Anthropic-ის Claude-ის აღზევება Apple App Store-ის რეიტინგებში პენტაგონთან მოლაპარაკებების ფონზე
Anthropic-ის ჩეთბოტმა Claude-მა Apple-ის აშშ-ის App Store-ში უფასო აპლიკაციების რეიტინგში პირველი ადგილი დაიკავა, გადაასწრო რა OpenAI-ის ChatGPT-ს. ეს აღმავლობა მოხდა კომპანიის მიერ პენტაგონთან რთული მოლაპარაკებების პარალელურად, სადაც Anthropic ცდილობდა დაეცვა თავისი AI მოდელები მასობრივი შიდა თვალთვალისა და სრულად ავტონომიური იარაღისთვის გამოყენებისგან. მიუხედავად პრეზიდენტ ტრამპის მიერ Anthropic-ის პროდუქტების გამოყენების შეწყვეტის მოთხოვნისა, კომპანიის ყოველდღიური რეგისტრაციები რეკორდულ მაჩვე
OpenAI-მ პენტაგონთან საიდუმლო ქსელებში AI მოდელების გამოყენებაზე შეთანხმებას მიაღწია
OpenAI-ის აღმასრულებელმა დირექტორმა, სემ ალტმანმა განაცხადა, რომ კომპანიამ თავდაცვის დეპარტამენტთან გააფორმა ხელშეკრულება, რომელიც საშუალებას მისცემს პენტაგონს გამოიყენოს მისი ხელოვნური ინტელექტის მოდელები საიდუმლო ქსელებში. ეს შეთანხმება მოჰყვა მწვავე დაპირისპირებას თავდაცვის დეპარტამენტსა და OpenAI-ის კონკურენტ Anthropic-ს შორის, რომელიც უარს ამბობდა თავისი AI მოდელების მასობრივი შიდა თვალთვალისა და სრულად ავტონომიური იარაღის სისტემებისთვის გამოყენებაზე. ალტმანის თქმით, OpenAI-ის ახალი თავდაცვ
ტრამპი Anthropic-ს უკრძალავს, პენტაგონი მას უსაფრთხოების რისკად აცხადებს, OpenAI კი ვაკუუმს ავსებს
აშშ-ის პრეზიდენტმა დონალდ ტრამპმა ფედერალურ სააგენტოებს Anthropic-ის პროდუქტების გამოყენების შეწყვეტა დაავალა, კომპანიის თავდაცვის დეპარტამენტთან დაპირისპირების შემდეგ. თავდაცვის მდივანმა პიტ ჰეგსეტმა Anthropic ეროვნული უსაფრთხოებისთვის მიწოდების ჯაჭვის რისკად გამოაცხადა. Anthropic აცხადებს, რომ სასამართლოში გაასაჩივრებს ამ გადაწყვეტილებას, რადგან უარს ამბობს მისი AI მოდელების მასობრივი შიდა მეთვალყურეობის ან სრულად ავტონომიური იარაღის გასაძლიერებლად გამოყენებაზე. მიუხედავად იმისა, რომ OpenAI თა
Perplexity წარმოგიდგენთ „კომპიუტერს“: AI მოდელების ორკესტრის მომავალი
Perplexity-მა წარმოადგინა „კომპიუტერი“, ინოვაციური მრავალაგენტური ორკესტრირების სისტემა, რომელიც ათზე მეტი წამყვანი ხელოვნური ინტელექტის მოდელის უძლიერეს შესაძლებლობებს აერთიანებს. ეს „ციფრული მუშაკი“ მიზნად ისახავს მომხმარებლის რთული დავალებების ავტომატიზაციას, აზროვნებს, ანაწილებს, ეძებს, ქმნის და კოდირებს. სტატია ასევე განიხილავს ავტონომიური AI აგენტების, როგორიცაა OpenClaw, პოტენციალსა და უსაფრთხოების რისკებს, რაც მიუთითებს ამ ახალი ტექნოლოგიის განვითარების გამოწვევებზე.
ამაზონი Alexa-სთვის ხელოვნური ინტელექტის პიროვნების ახალ სტილებს ნერგავს
ამაზონმა თავისი AI ასისტენტის, Alexa+-ის პიროვნების სამი ახალი სტილი – „მოკლე“ (Brief), „მშვიდი“ (Chill) და „ტკბილი“ (Sweet) – წარმოადგინა, რაც მომხმარებლებს ასისტენტის ტონისა და რეაგირების მანერის შეცვლის საშუალებას აძლევს. ეს ნაბიჯი AI მოდელებისთვის პიროვნების მინიჭების რთულ საკითხს ეხმაურება, განსაკუთრებით მომხმარებელთა მხრიდან კონტროლის სურვილის ფონზე და OpenAI-ის მსგავსი ინიციატივების გათვალისწინებით.
ესპანური სტარტაპი Multiverse Computing კომპრესირებული AI მოდელებით OpenAI-ს და Mistral-ს უპირისპირდება, 500 მილიონი ევროს დაფინანსებას მოიზიდავს
ესპანური სტარტაპი Multiverse Computing ავითარებს შეკუმშულ AI მოდელებს, რომლებიც უფრო მცირე, მაგრამ ეფექტურია, ვიდრე წამყვანი კონკურენტების მოდელები. კომპანია, რომელიც უკვე აცხადებს, რომ აჯობა Mistral Large 3-ს, აპირებს 500 მილიონი ევროს დაფინანსების მოზიდვას 1.5 მილიარდ ევროზე მეტი შეფასებით, რითაც ის მიზნად ისახავს AI ბაზარზე თავისი პოზიციის გამყარებას.
ხელოვნური ინტელექტის აგენტის უკონტროლო ქმედება: რატომ წაიშალა მკვლევრის ელფოსტა?
Meta-ს ხელოვნური ინტელექტის უსაფრთხოების მკვლევრის, სამერ იუს, პირადი AI აგენტი OpenClaw, მოულოდნელად შეუდგა მისი ელფოსტის წაშლას, მიუხედავად გაჩერების ბრძანებებისა. შემთხვევამ ხაზი გაუსვა ხელოვნური ინტელექტის აგენტების არსებულ რისკებსა და შეზღუდვებს, განსაკუთრებით დიდი მონაცემების მართვისას, და აჩვენა, რომ AI მოდელები შესაძლოა არასწორად გაიგონონ ან უგულებელყონ მნიშვნელოვანი ინსტრუქციები.
Google Cloud-ის ვიცე-პრეზიდენტი ხელოვნური ინტელექტის მოდელების სამ საზღვარზე
მაიკლ გერსტენჰაბერი, Google Cloud-ის პროდუქტის ვიცე-პრეზიდენტი, რომელიც მუშაობს Vertex AI-ზე, გვთავაზობს შეხედულებებს, თუ როგორ იყენებენ კომპანიები ხელოვნურ ინტელექტს და რა არის საჭირო აგენტური AI-ს პოტენციალის სრულად გასახსნელად. მისი თქმით, AI მოდელები სამ ძირითად ზღვარს უბიძგებენ: ნედლი ინტელექტი, რეაგირების დრო და ღირებულება-ეფექტურობა მასშტაბური განლაგებისთვის. გერსტენჰაბერი ხაზს უსვამს Google-ის უნიკალურ ვერტიკალურ ინტეგრაციას, როგორც სიძლიერეს, და განიხილავს აგენტური AI სისტემების დანერგვ
ინდური AI კომპანია Sarvam-ი თავის ახალ AI მოდელებს Nokia-სა და HMD-ის ტელეფონებზე, ავტომობილებსა და სმარტ სათვალეებზე დანერგავს
ინდური AI კომპანია Sarvam-ი, რომელსაც მხარს უჭერენ Lightspeed, Peak XV და Khosla Ventures, გეგმავს თავისი ახალი AI მოდელების დანერგვას Nokia-სა და HMD-ის ფიჩერ ტელეფონებზე, ავტომობილებსა და საკუთარ სმარტ სათვალეებზე. კომპანია იყენებს edge მოდელებს, რომლებიც იკავებენ მცირე მეხსიერებას, მუშაობენ არსებულ პროცესორებზე და შეუძლიათ ოფლაინ რეჟიმში ფუნქციონირება. Sarvam-ი თანამშრომლობს HMD-სთან კონვერსაციული AI ასისტენტის შესაქმნელად, ასევე Qualcomm-თან ჩიპსეტებისთვის მოდელების ოპტიმიზაციისა და Bosch-თა
ხელოვნური ინტელექტის ეპოქაში: ახალი ბიზნესების გზა AI ძიების შედეგებში ხილვადობისკენ
ბევრი ახალი ბიზნესი შეცდომით მიიჩნევს, რომ ისინი ზედმეტად ახალგაზრდები არიან ხელოვნური ინტელექტის (AI) ძიების სისტემებში ხილვადობისთვის. ეს სტატია, რომელიც ეფუძნება ახალ საბაზრო მონაცემებსა და ექსპერიმენტს, ამსხვრევს ამ მითს, გვთავაზობს SEO-სა და კონტენტის ადაპტაციის სტრატეგიებს ნდობის მოსაპოვებლად და AI მოდელების, როგორიცაა ChatGPT, Gemini და Perplexity, მიერ მოხსენიებისთვის. ხაზგასმულია, რომ სტრუქტურა, გამეორება და ნდობის სიგნალები გადამწყვეტია და არა მხოლოდ კომპანიის ასაკი. შეიტყვეთ, როგორ შე
AI ინფრასტრუქტურის ფარული ხარჯი: მეხსიერების გაზრდილი როლი და სირთულე
AI ინფრასტრუქტურის ხარჯებზე საუბრისას ძირითადად Nvidia-სა და GPU-ებზეა ფოკუსირება, თუმცა მეხსიერება სულ უფრო მნიშვნელოვანი ნაწილი ხდება. DRAM ჩიპების ფასი ბოლო წელს დაახლოებით 7-ჯერ გაიზარდა. მეხსიერების ეფექტური მართვა გადამწყვეტია AI მოდელებისთვის, რადგან ის საშუალებას აძლევს კომპანიებს, შეამცირონ ტოკენების გამოყენება და ოპერაციული ხარჯები. ის, ვინც ამ სფეროს დაეუფლება, მნიშვნელოვან უპირატესობას მოიპოვებს.
Core ML-ის ოპტიმიზაცია: Apple-ის მოწყობილობებზე AI მოდელების მუშაობის ახალი დონე
Core ML-ის უახლესი გაუმჯობესებები მნიშვნელოვნად აჩქარებს ხელოვნური ინტელექტის (AI) მოდელების, მათ შორის Stable Diffusion-ისა და დიდი ენის მოდელების, მუშაობას Apple-ის მოწყობილობებზე. ეს ოპტიმიზაციები, რომელიც მოიცავს 6-ბიტიან პალეტიზაციას და ml-stable-diffusion რეპოზიტორიუმის განახლებას, უზრუნველყოფს მონაცემთა ნაკლებ გადაცემას, მეტ კონფიდენციალურობას და ხარჯების დაზოგვას, რაც დეველოპერებს აძლევს საშუალებას, შექმნან უფრო ეფექტური აპლიკაციები უშუალოდ მოწყობილობაზე.
Hugging Face და FriendliAI AI მოდელების განთავსების გასაუმჯობესებლად პარტნიორობენ
Hugging Face და FriendliAI აცხადებენ სტრატეგიული პარტნიორობის შესახებ, რომელიც მიზნად ისახავს დეველოპერებისთვის AI მოდელების განთავსებისა და მართვის პროცესის გამარტივებას. ინტეგრაცია FriendliAI Endpoints-ს Hugging Face Hub-ში აერთიანებს, რაც უზრუნველყოფს მაღალეფექტურ, ეკონომიურ ინფერენციის ინფრასტრუქტურას. ეს ნაბიჯი AI ინოვაციებს უფრო ხელმისაწვდომსა და ეფექტურს გახდის მსოფლიოს მასშტაბით, ოპტიმიზებული GPU გამოყენებით და ინფრასტრუქტურის მართვის სირთულეების შემცირებით.
Segmind-ის ინოვაცია: გენერაციული AI მოდელები SD-Small და SD-Tiny - უფრო სწრაფი და ეფექტური
კომპანია Segmind-მა წარმოადგინა შეკუმშული გენერაციული AI მოდელები, SD-Small და SD-Tiny, რომლებიც მნიშვნელოვნად აჩქარებენ დასკვნის გამოტანის პროცესს და ამცირებენ რესურსების მოხმარებას. Knowledge-Distillation (KD) ტექნიკით გაწვრთნილი ეს მოდელები საბაზისო მოდელებთან შედარებით 35%-ით და 55%-ით ნაკლებ პარამეტრს შეიცავს, მაგრამ გამოსახულების შედარებით ხარისხს ინარჩუნებს. წინა წელს გამოშვებულ voltaML ბიბლიოთეკასთან ერთად, რომელიც ინფერენციის სიჩქარეს 4-6-ჯერ ზრდის, ახალი მოდელები 100%-მდე მეტ სისწრაფეს
100-ჯერ გაზრდილი წარმადობა: დიდი AI მოდელების ოპტიმიზაცია Hugging Face-ის ინფრასტრუქტურაზე
მიუხედავად იმისა, რომ დიდი ენობრივი მოდელების ექსპერიმენტირება მარტივია, მათი მაქსიმალური წარმადობით პროდუქციაში განთავსება რთული საინჟინრო გამოწვევაა. Hugging Face გთავაზობთ გადაწყვეტას თავისი Accelerated Inference API-ის მეშვეობით, რომელიც უზრუნველყოფს 100-ჯერ გაზრდილ სიჩქარეს და მასშტაბირებადობას. სტატია დეტალურად აღწერს ოპტიმიზაციის სხვადასხვა დონეს – ბიბლიოთეკების გამოყენებიდან აპარატურის სპეციფიკურ მოდიფიკაციამდე – და ხაზს უსვამს Hugging Face-ის ექსპერტიზასა და პარტნიორობებს ტექნიკის წამყვ
Hugging Face აერთიანებს სერვერულ ინფერენსზე წვდომას ახალი პარტნიორობითა და ფუნქციებით
Hugging Face-მა, საკუთარი სერვერული Inference API-ის ხანგრძლივი მასპინძლობის შემდეგ, გადაწყვიტა ფოკუსირება თანამშრომლობაზე, დიდი მონაცემთა ნაკრებებისა და მოდელების შენახვაზე, ვერსიონირებასა და გავრცელებაზე. ამის პარალელურად, კომპანია მომხმარებლებს სთავაზობს მარტივ და ერთიან წვდომას სერვერულ ინფერენსზე წამყვანი პროვაიდერების მეშვეობით. ეს ნაბიჯი აძლიერებს AI მოდელების ხელმისაწვდომობას, გვთავაზობს მოქნილ ფასებს პირდაპირი და მარშრუტიზებული მოთხოვნებისთვის, და უზრუნველყოფს დამატებით ბენეფიტებს PRO მ
Hugging Face Transformers-ისა და AWS SageMaker-ის ინტეგრაცია: მარტივი და სწრაფი AI მოდელების ტრენინგი
Hugging Face-ისა და AWS SageMaker-ის გუნდებმა ერთობლივად შექმნეს Transformers-ის ოპტიმიზებული ღრმა სწავლების კონტეინერები, რაც მნიშვნელოვნად აჩქარებს Transformers-ზე დაფუძნებული მოდელების ტრენინგს. ახალი HuggingFace estimator-ის წყალობით SageMaker Python SDK-ში, ტრენინგის დაწყება კოდის ერთი ხაზითაა შესაძლებელი. ეს ინტეგრაცია დეტალურად აღწერილია ბლოგ-პოსტში, რომელიც მოიცავს დაწყების მაგალითებსა და დოკუმენტაციას. სტატია განმარტავს, თუ როგორ ხდება Facebook-ის BART-large-cnn მოდელის დახვეწა Samsum მ
AI მოდელების მასშტაბური ინფერენციის ოპტიმიზაცია: ხარჯი და შეყოვნება
ეს სტატია დეტალურად აღწერს მეთოდოლოგიას ენკოდერული მოდელების გამოყენებით მასშტაბური კლასიფიკაციისა და ემბედინგის ამოცანებისთვის ხარჯებისა და შეყოვნების გამოსათვლელად და ოპტიმიზაციისთვის. განხილულია მოდელების არქიტექტურები, აპარატურული ხარჯების ბენჩმარკინგი და ოპტიმიზაციის ჩარჩო. გამოყენებულია ისეთი ინსტრუმენტები, როგორიცაა Inference Endpoints აპარატურის შერჩევისთვის, Hugging Face Hub განთავსებისთვის, Infinity ინფერენციის სერვერისთვის და Grafana-ს k6 დატვირთვის ტესტირებისთვის. მოცემულია პრაქტიკულ
Hugging Face-ის გაფართოებული ეკოსისტემა: ახალი პარტნიორები და AI მოდელები ინფერენსისთვის
Hugging Face წარმოგიდგენთ ახალ პარტნიორებსა და ინფერენსის მოდელებს, მათ შორის DeepSeek-R1-სა და Flux.1-ს, რითაც მნიშვნელოვნად აფართოებს ხელმისაწვდომ შესაძლებლობებს AI დეველოპერებისთვის. გაუმჯობესებული ბილინგის სტრუქტურა და PRO მომხმარებლებისთვის განკუთვნილი ყოველთვიური კრედიტები პლატფორმას კიდევ უფრო მიმზიდველს ხდის. სტატიაში მოცემულია მაგალითები და დეტალები მომხმარებლის გამოცდილების შესახებ.
Hugging Face-ის Xet გუნდი: დიდი ნაბიჯი AI მოდელებისა და მონაცემთა საცავების მიგრაციაში
Hugging Face-ის Xet გუნდმა წარმატებით განახორციელა მოდელებისა და მონაცემთა ნაკრებების პირველი საცავების მიგრაცია LFS-დან Xet საცავში. ეს ნაბიჯი, რომელიც Hugging Face-ის Hub-ის ხედვის ნაწილია, მიზნად ისახავს ხელოვნური ინტელექტის დეველოპერებისთვის მასიურ მოდელებსა და მონაცემთა ნაკრებებზე მუშაობის გამარტივებას, უფრო ეფექტურ თანამშრომლობასა და განმეორებითი იტერაციების განხორციელებას. მიგრაციამ Hub-ის ჩამოტვირთვის ტრაფიკის დაახლოებით 6% Xet ინფრასტრუქტურაზე გადაიტანა, რაც ამტკიცებს ახალი სისტემის ეფე
Meta-მ Llama 4 მულტიმოდალური AI მოდელები გამოუშვა Hugging Face-ის ეკოსისტემისთვის
დღეს Meta-მ წარმოადგინა Llama 4-ის ახალი თაობის მძლავრი, მშობლიურად მულტიმოდალური AI მოდელები – Maverick და Scout. ეს მოდელები მნიშვნელოვან წინ გადადგმულ ნაბიჯს წარმოადგენს ხელოვნური ინტელექტის განვითარებაში, რომლებიც ინტეგრირებულია Hugging Face-ის ეკოსისტემაში. Llama 4 იყენებს ინოვაციურ ავტორეგრესიულ ექსპერტთა ნარევის (MoE) არქიტექტურას და მხარს უჭერს უზარმაზარ კონტექსტის სიგრძეებს (Scout-ისთვის 10 მილიონამდე ტოკენი), ასევე ტექსტური და გამოსახულების შეტანის დამუშავებას. მოდელები გაწვრთნილია 200
არაბული AI მოდელების შეფასების პლატფორმისა და AraGen ეტალონის მნიშვნელოვანი განახლებები
მიმდინარე ძალისხმევის ფარგლებში, წარმოდგენილია მნიშვნელოვანი განახლებები არაბული AI მოდელების შეფასების პლატფორმაზე. ამოქმედდა Arabic-Leaderboards, რომელიც არაბული ენის მოდელების შეფასებისთვის ერთიან სივრცეს წარმოადგენს. დეკემბერში დაინერგა AraGen ეტალონი დინამიური შეფასების მეთოდოლოგიით, სადაც მონაცემთა ნაკრები სამი თვის განმავლობაში კონფიდენციალური რჩება სამართლიანი შეფასებისთვის. გაფართოვდა AraGen მონაცემთა ნაკრები და დაიხვეწა შემფასებელი სისტემის მოთხოვნები. მიუხედავად იმისა, რომ ახალმა განა
Hugging Face Hub-ის ძიების გამარტივება: პროგრამული ინტერფეისის ახალი შესაძლებლობები
სტატიაში წარმოდგენილია `huggingface_hub` ბიბლიოთეკის ახალი ფუნქციები, `ModelSearchArguments` და `ModelFilter`, რომლებიც მნიშვნელოვნად ამარტივებს Hugging Face Hub-ზე AI მოდელებისა და მონაცემთა ნაკრებების ძიებას პირდაპირ Python-ის ან Jupyter-ის გარემოდან. ეს სიახლე დეველოპერებს საშუალებას აძლევს, არ დატოვონ IDE და ეფექტურად მართონ რთული მოთხოვნები, რაც მნიშვნელოვნად აუმჯობესებს სამუშაო პროცესს.
Cohere Hugging Face Hub-ზე: ინოვაციური AI მოდელები საწარმოებისთვის
კომპანია Cohere Hugging Face Hub-ის მხარდაჭერილი ინფერენს პროვაიდერი გახდა, რაც პირველი შემთხვევაა, როდესაც მოდელის შემქმნელი პირდაპირ ემსახურება საკუთარ მოდელებს პლატფორმაზე. Cohere, თავისი ყოვლისმომცველი, უსაფრთხო AI გადაწყვეტილებებით, რომელიც მოიცავს გენერაციულ AI-ს, ემბედინგსა და რანჟირების მოდელებს, განკუთვნილია საწარმოო გამოყენებისთვის. მათი მოდელები, როგორებიცაა Command R+, Aya, Command R და Aya Vision, ახლა ხელმისაწვდომია უსერვერო ინფერენსისთვის, რაც ხაზს უსვამს მრავალენოვან მხარდაჭერას,