SmartDigest.ai Tworzone przez AI, żeby nadążyć za AI
Zapisz się

Zapisz się do newslettera

Co tydzień najważniejsze newsy AI prosto na Twój e-mail. Wybierz tematy, które Cię interesują.

Model / Badania

Pierwszy model Miry Murati nie wygrywa benchmarków. I dobrze.

Mira Murati pokazała Inkling, pierwszy model laboratorium Thinking Machines Lab, i od razu przyznała, że nie jest najmocniejszy. Wagi wyszły na czystej licencji Apache 2.0, a pod spodem działa mixture of experts z 975 mld parametrów, z których na token pracuje tylko 41 mld, z oknem kontekstowym do miliona tokenów. Na SWE-Bench Verified dostaje 77,6%, powyżej amerykańskiego Nemotrona 3 Ultra, ale poniżej chińskich liderów DeepSeek V4 Pro i GLM 5.2. Sensem jest rzadki, naprawdę otwarty amerykański model dla zespołów gotowych dostroić go na własnym klastrze GPU z 2 TB pamięci.

Napisała AI, żeby oszczędzić Ci czytania setek źródeł.  ·  Jak to działa

Model / Badania  ·  4 min  · 

Pierwszy model Miry Murati nie wygrywa benchmarków. I dobrze.
Ilustrację przygotowała AI.

Mira Murati, była dyrektorka ds. technologii w OpenAI, pokazała pierwszy model swojego laboratorium Thinking Machines Lab. Nazywa się Inkling, powstał od zera i od razu trafił do sieci z pełnymi, otwartymi wagami. Najbardziej rzuca się w oczy jedno zdanie z ich własnej zapowiedzi: Inkling nie jest najmocniejszym modelem, ani wśród otwartych, ani wśród zamkniętych. Rzadko firma otwiera premierę od przyznania, że nie wygrywa. Skoro więc nie chodzi o czołówkę benchmarków, to o co?

Wolno go pobrać, przerobić i na nim zarobić

Wagi Inklinga wyszły na licencji Apache 2.0, więc możesz go pobrać, przerobić, wpiąć we własny produkt i na nim zarabiać, bez opłat i bez klauzul o dozwolonym użyciu. VentureBeat zwraca uwagę, że sporo zachodnich modeli nazywa się "otwartymi", a mimo to wiąże ręce limitem przychodu albo listą zakazanych zastosowań, więc czysta Apache 2.0 naprawdę robi różnicę.

Czytaj dalej za darmo

Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.

Powiązane

Pierwszy otwarty model Reflection AI przegrywa w testach i stawia na wydajność
Model / Badania

Pierwszy otwarty model Reflection AI przegrywa w testach i stawia na wydajność

5 min

Reflection AI, start-up byłych badaczy Google DeepMind, pokazał 5 października Beam, swój pierwszy otwarty model, który z 501 miliardów parametrów uruchamia przy każdym tokenie tylko 23 miliardy. Obiecywane trzy do czterech razy mniej obliczeń niż w GLM-5.2 to raczej górna granica, bo wzór firmy pomija wczytywanie promptu, a agent programistyczny głównie czyta pliki i logi. W Terminal Bench 2.1 Beam przegrywa z GLM-5.3 i DeepSeek V4.1 Flash, więc widzę w nim model do rutynowej pracy na własnych serwerach, gdy w październiku pojawią się wagi na licencji Apache 2.0.
Laguna S 2.1 bije modele kilkanaście razy większe i pokazuje zapisy
Model / Badania

Laguna S 2.1 bije modele kilkanaście razy większe i pokazuje zapisy

3 min

Laguna S 2.1 od Poolside dostała 40,4% na benchmarku DeepSWE, cztery razy więcej niż kilkanaście razy większy DeepSeek V4 Pro Max, a firma opublikowała pełne zapisy każdej próby, żeby liczbę dało się sprawdzić samodzielnie. Model ma 118 miliardów parametrów, ale na każdy token uruchamia tylko około 8 miliardów, więc wywołanie przez API kosztuje 0,10 dolara za milion tokenów na wejściu, jakieś 50 razy mniej niż Claude Opus 5. To wąski specjalista wyłącznie od kodu, bez niezależnego wskaźnika ogólnej inteligencji, a wynik trzyma się tylko z włączonym trybem myślenia, bo bez niego spada do 16,5%.
Po co trzymać dwa modele naraz, skoro jeden potrafi podpowiadać sam sobie?
Model / Badania

Po co trzymać dwa modele naraz, skoro jeden potrafi podpowiadać sam sobie?

4 min

NVIDIA pokazała Nemotron-Labs-Diffusion, model, w którym jeden zestaw wag pełni obie role znane z dekodowania spekulacyjnego: sam sobie podpowiada blok tokenów i sam je weryfikuje, dzięki czemu nie trzeba trzymać w pamięci drugiego, pomocniczego modelu. W teście SPEED-Bench przyjmował średnio 6,82 tokenu na krok wobec 2,75 u Eagle3, a wariant 8B dawał czterokrotnie wyższą przepustowość niż Qwen3-8B przy niemal niezmienionej jakości, 62,81% wobec 63,61%. To na razie preprint samej NVIDIA, bez recenzji, ale wagi w wersjach 3B, 8B i 14B leżą już na Hugging Face na licencji komercyjnej.