رأينا
Zyphra Zamba2-2.7B يغير قواعد اللعبة في الذكاء الاصطناعي، من خلال تحسين السرعة والكفاءة مع تقليل استهلاك الذاكرة. إنه مثل السيارات الكهربائية من تسلا – قوة أكبر بموارد أقل. تقنياته المبتكرة تجعله نينجا بين نماذج اللغة، مثالي للبيئات المحدودة. مع زمن استجابة منخفض، فهو مثالي للحوسبة الطرفية. ونشره مفتوح المصدر يدعو المطورين في جميع أنحاء العالم إلى الإبداع.
–Miurio huang، صحفي في BTW
ما حدث
Zyphra، شركة ذكاء اصطناعي مقرها بالو ألتو متخصصة في الحوسبة الاحتمالية، أطلقت أحدث ابتكاراتها، Zamba2-2.7B. يعد نموذج اللغة الصغير (SLM) هذا بتقدم كبير في السرعة والكفاءة، حيث يوفر أداء أسرع بمرتين ويقلل استهلاك الذاكرة بنسبة 27% مقارنة بالنماذج السابقة. مدرب على مجموعة بيانات ضخمة تضم حوالي 3 تريليونات رمز من مصادر مملوكة لـ Zyphra،Zamba2-2.7Bيوازي قدرات نماذج أكبر مثل Zamba1-7B ونماذج أخرى بمعامل 7 مليارات، مما يوفر أداءً عاليًا في شكل مضغوط.
تم تصميم Zamba2-2.7B من Zyphra ليكون حلاً جذابًا للشركات والباحثين والمطورين بفضل قدراته المتقدمة مع متطلبات حوسبة منخفضة. يستخدم النموذج تقنيات مبتكرة مثل مخطط الانتباه المشترك المتداخل مع مسقطات LoRA على كتل MLP مشتركة، مما يعزز قدرته على إدارة المهام المعقدة بكفاءة. كما يستفيد من زمن استجابة أقل بمقدار 1.29 مرة مقارنة بنموذج Phi3 من Microsoft، مما يجعله خيارًا مناسبًا للأجهزة ذات الذاكرة المحدودة والتطبيقات التي تتطلب تواصلاً سلسًا ومستمرًا.
اقرأ أيضًا:نظام الذكاء الاصطناعي من Microsoft « SpreadsheetLLM » يعزز إنتاجية الشركات
اقرأ أيضًا:DeepL تطلق LLM جديد للمستخدمين المحترفين
لماذا هذا مهم؟
يمثل Zamba2-2.7B قفزة إلى الأمام في تكنولوجيا نماذج اللغة الصغيرة من خلال تقديم أداء عالٍ مع استهلاك منخفض للموارد. كفاءته تجعله مثاليًا للنشر في بيئات ذات قوة حوسبة وذاكرة محدودة، بينما تضمن ميزاته المتقدمة دقة وملاءمة عالية لمهام محددة. نشر النموذج مفتوح المصدر على Hugging Face، مصحوبًا بتنفيذ PyTorch خالص، يسمح للباحثين والمطورين بتكامل واستغلال قدراته على نطاق واسع.
يعتمد إطلاق Zamba2-2.7B على النجاح السابق لـ Zyphra مع نموذج Zamba مفتوح المصدر، الذي أظهر أداءً متفوقًا على المنافسين مثل LLaMA 1 و 2، و OLMo-7B. من خلال تقديم بديل اقتصادي وعالي الأداء، يدفع Zyphra حدود ما يمكن لنماذج اللغة الصغيرة تحقيقه، مما يسهل اعتمادًا وابتكارًا أوسع في مختلف القطاعات. تؤكد تطورات Zamba2-2.7B على اتجاه متزايد لتحسين نماذج الذكاء الاصطناعي من أجل الكفاءة دون المساس بالقدرات، مما يعالج مخاوف الأداء والبيئة المرتبطة بنشر الذكاء الاصطناعي.