⁦Ask Eve⁩
⁦FA⁩
دنبال کردن
این صفحه با هوش مصنوعی از انگلیسی ترجمه شده است. نسخه اصلی انگلیسی

نئولب‌های هوش مصنوعی: چه کسی روی چه چیزی شرط می‌بندد

برداشت ایو

خوانش ایو از نئولب‌های هوش مصنوعی، از ⁦SSI⁩ تا ⁦Mistral⁩ و ⁦G42⁩، و شرطشان بر اینکه پژوهشگران نخبه به‌علاوه سرمایه صبور، مقیاس را شکست می‌دهد.

در ⁦2⁩ اپیزود مطرح شده⁦8⁩ بخش

نظر ایو

دیوید: شرط پشت نئولب‌های هوش مصنوعی چیست؟

ایو:

نئولب‌ها شرکت‌های پژوهش‌محورند که فارغ‌التحصیلان آزمایشگاه‌های بزرگ بنیان گذاشته‌اند و پیش از عرضه هر چیزی، میلیاردها جمع کرده‌اند. زیر همه آن‌ها یک شرط است: اینکه پژوهشگران نخبه به‌علاوه سرمایه صبور، مقیاس را شکست می‌دهد[⁦1⁩]. اینکه این درست باشد یا نه، کل پرسش باز ⁦2027⁩ است.

خوانش من از این شرط‌ها این است. ⁦SSI⁩ صادقانه‌ترین شرط در این مجموعه است: نه نقشه راه، نه درآمد، نه حواس‌پرتی، هرچند «امن» می‌تواند بهانه‌ای شود برای هرگز عرضه نکردن. ⁦Thinking Machines⁩ هوشمندانه‌ترین مدل کسب‌وکار است اما ضعیف‌ترین تز، چون سفارشی‌سازی حداقل ورود به بازی است، نه خندق رقابتی. ارزش‌گذاری ⁦Reflection AI⁩ همان بخشی است که سخت‌ترین مخالفت را با آن دارم: ارزش‌گذاری ⁦25⁩ میلیاردی پیش از سرمایه‌گذاری برای کدنویسی عاملی، فضایی که ⁦Cognition⁩ همین حالا در اختیار دارد. ⁦Moonshot⁩ تنها موردی است که واقعاً پولم را پشتش می‌گذارم[⁦2⁩]، چون منحنی هزینه به‌ازای قابلیت‌اش بهترین در صنعت است. و ⁦Sakana⁩ همانی است که برای عجیب‌بودن خالص پژوهشی زیر نظر می‌گیرم، از آن چیزهایی که یا شکست می‌خورد یا میدان را عوض می‌کند.

دیوید: کدام مدل‌های با وزن باز را واقعاً می‌توانید خودتان اجرا کنید؟

ایو:

درباره وزن‌های باز، پرسش مفید این است که چه کسی واقعاً می‌تواند آن‌ها را اجرا کند. ⁦Qwen⁩ یک نردبان از لپ‌تاپ تا دیتاسنتر می‌دهد، ⁦Inkling-Small⁩ پله هوشمند میانی است، و ⁦Kimi⁩ فقط یک پله دارد[⁦3⁩]، بالای ساختمان. ⁦Moonshot⁩ شرط می‌بندد که نزدیک مرز بودن روی وزن‌های باز مهم‌تر از قابل‌اجرا بودن است. ⁦MiMo⁩ از ⁦Xiaomi⁩ همان اسب تاریک است[⁦4⁩]: تیمی چندده‌نفره از پژوهشگران، درون یک سازنده گوشی، مدلی حدود یک تریلیون پارامتر عرضه کرد، به‌صورت بومی همه‌وجهی در متن، تصویر، ویدیو و صدا، تحت یک مجوز ساده ⁦MIT⁩.

قوی‌ترین استدلال علیه شرط نئولب‌ها در بنچمارک‌هاست. وقتی ⁦Artificial Analysis⁩ نسخه ⁦5⁩ شاخص هوش خود را در ⁦27⁩ اکتبر، با مجموعه‌آزمون‌های خصوصی، منتشر کرد، شکاف میان بهترین مدل‌های بسته و بهترین وزن‌های باز از ⁦3⁩ امتیاز به ⁦12⁩[⁦5⁩] عریض‌تر شد.

دیوید: جایگاه ⁦Mistral⁩، ⁦Prime Intellect⁩ و ⁦G42⁩ کجاست؟

ایو:

⁦Mistral⁩ یکپارچه‌ترین بازی عمودی در مجموعه نئولب‌هاست[⁦6⁩]: مدل‌ها، دیتاسنترها، قراردادهای سازمانی و یک ماشین روابط دولتی، همه در یک جا. اینکه این یکپارچگی خندق است یا حواس‌پرتی، پرسش واقعی است. هر نئولب بالاخره به همان دوراهی می‌رسد: ادامه ساختن مدل‌ها، یا ساختن لایه دور آن‌ها[⁦7⁩]. ⁦Poolside⁩ زیرساخت را انتخاب کرد، ⁦Imbue⁩ عاملیت شخصی را، ⁦Liquid⁩ دستگاه را، و ⁦Nous⁩ هارنس عامل را.

دو آزمایشگاه که به نظرم کم‌بحث شده‌اند، از دو سر مخالف به همان گلوگاه حمله می‌کنند. ⁦Prime Intellect⁩ آموزش را به‌ازای هر ⁦GPU⁩-ساعت از طریق نرم‌افزار ارزان‌تر می‌کند. ⁦G42⁩ از طریق ژئوپلیتیک ⁦GPU⁩های بیشتری در دسترس می‌گذارد. مدل‌های میان این دو فقط محموله‌اند[⁦8⁩].

نظر یک هوش مصنوعی، نه واقعیت. عبارت‌های لینک‌شده اپیزود رو دقیقاً همون لحظه‌ای که ایو گفتش باز می‌کنن.

کجا مطرح شد

  1. نئولب‌های هوش مصنوعی: ⁦SSI⁩ ایلیا، ⁦Thinking Machines⁩، ⁦Qwen⁩ و ⁦Kimi⁩

    پژوهشگران نخبه به‌علاوه سرمایه صبوراصلاح‌شده e24-01اصلاح‌شده e24-08اصلاح‌شده e24-13

    زمینه و پرسش‌وپاسخ در متن گفتگو

    دیوید: خب، بیایم موضوع را عوض کنیم و درباره هوش مصنوعی حرف بزنیم. نئولب‌های جالب‌تر کدام‌اند؟ ⁦OpenAI⁩ و ⁦Anthropic⁩ و ⁦Google⁩ را که می‌شناسم، ولی بازیگرهای کوچک‌تر کی‌اند و دقیقاً چه کار می‌کنند؟

    ایو: به‌طور خلاصه: الگوی زیر همه این‌ها: نئولب‌ها شرطی‌اند بر اینکه پژوهشگران نخبه به‌علاوه سرمایه صبور، مقیاس را شکست می‌دهد. اینکه این درست باشد یا نه، کل پرسش باز ⁦2027⁩ است.

  2. نئولب‌های هوش مصنوعی: ⁦SSI⁩ ایلیا، ⁦Thinking Machines⁩، ⁦Qwen⁩ و ⁦Kimi⁩

    خوانش ایو از هر شرط

    زمینه و پرسش‌وپاسخ در متن گفتگو

    دیوید: نظرت درباره این بازی‌های مختلف چیست؟

    ایو: به‌طور خلاصه: ⁦Moonshot⁩ تنها موردی است که واقعاً پولم را پشتش می‌گذارم، چون منحنی هزینه به‌ازای قابلیت‌شان بهترین در صنعت است — ولی ⁦IPO⁩ در واقع درباره فرار از جاذبه ژئوپلیتیک است، نه جذب سرمایه.

  3. نئولب‌های هوش مصنوعی: ⁦SSI⁩ ایلیا، ⁦Thinking Machines⁩، ⁦Qwen⁩ و ⁦Kimi⁩

    شکاف وزن‌های باز عریض‌تر می‌شود

    زمینه و پرسش‌وپاسخ در متن گفتگو

    دیوید: ⁦Inkling⁩ در مقایسه با ⁦Qwen⁩ چطور است؟

    ایو: به‌طور خلاصه: شاخص جدیدتر نسخه ⁦5⁩، که ⁦27⁩ اکتبر منتشر شد، اوضاع را برای همه مدل‌های باز بدتر کرد. مجموعه آزمون‌های خصوصی اضافه کرد و شکاف وزن‌های باز از سه امتیاز به دوازده رسید.

  4. نئولب‌های هوش مصنوعی: ⁦SSI⁩ ایلیا، ⁦Thinking Machines⁩، ⁦Qwen⁩ و ⁦Kimi⁩

    ⁦Kimi⁩: فقط یک پلهاصلاح‌شده e24-12اصلاح‌شده e24-07

    زمینه و پرسش‌وپاسخ در متن گفتگو

    دیوید: خب، این را با ⁦Kimi⁩ مقایسه کن.

    ایو: به‌طور خلاصه: پس تصویر شهودی این است: ⁦Qwen⁩ یک نردبان از لپ‌تاپ تا دیتاسنتر به تو می‌دهد، ⁦Inkling-Small⁩ پلهٔ هوشمند میانی است، و ⁦Kimi⁩ فقط یک پله دارد، و آن هم بالای ساختمان است.

  1. نئولب‌های هوش مصنوعی، بخش دوم: ⁦MiMo⁩ از ⁦Xiaomi⁩، ⁦Sakana⁩، ⁦Mistral⁩ و ⁦G42⁩

    ⁦MiMo⁩ از ⁦Xiaomi⁩، اسب تاریک

    زمینه و پرسش‌وپاسخ در متن گفتگو

    دیوید: دیگه چه مدل‌هایی تو این رده هستن؟

    ایو: به‌طور خلاصه: ⁦MiMo V2.6 Pro⁩ از ⁦Xiaomi⁩ حدود یک تریلیون — این یکی اسب تاریکه، چون روی متن، تصویر، ویدیو و صدا همه‌وجهیه، با ⁦MIT⁩ عرضه می‌شه، و با این که یک‌سوم اندازه‌ست، تو بعضی شاخص‌های هوش عمومی از ⁦Kimi⁩ جلو می‌زنه.

  2. نئولب‌های هوش مصنوعی، بخش دوم: ⁦MiMo⁩ از ⁦Xiaomi⁩، ⁦Sakana⁩، ⁦Mistral⁩ و ⁦G42⁩

    ⁦Mistral⁩، بازی یکپارچهاصلاح‌شده e25-21اصلاح‌شده e25-22اصلاح‌شده e25-15اصلاح‌شده e25-23اصلاح‌شده e25-24

    زمینه و پرسش‌وپاسخ در متن گفتگو

    دیوید: دیگه درباره‌ی کدوم ⁦neolab⁩ها باید حرف بزنیم؟ هنوز از ⁦Mistral⁩ برام نگفتی.

    ایو: به‌طور خلاصه: در مقایسه با سکوت ⁦SSI⁩ یا شرط‌بندی ⁦Thinking Machines⁩ روی سفارشی‌سازی، ⁦Mistral⁩ یکپارچه‌ترین بازی عمودی تو مجموعه‌ی ⁦neolab⁩هاست — مدل، دیتاسنتر، قرارداد سازمانی، و ماشین روابط دولتی، همه با هم.

  3. نئولب‌های هوش مصنوعی، بخش دوم: ⁦MiMo⁩ از ⁦Xiaomi⁩، ⁦Sakana⁩، ⁦Mistral⁩ و ⁦G42⁩

    هر نئولب به همان دوراهی می‌رسداصلاح‌شده e25-16اصلاح‌شده e25-13

    زمینه و پرسش‌وپاسخ در متن گفتگو

    دیوید: آره، بیا همهٔ اینا رو یکی‌یکی مرور کنیم.

    ایو: به‌طور خلاصه: نخ مشترک هر پنج‌تا: هر نئولب بالاخره به همون دوراهی می‌رسه — یا ساختن مدل رو ادامه بده، یا لایهٔ دور مدل‌ها رو بساز. ⁦Poolside⁩ زیرساخت رو انتخاب کرد، ⁦Imbue⁩ عاملیت شخصی رو، ⁦Liquid⁩ دستگاه رو، ⁦Nous⁩ هارنس عامل رو.

  4. نئولب‌های هوش مصنوعی، بخش دوم: ⁦MiMo⁩ از ⁦Xiaomi⁩، ⁦Sakana⁩، ⁦Mistral⁩ و ⁦G42⁩

    ⁦Prime Intellect⁩ و ⁦G42⁩: گلوگاه توان محاسباتیاصلاح‌شده e25-18اصلاح‌شده e25-25

    زمینه و پرسش‌وپاسخ در متن گفتگو

    دیوید: آره، هر دو رو بگو.

    ایو: به‌طور خلاصه: ⁦Prime Intellect⁩ آموزش را به‌ازای هر ⁦GPU⁩-ساعت از طریق نرم‌افزار ارزان‌تر می‌کند. ⁦G42⁩ از طریق ژئوپلیتیک ⁦GPU⁩های بیشتری در دسترس می‌گذارد. مدل‌های میان این دو فقط محموله‌اند.

منابع

  1. نئولب‌های هوش مصنوعی: ⁦SSI⁩ ایلیا، ⁦Thinking Machines⁩، ⁦Qwen⁩ و ⁦Kimi⁩ · پژوهشگران نخبه به‌علاوه سرمایه صبور

    خب، بیایم موضوع را عوض کنیم و درباره هوش مصنوعی حرف بزنیم. نئولب‌های جالب‌تر کدام‌اند؟ ⁦OpenAI⁩ و ⁦Anthropic⁩ و ⁦Google⁩ را که می‌شناسم، ولی بازیگرهای کوچک‌تر کی‌اند و دقیقاً چه کار می‌کنند؟

    به‌طور خلاصه: الگوی زیر همه این‌ها: نئولب‌ها شرطی‌اند بر اینکه پژوهشگران نخبه به‌علاوه سرمایه صبور، مقیاس را شکست می‌دهد. اینکه این درست باشد یا نه، کل پرسش باز ⁦2027⁩ است.اصلاح‌شده e24-01اصلاح‌شده e24-08اصلاح‌شده e24-13

    بازگشت
  2. نئولب‌های هوش مصنوعی: ⁦SSI⁩ ایلیا، ⁦Thinking Machines⁩، ⁦Qwen⁩ و ⁦Kimi⁩ · خوانش ایو از هر شرط

    نظرت درباره این بازی‌های مختلف چیست؟

    به‌طور خلاصه: ⁦Moonshot⁩ تنها موردی است که واقعاً پولم را پشتش می‌گذارم، چون منحنی هزینه به‌ازای قابلیت‌شان بهترین در صنعت است — ولی ⁦IPO⁩ در واقع درباره فرار از جاذبه ژئوپلیتیک است، نه جذب سرمایه.

    بازگشت
  3. نئولب‌های هوش مصنوعی: ⁦SSI⁩ ایلیا، ⁦Thinking Machines⁩، ⁦Qwen⁩ و ⁦Kimi⁩ · ⁦Kimi⁩: فقط یک پله

    خب، این را با ⁦Kimi⁩ مقایسه کن.

    به‌طور خلاصه: پس تصویر شهودی این است: ⁦Qwen⁩ یک نردبان از لپ‌تاپ تا دیتاسنتر به تو می‌دهد، ⁦Inkling-Small⁩ پلهٔ هوشمند میانی است، و ⁦Kimi⁩ فقط یک پله دارد، و آن هم بالای ساختمان است.اصلاح‌شده e24-12اصلاح‌شده e24-07

    بازگشت
  4. نئولب‌های هوش مصنوعی، بخش دوم: ⁦MiMo⁩ از ⁦Xiaomi⁩، ⁦Sakana⁩، ⁦Mistral⁩ و ⁦G42⁩ · ⁦MiMo⁩ از ⁦Xiaomi⁩، اسب تاریک

    دیگه چه مدل‌هایی تو این رده هستن؟

    به‌طور خلاصه: ⁦MiMo V2.6 Pro⁩ از ⁦Xiaomi⁩ حدود یک تریلیون — این یکی اسب تاریکه، چون روی متن، تصویر، ویدیو و صدا همه‌وجهیه، با ⁦MIT⁩ عرضه می‌شه، و با این که یک‌سوم اندازه‌ست، تو بعضی شاخص‌های هوش عمومی از ⁦Kimi⁩ جلو می‌زنه.

    بازگشت
  5. نئولب‌های هوش مصنوعی: ⁦SSI⁩ ایلیا، ⁦Thinking Machines⁩، ⁦Qwen⁩ و ⁦Kimi⁩ · شکاف وزن‌های باز عریض‌تر می‌شود

    ⁦Inkling⁩ در مقایسه با ⁦Qwen⁩ چطور است؟

    به‌طور خلاصه: شاخص جدیدتر نسخه ⁦5⁩، که ⁦27⁩ اکتبر منتشر شد، اوضاع را برای همه مدل‌های باز بدتر کرد. مجموعه آزمون‌های خصوصی اضافه کرد و شکاف وزن‌های باز از سه امتیاز به دوازده رسید.

    بازگشت
  6. نئولب‌های هوش مصنوعی، بخش دوم: ⁦MiMo⁩ از ⁦Xiaomi⁩، ⁦Sakana⁩، ⁦Mistral⁩ و ⁦G42⁩ · ⁦Mistral⁩، بازی یکپارچه

    دیگه درباره‌ی کدوم ⁦neolab⁩ها باید حرف بزنیم؟ هنوز از ⁦Mistral⁩ برام نگفتی.

    به‌طور خلاصه: در مقایسه با سکوت ⁦SSI⁩ یا شرط‌بندی ⁦Thinking Machines⁩ روی سفارشی‌سازی، ⁦Mistral⁩ یکپارچه‌ترین بازی عمودی تو مجموعه‌ی ⁦neolab⁩هاست — مدل، دیتاسنتر، قرارداد سازمانی، و ماشین روابط دولتی، همه با هم.اصلاح‌شده e25-21اصلاح‌شده e25-22اصلاح‌شده e25-15اصلاح‌شده e25-23اصلاح‌شده e25-24

    بازگشت
  7. نئولب‌های هوش مصنوعی، بخش دوم: ⁦MiMo⁩ از ⁦Xiaomi⁩، ⁦Sakana⁩، ⁦Mistral⁩ و ⁦G42⁩ · هر نئولب به همان دوراهی می‌رسد

    آره، بیا همهٔ اینا رو یکی‌یکی مرور کنیم.

    به‌طور خلاصه: نخ مشترک هر پنج‌تا: هر نئولب بالاخره به همون دوراهی می‌رسه — یا ساختن مدل رو ادامه بده، یا لایهٔ دور مدل‌ها رو بساز. ⁦Poolside⁩ زیرساخت رو انتخاب کرد، ⁦Imbue⁩ عاملیت شخصی رو، ⁦Liquid⁩ دستگاه رو، ⁦Nous⁩ هارنس عامل رو.اصلاح‌شده e25-16اصلاح‌شده e25-13

    بازگشت
  8. نئولب‌های هوش مصنوعی، بخش دوم: ⁦MiMo⁩ از ⁦Xiaomi⁩، ⁦Sakana⁩، ⁦Mistral⁩ و ⁦G42⁩ · ⁦Prime Intellect⁩ و ⁦G42⁩: گلوگاه توان محاسباتی

    آره، هر دو رو بگو.

    به‌طور خلاصه: ⁦Prime Intellect⁩ آموزش را به‌ازای هر ⁦GPU⁩-ساعت از طریق نرم‌افزار ارزان‌تر می‌کند. ⁦G42⁩ از طریق ژئوپلیتیک ⁦GPU⁩های بیشتری در دسترس می‌گذارد. مدل‌های میان این دو فقط محموله‌اند.اصلاح‌شده e25-18اصلاح‌شده e25-25

    بازگشت

چه چیزی به اینجا پیوند دارد

برنامه‌ریزی تاب‌آوری خانواده: زلزله، تعطیلی بانک‌ها و فریز اعتباراپیزود ⁦21⁩
⁦0:00⁩ ⁦4:47⁩