मॉडल खुद अपने काम गढ़ता है, उन्हें परखने का ढाँचा भी खुद बनाता है, फिर नतीजों पर खुद को प्रशिक्षित करता है — और DeepReinforce ने वज़न मुफ़्त दे दिए

DeepReinforce ने 19 अगस्त को Ornith-1.5 तीन खुले-वज़न आकारों में जारी किया: 397 अरब पैरामीटर वाला मिक्सचर-ऑफ़-एक्सपर्ट्स, 35 अरब वाला मॉडल जो प्रति टोकन 3 अरब पैरामीटर सक्रिय करता है, और 9 अरब का सघन मॉडल — सभी MIT लाइसेंस के तहत, वज़न Hugging Face पर। दिलचस्प बात आकार नहीं है। इंसानों के लिखे तयशुदा कामों से सीखने के बजाय मॉडल खुद काम प्रस्तावित करता है, हर एक को वैधता, कठिनाई और नयेपन पर अंक देता है, उसे चलाने का ढाँचा खुद लिखता है, और फिर बनाए गए हल के प्रयास वापस रीइन्फ़ोर्समेंट लर्निंग में जाते हैं। टीम इसे स्व-ढाँचे से स्व-सुधार तक का चक्र पूरा करना कहती है। प्रयोगशाला के अपने आँकड़ों के अनुसार 397B मॉडल Terminal-Bench 2.1 पर 86.1 और DeepSWE पर 56.0 पाता है, जबकि Claude Opus 4.8 इन्हीं पर 85.0 और 59.0 और GLM-5.2 82.7 और 46.2 है; GPQA Diamond पर 92.8 बताया गया है। संदर्भ खिड़की 262,144 टोकन की है और BF16 में पूरा मॉडल लगभग 800 गीगाबाइट का, यानी यहाँ खुला होने का मतलब आपके लैपटॉप पर चलना नहीं है। वह काम 9B संस्करण करता है, जो Terminal-Bench 2.1 पर 47.0 और SWE-bench Verified पर 70.6 पाता है।

✓ सत्यापित · 4 स्रोत

संबंधित खबरें