Khung của Pruna AI có khả năng xác định xem có mất mát chất lượng đáng kể nào sau khi nén mô hình hay không, cùng với việc đánh giá những lợi ích về hiệu suất mà người dùng nhận được. Rachwan đã so sánh Pruna AI với Hugging Face, nhấn mạnh rằng họ đang tạo ra một sự đồng nhất trong việc áp dụng các phương pháp hiệu quả cho các mô hình AI.

Nhiều phòng thí nghiệm AI lớn đã áp dụng các phương pháp nén khác nhau. Chẳng hạn, OpenAI đã sử dụng phương pháp chưng cất để tạo ra các phiên bản nhanh hơn của các mô hình chủ lực của họ. Đặc biệt, cách thức này đã giúp OpenAI phát triển GPT-4 Turbo, một phiên bản nhanh hơn của GPT-4. Tương tự, mô hình tạo hình ảnh Flux.1-schnell là một phiên bản chưng cất của mô hình Flux.1 từ Black Forest Labs.

Chưng cất là một kỹ thuật rất quan trọng, cho phép trích xuất kiến thức từ một mô hình lớn bằng cách sử dụng mô hình “giáo viên-học sinh”. Điều này giúp tạo ra một mô hình sinh viên có khả năng tái hiện hành vi của giáo viên mà không phải làm lại từ đầu.

Rachwan nhấn mạnh rằng trong khi các công ty lớn thường phát triển các công cụ nén nội bộ, yếu tố mà Pruna AI mang lại chính là sự kết hợp tất cả các phương pháp vào một công cụ dễ sử dụng. Ngoài ra, công ty này chưa ngừng lại ở việc hỗ trợ cho các mô hình lớn mà còn mở rộng sang cả các mô hình tạo hình ảnh, video, và nhận dạng giọng nói.

Các khách hàng hiện tại của Pruna AI bao gồm Scenario và PhotoRoom, và ngoài phiên bản mã nguồn mở, Pruna AI còn cung cấp một phiên bản doanh nghiệp với các tính năng tối ưu hóa nâng cao nhất, bao gồm cả một tác nhân tối ưu hóa đang được phát triển. Tác nhân này cho phép người dùng dễ dàng yêu cầu điều chỉnh tốc độ mà không làm giảm độ chính xác quá 2%.

Phân khúc mà Pruna AI nhắm đến đang mở rộng, với mục tiêu tạo ra một tác nhân nén cho phép người dùng tối ưu hóa mô hình của họ một cách tự động và hiệu quả. Pruna AI hiện tính phí theo giờ cho phiên bản chuyên nghiệp của mình, tương tự như cách người dùng thuê GPU trên các dịch vụ đám mây như AWS.

Với một mô hình được tối ưu hóa tốt, Pruna AI khẳng định rằng người dùng sẽ tiết kiệm đáng kể chi phí cho các yêu cầu xử lý, bằng chứng là một mô hình Llama đã được thu nhỏ đến tám lần mà không gây tổn thất quá nhiều về chất lượng. Pruna AI đang tìm cách để các khách hàng của mình xem khung nén của họ như một khoản đầu tư tự thu hồi.

Gần đây, Pruna AI đã huy động được 6,5 triệu đô la từ vòng đầu tư giống, với sự tham gia của các nhà đầu tư như EQT Ventures, Daphni, Motier Ventures và Kima Ventures. Với những đổi mới này, Pruna AI đang đứng ở vị trí trung tâm trong cuộc đua phát triển các giải pháp tối ưu hóa mô hình AI,

Công ty này được kỳ vọng sẽ thay đổi cách mà các tổ chức sử dụng mô hình AI trong tương lai.

The post Pruna AI mở nguồn mã khung tối ưu hóa mô hình trí tuệ nhân tạo appeared first on Nhật Phúc.

Trong chỉ một tuần qua, số lượt tải hàng ngày của Browser Use đã tăng từ khoảng 5.000 lên 28.000, cho thấy nhu cầu tăng cao từ phía người dùng. Gregor Zunic, một trong những người sáng lập, khẳng định rằng sự phát triển này đi kèm với sự gia tăng trong số lượng người sử dụng. Họ đã trở thành dự án nổi bật trên GitHub và nhận được nhiều sự quan tâm từ giới công nghệ.

Sự gia tăng đột ngột này có mối liên hệ mật thiết với cách Manus sử dụng Browser Use để thực hiện các tác vụ tự động như đi qua các menu trang web và điền thông tin. Một bài đăng giới thiệu về cách Manus tận dụng Browser Use đã có hơn 2,4 triệu lượt xem và hàng trăm lượt chia sẻ trên mạng xã hội.

Zunic cùng đồng sáng lập Magnus Müller đã khởi động công ty từ năm ngoái tại ETH Zurich, với dự định rằng các ứng dụng web tự động sẽ trở thành xu hướng chủ đạo vào năm 2025. Họ bắt đầu với một ý tưởng đơn giản: phát triển một sản phẩm và ném nó lên Hacker News để xem phản ứng ra sao. Sản phẩm này nhanh chóng thu hút sự chú ý và trở thành công cụ nổi bật trong không gian AI.

Browser Use hoạt động bằng cách trích xuất các thành phần của website, giúp các mô hình AI dễ dàng tương tác với các nút, widget, và các phần tử khác trên trang. Công cụ này không chỉ xử lý các tab trình duyệt mà còn cho phép thiết lập các hành động như lưu tệp và thực hiện thao tác cơ sở dữ liệu.

Zunic nhấn mạnh rằng họ đang cố gắng xây dựng nền tảng cho các nhà phát triển để tạo ra các ứng dụng web tự động. Theo dự đoán của họ, sẽ có nhiều ứng dụng tự động hơn số lượng người dùng web trong năm nay. Dù có phần lạc quan, nhưng một số chuyên gia dự đoán rằng thị trường cho các ứng dụng AI sẽ tăng trưởng mạnh mẽ trong thời gian tới, với dự báo thị trường sẽ đạt giá trị 42 tỷ đô la vào năm 2029.

Browser Use có cả phiên bản miễn phí và phiên bản thu phí, và sự thành công vượt bậc của nó chỉ trong thời gian ngắn từ khi Manus ra mắt cho thấy cú hích mạnh mẽ trong ngành công nghệ. Truyền thông hiện đang chú ý mạnh mẽ tới hoạt động của Browser Use không chỉ vì sự liên kết với Manus mà còn vì tiềm năng phát triển lớn lao mà nó đang sở hữu.

The post Browser Use đột phá, nâng tầm Manus và sức mạnh AI appeared first on Nhật Phúc.

Dữ liệu dạng bảng là loại dữ liệu có cấu trúc rõ ràng, thường được tổ chức theo dạng hàng và cột, có thể thấy trong các cơ sở dữ liệu SQL, bảng tính, hay file .CSV. Alexandre Pasquiou, người đồng sáng lập và Giám đốc Khoa học của Neuralk-AI, chia sẻ rằng, “Dữ liệu có giá trị thực sự cho các công ty là dữ liệu đã được xác định từ trước, được cấu trúc theo hình thức bảng và được các nhà khoa học dữ liệu sử dụng để tạo ra tất cả các thuật toán học máy của họ.”

Neuralk-AI nhận thấy rằng mặc dù AI đã tiến xa trong việc xử lý dữ liệu không cấu trúc, nhưng lại ít được áp dụng cho các mô hình học máy truyền thống dựa trên dữ liệu bảng. Neuralk-AI đang phát triển mô hình AI của mình để phục vụ cho các nhà khoa học dữ liệu làm việc trong lĩnh vực thương mại, nơi mà việc xử lý dữ liệu là rất quan trọng. Công ty có kế hoạch cung cấp mô hình của mình dưới dạng API, giúp các thương hiệu tự động hóa quy trình làm việc dữ liệu phức tạp với tính năng thông minh trong việc khử trùng và tăng cường dữ liệu.

Với mô hình AI này, các nhà bán lẻ có thể phát hiện gian lận, tối ưu hóa đề xuất sản phẩm và tạo ra các dự đoán doanh thu phục vụ cho quản lý tồn kho và định giá sản phẩm. Neuralk-AI tin rằng việc cung cấp dịch vụ cho các công ty thương mại sẽ tạo ra cơ hội lớn, đặc biệt khi mà ngày càng nhiều doanh nghiệp bắt đầu ứng dụng dữ liệu vào chiến lược kinh doanh của họ.

Vòng gọi vốn 4 triệu USD do Fly Ventures dẫn đầu, với sự tham gia của SteamAI cùng nhiều nhà đầu tư nổi bật như Thomas Wolf từ Hugging Face và Charles Gorintin từ Alan. Mặc dù Neuralk-AI đã nhận được vốn đầu tư, nhóm vẫn đang liên tục hoàn thiện các mô hình của mình và sẽ thử nghiệm ở một số nhà bán lẻ hàng đầu tại Pháp như E.Leclerc, Auchan và Mirakl.

Pasquiou cho biết, “Trong ba hoặc bốn tháng tới, chúng tôi sẽ phát hành phiên bản đầu tiên của mô hình và công bố một chuẩn mực công khai để xếp hạng mô hình của chúng tôi so với các công nghệ tiên tiến nhất trong lĩnh vực này.” Mục tiêu của Neuralk-AI là trở thành mô hình nền tảng hàng đầu trong tất cả các lĩnh vực liên quan đến học đại diện trước tháng 9 năm nay.

Với sự phát triển không ngừng của công nghệ và đặc biệt là AI, Neuralk-AI đang cố gắng khai thác tiềm năng của dữ liệu cấu trúc, mở ra hướng đi mới cho việc cải tiến quy trình sản xuất, quản lý và tối ưu hóa hoạt động kinh doanh cho các công ty thương mại. Điều này không chỉ góp phần hiện đại hóa các ngành công nghiệp mà còn tạo ra giá trị thực cho các doanh nghiệp thông qua việc sử dụng dữ liệu một cách thông minh và hiệu quả hơn.

The post Neuralk-AI phát triển mô hình AI dành riêng cho dữ liệu cấu trúc appeared first on Nhật Phúc.

Mô hình đầu tiên, MiniMax-Text-01, là một mô hình chỉ xử lý văn bản với kích thước lên tới 456 tỷ tham số. MiniMax khẳng định rằng mô hình này vượt trội hơn so với mô hình Gemini 2.0 Flash của Google trên nhiều chỉ số đánh giá như MMLU và SimpleQA, những phép đánh giá khả năng giải quyết các câu hỏi toán học và thông tin. Các tham số có thể được coi là chỉ số hiệu quả trong việc giải quyết vấn đề, và mô hình có nhiều tham số thường có khả năng thực hiện tốt hơn so với những mô hình có ít tham số hơn.

MiniMax-VL-01 là mô hình thứ hai có khả năng hiểu cả hình ảnh lẫn văn bản. Được cho là đối thủ cạnh tranh của Claude 3.5 Sonnet từ Anthropic, MiniMax-VL-01 đã được đánh giá trên các bài kiểm tra yêu cầu hiểu biết đa phương thức như ChartQA, bao gồm việc giải quyết các câu hỏi liên quan đến đồ thị và sơ đồ. Tuy nhiên, cần lưu ý rằng mô hình MiniMax-VL-01 không hoàn toàn vượt trội hơn Gemini 2.0 Flash ở nhiều bài thử nghiệm khác. Mặc dù vậy, OpenAI’s GPT-4o và một mô hình mở mang tên InternVL2.5 đã ngang hàng với nó trong một số đánh giá.

Điều đáng chú ý nữa là MiniMax-Text-01 sở hữu một cửa sổ ngữ cảnh cực kỳ lớn. Cửa sổ ngữ cảnh của một mô hình đề cập đến đầu vào mà mô hình xem xét trước khi tạo ra đầu ra. Với một cửa sổ ngữ cảnh lên đến 4 triệu token, MiniMax-Text-01 có khả năng phân tích khoảng 3 triệu từ trong một lần – tương đương với hơn năm bản sao của tác phẩm “Chiến tranh và hòa bình”. Để tham khảo, cửa sổ ngữ cảnh của MiniMax-Text-01 lớn gấp khoảng 31 lần so với của GPT-4o và Llama 3.1.

Mô hình thứ ba trong bộ ba mới ra mắt là T2A-01-HD, một công cụ tạo âm thanh được tối ưu hóa cho giọng nói. T2A-01-HD có khả năng tạo ra giọng nói tổng hợp với độ nhịp điệu, âm điệu và cường độ có thể điều chỉnh bằng khoảng 17 ngôn ngữ khác nhau, bao gồm cả tiếng Anh và tiếng Trung. Đặc biệt, công cụ này có thể sao chép một giọng nói chỉ từ 10 giây ghi âm.

Mặc dù MiniMax không công bố kết quả đánh giá so với các mô hình tạo âm thanh khác, nhưng những gì được nghe thử cho thấy sản phẩm T2A-01-HD có âm thanh tương đương với các mô hình âm thanh do Meta và một số công ty khởi nghiệp như PlayAI sản xuất.

Các mô hình mới của MiniMax, ngoại trừ T2A-01-HD chỉ có sẵn thông qua API của MiniMax và nền tảng AI Hailuo, đều có thể tải xuống từ GitHub và nền tảng phát triển AI Hugging Face. Tuy nhiên, mặc dù các mô hình này có thể tải xuống công khai, MiniMax không công bố dữ liệu huấn luyện và các thành phần cần thiết để tái tạo chúng từ đầu về mặt kỹ thuật. Hơn nữa, chúng còn nằm dưới giấy phép hạn chế của MiniMax, yêu cầu các nhà phát triển không được dùng để cải thiện mô hình AI đối thủ và các nền tảng với hơn 100 triệu người dùng hàng tháng phải xin giấy phép đặc biệt từ MiniMax.

MiniMax được thành lập vào năm 2021 bởi một nhóm cựu nhân viên của SenseTime, một trong những công ty AI lớn nhất tại Trung Quốc. Các dự án của công ty này bao gồm ứng dụng Talkie, một nền tảng diễn vai AI tương tự như Character AI, và các mô hình chuyển đổi văn bản thành video mà MiniMax đã phát hành trong Hailuo. Tuy nhiên, một số sản phẩm của họ đã gặp phải tranh cãi nhỏ.

Đáng lưu ý, ứng dụng Talkie đã bị gỡ khỏi App Store của Apple vào tháng 12 vì lý do “kỹ thuật” không được công bố, cho thấy các avatar AI của nhân vật công chúng như Donald Trump, Taylor Swift, Elon Musk và LeBron James có thể Họ không có sự đồng ý để xuất hiện trong ứng dụng này.

MiniMax hiện đang nằm trong tình hình khó khăn khi họ vừa ra mắt các mô hình mới này vào thời điểm chính phủ Biden đề xuất các quy định xuất khẩu nghiêm ngặt hơn đối với công nghệ AI dành cho các doanh nghiệp Trung Quốc. Các công ty tại Trung Quốc đã bị cấm mua các chip AI tiên tiến, nhưng nếu các quy định mới được thực hiện như đã viết, các công ty sẽ phải đối mặt với những yêu cầu chặt chẽ hơn về công nghệ bán dẫn và các mô hình cần thiết để phát triển các hệ thống AI tinh vi.

Với sự phát triển không ngừng của các mô hình AI tại Trung Quốc, đặc biệt là sự ra mắt mạnh mẽ từ MiniMax, câu hỏi đặt ra là liệu những sản phẩm này có thể giúp Trung Quốc vượt qua rào cản công nghệ đang ngày càng siết chặt do các chính sách quốc tế hay không?

The post MiniMax ra mắt các mô hình AI mới cạnh tranh với OpenAI và các tên tuổi lớn appeared first on Nhật Phúc.