Το OpenAI αφήνει εκατοντάδες μαθηματικές αποδείξεις γραμμένες από την Τεχνητή Νοημοσύνη και αφήνει το πεδίο να αγωνίζεται
Το OpenAI μόλις κατέβασε 372 μαθηματικά αποτελέσματα σε ένα αποθετήριο GitHub από ένα ακυκλοφόρητο μοντέλο frontier. Το Verge μετράει 722 χειρόγραφα σε 372 οικογένειες αποτελεσμάτων. Πολλές αποδείξεις έχουν ήδη ελεγχθεί στο Lean, επομένως η λογική είναι πιθανώς καλή ακόμα κι αν η καινοτομία δεν έχει ακόμη καθοριστεί.
Η εταιρεία ισχυρίζεται ότι έχει σημειώσει νίκες στην τετραδιάστατη εικασία Kakeya, έχει κάνει τροποποιήσεις σε σημαντικούς αλγόριθμους, ακόμη και «πραγματική πρόοδο» προς την υπόθεση Riemann. Ένας εκπρόσωπος δήλωσε στο Scientific American ότι σχεδόν κάθε αποτέλεσμα προήλθε από ένα μόνο μήνυμα σε έναν μόνο πράκτορα - όχι από το σμήνος των 10.000 πρακτόρων πολλών εκατομμυρίων δολαρίων που έσπασε το Navier-Stokes νωρίτερα. Μέσο κόστος: περίπου τρεις ώρες σκέψης στο ChatGPT Pro.
Οι μαθηματικοί δεν είναι όλοι πανηγυριστές. Ο Άντριου Σάδερλαντ του MIT είπε βασικά: δείξτε το μοντέλο ή αντιμετωπίστε την ιστορία μεμονωμένων περιπτώσεων ως μη επαληθευμένη. Η συμβουλευτική ομάδα της OpenAI ήθελε υποδείξεις, ονόματα μοντέλων και υπολογιστικά έσοδα. Η OpenAI δημοσίευσε μέσους όρους και ορισμένες τυποποιήσεις Lean αντ' αυτού. Η φράση «Απορρίψαμε τις αποδείξεις, παρακαλώ αφομοιώστε τες» είναι μια τολμηρή ερευνητική στρατηγική.
Η Mistral αποκαλύπτει το Large 4, ένα "Le Chonk" 1 τρισεκατομμυρίου παραμέτρων που στοχεύει στην υπεροχή ανοιχτού βάρους
Το γαλλικό εργαστήριο Mistral άνοιξε μια δημόσια προεπισκόπηση του Mistral Large 4 - ανεπίσημα ML4, "πολύ επίσημα: le Chonk". Πρόκειται για ένα εγγενώς πολυτροπικό μείγμα με 1 τρισεκατομμύριο συνολικές παραμέτρους και 49 δισεκατομμύρια ενεργές. Τα βάρη έχουν υποσχεθεί μέχρι το τέλος του μήνα, μετά από συνεργασία με εταίρους και κυβερνήσεις.
Η εκπαίδευση πραγματοποιήθηκε σε 3.800 GPU NVIDIA Grace Blackwell στα ευρωπαϊκά κέντρα δεδομένων της Mistral. Το θέμα είναι η κυριαρχία συν το δάγκωμα: κυβερνοασφάλεια, χρηματοοικονομικά, δίκαιο, σχεδιασμός τσιπ. Σε μια κυβερνοδοκιμή Τεχνητής Ανάλυσης που ζητά από ένα μοντέλο να αναπαράγει και να επιδιορθώνει μια πραγματική ευπάθεια, η Mistral λέει ότι το ML4 σημείωσε βαθμολογία 82% - το υψηλότερο από οποιοδήποτε μοντέλο - ενώ ορισμένοι κλειστοί γίγαντες αρνούνται και βαθμολογούνται σχεδόν μηδενικά.
Έτσι, η Ευρώπη εξακολουθεί να θέλει μια τρίτη οδό, μεταξύ των κλειστών αμερικανικών εργαστηρίων και των κινεζικών ανοιχτών βαρών. Το αν θα παραμείνει, είναι ένα άλλο θέμα. Το ίδιο το ψευδώνυμο υποδηλώνει ότι γνωρίζουν πόσο παράλογη φαίνεται απ' έξω η κούρσα των παραμέτρων.
Ο Κλοντ μεταφέρεται στα Έγγραφα, τα Υπολογιστικά Φύλλα και τις Παρουσιάσεις Google ως πλαϊνή μπάρα πρώτου κατασκευαστή
Το Claude της Anthropic για το Google Workspace βρίσκεται σε δημόσια beta έκδοση σε προγράμματα επί πληρωμή. Εγκαταστήστε το πρόσθετο Marketplace, ανοίξτε ένα αρχείο και το Claude θα τοποθετηθεί σε μια πλαϊνή μπάρα που μπορεί να διαβάσει το έγγραφο και να το επεξεργαστεί στη θέση του. Οι νέες συνδέσεις σάς επιτρέπουν επίσης να δημιουργείτε και να τροποποιείτε αρχεία Google από την ίδια τη συνομιλία του Claude.
Στα Έγγραφα μπορεί να διορθώσει μια πρόταση χωρίς να καταστρέψει τη μορφοποίηση ή να παρουσιάσει μεγαλύτερες επανεγγραφές ως κάρτες προτάσεων. Τα Φύλλα λαμβάνουν τύπους, περιστροφικούς άξονες, γραφήματα, ακόμη και μια παράκαμψη Python για μπερδεμένες ενώσεις. Οι διαφάνειες μπορούν να δημιουργήσουν νέες διαφάνειες από το υπάρχον θέμα σας και στη συνέχεια να επισημάνουν επικαλυπτόμενα ανεπιθύμητα. Η προεπιλεγμένη λειτουργία ρωτάει πριν από τις επεξεργασίες. Υπάρχει μια λειτουργία "Αποδοχή όλων" αν σας αρέσει να ζείτε επικίνδυνα.
Το Gemini ήδη υπάρχει εδώ, και το Microsoft Copilot κάνει την έκδοση του Office - μερικές φορές σε μοντέλα Anthropic, κάτι που αποτελεί μια διασκεδαστική μικρή αντίφαση. Ο Claude προσπαθεί τώρα να είναι το επίπεδο της Τεχνητής Νοημοσύνης και στα δύο οικοσυστήματα. Είτε το ονομάζουμε στρατηγική προϊόντος, είτε απλώς άρνηση επιλογής πλευράς. Και τα δύο, πιθανώς.
Οι Meta και Sierra συντάσσουν ένα πρωτόκολλο προσωπικού πράκτορα, ώστε τα καταστήματα να μπορούν να διακρίνουν τα καλά bots από τα κακά
Οι Sierra και Meta, μαζί με τις Genesys, Instinct, Rocket, Shopify, Stripe και Walmart, δημιουργούν ένα ανοιχτό πρότυπο για τον τρόπο με τον οποίο οι προσωπικοί πράκτορες τεχνητής νοημοσύνης επικοινωνούν με τις επιχειρήσεις. Οι καταναλωτές επιλέγουν σε τι μπορεί να έχει πρόσβαση ο πράκτοράς τους. Οι εταιρείες ορίζουν τι μπορούν να κάνουν οι πράκτορες σε ιστότοπους, API ή μέσω ενός πράκτορα της εταιρείας. Οι συνεδρίες βασίζονται στο OAuth.
Μια προδιαγραφή v0.1 και μια εφαρμογή αναφοράς αναμένονται αργότερα αυτόν τον μήνα. Η διατύπωση του Bret Taylor είναι ωμή: επικρατεί χάος μέχρι να υπάρξει κάτι τέτοιο. Η Amazon έχει μπλοκάρει το Muse της Meta. Η Walmart συνεργάζεται με το Muse και εξακολουθεί να βλέπει τους πράκτορες CAPTCHA να απομακρύνονται. Οι αεροπορικές εταιρείες και άλλοι χαράσσουν πιο αυστηρά όρια.
Η OpenAI και η Anthropic δεν έχουν ακόμη συμφωνήσει. Ο Taylor λέει ότι θα απογοητευτεί πολύ αν οι αντίπαλοί του το παραλείψουν. Ειλικρινής για την κυκλοφορία προτύπων. Επίσης, λίγο αμήχανη όταν ο πρόεδρος της OpenAI συνυπογράφει το πρωτόκολλο.
Το Decisions API του OpenAI γίνεται δημόσια beta για γρήγορες απαντήσεις τύπου ναι ή όχι
Το OpenAI κυκλοφόρησε το Decisions API σε δημόσια beta έκδοση στο gpt-6-luna μέσω POST /v1/decisions. Προσθέστε κείμενο, εικόνες ή και τα δύο και λάβετε πληκτρολογημένες απαντήσεις περίπου 10 φορές πιο γρήγορα από το Responses API - μια πιθανότητα, μια συνθήκη να είναι αληθής, μια επιλογή από τη λίστα σας ή μια βαθμολογία σε σχέση με τα ταξινομημένα επίπεδα.
Σκεφτείτε την δρομολόγηση ενός παραπόνου με «διπλή χρέωση» στην υπηρεσία χρέωσης ή την επισήμανση μιας φωτογραφίας προϊόντος για crack. Οι εικόνες πρέπει να είναι ενσωματωμένες σε base64. Η τιμολόγηση είναι 0,10 $ ανά εκατομμύριο διακριτικά εισόδου, χωρίς χρέωση διακριτικού εξόδου σε αυτό το τελικό σημείο. Υπάρχουν διαδρομές μηδενικής διατήρησης δεδομένων και HIPAA για τους επιλέξιμους πελάτες.
Εμφανίστηκε σε περιορισμένη προεπισκόπηση στο DevDay και είναι τώρα ανοιχτό. Το GA είναι "τις επόμενες εβδομάδες". Αυτά είναι που χρειάζονται τα αντιαισθητικά είδη υδραυλικών - ταξινομητές χωρίς να γράφεται μυθιστόρημα κάθε φορά.
Το EmbeddingGemma 2 της Google DeepMind συγκεντρώνει κείμενο, εικόνες, ήχο και βίντεο σε έναν ενιαίο διανυσματικό χώρο στη συσκευή
Το EmbeddingGemma 2 είναι ένα μοντέλο Apache 2.0 740 εκατομμυρίων παραμέτρων που αντιστοιχίζει κείμενο, κώδικα, εικόνες, βίντεο και ήχο σε έναν κοινόχρηστο χώρο 768 διαστάσεων. Βασισμένο στο Gemma 4. Απευθύνεται σε τηλέφωνα και άλλο περιορισμένο υλικό, όχι σε έναν ακόμη γιγάντιο ενσωματωμένο υπολογιστή που λειτουργεί μόνο στο cloud.
Φορτώστε μόνο ό,τι χρειάζεστε: 270M για κείμενο, προσθέστε εικόνα ή ήχο ή χρησιμοποιήστε ολόκληρη τη στοίβα. Η περικοπή Matryoshka μπορεί να συρρικνώσει τα διανύσματα σε 128 διαστάσεις για έως και 6 φορές λιγότερο χώρο αποθήκευσης. Το περιεχόμενο είναι 8K tokens - αρκετά για περίπου 5,5 λεπτά ήχου ή δεκάδες καρέ. Η Google λέει ότι ο κώδικας MTEB σημείωσε άνοδο σχεδόν 10 μονάδων σε σύγκριση με το πρώτο EmbeddingGemma.
Σε ένα Pixel 11 Pro με κβαντοποίηση, τα βάρη μόνο κειμένου χρειάζονται περίπου 191MB ενεργής RAM. Το πλήρες πολυτροπικό μοντέλο περίπου 567MB. Το αρχικό μοντέλο κειμένου έχει ήδη ξεπεράσει τις 20 εκατομμύρια λήψεις. Οι πιο ήσυχες κυκλοφορίες της Google μερικές φορές έχουν μεγαλύτερη σημασία από τις φανταχτερές.
Ο υπουργός Επιστημών της Νότιας Κορέας διπλασιάζει την επένδυση σε μια πρωτοποριακή τεχνητή νοημοσύνη αξίας 3,5 δισεκατομμυρίων δολαρίων μετά τον Mythos
Σε κοινοβουλευτικό έλεγχο, ο αναπληρωτής πρωθυπουργός Μπάε Κιούνγκ-χουν δήλωσε ότι η Σεούλ θα διατηρήσει το έργο της για το μοντέλο της κυρίαρχης βάσης και θα προσθέσει ένα ξεχωριστό πρόγραμμα τεχνητής νοημοσύνης στα σύνορα. Συνέδεσε την ώθηση των 4,7 τρισεκατομμυρίων γουόν (3,5 δισεκατομμύρια δολάρια) με το «σοκ Mythos» γύρω από τον Κλοντ Μύθο της Anthropic και με τις απειλές στον κυβερνοχώρο.
Η προσπάθεια της κυβέρνησης πέρασε μια δεύτερη αξιολόγηση και οδεύει προς μια τρίτη. Ο Bae χαρακτήρισε τα τρέχοντα αποτελέσματα μεσαίου εύρους παγκοσμίως και θέλει κάτι που να πλησιάζει τα κορυφαία συστήματα ανοιχτού βάρους. Επίσης, πρότεινε μια υπηρεσία «Τεχνητή Νοημοσύνη για Όλους» - δωρεάν, χωρίς όρια χρήσης - μέχρι το τέλος του έτους, καθώς και μεγάλα έργα σε κέντρα δεδομένων, φυσική ΤΝ και τσιπ.
Έτσι, η ιστορία δεν είναι «ακύρωση του μοντέλου της έδρας». Είναι «προσθήκη μιας μεγαλύτερης, πιο τρομακτικής πίστας δίπλα της». Οι εθνικοί αγώνες τεχνητής νοημοσύνης γίνονται όλο και πιο ακριβοί. Το αν τα 3,5 δισεκατομμύρια δολάρια είναι αρκετά σε σχέση με την κλίμακα των ΗΠΑ και της Κίνας είναι ανοιχτό. Ο Bae φαίνεται να πιστεύει ότι το να κάθεσαι ακίνητος είναι χειρότερο.
Συχνές ερωτήσεις
Τι έβαλε η OpenAI στο GitHub με το ακυκλοφόρητο μαθηματικό μοντέλο frontier;
Η OpenAI δημοσίευσε 372 οικογένειες μαθηματικών αποτελεσμάτων - περίπου 722 χειρόγραφα - από ένα αδημοσίευτο μοντέλο frontier. Πολλές αποδείξεις έχουν ήδη ελεγχθεί στο Lean. Η εταιρεία ισχυρίζεται ότι έχει σημειωθεί πρόοδος στην τετραδιάστατη εικασία Kakeya, σε τροποποιήσεις αλγορίθμων και σε εργασίες προς την κατεύθυνση της υπόθεσης Riemann. Ένας εκπρόσωπος δήλωσε ότι σχεδόν κάθε αποτέλεσμα προήλθε από ένα μόνο μήνυμα σε έναν μόνο πράκτορα, με μέσο όρο περίπου τρεις ώρες σκέψης στο ChatGPT Pro - όχι ένα τεράστιο σμήνος πολλαπλών πρακτόρων.
Γιατί οι μαθηματικοί είναι επιφυλακτικοί απέναντι στην ιστορία των μονοσήμαντων μαθηματικών αποδείξεων του OpenAI;
Ο Άντριου Σάδερλαντ του MIT προέτρεψε την OpenAI να δείξει το μοντέλο ή να αντιμετωπίσει τον ισχυρισμό της μίας λήψης ως μη επαληθευμένο. Η συμβουλευτική ομάδα της OpenAI ήθελε υποδείξεις, ονόματα μοντέλων και υπολογιστικές αποδείξεις. Αντ' αυτού, η εταιρεία δημοσίευσε μέσους όρους και ορισμένες τυποποιήσεις Lean. Οι αποδείξεις μπορεί να επαληθευτούν επίσημα, αλλά η καινοτομία και η αφήγηση του ενός παράγοντα παραμένουν αμφισβητούμενες μέχρι να εμφανιστούν πληρέστερα στοιχεία.
Τι είναι το Mistral Large 4 και πότε έρχονται τα βάρη;
Το Mistral Large 4 - που ονομάζεται επίσης ML4 ή "Le Chonk" - είναι ένα εγγενώς πολυτροπικό μοντέλο με μείγμα ειδικών, με 1 τρισεκατομμύριο συνολικές παραμέτρους και 49 δισεκατομμύρια ενεργές. Εκπαιδεύτηκε σε 3.800 GPU NVIDIA Grace Blackwell στα ευρωπαϊκά κέντρα δεδομένων της Mistral. Μια δημόσια προεπισκόπηση είναι διαθέσιμη. Τα πλήρη βάρη έχουν υποσχεθεί μέχρι το τέλος του μήνα, μετά από συνεργασία με εταίρους και κυβερνήσεις. Η Mistral παρουσίασε περιπτώσεις χρήσης στην κυβερνοασφάλεια, τα χρηματοοικονομικά, τη νομοθεσία και τον σχεδιασμό τσιπ.
Πώς λειτουργεί ο Claude μέσα στα Έγγραφα, τα Υπολογιστικά Φύλλα και τις Παρουσιάσεις Google;
Το Claude for Google Workspace βρίσκεται σε δημόσια beta έκδοση σε προγράμματα επί πληρωμή μέσω ενός πρόσθετου του Marketplace. Βρίσκεται σε μια πλαϊνή μπάρα που μπορεί να διαβάσει ένα αρχείο και να το επεξεργαστεί επιτόπου ή να δημιουργήσει και να τροποποιήσει αρχεία Google από τη συνομιλία του Claude. Στα Έγγραφα μπορεί να διορθώσει προτάσεις ή να παρουσιάσει κάρτες προτάσεων. Τα Υπολογιστικά Φύλλα λαμβάνουν τύπους, περιστροφικούς άξονες, γραφήματα και προαιρετική Python. Τα Slides μπορούν να δημιουργήσουν διαφάνειες από το θέμα σας. Η προεπιλεγμένη λειτουργία ρωτάει πριν από τις επεξεργασίες. Η λειτουργία "Αποδοχή όλων" παραλείπει τις προτροπές.
Ποιο πρόβλημα προσπαθεί να λύσει το πρωτόκολλο προσωπικού πράκτορα Meta και Sierra;
Οι προσωπικοί πράκτορες τεχνητής νοημοσύνης συχνά πετυχαίνουν CAPTCHA ή μπλοκαρίσματα κατά τις αγορές ή τις κλήσεις σε επιχειρηματικά API. Η Sierra και η Meta, με συνεργάτες όπως οι Genesys, Shopify, Stripe και Walmart, συντάσσουν ένα ανοιχτό πρότυπο, ώστε οι καταναλωτές να ελέγχουν την πρόσβαση των πρακτόρων και οι εταιρείες να ορίζουν επιτρεπόμενες ενέργειες μέσω OAuth. Μια προδιαγραφή v0.1 και μια εφαρμογή αναφοράς αναμένονται αργότερα αυτόν τον μήνα. Οι OpenAI και Anthropic δεν έχουν ακόμη συμφωνήσει.
Πότε πρέπει να χρησιμοποιείτε το Decisions API του OpenAI αντί για το Responses API;
Αναζητήστε το Decisions API όταν χρειάζεστε μια γρήγορη απάντηση τύπου ναι ή όχι - μια πιθανότητα, μια συνθήκη να είναι αληθής, μια επιλογή από μια λίστα ή μια βαθμολογία σε ταξινομημένα επίπεδα. Εκτελείται στο gpt-6-luna μέσω POST /v1/decisions, δέχεται κείμενο και ενσωματωμένες εικόνες base64 και είναι περίπου 10 φορές ταχύτερο από το Responses API. Η τιμολόγηση είναι 0,10 $ ανά εκατομμύριο διακριτικά εισόδου χωρίς χρέωση διακριτικού εξόδου. Υπάρχουν διαδρομές μηδενικής διατήρησης δεδομένων και HIPAA για τους επιλέξιμους πελάτες. Η GA αναμένεται τις επόμενες εβδομάδες.
Τι κάνει το EmbeddingGemma 2 του Google DeepMind χρήσιμο σε τηλέφωνα;
Το EmbeddingGemma 2 είναι ένα μοντέλο Apache 2.0 740 εκατομμυρίων παραμέτρων που αντιστοιχίζει κείμενο, κώδικα, εικόνες, βίντεο και ήχο σε έναν χώρο 768 διαστάσεων. Μπορείτε να φορτώσετε μόνο κείμενο (270M), να προσθέσετε εικόνα ή ήχο ή να χρησιμοποιήσετε ολόκληρη τη στοίβα. Η περικοπή Matryoshka μπορεί να συρρικνώσει τα διανύσματα σε 128 διαστάσεις για έως και 6 φορές λιγότερο χώρο αποθήκευσης. Σε ένα κβαντισμένο Pixel 11 Pro, το κείμενο μόνο χρειάζεται περίπου 191MB ενεργής μνήμης RAM και η πλήρης πολυτροπική λειτουργία περίπου 567MB, με περιβάλλον 8K-token.