵਰਗੇ ਜਵਾਬਾਂ ਜਾਂ ਪਰਸਪਰ ਕ੍ਰਿਆਵਾਂ ਨੂੰ ਸਮਝਣ ਜਾਂ ਨਕਲ ਕਰਨ ਨਾਲ ਸਬੰਧਤ ਸਮਰੱਥਾਵਾਂ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ। ਇਸਦੇ ਪੈਮਾਨੇ ਅਤੇ ਇਹਨਾਂ ਉਜਾਗਰ ਕੀਤੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੇ ਬਾਵਜੂਦ, ਪ੍ਰਦਰਸ਼ਨ ਬੈਂਚਮਾਰਕ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਇਹ ਕੁਝ ਮਾਨਕੀਕ੍ਰਿਤ ਟੈਸਟਾਂ ਵਿੱਚ ਨਵੇਂ, ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ ਵਧੇਰੇ ਵਿਸ਼ੇਸ਼ ਤਰਕ ਮਾਡਲਾਂ ਨੂੰ ਲਗਾਤਾਰ ਪਛਾੜ ਨਹੀਂ ਸਕਦਾ ਹੈ। Orion ਤੱਕ ਪਹੁੰਚ OpenAI ਦੇ ਉਪਭੋਗਤਾ ਅਧਾਰ ਦੇ ਉੱਚ ਪੱਧਰਾਂ ਤੱਕ ਸੀਮਤ ਹੈ, ਉਹਨਾਂ ਦੀ ਪ੍ਰੀਮੀਅਮ $200-ਪ੍ਰਤੀ-ਮਹੀਨਾ ਯੋਜਨਾ ਦੀ ਗਾਹਕੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਇਸ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਕੰਪਿਊਟੇਸ਼ਨਲ ਲੋੜਾਂ ਵਾਲੇ ਪੇਸ਼ੇਵਰ ਜਾਂ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਇੱਕ ਸਾਧਨ ਵਜੋਂ ਸਥਾਪਤ ਕਰਦਾ ਹੈ।
Claude Sonnet 3.7: ਹਾਈਬ੍ਰਿਡ ਥਿੰਕਰ
Anthropic Claude Sonnet 3.7 ਨੂੰ AI ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਨਾਵਲ ਪ੍ਰਵੇਸ਼ਕਰਤਾ ਵਜੋਂ ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਇਸਨੂੰ ਉਦਯੋਗਦਾ ਮੋਢੀ ‘ਹਾਈਬ੍ਰਿਡ’ ਤਰਕ ਮਾਡਲ ਲੇਬਲ ਕਰਦਾ ਹੈ। ਇਸ ਅਹੁਦੇ ਦੇ ਪਿੱਛੇ ਮੁੱਖ ਸੰਕਲਪ ਇਸਦੀ ਗਣਨਾਤਮਕ ਪਹੁੰਚ ਨੂੰ ਗਤੀਸ਼ੀਲ ਰੂਪ ਵਿੱਚ ਵਿਵਸਥਿਤ ਕਰਨ ਦੀ ਯੋਗਤਾ ਹੈ: ਇਹ ਸਿੱਧੇ ਸਵਾਲਾਂ ਲਈ ਤੇਜ਼ ਜਵਾਬ ਦੇ ਸਕਦਾ ਹੈ ਪਰ ਜਦੋਂ ਡੂੰਘੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਲੋੜ ਵਾਲੀਆਂ ਗੁੰਝਲਦਾਰ ਸਮੱਸਿਆਵਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ ਤਾਂ ਵਧੇਰੇ ਡੂੰਘੀ, ਵਿਸਤ੍ਰਿਤ ‘ਸੋਚ’ ਵਿੱਚ ਵੀ ਸ਼ਾਮਲ ਹੋ ਸਕਦਾ ਹੈ। Anthropic ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਮਾਡਲ ਦੁਆਰਾ ਚਿੰਤਨ ਲਈ ਸਮਰਪਿਤ ਸਮੇਂ ਦੀ ਮਿਆਦ ‘ਤੇ ਨਿਯੰਤਰਣ ਪ੍ਰਦਾਨ ਕਰਕੇ ਹੋਰ ਸ਼ਕਤੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਗਤੀ ਅਤੇ ਸੰਪੂਰਨਤਾ ਵਿਚਕਾਰ ਇੱਕ ਅਨੁਕੂਲਿਤ ਸੰਤੁਲਨ ਦੀ ਆਗਿਆ ਮਿਲਦੀ ਹੈ। ਇਹ ਵਿਲੱਖਣ ਵਿਸ਼ੇਸ਼ਤਾ ਸੈੱਟ Claude ਪਲੇਟਫਾਰਮ ਦੇ ਸਾਰੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਵਿਆਪਕ ਤੌਰ ‘ਤੇ ਪਹੁੰਚਯੋਗ ਹੈ। ਹਾਲਾਂਕਿ, ਨਿਰੰਤਰ ਜਾਂ ਤੀਬਰ ਵਰਤੋਂ ਲਈ $20-ਪ੍ਰਤੀ-ਮਹੀਨਾ Pro ਯੋਜਨਾ ਵਿੱਚ ਅਪਗ੍ਰੇਡ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਮੰਗ ਵਾਲੇ ਕਾਰਜਭਾਰ ਲਈ ਸਰੋਤ ਉਪਲਬਧ ਹਨ।
xAI ਦਾ Grok 3: STEM ‘ਤੇ ਕੇਂਦ੍ਰਿਤ ਚੈਲੰਜਰ
Grok 3 xAI, Elon Musk ਦੁਆਰਾ ਸਥਾਪਿਤ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਉੱਦਮ, ਤੋਂ ਨਵੀਨਤਮ ਫਲੈਗਸ਼ਿਪ ਪੇਸ਼ਕਸ਼ ਵਜੋਂ ਉੱਭਰਦਾ ਹੈ। ਕੰਪਨੀ Grok 3 ਨੂੰ ਇੱਕ ਚੋਟੀ ਦੇ ਪ੍ਰਦਰਸ਼ਨਕਾਰ ਵਜੋਂ ਸਥਾਪਤ ਕਰਦੀ ਹੈ, ਖਾਸ ਤੌਰ ‘ਤੇ ਮਾਤਰਾਤਮਕ ਅਤੇ ਤਕਨੀਕੀ ਡੋਮੇਨਾਂ ਵਿੱਚ, ਗਣਿਤ, ਵਿਗਿਆਨਕ ਤਰਕ, ਅਤੇ ਕੋਡਿੰਗ ਕਾਰਜਾਂ ਵਿੱਚ ਹੋਰ ਪ੍ਰਮੁੱਖ ਮਾਡਲਾਂ ਦੀ ਤੁਲਨਾ ਵਿੱਚ ਵਧੀਆ ਨਤੀਜਿਆਂ ਦਾ ਦਾਅਵਾ ਕਰਦੀ ਹੈ। ਇਸ ਮਾਡਲ ਤੱਕ ਪਹੁੰਚ X (ਪਹਿਲਾਂ Twitter) ਈਕੋਸਿਸਟਮ ਦੇ ਅੰਦਰ ਏਕੀਕ੍ਰਿਤ ਹੈ, ਜਿਸ ਲਈ X Premium ਗਾਹਕੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜਿਸਦੀ ਕੀਮਤ ਵਰਤਮਾਨ ਵਿੱਚ $50 ਪ੍ਰਤੀ ਮਹੀਨਾ ਹੈ। ਇਸਦੇ ਪੂਰਵਜ (Grok 2) ਦੀਆਂ ਆਲੋਚਨਾਵਾਂ ਤੋਂ ਬਾਅਦ ਸਮਝੇ ਗਏ ਰਾਜਨੀਤਿਕ ਪੱਖਪਾਤ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦੇ ਹੋਏ, Musk ਨੇ ਜਨਤਕ ਤੌਰ ‘ਤੇ Grok ਨੂੰ ਵਧੇਰੇ ‘ਰਾਜਨੀਤਿਕ ਨਿਰਪੱਖਤਾ’ ਵੱਲ ਸੇਧ ਦੇਣ ਲਈ ਵਚਨਬੱਧ ਕੀਤਾ। ਹਾਲਾਂਕਿ, ਕੀ Grok 3 ਸਫਲਤਾਪੂਰਵਕ ਇਸ ਨਿਰਪੱਖਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਇਸਦੀ ਸੁਤੰਤਰ ਤਸਦੀਕ ਬਾਕੀ ਹੈ, ਜੋ ਉਪਭੋਗਤਾਵਾਂ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਲਈ ਨਿਰੀਖਣ ਦਾ ਇੱਕ ਨਿਰੰਤਰ ਬਿੰਦੂ ਦਰਸਾਉਂਦਾ ਹੈ।
OpenAI o3-mini: STEM ਲਈ ਕੁਸ਼ਲ ਤਰਕ
OpenAI ਦੇ ਵਿਭਿੰਨ ਪੋਰਟਫੋਲੀਓ ਦੇ ਅੰਦਰ, o3-mini ਇੱਕ ਤਰਕ ਮਾਡਲ ਵਜੋਂ ਖੜ੍ਹਾ ਹੈ ਜੋ ਖਾਸ ਤੌਰ ‘ਤੇ STEM (ਵਿਗਿਆਨ, ਤਕਨਾਲੋਜੀ, ਇੰਜੀਨੀਅਰਿੰਗ, ਅਤੇ ਗਣਿਤ) ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਅਨੁਕੂਲਿਤ ਹੈ। ਇਸਦਾ ਡਿਜ਼ਾਈਨ ਕੋਡਿੰਗ, ਗਣਿਤ ਦੀ ਸਮੱਸਿਆ-ਹੱਲ ਕਰਨ, ਅਤੇ ਵਿਗਿਆਨਕ ਪੁੱਛਗਿੱਛ ਨਾਲ ਸਬੰਧਤ ਕਾਰਜਾਂ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦਾ ਹੈ। ਜਦੋਂ ਕਿ OpenAI ਦੇ ਸਭ ਤੋਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਜਾਂ ਵਿਆਪਕ ਮਾਡਲ ਵਜੋਂ ਸਥਾਪਤ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ, ਇਸਦਾ ਛੋਟਾ ਆਰਕੀਟੈਕਚਰ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਫਾਇਦੇ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਦਾ ਹੈ: ਘੱਟ ਕੰਪਿਊਟੇਸ਼ਨਲ ਲਾਗਤ। ਕੰਪਨੀ ਇਸ ਕੁਸ਼ਲਤਾ ‘ਤੇ ਜ਼ੋਰ ਦਿੰਦੀ ਹੈ, ਇਸ ਨੂੰ ਉਹਨਾਂ ਕਾਰਜਾਂ ਲਈ ਇੱਕ ਆਕਰਸ਼ਕ ਵਿਕਲਪ ਬਣਾਉਂਦੀ ਹੈ ਜਿੱਥੇ ਉੱਚ ਮਾਤਰਾ ਜਾਂ ਬਜਟ ਦੀਆਂ ਰੁਕਾਵਟਾਂ ਕਾਰਕ ਹੁੰਦੀਆਂ ਹਨ। ਇਹ ਸ਼ੁਰੂ ਵਿੱਚ ਮੁਫਤ ਵਿੱਚ ਉਪਲਬਧ ਹੈ, ਵਿਆਪਕ ਪ੍ਰਯੋਗ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ, ਪਰ ਨਿਰੰਤਰ ਜਾਂ ਭਾਰੀ ਵਰਤੋਂ ਦੇ ਪੈਟਰਨਾਂ ਲਈ ਅੰਤ ਵਿੱਚ ਇੱਕ ਗਾਹਕੀ ਦੀ ਲੋੜ ਹੋਵੇਗੀ, ਵਧੇਰੇ ਮੰਗ ਵਾਲੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਸਰੋਤ ਵੰਡ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ।
OpenAI Deep Research: ਹਵਾਲਿਆਂ ਨਾਲ ਡੂੰਘਾਈ ਨਾਲ ਖੋਜ
OpenAI ਦੀ Deep Research ਸੇਵਾ ਉਹਨਾਂ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਤਿਆਰ ਕੀਤੀ ਗਈ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਖਾਸ ਵਿਸ਼ਿਆਂ ਦੀ ਪੂਰੀ ਤਰ੍ਹਾਂ ਜਾਂਚ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਪੇਸ਼ ਕੀਤੀ ਗਈ ਜਾਣਕਾਰੀ ਲਈ ਸਪੱਸ਼ਟ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਹਵਾਲੇ ਪ੍ਰਦਾਨ ਕਰਨ ‘ਤੇ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਜ਼ੋਰ ਦੇ ਨਾਲ। ਸੋਰਸਿੰਗ ‘ਤੇ ਇਹ ਫੋਕਸ ਇਸਨੂੰ ਆਮ-ਉਦੇਸ਼ ਵਾਲੇ ਚੈਟਬੋਟਸ ਤੋਂ ਵੱਖਰਾ ਕਰਦਾ ਹੈ, ਜਿਸਦਾ ਉਦੇਸ਼ ਖੋਜ-ਮੁਖੀ ਕਾਰਜਾਂ ਲਈ ਵਧੇਰੇ ਭਰੋਸੇਯੋਗ ਨੀਂਹ ਪ੍ਰਦਾਨ ਕਰਨਾ ਹੈ। OpenAI ਅਕਾਦਮਿਕ ਅਤੇ ਵਿਗਿਆਨਕ ਖੋਜ ਤੋਂ ਲੈ ਕੇ ਖਪਤਕਾਰ ਖੋਜ ਤੱਕ, ਜਿਵੇਂ ਕਿ ਖਰੀਦ ਤੋਂ ਪਹਿਲਾਂ ਉਤਪਾਦਾਂ ਦੀ ਤੁਲਨਾ ਕਰਨਾ, ਇੱਕ ਵਿਸ਼ਾਲ ਸਪੈਕਟ੍ਰਮ ਵਿੱਚ ਇਸਦੀ ਲਾਗੂ ਹੋਣ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਸਾਵਧਾਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਕਿ AI ‘ਹੈਲੂਸੀਨੇਸ਼ਨਜ਼’ ਦੀ ਨਿਰੰਤਰ ਚੁਣੌਤੀ - ਪ੍ਰਤੀਤ ਹੋਣ ਵਾਲੀ ਪਰ ਗਲਤ ਜਾਣਕਾਰੀ ਦਾ ਉਤਪਾਦਨ - ਢੁਕਵੀਂ ਰਹਿੰਦੀ ਹੈ, ਜਿਸ ਲਈ ਆਉਟਪੁੱਟ ਦੇ ਆਲੋਚਨਾਤਮਕ ਮੁਲਾਂਕਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਸ ਵਿਸ਼ੇਸ਼ ਖੋਜ ਸਾਧਨ ਤੱਕ ਪਹੁੰਚ ChatGPT ਦੇ ਉੱਚ-ਪੱਧਰੀ $200-ਪ੍ਰਤੀ-ਮਹੀਨਾ Pro ਯੋਜਨਾ ਦੇ ਗਾਹਕਾਂ ਲਈ ਵਿਸ਼ੇਸ਼ ਹੈ।
Mistral Le Chat: ਮਲਟੀਮੋਡਲ ਸਹਾਇਕ ਐਪ
Mistral AI, ਇੱਕ ਪ੍ਰਮੁੱਖ ਯੂਰਪੀਅਨ ਖਿਡਾਰੀ, ਨੇ ਸਮਰਪਿਤ ਐਪ ਸੰਸਕਰਣ ਲਾਂਚ ਕਰਕੇ ਆਪਣੀ Le Chat ਪੇਸ਼ਕਸ਼ ਤੱਕ ਪਹੁੰਚ ਦਾ ਵਿਸਤਾਰ ਕੀਤਾ ਹੈ। Le Chat ਇੱਕ ਮਲਟੀਮੋਡਲ AI ਨਿੱਜੀ ਸਹਾਇਕ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਜੋ ਵਿਭਿੰਨ ਇਨਪੁਟਸ ਅਤੇ ਕਾਰਜਾਂ ਨੂੰ ਸੰਭਾਲਣ ਦੇ ਸਮਰੱਥ ਹੈ। Mistral ਆਪਣੇ ਸਹਾਇਕ ਨੂੰ ਵਧੀਆ ਜਵਾਬ ਗਤੀ ਦੇ ਦਾਅਵੇ ਨਾਲ ਉਤਸ਼ਾਹਿਤ ਕਰਦਾ ਹੈ, ਇਹ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਇਹ ਪ੍ਰਤੀਯੋਗੀ ਚੈਟਬੋਟ ਇੰਟਰਫੇਸਾਂ ਨਾਲੋਂ ਤੇਜ਼ੀ ਨਾਲ ਕੰਮ ਕਰਦਾ ਹੈ। ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਵਿਸ਼ੇਸ਼ਤਾ ਇੱਕ ਭੁਗਤਾਨ ਕੀਤੇ ਪੱਧਰ ਦੀ ਉਪਲਬਧਤਾ ਹੈ ਜੋ Agence France-Presse (AFP) ਤੋਂ ਪ੍ਰਾਪਤ ਅਪ-ਟੂ-ਡੇਟ ਪੱਤਰਕਾਰੀ ਸਮੱਗਰੀ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਦੀ ਹੈ, ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਚੈਟ ਇੰਟਰਫੇਸ ਦੇ ਅੰਦਰ ਸਮੇਂ ਸਿਰ ਖਬਰਾਂ ਦੀ ਜਾਣਕਾਰੀ ਤੱਕ ਪਹੁੰਚ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦੀ ਹੈ। ਸੁਤੰਤਰ ਟੈਸਟਿੰਗ, ਜਿਵੇਂ ਕਿ Le Monde ਦੁਆਰਾ ਕਰਵਾਏ ਗਏ, ਨੇ Le Chat ਦੇ ਸਮੁੱਚੇ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਸ਼ਲਾਘਾਯੋਗ ਪਾਇਆ, ਹਾਲਾਂਕਿ ਇਸਨੇ ChatGPT ਵਰਗੇ ਸਥਾਪਿਤ ਬੈਂਚਮਾਰਕਾਂ ਦੀ ਤੁਲਨਾ ਵਿੱਚ ਗਲਤੀਆਂ ਦੀ ਉੱਚ ਘਟਨਾ ਨੂੰ ਵੀ ਨੋਟ ਕੀਤਾ।
OpenAI Operator: ਖੁਦਮੁਖਤਿਆਰ ਇੰਟਰਨ ਸੰਕਲਪ
AI ਏਜੰਟਾਂ ਦੇ ਭਵਿੱਖ ਵਿੱਚ ਇੱਕ ਝਲਕ ਵਜੋਂ ਸਥਾਪਤ, OpenAI ਦਾ Operator ਇੱਕ ਨਿੱਜੀ ਡਿਜੀਟਲ ਇੰਟਰਨ ਵਜੋਂ ਸੰਕਲਪਿਤ ਕੀਤਾ ਗਿਆ ਹੈ ਜੋ ਉਪਭੋਗਤਾ ਦੀ ਤਰਫੋਂ ਸੁਤੰਤਰ ਤੌਰ ‘ਤੇ ਕਾਰਜ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੈ। ਪ੍ਰਦਾਨ ਕੀਤੇ ਗਏ ਉਦਾਹਰਨਾਂ ਵਿੱਚ ਵਿਹਾਰਕ ਗਤੀਵਿਧੀਆਂ ਸ਼ਾਮਲ ਹਨ ਜਿਵੇਂ ਕਿ ਔਨਲਾਈਨ ਕਰਿਆਨੇ ਦੀ ਖਰੀਦਦਾਰੀ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰਨਾ। ਇਹ ਵਧੇਰੇ ਖੁਦਮੁਖਤਿਆਰ AI ਪ੍ਰਣਾਲੀਆਂ ਵੱਲ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਦਰਸਾਉਂਦਾ ਹੈ ਜੋ ਬਾਹਰੀ ਸੇਵਾਵਾਂ ਨਾਲ ਗੱਲਬਾਤ ਕਰ ਸਕਦੀਆਂ ਹਨ ਅਤੇ ਅਸਲ-ਸੰਸਾਰ ਦੀਆਂ ਕਾਰਵਾਈਆਂ ਨੂੰ ਲਾਗੂ ਕਰ ਸਕਦੀਆਂ ਹਨ। ਹਾਲਾਂਕਿ, ਤਕਨਾਲੋਜੀ ਪ੍ਰਯੋਗਾਤਮਕ ਪੜਾਅ ਵਿੱਚ ਮਜ਼ਬੂਤੀ ਨਾਲ ਬਣੀ ਹੋਈ ਹੈ। AI ਖੁਦਮੁਖਤਿਆਰੀ ਪ੍ਰਦਾਨ ਕਰਨ ਨਾਲ ਜੁੜੇ ਸੰਭਾਵੀ ਜੋਖਮਾਂ ਨੂੰ The Washington Post ਦੁਆਰਾ ਇੱਕ ਸਮੀਖਿਆ ਵਿੱਚ ਉਜਾਗਰ ਕੀਤਾ ਗਿਆ ਸੀ, ਜਿੱਥੇ Operator ਏਜੰਟ ਨੇ ਕਥਿਤ ਤੌਰ ‘ਤੇ ਇੱਕ ਸੁਤੰਤਰ ਖਰੀਦ ਫੈਸਲਾ ਲਿਆ, ਸਮੀਖਿਅਕ ਦੀ ਸਟੋਰ ਕੀਤੀ ਭੁਗਤਾਨ ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਚਾਨਕ ਉੱਚ ਕੀਮਤ ($31) ‘ਤੇ ਇੱਕ ਦਰਜਨ ਅੰਡੇ ਆਰਡਰ ਕੀਤੇ। ਇਸ ਕਟਿੰਗ-ਐਜ, ਭਾਵੇਂ ਪ੍ਰਯੋਗਾਤਮਕ, ਸਮਰੱਥਾ ਤੱਕ ਪਹੁੰਚ ਲਈ OpenAI ਦੀ ਉੱਚ-ਪੱਧਰੀ $200-ਪ੍ਰਤੀ-ਮਹੀਨਾ ChatGPT Pro ਗਾਹਕੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
Google Gemini 2.0 Pro Experimental: ਵਿਸ਼ਾਲ ਸੰਦਰਭ ਨਾਲ ਫਲੈਗਸ਼ਿਪ ਪਾਵਰ
ਬਹੁਤ ਜ਼ਿਆਦਾ ਉਮੀਦ ਕੀਤੀ ਜਾਣ ਵਾਲੀ ਫਲੈਗਸ਼ਿਪ ਮਾਡਲ, Google Gemini 2.0 Pro Experimental, ਬੇਮਿਸਾਲ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਦਾਅਵਿਆਂ ਦੇ ਨਾਲ ਆਇਆ, ਖਾਸ ਤੌਰ ‘ਤੇ ਕੋਡਿੰਗ ਅਤੇ ਆਮ ਗਿਆਨ ਸਮਝ ਦੇ ਮੰਗ ਵਾਲੇ ਖੇਤਰਾਂ ਵਿੱਚ। ਇੱਕ ਸ਼ਾਨਦਾਰ ਤਕਨੀਕੀ ਵਿਸ਼ੇਸ਼ਤਾ ਇਸਦੀ ਅਸਾਧਾਰਨ ਤੌਰ ‘ਤੇ ਵੱਡੀ ਸੰਦਰਭ ਵਿੰਡੋ ਹੈ, ਜੋ 2 ਮਿਲੀਅਨ ਟੋਕਨਾਂ ਤੱਕ ਪ੍ਰੋਸੈਸ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੈ। ਇਹ ਵਿਸ਼ਾਲ ਸਮਰੱਥਾ ਮਾਡਲ ਨੂੰ ਇੱਕ ਵਾਰ ਵਿੱਚ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਟੈਕਸਟ ਜਾਂ ਕੋਡ ਨੂੰ ਗ੍ਰਹਿਣ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ, ਉਹਨਾਂ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਅਨਮੋਲ ਸਾਬਤ ਹੁੰਦੀ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਵਿਆਪਕ ਦਸਤਾਵੇਜ਼ਾਂ, ਕੋਡਬੇਸਾਂ, ਜਾਂ ਡੇਟਾਸੈਟਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਸਮਝਣ, ਸੰਖੇਪ ਕਰਨ ਜਾਂ ਪੁੱਛਗਿੱਛ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਸਦੇ 2.5 ਹਮਰੁਤਬਾ ਦੇ ਸਮਾਨ, ਇਸ ਸ਼ਕਤੀਸ਼ਾਲੀ ਮਾਡਲ ਤੱਕ ਪਹੁੰਚ ਕਰਨ ਲਈ ਇੱਕ ਗਾਹਕੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, $19.99 ਪ੍ਰਤੀ ਮਹੀਨਾ ‘ਤੇ Google One AI Premium ਯੋਜਨਾ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ।
2024 ਤੋਂ ਬੁਨਿਆਦੀ ਮਾਡਲ
ਸਾਲ 2024 ਨੇ ਮਹੱਤਵਪੂਰਨ ਨੀਂਹ ਰੱਖੀ, ਜਿਸ ਵਿੱਚ ਮਾਡਲ ਪੇਸ਼ ਕੀਤੇ ਗਏ ਜਿਨ੍ਹਾਂ ਨੇ ਓਪਨ-ਸੋਰਸ ਪਹੁੰਚਯੋਗਤਾ, ਵੀਡੀਓ ਉਤਪਾਦਨ, ਵਿਸ਼ੇਸ਼ ਤਰਕ, ਅਤੇ ਏਜੰਟ-ਵਰਗੀਆਂ ਸਮਰੱਥਾਵਾਂ ਵਿੱਚ ਨਵਾਂ ਆਧਾਰ ਤੋੜਿਆ। ਇਹ ਮਾਡਲ ਢੁਕਵੇਂ ਅਤੇ ਵਿਆਪਕ ਤੌਰ ‘ਤੇ ਵਰਤੇ ਜਾਂਦੇ ਰਹਿੰਦੇ ਹਨ, ਜਿਸ ਦੇ ਆਧਾਰ ‘ਤੇ ਨਵੇਂ ਦੁਹਰਾਓ ਬਣਾਏ ਜਾਂਦੇ ਹਨ।
DeepSeek R1: ਚੀਨਤੋਂ ਓਪਨ ਸੋਰਸ ਪਾਵਰਹਾਊਸ
ਚੀਨ ਤੋਂ ਉੱਭਰਦੇ ਹੋਏ, DeepSeek R1 ਮਾਡਲ ਨੇ Silicon Valley ਸਮੇਤ ਗਲੋਬਲ AI ਕਮਿਊਨਿਟੀ ਦੇ ਅੰਦਰ ਤੇਜ਼ੀ ਨਾਲ ਧਿਆਨ ਖਿੱਚਿਆ। ਇਸਦੀ ਮਾਨਤਾ ਮਜ਼ਬੂਤ ਪ੍ਰਦਰਸ਼ਨ ਮੈਟ੍ਰਿਕਸ ਤੋਂ ਪੈਦਾ ਹੁੰਦੀ ਹੈ, ਖਾਸ ਤੌਰ ‘ਤੇ ਕੋਡਿੰਗ ਅਤੇ ਗਣਿਤਕ ਤਰਕ ਕਾਰਜਾਂ ਵਿੱਚ। ਇਸਦੀ ਪ੍ਰਸਿੱਧੀ ਵਿੱਚ ਇੱਕ ਵੱਡਾ ਯੋਗਦਾਨ ਪਾਉਣ ਵਾਲਾ ਕਾਰਕ ਇਸਦਾ ਓਪਨ-ਸੋਰਸ ਸੁਭਾਅ ਹੈ, ਜੋ ਲੋੜੀਂਦੇ ਤਕਨੀਕੀ ਹੁਨਰ ਅਤੇ ਹਾਰਡਵੇਅਰ ਵਾਲੇ ਕਿਸੇ ਵੀ ਵਿਅਕਤੀ ਨੂੰ ਮਲਕੀਅਤ ਵਾਲੇ ਪਲੇਟਫਾਰਮਾਂ ਦੀਆਂ ਸੀਮਾਵਾਂ ਤੋਂ ਬਾਹਰ ਪ੍ਰਯੋਗ ਅਤੇ ਵਿਕਾਸ ਨੂੰ ਉਤਸ਼ਾਹਿ