थिंकिंग मशीन्स ने पेश किया इंकलिंग स्मॉल: आकार पर नहीं, दक्षता पर दांव

थिंकिंग मशीन्स, पूर्व OpenAI CTO मीरा मुराती की AI प्रयोगशाला, ने अपना दूसरा मॉडल, इंकलिंग स्मॉल जारी किया है। यह एक ओपन-वेट्स रीजनिंग मॉडल है, जो आर्टिफिशियल एनालिसिस के अनुसार, इंटेलिजेंस इंडेक्स पर 40 अंक प्राप्त करता है—बड़े इंकलिंग मॉडल (41) से केवल एक अंक कम, भले ही यह आकार में तीन गुना से भी कम छोटा है (276 बिलियन पैरामीटर, 12 बिलियन सक्रिय)। एए के अनुसार, समान या छोटे आकार का कोई ओपन मॉडल बेहतर प्रदर्शन नहीं करता। इंकलिंग स्मॉल कई कोडिंग और रीजनिंग परीक्षणों में इंकलिंग से बेहतर प्रदर्शन करता है, जैसे ह्यूमैनिटीज़ लास्ट एग्जाम (32% बनाम 30%) और जीपीक्यूए डायमंड (89% बनाम 87%)। हालांकि, यह एजेंटिक कार्यों और तथ्यात्मक ज्ञान परीक्षणों में पीछे रहता है, लेकिन टोकन-कुशल है: परीक्षण में, इसे प्रति कार्य औसतन 24,000 आउटपुट टोकन की आवश्यकता होती है, जबकि डीपसीक वी4 फ्लैश के लिए 45,000 और जीपीटी-5.4 मिनी के लिए 78,000। यह मॉडल टेक्स्ट, इमेज और वॉयस इनपुट संभालता है, 256,000 टोकन का कॉन्टेक्स्ट विंडो रखता है, और अपाचे-2.0 लाइसेंस के तहत वितरित किया जाता है। वेट्स हगिंग फेस पर उपलब्ध हैं, और टिंकर प्लेग्राउंड के माध्यम से, मॉडल को सीधे ब्राउज़र में उपयोग और फाइन-ट्यून किया जा सकता है। थिंकिंग मशीन्स अपने मॉडल को मुख्य रूप से प्रोप्राइटरी डेटा पर आगे फाइन-ट्यूनिंग के लिए एक आधार के रूप में स्थान देती है, और कुछ इसे AI विकास में अगली सीमा के रूप में देखते हैं।