Berita
Google meluncurkan model Gemini 2.5 AI yang siap diproduksi untuk menantang dominasi Yayasan Openai
Bergabunglah dengan acara bahwa para pemimpin lembaga telah dipercaya selama hampir dua dekade. VB Transform menggabungkan orang yang membangun strategi AI untuk institusi nyata. Pelajari lebih lanjut
Google Dia bergerak tegas untuk memperkuat posisinya dalam perlombaan persenjataan pintar buatan pada hari Senin, menyatakan yang terkuat Model Gemini 2.5 Siap untuk menghasilkan institusi dengan pembukaan variabel baru yang sangat efisien yang dirancang untuk merusak pesaing untuk biaya dan kecepatan.
Perusahaan sub -alfabet mempromosikan dua model internasional Amnesty perintis –Gemini 2.5 Pro Dan Gemini 2.5 Flash– Dari keadaan inspeksi eksperimental hingga Ketersediaan umumIni menunjukkan keyakinan perusahaan bahwa teknologi dapat menangani aplikasi bisnis yang penting. Google disajikan secara bersamaan Gemini 2.5 Flash LittDan menjadikannya sebagai pilihan yang lebih hemat dalam gayanya untuk tugas -tugas besar.
Iklan adalah tantangan paling tegas di Google sejauh ini Kepemimpinan Pasar OpenaiInstitusi menyediakan serangkaian alat kecerdasan buatan yang komprehensif yang meluas dari kemampuan berpikir yang sangat baik hingga otomatisasi anggaran. Langkah ini dilakukan pada saat perusahaan membutuhkan sistem AI yang siap untuk produksi yang dapat diperluas secara andal melalui operasi mereka.
Mengapa Google akhirnya mengirimkan model kecerdasan buatan yang paling kuat dari inspeksi ke keadaan produksi
Keputusan Google untuk lulus model inspeksi ini mencerminkan tekanan yang meningkat untuk mencocokkan publikasi cepat alat openai untuk alat dan institusi konsumen AI. Sementara Openai mengambil kendali atas tajuk utama Chatgpt Dan Keluarga GPT-4Google telah mengikuti pendekatan yang lebih hati -hati, dan contoh -contohnya diuji secara luas sebelum mengumumkan siap untuk diproduksi.
Jason Gilman, Direktur Manajemen Produk di Vertex AI, menulis dalam “Gemini usia 2,5”. Posting Blog Pengumuman pembaruan. Bahasa ini menunjukkan bahwa Google memandang momen ini sebagai penciptaan penting kredibilitas platform AI antara pembeli lembaga.
Waktu terlihat strategis. Google merilis pembaruan ini hanya beberapa minggu Openai menghadapi audit Pada keamanan dan keandalan model terbarunya, menciptakan pembukaan bagi Google untuk menempatkan dirinya sebagai alternatif yang lebih stabil dan fokus pada institusi.
Bagaimana memberikan kemampuan “berpikir” di Gemini lebih banyak kendali atas lembaga
Apa yang membedakan pendekatan Google adalah fokusnya pada kemampuan “pemikiran” atau “pemikiran” – struktur teknis yang memungkinkan model untuk memproses masalah lebih banyak dalam waktu sebelum merespons. Berbeda dengan model linguistik tradisional yang segera menghasilkan respons, Model Gemini 2.5 Sumber daya matematika tambahan dapat dihabiskan melalui langkah -langkah yang kompleks -dengan masalah.
“Anggaran berpikir” ini memberi pengembang kontrol yang belum pernah terjadi sebelumnya atas perilaku kecerdasan buatan. Mereka dapat memandu model untuk berpikir untuk periode tugas berpikir kompleks yang lebih lama atau dengan cepat menanggapi informasi sederhana, yang meningkatkan akurasi dan biaya. Fitur ini berkaitan dengan kebutuhan organisasi kritis: perilaku kecerdasan buatan yang diharapkan dapat disesuaikan untuk persyaratan kerja tertentu.
Gemini 2.5 ProItu dikembangkan sebagai gaya Google terbaik, mengungguli pemikiran kompleks, menghasilkan instruksi perangkat lunak canggih, dan pemahaman multimedia. Ini dapat membahas hingga satu juta simbol konteks – setara dengan 750.000 kata – memungkinkan mereka untuk menganalisis kode kode penuh atau dokumen panjang dalam satu sesi.
Gemini 2.5 Flash Keseimbangan antara kemampuan dan efisiensi, yang dirancang untuk tugas lembaga yang sangat produktif seperti merangkum dokumen pada aplikasi obrolan yang besar dan responsif. Flash Litch yang baru diperkenalkan mengembangkan beberapa kecerdasan untuk mendapatkan penghematan biaya yang besar, dan untuk menargetkan situasi penggunaan seperti klasifikasi dan terjemahan, karena lebih penting dan ukuran daripada pemikiran lanjutan.
Perusahaan besar seperti Snap dan Smartbear sudah menjadi Gemini 2.5 dalam aplikasi penting yang penting
Banyak perusahaan besar telah memasukkan model -model ini ke dalam sistem produksi, menunjukkan bahwa kepercayaan Google pada stabilitas mereka tidak ada di tempatnya. Snap Inc. Menggunakan Gemini 2.5 Pro Untuk memainkan fitur kecerdasan spasial dalam kacamata AR, menerjemahkan dua dimensi foto koordinat ke dalam ruang 3D untuk aplikasi augmented reality.
SmartbearYang menyediakan alat pengujian perangkat lunak, dan meningkatkan Flash Gemini 2.5 untuk menerjemahkan program uji manual ke dalam tes otomatis. “Pengembalian investasi multi -faceted,” Fitz Noelan, wakil presiden perusahaan, mengatakan, menggambarkan bagaimana teknologi mempercepat uji kecepatan sambil mengurangi biaya.
Perusahaan Teknologi Kesehatan Menyerahkan kesehatan Model digunakan untuk mengekstrak informasi biomedis dari catatan teks gratis yang kompleks-tugas yang membutuhkan ketepatan dan keandalan mengingat sifat hidup atau mati untuk data medis. Keberhasilan perusahaan dengan aplikasi ini menunjukkan bahwa model Google telah mencapai keandalan yang dibutuhkan untuk industri terorganisir.
Strategi kecerdasan buatan baru Google menargetkan pelanggan baik yang sangat baik maupun anggaran
Keputusan penetapan harga Google menunjukkan tekad mereka untuk bersaing dengan kuat di seluruh sektor pasar. Perusahaan menaikkan harga Gemini 2.5 Flash Memasuki kode khas dari $ 0,15 menjadi $ 0,30 per juta ikon sambil mengurangi biaya kode khas dari $ 3,50 menjadi $ 2,50 per juta ikon. Aplikasi restrukturisasi yang menghasilkan respons panjang ini – kasus lembaga umum.
Lebih penting lagi, Google membatalkan perbedaan sebelumnya antara penetapan harga “pemikiran” dan “kurangnya pemikiran” yang membingungkan para pengembang. Struktur harga sederhana menghilangkan penghalang di depan adopsi sambil memfasilitasi prediksi biaya lembaga lembaga.
Pengantar flash-lite pada simbol input $ 0,10 per juta dan $ 0,40 per juta kode yang dihasilkan menciptakan lapisan bawah baru yang dirancang untuk menangkap beban kerja yang sensitif. Harga ini menempatkan Google untuk bersaing dengan penyedia kecerdasan buatan yang lebih muda yang mendapatkan daya tarik dengan menawarkan model dasar dengan biaya yang sangat rendah.
Apa arti koleksi tiga model tingkat Google untuk pemandangan kecerdasan buatan kompetitif
Versi simultan dari tiga model siap untuk diproduksi melalui berbagai tingkat kinerja strategi canggih untuk membagi pasar. Google tampaknya keberatan dari perangkat lunak playbook tradisional untuk pembuatan perangkat lunak: menawarkan opsi yang baik, lebih baik dan lebih baik untuk menangkap pelanggan melalui domain anggaran sambil menyediakan jalur peningkatan dengan pengembangan kebutuhan.
Pendekatan ini sangat tidak konsisten dengan strategi OpenAI untuk mendorong pengguna ke model yang paling mampu (dan mahal). Kesediaan Google untuk memberikan alternatif biaya rendah dapat mengganggu dinamika harga di pasar, terutama untuk aplikasi berukuran besar karena biaya reaksi lebih dari kinerja puncak.
Kemampuan teknis juga menggunakan Google berguna untuk kursus penjualan institusional. Panjang konteks memungkinkan sejuta penggunaan-seperti seluruh analisis kontrak hukum atau pemrosesan laporan keuangan yang komprehensif-bahwa model yang bersaing tidak dapat menghadapinya secara efektif. Untuk lembaga besar yang berisi kebutuhan pemrosesan dokumen yang kompleks, ini mungkin merupakan perbedaan yang menentukan dan menentukan.
Bagaimana pendekatan Google fokus pada institusi dari strategi pertama Openai untuk konsumen
Versi -versi ini terjadi dengan latar belakang kompetisi kecerdasan buatan yang mengintensifkan di berbagai bidang. Sementara minat konsumen berfokus pada fasad chatbot, nilai pekerjaan nyata-dan kemampuan untuk pendapatan-dalam aplikasi institusi yang dapat mengarah pada otomatisasi alur kerja yang kompleks dan meningkatkan keputusan manusia.
Fokus Google menunjukkan kemauan produksi dan keunggulan lembaga yang telah dipelajari perusahaan dari tantangan menyebarkan kecerdasan buatan sebelumnya. Google AI sebelumnya terkadang terasa lebih awal atau terpisah dari kebutuhan pekerjaan nyata. Periode inspeksi luas dari model Gemini 2.5, serta kemitraan lembaga -lembaga awal, menunjukkan pendekatan yang lebih matang untuk pengembangan produk.
Opsi arsitektur teknis juga mencerminkan pelajaran yang dipetik dari industri yang lebih luas. Kemampuan untuk “berpikir” berkaitan dengan kritik bahwa model kecerdasan buatan membuat keputusan dengan sangat cepat, tanpa mempertimbangkan faktor -faktor kompleks yang memadai. Dengan membuat proses berpikir ini untuk mengontrol dan secara transparan, Google menempatkan modelnya lebih layak dipercaya untuk aplikasi bisnis yang tinggi.
Apa yang perlu diketahui lembaga tentang pilihan antara platform kecerdasan buatan saingan
Posisi agresif Google untuk Gemini 2.5 keluarga Ini menempatkan 2025 sebagai tahun penting untuk adopsi lembaga lembaga tersebut. Dengan model produksi siap -untuk yang memperluas persyaratan kinerja dan persyaratan biaya, Google membatalkan banyak hambatan teknis dan ekonomi yang sebelumnya terbatas pada publikasi lembaga AI.
Tes nyata akan datang pada saat perusahaan mengintegrasikan alat -alat ini ke dalam tugas alur kerja yang kritis. Yang diadopsi dari lembaga -lembaga awal melaporkan hasil yang menjanjikan, tetapi memverifikasi kesehatan pasar yang lebih luas membutuhkan berbulan -bulan untuk menggunakan produksi melalui berbagai industri dan aplikasi.
Untuk pembuat keputusan teknis, Deklarasi Google menciptakan peluang dan kompleksitas. Ruang lingkup opsi model yang identik memungkinkan kemampuan yang lebih akurat dengan persyaratan, tetapi juga membutuhkan lebih banyak strategi evaluasi dan publikasi. Lembaga sekarang harus mempertimbangkan tidak hanya apakah kecerdasan buatan harus diadopsi, tetapi model dan konfigurasi spesifik yang memenuhi kebutuhan unik mereka.
Risiko melampaui keputusan masing -masing perusahaan. Karena kecerdasan buatan menjadi bagian integral dari proses komersial di seluruh industri, pemilihan platform kecerdasan buatan meningkat dalam keunggulan kompetitif. Pembeli institusional menghadapi titik balik yang kritis: Mematuhi ekosistem penyedia kecerdasan buatan atau memelihara penjual mahal yang mahal dengan kematangan teknologi.
Google ingin menjadi standar dasar untuk Amnesty International – posisi yang dapat membuktikan nilai yang tidak biasa saat mempercepat adopsi kecerdasan buatan. Perusahaan yang menciptakan mesin pencari sekarang ingin membuat mesin intelijen yang menjalankan setiap keputusan komersial.
Setelah bertahun -tahun menonton alamat penangkapan openai dan pangsa pasar, Google akhirnya berhenti berbicara tentang masa depan kecerdasan buatan dan mulai menjualnya.
Tautan sumber
Bergabunglah dengan acara bahwa para pemimpin lembaga telah dipercaya selama hampir dua dekade. VB Transform menggabungkan orang yang membangun strategi AI untuk institusi nyata. Pelajari lebih lanjut
Prancis ai darling Mistral adalah untuk menjaga versi baru datang musim panas ini.
Beberapa hari setelah pengumuman Itu mengeluarkan pembaruan untuk model sumber open source model kecil mistral mistralMelompat dari versi 3.1 ke 3.2- 24b addruct-2506.
Versi baru tergantung langsung pada scal small 3.1, dengan tujuan meningkatkan perilaku spesifik seperti instruksi berikut, stabilitas output, dan daya tahan undangan. Meskipun detail arsitektur yang komprehensif tetap tidak berubah, pembaruan ini memberikan peningkatan yang ditargetkan yang memengaruhi penilaian internal dan standar umum.
Menurut AI Mistral, 3.2 kecil lebih baik untuk mematuhi instruksi yang akurat dan mengurangi kemungkinan generasi yang tak terbatas atau berulang – masalah yang kadang -kadang terlihat pada versi sebelumnya ketika berhadapan dengan klaim panjang atau misterius.
Demikian juga, template panggilan pekerjaan telah ditingkatkan untuk mendukung skenario untuk penggunaan alat yang paling andal, terutama dalam bingkai seperti VLM.
Sementara itu, dapat dioperasikan pada pengaturan dengan unit pemrosesan grafis NVIDIA A100/H100 80GB, yang sangat membuka opsi perusahaan dengan sumber daya dan/atau anggaran yang sempit.
Model modern setelah hanya 3 bulan
Mistral Small 3.1 diumumkan pada Maret 2025 sebagai versi terbuka utama dari parameter 24B. Saya telah memberikan kemampuan multimedia lengkap, pemahaman multi -bahasa, dan pemrosesan konteks panjang hingga 128 kilo.
Model ini secara eksplisit ditempatkan terhadap rekan-rekan kerajaan mereka seperti GPT-4O Mini, Claude 3.5 Haiku dan Gemma 3-i -t- dan menurut Mistral, ia melampauinya dalam banyak tugas.
Kecil 3.1 juga menekankan publikasi yang efektif, dengan tuntutan inferensi pada 150 ikon per detik dan dukungan untuk digunakan pada perangkat dengan RAM 32 GB.
Versi ini dilengkapi dengan titik inspeksi dasar dan panduan, yang memberikan fleksibilitas untuk mengendalikan bidang -bidang seperti bidang hukum, medis dan teknis.
Sebaliknya, 3.2 kecil berfokus pada perbaikan bedah pada perilaku dan keandalan. Itu tidak bertujuan untuk memberikan kemampuan baru atau perubahan arsitektur. Sebaliknya, ini berfungsi sebagai versi pemeliharaan: membersihkan casing tepi dalam generasi output, mengencangkan kepatuhan dengan instruksi, dan interaksi sistem pemurnian.
Kecil 3.2 untuk Kecil 3.1: Apa yang telah berubah?
Instruksi untuk melacak instruksi menunjukkan peningkatan kecil tetapi terukur. Resolusi interior Mistral meningkat dari 82,75 % di 3,1 menjadi 84,78 % dalam 3,2 kecil.
Demikian juga, kinerja meningkatkan kelompok data eksternal seperti Wildbench V2 dan Arena Hard V2 secara signifikan – Wildbench meningkat sekitar 10 derajat Celcius, sementara arena lebih kuat daripada dua kali, karena melonjak dari 19,56 % menjadi 43,10 %.
Standar interior juga menyarankan mengurangi pengulangan output. Tingkat generasi tak terbatas menurun dari 2,11 % di 3,1 menjadi 1,29 % di 3,2 – sekitar 2 x pengurangan. Ini membuat model lebih dapat diandalkan untuk pengembang membangun aplikasi yang membutuhkan respons konsisten yang terbatas.
Kinerja melalui standar teks dan pengkodean memberikan gambar yang lebih akurat. 33 keuntungan di Humaneval Plus (88,99 % hingga 92,90 %), MBPP Pass@5 (74,63 % hingga 78,33 %), dan SimpleQA. Ini juga meningkatkan MMLU Pro dan Hatt.
Kriteria untuk penglihatan masih sering konsisten, dengan sedikit fluktuasi. Chartqa dan DocVQA telah melihat keuntungan marjinal, sementara AI2D dan Mathista menurun dengan kurang dari dua persentase. Kinerja penglihatan rata -rata sedikit menurun dari 81,39 % di 3,1 menjadi 81,00 % dalam 3,2 kecil.
Ini sesuai dengan niat mistral mistral: Kecil 3.2 tidak memperbaiki model, tetapi memoles. Dengan demikian, sebagian besar kriteria termasuk dalam kontras yang diharapkan, dan beberapa lereng tampaknya merupakan perbedaan perbaikan yang ditargetkan di tempat lain.
Namun, sebagai pengguna kecerdasan buatan dan influencer @chatgpt21 diposting di x: “Ini telah memburuk pada MMLU”, dan ini berarti kriteria untuk memahami bahasa multi -task, yang merupakan tes multidisiplin dengan 57 pertanyaan yang dirancang untuk mengevaluasi kinerja LLM yang luas di seluruh area. Faktanya, 3,2 rekor kecil 80,50 %, hanya kurang dari 3,1 80,62 %.
Ini akan membuat lisensi sumber terbuka lebih menarik bagi pengguna yang fokus pada biaya dan fokus pada alokasi
Kecil 3.1 dan 3.2 tersedia di bawah lisensi Apache 2.0 dan dapat diakses di seluruh populer. Gudang Berbagi Kode Kecerdasan Buatan Sulaman (Itu sendiri adalah perusahaan yang muncul yang berbasis di Prancis dan Nix).
Kecil 3.2 didukung oleh bingkai seperti VLLM dan Transformers dan membutuhkan sekitar 55 GB RAM GPU untuk bermain dalam resolusi BF16 atau FP16.
Untuk pengembang yang berupaya membangun atau melayani layanan, klaim sistem dan contoh penalaran disediakan di Model Depot.
Meskipun Mistral Small 3.1 sudah diintegrasikan ke dalam platform seperti Google Cloud Vertex AI dan dijadwalkan akan diposting di NVIDIA NIM dan Microsoft Azure, Small 3.2 saat ini menunjukkan akses ke layanan diri melalui pelukan dan publikasi langsung.
Apa yang harus diketahui lembaga saat melihat
Mistral Small 3.2 mungkin tidak mengonversi situs kompetitif dalam ruang model kelas terbuka, tetapi merupakan komitmen yang salah dari kecerdasan buatan untuk meningkatkan model berulang.
Dengan peningkatan nyata dalam keandalan dan perawatan tugas – terutama tentang keakuratan instruksi dan penggunaan alat – SMLL 3.2 memberikan pengalaman pengguna yang lebih bersih untuk pengembang dan lembaga berdasarkan ekosistem yang salah.
Fakta bahwa perusahaan yang muncul Prancis kompatibel dengan peraturan dan peraturan Uni Eropa, seperti PDB dan hukum Uni Eropa, Amnesty International membuatnya menarik bagi lembaga yang beroperasi di bagian dunia ini.
Namun, bagi mereka yang mencari hop terbesar untuk kinerja standar, poin referensi 3.1 kecil – terutama mengingat bahwa dalam beberapa kasus, seperti MMLU, 3.2 kecil tidak mengungguli pendahulunya. Ini membuat pembaruan lebih dari satu opsi yang berfokus pada stabilitas lebih dari upgrade murni, tergantung pada keadaan penggunaan.
Tautan sumber
baruAnda sekarang dapat mendengarkan Fox News!
Tengkorak manusia yang misterius diidentifikasi pada tahun 1930 -an sebagai tipe yang ada setelah diyakini sebagai tipe baru bersama, menurut para peneliti.
Studi-yang diterbitkan di majalah dan sains sel-mengidentifikasi 146.000 tengkorak yang dikenal sebagai “naga” yang diklasifikasikan sebagai Denisovan.
Para peneliti mengungkapkan bahwa Denisov telah ditemukan oleh genomik dan protein mereka untuk menentukan identitas mereka.
Namun, alasan mengapa butuh waktu lama untuk menentukan adalah bahwa upaya untuk mengekstrak DNA dari gigi gagal.
Tubuh “dumping” misterius wanita dan anak yang ditemukan oleh para arkeolog di kota yang indah
Dipercayai bahwa “naga” adalah tipe manusia baru, tetapi menggunakan perhitungan gigi diferensial, para peneliti mengidentifikasi sebaliknya. (Tn. Wei Gao)
Para peneliti juga mencoba mengekstraksi DNA dari Harbin Caraneum juga, yang juga gagal.
Ketika metode ini gagal, para peneliti beralih ke penggunaan perhitungan gigi diferensial, yang menggunakan yang dikalsifikasi Panel.
Ini dapat membawa gigi yang bocor dan melindungi DNA karena struktur kristal yang padat yang menolak kerusakan di lingkungan yang berbeda.
Para ahli memiliki misteri “naga bersulam” lama yang ditemukan oleh shogon Jepang
Sampel diambil dari posisi untuk mengambil sampel 0,3 mg dari kalkulus menghitung dan perhitungan gigi pada gigi buron, di mana mtDNA ditangkap dan urutan (gambar yang disajikan oleh Qiaomei Fu melalui sel majalah)
Para peneliti menggunakan pemutihan pada pelat gigi untuk menghilangkan kemungkinan DNA di era modern.
Setelah diekstraksi, para peneliti mulai membandingkan bahan genetik yang ditemukan dengan sampel sebelumnya.
Para peneliti menemukan bahwa “pria naga” bukan tipe baru, tetapi itu adalah Denisovan dan sampel suara pertama sejauh ini.
Menurut para peneliti, Denisovan hidup berdampingan dengan manusia kontemporer dan terkait erat dengan anandal.
Kesan seniman panjang penuh untuk penampilan Dragon Man. Foto: Chouang Chao (Chuang_zhao)
“Dragon Man” ditemukan dalam keadaan misterius ketika ini menemukan seorang pekerja Tiongkok yang bekerja di jembatan di atas Sungai Songhua.
Pria itu mempertahankan peretas yang baik, karena diarahkan untuk menyembunyikannya dari tentara Jepang.
Klik di sini untuk mendapatkan aplikasi Fox News
Tengkorak itu disumbangkan sebentar sesaat sebelum kematiannya pada tahun 2018, setelah itu keluarganya memindahkan tengkorak dan memberikannya ke Museum Ilmu Geologi, Profesor Hebei Jiu Qiang J.
Meskipun ada batasan pada penelitian ini, para peneliti mengatakan bahwa masih banyak yang harus dipelajari untuk maju.
Itu disebut “Naga Manusia” karena ditemukan di Kabupaten Heilongjiang di Cina, yang diterjemahkan ke Sungai Naga Hitam.
Julia harus dari Fox News Digital berkontribusi pada cerita ini.
Nick Butler adalah seorang reporter untuk Digital Fox News. Apakah Anda punya tips? Akses ke nick.butler@fox.com.
Berita
Serangan elektronik di rumah sakit berharga $ 600.000/jam. Berikut adalah bagaimana kecerdasan buatan mengubah matematika
Bagaimana menggunakan AI Layanan Kesehatan Alberta AI untuk mendukung pertahanannya karena penyerang semakin menargetkan fasilitas perawatan kesehatan
Tautan sumber
Berita8 tahun agoThese ’90s fashion trends are making a comeback in 2017
- Berita8 tahun ago
The final 6 ‘Game of Thrones’ episodes might feel like a full season
- Berita8 tahun ago
According to Dior Couture, this taboo fashion accessory is back
- Berita8 tahun ago
The old and New Edition cast comes together to perform
- Berita8 tahun ago
Phillies’ Aaron Altherr makes mind-boggling barehanded play
- Berita8 tahun ago
Uber and Lyft are finally available in all of New York State
- Berita8 tahun ago
Disney’s live-action Aladdin finally finds its stars
- Berita8 tahun ago
Steph Curry finally got the contract he deserves from the Warriors
