این هوش مصنوعی جدید چینی از ChatGPT بهتر عمل می کند و به صورت بومی اجرا می شود
توسعهدهندگان به سراغ یک مدل جدید هوش مصنوعی با آسیبپذیری سنگین میروند که میتواند دانلود، سفارشیسازی و به طور کامل بر روی سختافزار بومی اجرا شود. منتشر شده توسط Z.ai (ژیپو AI سابق)، GLM 5.2 این موضوع با به چالش کشیدن یک فرضیه کلیدی در صنعت توجه را به خود جلب کرده است: اینکه شما همیشه باید قیمت های اشتراک ممتاز را به یک غول فناوری بپردازید تا عملکرد پیشرفته داشته باشید.
برخلاف سیستمهای کاملاً بسته مانند ChatGPT یا Claude، GLM 5.2 به توسعهدهندگان امکان دسترسی مستقیم به خود مدل را میدهد. این مهم در صنعتی است که به طور فزاینده ای تحت سلطه سرورهای سازمانی دروازه ای قرار دارد زیرا به کاربران کنترل بسیار بیشتری می دهد.
صنعت هوش مصنوعی در حال تقسیم شدن به دو جهان است
به عبارت ساده، وزن باز = شما مغز مدل را دریافت می کنید. منبع باز = شما همه چیز را دریافت می کنید (وزن مدل، کد آموزشی، خط لوله پردازش داده، چارچوب ارزیابی و اغلب مجموعه داده آموزشی). مدلهای منبع باز و هوش مصنوعی سنگین سالها در سایه غولهای اختصاصی زندگی میکنند. آنها کاملاً انعطافپذیر و بسیار ارزانتر بودند، اما همیشه از قابلیتهای خام OpenAI و Google کوتاهی میکردند.
اکنون این شکاف به سرعت در حال کاهش است. با مدلهای قدرتمندی مانند خانواده Meta’s Llama، Mistral و اکنون GLM 5.2، کسبوکارها تاکید میکنند که ممکن است برای هر کار به گرانترین مدل هوش مصنوعی نیاز نداشته باشیم. بسیاری از کسب و کارها نیازی به مدلی ندارند که بتواند منطق نظری کلاس جهانی را حل کند. آنها فقط به سیستمی نیاز دارند که بتواند کتابخانه عظیم اسناد داخلی آنها را به طور دقیق خلاصه کند و به طور مستقل کد بنویسد و اشکال زدایی کند.
اگر یک مدل باز بتواند 90 تا 95 درصد از این مشاغل را با کسری از هزینه انجام دهد، نادیده گرفتن این نوع مدل غیرممکن است.
چرا هوش مصنوعی Native یک تغییر دهنده بازی است؟
وقتی توسعه دهندگان با موفقیت نشان دادند که این مدل به طور بومی روی سخت افزارهای پیشرفته اپل مانند مک مینی اجرا می شود، هیجان در مورد GLM 5.2 حتی بیشتر شد.
در حالی که یک فرد معمولی بیش از یک مک استودیو برای اتاق نشیمن خود نمیخرد، این نمایش ثابت کرد که اکنون میتوان هوش مصنوعی توانمند را به جای «اجاره» با اشتراک در اختیار داشت.
وقتی به اشتراک تکیه میکنید، شخص ثالث قیمتگذاری، سیاستهای حفظ حریم خصوصی و نقشه راه ویژگیها را کنترل میکند. مدل های کسری وزن سناریو را تغییر می دهند. برای صنایعی که دادههای مالی حساس، سوابق پزشکی یا تحقیقات تخصصی شرکتی را پردازش میکنند، نگهداشتن دادهها به طور کامل در محل روی سختافزار اختصاصی یک پیروزی بزرگ امنیتی است.
آینده فناوری کسب و کار به جای تکیه بر یک اشتراک گران قیمت، احتمالاً بیشتر شبیه یک پشته هوش مصنوعی «مخلوط و مطابقت» خواهد بود:
- مدل بسته پرچمدار مطمئناً سخت ترین مشکلات استدلال را حل می کند.
- مدل وزن باز جریان های کاری معمولی و با حجم بالا را تقویت می کند.
- یک مدل میزبانی محلی داده های داخلی فوق محرمانه را به صورت ایمن مدیریت می کند.
بررسی واقعیت وحشیانه هوش مصنوعی محلی
اگر اجرای یک هوش مصنوعی مرزی روی میز خود مانند یک رویا به نظر می رسد، نیازهای فیزیکی جایی هستند که واقعیت بیشترین ضربه را می زند. GLM 5.2 خیلی بزرگ است 744 میلیارد تا 753 میلیارد پارامتر ترکیبی از کارشناسان (MEB) مدل در شکل غیر فشرده خود، وزن شگفت انگیزی مصرف می کند 1.51 ترابایت ذخیره سازی و حافظه
برای دیدگاه:
- رایانه پیشرفته استاندارد > به حداکثر 24 گیگابایت VRAM می رسد > به “VRAM Wall” می رسد
- Maxed Mac Studio > 256GB حافظه یکپارچه > می تواند نسخه های فشرده شده را اجرا کند
برای اجرای GLM 5.2 به صورت بومی، توسعه دهندگان باید با استفاده از تکنیکی به نام کوانتیزه کردن، آن را به شدت فشرده کنند. با این حال، حتی زمانی که به شدت فشرده می شود، برای بارگیری تقریباً به 240 گیگابایت حافظه نیاز دارد.
همچنین، GLM 5.2 بسیار بزرگ است پنجره زمینه 1 میلیون سکه مانند کلوداین بدان معنی است که می تواند کل پایه های کد یا کتابخانه های کوچک کتاب ها را در یک حرکت هضم کند. با این حال، ردیابی این مقدار داده نیاز به تخصیص حافظه اختصاصی دارد. حتی قدرتمندترین دسکتاپ مصرف کننده نیز زمانی که مدل را به محدودیت های خود فشار دهید شروع به عرق کردن می کند.
غذای آماده برای کاربران روزانه
مگر اینکه شما یک برنامه نویس باشید، این خبر همچنان مرتبط با روشی است که هوش مصنوعی به طور اساسی نرم افزاری را که ما هر روز استفاده می کنیم تغییر می دهد. در حالی که GLM 5.2 فردا جایگزین برنامه های گوشی شما نمی شود، اما تاکید می کند که مدل های باز به طور فزاینده ای ارزان تر و رقابتی تر می شوند.
از آنجایی که شرکتهای نرمافزاری گزینههایی را به دست میآورند و دیگر مجبور نیستند برای افزودن ویژگیهای هوش مصنوعی به برنامههای خود هزینههای هنگفتی را به یک ارائهدهنده بپردازند، این تغییر میتواند به این معنا باشد که نسل بعدی ابزارهای دیجیتال احتمالا ارزانتر، بسیار تخصصیتر و بهطور قابلتوجهی خصوصیتر خواهند بود.
آماندا کاسول را دنبال کنید و از منحنی هوش مصنوعی جلوتر بمانید
دنبال کردن راهنمای تام برای Google News و ما را به عنوان منبع ترجیحی اضافه کنید برای مشاهده آخرین اخبار، تحلیل ها و بررسی های ما در فیدهای خود. مشترک شدن در راهنمای تام یوتیوب و ما را دنبال کنید tiktok. در نهایت می توانید از بخش ویژه ما دیدن فرمایید. دفتر مرکزی تیم پس انداز راهنمای تام برای کمک متخصصان برای دریافت بهترین محصولات با قیمت کمتر.