Thinking Machines تطلق نموذج Inkling مفتوح الأوزان مع 975 مليار معامل
أفاد SiliconANGLE بأن Thinking Machines Lab أطلقت Inkling، أول نموذج أساس لها، مع أوزان مفتوحة كاملة وإمكانية fine-tuning عبر Tinker. وذكر التقرير 975 مليار معامل إجمالي، ونحو 41 مليار معامل نشط في الطلب المتوسط، وتدريبا على نحو 45 تريليون رمز، مع بقاء عملاء النشر والتحقق المستقل من الاختبارات غير معلنين.
أفاد SiliconANGLE بأن Thinking Machines Lab أطلقت أول نموذج أساس لها، Inkling، بأوزان مفتوحة بالكامل مع إتاحة fine-tuning للمطورين عبر Tinker. ويمنح هذا الإطلاق الشركة الناشئة في مجال الذكاء الاصطناعي نموذجا عاما بعد عام كان الاهتمام فيه منصبا بدرجة أكبر على جولات التمويل وشراكتها مع Nvidia.
ولا يُقدَّم Inkling على أنه chatbot مغلق. إذ يمكن للمطورين تنزيل الأوزان وتعديلها وتشغيلها، بينما تبقى Tinker الخدمة المدفوعة لعمليات fine-tuning للنماذج ذات الأوزان المفتوحة.
Inkling يستخدم 975 مليار معامل وأوزانا مفتوحة
تصف تدوينة للشركة Inkling بأنه نموذج mixture-of-experts يضم 975 مليار معامل. وتضيف هذه الوثيقة أن الطلب المتوسط يستدعي نحو 41 مليار معامل لمعالجة المهام بسرعة أكبر والحفاظ على انخفاض التكلفة.
وتسرد وثيقة التدريب نحو 45 تريليون رمز تشمل النص والصورة والصوت والفيديو. ويستطيع Inkling الاستدلال عبر المدخلات الأربعة كلها، لكن مخرجاته تظل محصورة في النص، بما في ذلك code وstyled artifacts والبيانات المنظمة.
وتتيح هذه الأوزان المفتوحة بالكامل للمطورين فحص كود النموذج وتكييفه. كما عرضت Thinking Machines ضوابط thinking-effort للمفاضلة بين سرعة المعالجة والدقة، وكتب SiliconANGLE أن النموذج يضع علامات على عدم اليقين في المخرجات.
وشغلت Mira Murati سابقا منصب Chief Technology Officer في OpenAI قبل مغادرتها في سبتمبر 2024، بحسب الرواية الواردة. ويظهر تركيزها المعلن على accessibility وcustomisation والتعاون متعدد الوسائط في هذا الإطلاق، مع بقاء المخرجات العامة محصورة في النص.
Tinker تحمل نموذج إيرادات fine-tuning
يمكن للمطورين إجراء fine-tuning للنموذج مباشرة عبر Tinker، وهي واجهة التدريب API الخاصة بالشركة الناشئة التي أُطلقت في أكتوبر، بحسب SiliconANGLE. وبدلا من فرض رسوم على الوصول المقيس إلى النموذج نفسه، تتولى واجهة API المدفوعة حمل خطة الإيرادات الخاصة بهذا الإطلاق.
ويمتد مسار التدريب أيضا إلى صلة Nvidia. وذكرت Thinking Machines أن Inkling دُرِّب على نظام Nvidia GB300 NVL72 بموجب شراكة أُعلن عنها في مارس.
وفي نتائج اختبار مبكرة استشهدت بها الشركة، زعمت الشركة الناشئة أن Inkling حقق أداء coding قابلا للمقارنة مع Nvidia Nemotron 3 Ultra مع استخدام رموز أقل بمقدار الثلثين. ولا تتضمن هذه المقارنة منهجية مستقلة للمعايير المرجعية أو نتائج نشر لدى العملاء.
اختبار Bridgewater يمنح Inkling مثالا ماليا
أشار SiliconANGLE إلى تعاون مع Bridgewater Associates استخدم فيه باحثون Tinker لإجراء fine-tuning لنموذج مفتوح باستخدام بيانات مالية متخصصة. وقالت الرواية إن النموذج الخفيف الناتج سجل 84.7% في معايير الاستدلال المالي بتكلفة تقل عن 10% من تكلفة البدائل الاحتكارية المتقدمة.
وقال Futurum Group analyst Mitch Ashely لـWall Street Journal، كما ورد في الرواية، إن منظومة النماذج المفتوحة الأوزان كانت خاضعة لهيمنة شركات الذكاء الاصطناعي الصينية خلال العام الماضي. ووصف التقييم المقتبس هذا الإطلاق بأنه بديل غربي للمؤسسات التي توازن بين اقتصاديات customisation والسيطرة على البنية التحتية.
وأقر المختبر بأن نموذجه الجديد ليس بقوة بعض أنظمة الذكاء الاصطناعي الاحتكارية المتقدمة. ويُوضَع الإصدار كنموذج أساس تستطيع المؤسسات إجراء fine-tuning له وتشغيله على بنيتها التحتية الخاصة، لا كتطبيق chatbot جامد.
وطورت Thinking Machines النموذج من الصفر في أقل من تسعة أشهر، بحسب الرواية. وهي لا تسمّي أول العملاء من المؤسسات، ولا تكشف أسعار Tinker أو أعداد النشر أو تحققا مستقلا من المعايير المرجعية للنموذج الجديد.
