هوش مصنوعی موونشات این هفته نسخه باز منبع Kimi K2.7-Code را منتشر کرد، که یک بهروزرسانی برای خانواده مدلهای کدگذاری K2 است. این نسخه جدید ادعا میکند که بهتر فکر میکند و عملکرد را به میزان دو رقمی بهبود میبخشد.
K2.7-Code بر اساس همان معماری ترکیبی از کارشناسان با یک تریلیون پارامتر ساخته شده است که پیشینهٔ آن، K2.6، داشت و از طریق یک API سازگار با OpenAI ارائه میشود. این موضوع برای تیمهایی که K2.6 را در دروازههای تولیدی اجرا میکنند، مهم است.
هنگامی که K2.6 در آوریل منتشر شد، در رتبهبندی هفتگی LLM OpenRouter به صدر رسید — یک رتبهبندی بر اساس تصمیمات واقعی روتینگ API توسط توسعهدهندگان، نه امتیازهای خودگزارش شده. موونشات AI میگوید K2.7-Code به آنچه را که «فکر بیش از حد» مینامند، پاسخ میدهد و مصرف توکنهای فکر را در مقایسه با K2.6 به میزان ۳۰٪ کاهش میدهد — یک عددی که به طور مستقیم هزینههای استنتاج برای تیمهایی که جریانهای کار آژانس را اجرا میکنند، تأثیر میگذارد. آیا این بهبود کارایی در آزمونهای مستقل ثابت میشود، یک سؤال است که کارشناسان به طور عمومی شروع به مطرح کردن آن کردهاند.
تحلیل و بررسی: با این حال، این به روز رسانی ممکن است به دلیل عدم ارائه نتایج در آزمونهای مستقل، به چالش کشیده شود. با این حال، کاهش ۳۰ درصدی در مصرف توکنها، به طور فوری قابل استفاده است و میتواند هزینههای استنتاج را برای تیمهایی که K2.6 را در تولید استفاده میکنند، کاهش دهد. این به روز رسانی میتواند به عنوان یک آزمایش با کارهای خود، قبل از تغییرات اساسی در سیستم، مورد استفاده قرار گیرد.
منبع: VentureBeat (مشاهده متن اصلی)
inoit.ir/post/142
کپی شد!