மூன்ஷாட் AI, ஒரு சீனத் தொடக்க நிறுவனம், கிமி-VL என்ற ஒரு திறந்த மூல AI மாதிரியை வெளியிட்டுள்ளது. இது படங்கள், உரைகள் மற்றும் வீடியோக்களைச் செயலாக்கும் அதன் குறிப்பிடத்தக்க திறனால் அனைவரின் கவனத்தையும் ஈர்த்துள்ளது. இந்த புதுமையான மாதிரி, ஒரு சிறிய கட்டமைப்பிற்குள் விரிவான ஆவணங்களை நிர்வகிக்கும், சிக்கலான தர்க்கங்களில் ஈடுபடும் மற்றும் பயனர் இடைமுகங்களைப் புரிந்துகொள்ளும் திறனால் தன்னை வேறுபடுத்திக் காட்டுகிறது.
திறமையின் கட்டமைப்பு
மூன்ஷாட் AI இன் கூற்றுப்படி, கிமி-VL ஒரு கலவை-நிபுணர்கள் (MoE) கட்டமைப்பைப் பயன்படுத்துகிறது. இது கொடுக்கப்பட்ட பணிக்கு மாதிரியின் ஒரு பகுதியை மட்டுமே செயல்படுத்துகிறது. இந்த தேர்ந்தெடுக்கப்பட்ட செயல்படுத்தல் அதன் திறனுக்கான முக்கியமாகும். வெறும் 2.8 பில்லியன் செயலில் உள்ள அளவுருக்களுடன் - அதன் பெரிய போட்டியாளர்களின் அளவுரு எண்ணிக்கையை விடக் கணிசமாகக் குறைவு - கிமி-VL அளவுகோல்களின் வரம்பில் அதிக செயல்திறனை அடைகிறது, சில சந்தர்ப்பங்களில் அதை விஞ்சுகிறது.
கலவை-நிபுணர்கள் அணுகுமுறை, கிமி-VL ஐ சிறப்பு துணை-நெட்வொர்க்குகளில் கணக்கீட்டு சுமையை விநியோகிக்க அனுமதிக்கிறது, ஒவ்வொன்றும் குறிப்பிட்ட வகை பணிகளைக் கையாள வடிவமைக்கப்பட்டுள்ளன. இந்தச் சிறப்பியல்பு மாதிரி அதன் வளங்களை மிகவும் தேவைப்படும் இடத்தில் குவிக்க உதவுகிறது, இதன் விளைவாக வேகமான செயலாக்க நேரங்களும் குறைந்த ஆற்றல் நுகர்வும் ஏற்படுகிறது.
உள்ளடக்கம் தான் ராஜா: 128,000 டோக்கன்களின் சக்தி
கிமி-VL இன் மிகவும் ஈர்க்கக்கூடிய அம்சங்களில் ஒன்று 128,000 டோக்கன்களின் பரந்த உள்ளடக்க விண்டோ ஆகும். இந்த கணிசமான விண்டோ மாதிரி ஒரு முழு புத்தகத்தையும், நீண்ட வீடியோ டிரான்ஸ்கிரிப்டையும் அல்லது முக்கியமான தகவல்களை இழக்காமல் ஒரு சிக்கலான ஆவணத்தையும் செயலாக்க அனுமதிக்கிறது. லாங் வீடியோபெஞ்ச் மற்றும் எம்எம்லாங் பெஞ்ச்-டாக் போன்ற சோதனைகளில் கிமி-வி.எல் தொடர்ந்து அதிக மதிப்பெண்களைப் பெறுவதாக மூன்ஷாட் ஏ.ஐ தெரிவிக்கிறது. இது நீண்ட உள்ளீடுகளில் ஒருமைப்பாட்டையும் துல்லியத்தையும் பராமரிக்கும் திறனை நிரூபிக்கிறது.
இவ்வளவு நீண்ட உள்ளடக்கங்களைக் கையாளும் திறன் குறிப்பாக பின்வரும் பயன்பாடுகளில் மதிப்புமிக்கது:
- ஆவணச் சுருக்கம்: கிமி-வி.எல் பெரிய ஆவணங்களை அத்தியாவசிய விவரங்களை இழக்காமல் சுருக்கமான சுருக்கங்களாக மாற்ற முடியும்.
- கேள்வி பதில்: மாதிரி நீண்ட உரைகளில் உள்ள தகவல்களின் அடிப்படையில் சிக்கலான கேள்விகளுக்கு பதிலளிக்க முடியும்.
- உள்ளடக்க உருவாக்கம்: கிமி-வி.எல் விரிவான மூலப் பொருள்களை அடிப்படையாகக் கொண்டு ஒத்திசைவான மற்றும் ஈர்க்கக்கூடிய உள்ளடக்கத்தை உருவாக்க முடியும்.
பெரிய உள்ளடக்க விண்டோ கிமி-வி.எல் இன்னும் அதிநவீன காரண பணிகளைச் செய்ய உதவுகிறது. அனுமானங்களைச் செய்யும் போது அல்லது முடிவுகளை எடுக்கும் போது அது பரந்த அளவிலான தகவல்களைக் கருத்தில் கொள்ள முடியும்.
பட செயலாக்கத் திறன்: பார்ப்பது நம்புவது
கிமி-VL இன் பட செயலாக்க திறன்கள் மாதிரி பிரகாசிக்கும் மற்றொரு பகுதியாகும். சில அமைப்புகள் படங்களை சிறிய பகுதிகளாக உடைக்க வேண்டியிருக்கும். ஆனால் கிமி-VL முழு ஸ்கிரீன் ஷாட்களையும் அல்லது சிக்கலான கிராஃபிக்ஸ்களையும் முழுமையாகப் பகுப்பாய்வு செய்ய முடியும். இந்த முழுமையான அணுகுமுறை மாதிரி ஒரு படத்தில் உள்ள வெவ்வேறு கூறுகளைப் பிடித்து மேலும் துல்லியமான மற்றும் நுணுக்கமான விளக்கங்களுக்கு வழிவகுக்கிறது.
மாதிரியின் பட செயலாக்க திறன்கள் பல்வேறு பணிகளுக்கு விரிவடைகின்றன.
- பொருள் அங்கீகாரம்: கிமி-வி.எல் ஒரு படத்தில் உள்ள பொருட்களை அடையாளம் கண்டு வகைப்படுத்த முடியும்.
- காட்சி புரிதல்: மாதிரி ஒரு படத்தில் சித்தரிக்கப்பட்டுள்ள ஒட்டுமொத்த காட்சியையும், பொருட்களுக்கும் சூழலுக்கும் இடையிலான உறவுகளையும் விளக்க முடியும்.
- உரை அங்கீகாரம்: கிமி-வி.எல் கையால் எழுதப்பட்ட குறிப்புகள் அல்லது ஆவணங்கள் போன்ற படங்களிலிருந்து உரையைப் பிரித்தெடுக்க முடியும்.
- கணிதப் படச் சிக்கல்கள்: மாதிரி பட வடிவில் வழங்கப்பட்ட கணிதச் சிக்கல்களைத் தீர்க்க முடியும்.
ஒரு குறிப்பிடத்தக்க சோதனையில், கிமி-வி.எல் கையால் எழுதப்பட்ட கையெழுத்துப் பிரதியை ஆய்வு செய்து, ஆல்பர்ட் ஐன்ஸ்டீனைப் பற்றிய குறிப்புகளை அடையாளம் கண்டு அவற்றின் பொருத்தத்தை விளக்கினார். சிக்கலான காட்சித் தரவிலிருந்து அர்த்தமுள்ள தகவல்களைப் பிரித்தெடுக்க மாதிரி பட செயலாக்கத்தை இயற்கை மொழி புரிதலுடன் இணைக்கும் திறனை இது நிரூபிக்கிறது.
மென்பொருள் உதவியாளர்: டிஜிட்டல் உலகத்தை தானியங்குபடுத்துதல்
படங்கள் மற்றும் உரைகளைச் செயலாக்கும் திறனுக்கு அப்பால், கிமி-வி.எல் ஒரு மென்பொருள் உதவியாளராகவும் செயல்படுகிறது. இது கிராஃபிகல் பயனர் இடைமுகங்களை (GUIs) விளக்கி டிஜிட்டல் பணிகளை தானியங்குபடுத்தும் திறன் கொண்டது. இந்த திறன் பரந்த அளவிலான சாத்தியமான பயன்பாடுகளுக்கு வழிவகுக்கிறது.
- தானியங்கு சோதனை: கிமி-வி.எல் மென்பொருள் பயன்பாடுகளை அவற்றின் GUIs உடன் தொடர்பு கொண்டு தானாகச் சோதிக்கப் பயன்படுத்தலாம்.
- ரோபோடிக் செயல்முறை ஆட்டோமேஷன் (RPA): மென்பொருள் பயன்பாடுகளுடன் தொடர்பு கொள்ளும் மீண்டும் மீண்டும் வரும் பணிகளை மாதிரி தானியங்குபடுத்த முடியும்.
- பயனர் இடைமுகப் புரிதல்: கிமி-வி.எல் சாத்தியமான பயன்பாட்டினை சிக்கல்களை அடையாளம் காணவும் மேம்பாடுகளை பரிந்துரைக்கவும் பயனர் இடைமுகங்களை பகுப்பாய்வு செய்யலாம்.
உலாவி மெனுக்களை மாதிரி இயக்கிய அல்லது அமைப்புகளை மாற்றிய சோதனைகளில், ஜிபிடி-4o உட்பட மற்ற அமைப்புகளை விட இது சிறப்பாக செயல்பட்டதாக மூன்ஷாட் ஏஐ கூறுகிறது. மென்பொருள் இடைமுகங்கள் எவ்வாறு செயல்படுகின்றன என்பதை கிமி-வி.எல் நன்கு புரிந்து கொண்டுள்ளது மற்றும் குறிப்பிட்ட இலக்குகளை அடைய அவற்றோடு திறம்பட தொடர்பு கொள்ள முடியும் என்பதை இது குறிக்கிறது.
அளவுகோல் புத்திசாலித்தனம்: போட்டியை விஞ்சுதல்
Qwen2.5-VL-7B மற்றும் Gemma-3-12B-IT போன்ற பிற திறந்த மூல மாதிரிகளுடன் ஒப்பிடும்போது, கிமி-VL கணிசமாக அதிக திறமையானதாகத் தெரிகிறது. மூன்ஷாட் AI இன் படி, மிகக் குறைவான செயலில் உள்ள அளவுருக்களுடன் இயங்கும் போதிலும், இது 24 அளவுகோல்களில் 19 இல் முன்னணியில் உள்ளது. எம்எம் பெஞ்ச்-ஈஎன் மற்றும் ஏஐ2டி ஆகியவற்றில், இது வழக்கமாக பெரிய, வணிக மாதிரிகளிலிருந்து காணும் மதிப்பெண்களுடன் பொருந்துகிறது அல்லது அடிக்கிறது என்று கூறப்படுகிறது.
இந்த முடிவுகள் கிமி-VL இன் கட்டமைப்பு மற்றும் பயிற்சி முறைகளின் செயல்திறனை எடுத்துக்காட்டுகின்றன. செயல்திறன் மற்றும் சிறப்பியல்பு ஆகியவற்றில் கவனம் செலுத்துவதன் மூலம், மூன்ஷாட் ஏஐ வரையறுக்கப்பட்ட வளங்களைக் கொண்டு ஈர்க்கக்கூடிய செயல்திறனை அடையக்கூடிய ஒரு மாதிரியை உருவாக்கியுள்ளது.
பயிற்சி நுட்பங்கள்: ரகசிய சாஸ்
கிமி-VL இன் செயல்திறனில் பெரும்பாலானவற்றை மூன்ஷாட் ஏஐ அதன் புதுமையான பயிற்சி அணுகுமுறைக்கு காரணம் என்கிறது. நிலையான மேற்பார்வையிடப்பட்ட நல்லிணக்கத்துடன் கூடுதலாக, சிக்கலான பணிகளில் அதன் செயல்திறனை மேம்படுத்த மாதிரி வலுவூட்டல் கற்றலைப் பயன்படுத்துகிறது. கணித ரீதியான நியாயப்படுத்துதல் போன்ற மிகவும் சிக்கலான சிந்தனை தேவைப்படும் பணிகளில் செயல்திறனை அதிகரிக்க, நீண்ட நியாயமான படிகள் மூலம் இயக்க ஒரு சிறப்பு பதிப்பான கிமி-VL-திங்கிங் பயிற்சி அளிக்கப்பட்டது.
மேற்பார்வையிடப்பட்ட நல்லிணக்கத்தில் மாதிரிக்கு பெயரிடப்பட்ட எடுத்துக்காட்டுகளின் ஒரு பெரிய தரவுத்தொகுப்பில் பயிற்சி அளிப்பது அடங்கும். ஒவ்வொரு எடுத்துக்காட்டுகளும் உள்ளீடு மற்றும் தொடர்புடைய வெளியீட்டைக் கொண்டிருக்கும். உள்ளீடுகளுக்கும் வெளியீடுகளுக்கும் இடையிலான உறவுகளைக் கற்றுக்கொள்வதற்கும் துல்லியமான கணிப்புகளை உருவாக்குவதற்கும் இது மாதிரியை அனுமதிக்கிறது.
மறுபுறம், வலுவூட்டல் கற்றலில், மாதிரி வெகுமதி சமிக்ஞையை அதிகரிக்க சுற்றுச்சூழலில் முடிவுகளை எடுக்க பயிற்சி அளிக்கப்படுகிறது. சிக்கலான நியாயப்படுத்துதல் மற்றும் முடிவெடுக்கும் தேவைப்படும் பணிகளுக்கு இந்த அணுகுமுறை மிகவும் பொருத்தமானது. ஏனெனில் இது மாதிரி சோதனை மற்றும் பிழை மூலம் கற்றுக்கொள்ள அனுமதிக்கிறது.
மேற்பார்வையிடப்பட்ட நல்லிணக்கத்துடன் வலுவூட்டல் கற்றலை இணைப்பதன் மூலம், மூன்ஷாட் ஏஐ துல்லியமான மற்றும் மாற்றியமைக்கக்கூடிய ஒரு மாதிரியை உருவாக்கியுள்ளது.
வரம்புகள் மற்றும் எதிர்கால திசைகள்
ஈர்க்கக்கூடிய திறன்கள் இருந்தபோதிலும், கிமி-VL அதன் வரம்புகள் இல்லாமல் இல்லை. அதன் தற்போதைய அளவு அதிக மொழி-தீவிரமான அல்லது சிறப்புப் பணிகளில் அதன் செயல்திறனைக் கட்டுப்படுத்துகிறது. மேலும் விரிவாக்கப்பட்ட உள்ளடக்க விண்டோ இருந்தபோதிலும், இது மிக நீண்ட உள்ளடக்கங்களுடன் தொழில்நுட்ப சவால்களை எதிர்கொள்கிறது.
இருப்பினும், இந்த வரம்புகளை நிவர்த்தி செய்யவும் மாதிரியின் செயல்திறனை மேலும் மேம்படுத்தவும் மூன்ஷாட் ஏஐ உறுதியாக உள்ளது. நிறுவனம் பெரிய மாதிரி பதிப்புகளை உருவாக்கவும், அதிகமான பயிற்சித் தரவை இணைக்கவும், நல்லிணக்க நுட்பங்களை மேம்படுத்தவும் திட்டமிட்டுள்ளது.
ஆராய்ச்சி மற்றும் தொழில்துறையில் உண்மையான உலக பயன்பாட்டிற்கு ஏற்ற “சக்திவாய்ந்த மற்றும் வள-திறமையான அமைப்பை” உருவாக்குவதே மூன்ஷாட் AI இன் நீண்ட கால இலக்காகும். பாரிய கணக்கீட்டு ஆதாரங்கள் தேவையில்லாமல் அதிக செயல்திறனை வழங்கக்கூடிய AI மாதிரிகளுக்கான வளர்ந்து வரும் தேவையை இந்த பார்வை உறுதி செய்கிறது.
முக்கிய குறிப்புகள்
- கிமி-வி.எல் என்பது மூன்ஷாட் ஏஐ இலிருந்து ஒரு திறந்த மூல AI மாதிரி. இது பெரிய போட்டியாளர்களை விட படங்கள், உரை மற்றும் வீடியோக்களை மிகவும் திறமையாக செயலாக்குகிறது.
- மாதிரி வெறும் 2.8 பில்லியன் செயலில் உள்ள அளவுருக்களுடன் 24 அளவுகோல்களில் 19 இல் ஒத்த மாதிரிகளை விட சிறப்பாக செயல்படுகிறது.
- கிமி-வி.எல் 128,000 டோக்கன்களின் உள்ளடக்க விண்டோவைக் கொண்டுள்ளது. இது முழு புத்தகங்களையும், நீண்ட வீடியோக்களையும், உயர் தெளிவுத்திறன் கொண்ட படங்களையும் பிரிக்காமல் கையாள அனுமதிக்கிறது. கணிதப் படப் பணிகள் மற்றும் கையால் எழுதப்பட்ட குறிப்பு அங்கீகாரம்.
- கிமி-வி.எல் ஒரு கலவை-நிபுணர்கள் கட்டமைப்பையும் மேற்பார்வையிடப்பட்ட நல்லிணக்கம் மற்றும் வலுவூட்டல் கற்றல் போன்ற மேம்பட்ட பயிற்சி முறைகளையும் பயன்படுத்துகிறது.
- மாதிரி குறிப்பாக கிராஃபிகல் பயனர் இடைமுகங்களை விளக்குவதற்கும் டிஜிட்டல் பணிகளை தானியங்குபடுத்துவதற்கும் ஒரு மென்பொருள் உதவியாளராக பயனுள்ளதாக இருக்கும்.
திறமையான மற்றும் பல்துறை AI மாதிரிகளின் வளர்ச்சியில் கிமி-வி.எல் ஒரு குறிப்பிடத்தக்க முன்னேற்றத்தைக் குறிக்கிறது. வரையறுக்கப்பட்ட ஆதாரங்களைக் கொண்டு பல முறைகளைச் செயலாக்கும் திறன் பரந்த அளவிலான பயன்பாடுகளுக்கு ஒரு நம்பிக்கைக்குரிய கருவியாக அமைகிறது. மூன்ஷாட் ஏஐ மாதிரியை தொடர்ந்து உருவாக்கி செம்மைப்படுத்தும் போது, அது ஆராய்ச்சியாளர்கள் மற்றும் பயிற்சியாளர்களுக்கு இன்னும் மதிப்புமிக்க சொத்தாக மாறும். ஒரு கலவை-நிபுணர்கள் கட்டமைப்பில் கவனம் செலுத்துவது குறிப்பாக நுண்ணறிவு மிக்கது. இது செயல்திறனை தியாகம் செய்யாமல் அதிக செயல்திறனுக்கான பாதையை நிரூபிக்கிறது. AI மாதிரிகள் பெருகிய முறையில் சிக்கலானதாக இருப்பதால் ஒரு முக்கியமான கருத்தில் கொள்ள வேண்டியது அவசியம். மேலும், நியாயமான திறன்களை மேம்படுத்துவதற்கான வலுவூட்டல் கற்றலுக்கு முக்கியத்துவம் கொடுப்பது AI மாதிரிகளின் முழு திறனையும் திறப்பதில் மேம்பட்ட பயிற்சி நுட்பங்களின் முக்கியத்துவத்தை எடுத்துக்காட்டுகிறது. கட்டடக்கலை கண்டுபிடிப்புகளை அதிநவீன பயிற்சி முறைகளுடன் இணைக்கும் இந்த முழுமையான வளர்ச்சி அணுகுமுறை, செயற்கை நுண்ணறிவின் வேகமாக வளர்ந்து வரும் நிலப்பரப்பில் கிமி-வி.எல்-ஐப் பார்க்க வேண்டிய மாதிரியாக நிலைநிறுத்துகிறது. அதிகரித்த அளவுரு எண்ணிக்கைகள் மற்றும் விரிவாக்கப்பட்ட பயிற்சி தரவுத்தொகுப்புகளுடன் கூடிய கிமி-வி.எல் இன் எதிர்கால மறு செய்கைகள் திறமையான மற்றும் பல மாதிரி AI செயலாக்கத்தில் ஒரு தலைவராக அதன் நிலையை மேலும் உறுதிப்படுத்த உறுதியளிக்கின்றன. ஆராய்ச்சி முதல் ஆட்டோமேஷன் வரை பல்வேறு தொழில்களில் இத்தகைய மாதிரியின் சாத்தியமான தாக்கம் கணிசமானது. மேலும் கிமி-வி.எல் இன் தொடர்ச்சியான வளர்ச்சி ஒட்டுமொத்தமாக AI தொழில்நுட்பத்தின் முன்னேற்றத்திற்கு சந்தேகத்திற்கு இடமின்றி பங்களிக்கும். வள-திறமையான மற்றும் சக்திவாய்ந்த அமைப்பை உருவாக்குவதற்கான மூன்ஷாட் ஏஐ இன் அர்ப்பணிப்பு நிலையான மற்றும் அணுகக்கூடிய AI தீர்வுகளுக்கான அதிகரித்து வரும் தேவையை சரியாகக் குறிக்கிறது. கிமி-வி.எல்-ஐ இந்தத் துறைக்கு ஒரு மதிப்புமிக்க பங்களிப்பாக ஆக்குகிறது. கிமி-வி.எல் இல் பயன்படுத்தப்படும் புதுமையான நுட்பங்களின் கலவையானது பல மாதிரி AI இல் செயல்திறனுக்கான ஒரு புதிய தரத்தை அமைக்கிறது. இது எதிர்கால மாதிரிகளின் வளர்ச்சியை பாதிக்கக்கூடும் மற்றும் துறையில் மேலும் முன்னேற்றங்களுக்கு ஊக்கமளிக்கக்கூடும்.