ഇന്ന് മൈക്രോസോഫ്റ്റ് ക്ലെയിം ചെയ്തു "ലഭ്യമായ ഏറ്റവും കഴിവുള്ളതും ചെലവ് കുറഞ്ഞതുമായ ചെറിയ ഭാഷാ മോഡലുകൾ (SLMs)" പുറത്തിറക്കി എന്ന് പറഞ്ഞു ഫി-3- അതിൻ്റെ മൂന്നാമത്തെ ആവർത്തനം ചെറുഭാഷാ മോഡലുകളുടെ ഫൈ കുടുംബം (SLMs) - താരതമ്യേന വലിപ്പമുള്ള മോഡലുകളെയും കുറച്ച് വലിയ മോഡലുകളെയും മറികടക്കുന്നു.

ഒരു ചെറിയ ഭാഷാ മോഡൽ (SLM) എന്നത് ഒരു തരം AI മോഡലാണ്, അത് പ്രത്യേക ഭാഷാ സംബന്ധിയായ ജോലികൾ നിർവഹിക്കുന്നതിൽ വളരെ കാര്യക്ഷമമായി രൂപകൽപ്പന ചെയ്തിട്ടുള്ളതാണ്. വലിയൊരു ഭാഷാ മോഡലുകളിൽ നിന്ന് വ്യത്യസ്തമായി (LLMs) വ്യത്യസ്‌തമായി, വിശാലമായ ജനറിക് ടാസ്‌ക്കുകൾക്ക് അനുയോജ്യമാണ്, SLM-കൾ ഒരു ചെറിയ ഡാറ്റാസെറ്റിലാണ് നിർമ്മിച്ചിരിക്കുന്നത്.

ഫൈ-3 വ്യത്യസ്ത പതിപ്പുകളിലാണ് വരുന്നത്, മൈക്രോസോഫ്റ്റ് വിശദീകരിച്ചു, ഏറ്റവും ചെറിയത് ഫൈ-3 മിനി, 3.8 ട്രില്യൺ ടോക്കണുകളിൽ പരിശീലിപ്പിച്ച 3.3 ബില്യൺ പാരാമീറ്റർ മോഡൽ. താരതമ്യേന ചെറുതാണെങ്കിലും - ലാമ-3 ൻ്റെ കോർപ്പസ് ഭാരം കൂടുതലാണ് 15 ട്രില്യൺ ഡാറ്റയുടെ ടോക്കണുകൾ-Phi-3 മിനിക്ക് ഇപ്പോഴും 128K ടോക്കണുകളുടെ സന്ദർഭം കൈകാര്യം ചെയ്യാൻ കഴിയും. ഇത് GPT-4 മായി താരതമ്യപ്പെടുത്തുകയും ടോക്കൺ ശേഷിയുടെ കാര്യത്തിൽ ലാമ-3, മിസ്ട്രൽ ലാർജ് എന്നിവയെ തോൽപ്പിക്കുകയും ചെയ്യുന്നു.

മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, Meta.ai, Mistral Large എന്നിവയിലെ Llama-3 പോലെയുള്ള AI ഭീമന്മാർ ഒരു നീണ്ട ചാറ്റിന് ശേഷം തകരുകയോ അല്ലെങ്കിൽ ഈ ഭാരം കുറഞ്ഞ മോഡൽ ബുദ്ധിമുട്ടാൻ തുടങ്ങുന്നതിന് മുമ്പ് തന്നെ ആവശ്യപ്പെടുകയോ ചെയ്യാം.

ഫി-3 മിനിയുടെ ഏറ്റവും പ്രധാനപ്പെട്ട നേട്ടങ്ങളിലൊന്ന് ഒരു സാധാരണ സ്മാർട്ട്‌ഫോണിൽ ഘടിപ്പിക്കാനും പ്രവർത്തിപ്പിക്കാനുമുള്ള കഴിവാണ്. മൈക്രോസോഫ്റ്റ് ഒരു ഐഫോൺ 14-ൽ മോഡൽ പരീക്ഷിച്ചു, അത് പ്രശ്‌നങ്ങളൊന്നുമില്ലാതെ പ്രവർത്തിച്ചു, സെക്കൻഡിൽ 14 ടോക്കണുകൾ സൃഷ്ടിക്കുന്നു. Phi-3 Mini പ്രവർത്തിപ്പിക്കുന്നതിന് 1.8GB VRAM മാത്രമേ ആവശ്യമുള്ളൂ, കൂടുതൽ ശ്രദ്ധാകേന്ദ്രമായ ആവശ്യകതകളുള്ള ഉപയോക്താക്കൾക്ക് ഇത് ഭാരം കുറഞ്ഞതും കാര്യക്ഷമവുമായ ബദലായി മാറുന്നു.

ഉയർന്ന നിലവാരമുള്ള കോഡറുകൾക്കോ ​​വിശാലമായ ആവശ്യകതകളുള്ള ആളുകൾക്കോ ​​Phi-3 Mini അനുയോജ്യമല്ലെങ്കിലും, നിർദ്ദിഷ്ട ആവശ്യങ്ങളുള്ള ഉപയോക്താക്കൾക്ക് ഇത് ഒരു ഫലപ്രദമായ ബദലായിരിക്കും. ഉദാഹരണത്തിന്, ഒരു ചാറ്റ്ബോട്ട് ആവശ്യമുള്ള സ്റ്റാർട്ടപ്പുകൾക്ക് അല്ലെങ്കിൽ ഡാറ്റ വിശകലനത്തിനായി LLM-കൾ പ്രയോജനപ്പെടുത്തുന്ന ആളുകൾക്ക് ഡാറ്റ ഓർഗനൈസേഷൻ, വിവരങ്ങൾ എക്‌സ്‌ട്രാക്റ്റുചെയ്യൽ, ഗണിത ന്യായവാദം, നിർമ്മാണ ഏജൻ്റുമാർ എന്നിവ പോലുള്ള ജോലികൾക്കായി Phi-3 Mini ഉപയോഗിക്കാം. മോഡലിന് ഇൻറർനെറ്റ് ആക്സസ് നൽകിയാൽ, തത്സമയ വിവരങ്ങൾ ഉപയോഗിച്ച് അതിൻ്റെ കഴിവുകളുടെ അഭാവം നികത്തിക്കൊണ്ട് അത് വളരെ ശക്തമാകും.

സാധ്യമായ ഏറ്റവും ഉപയോഗപ്രദമായ വിവരങ്ങൾ ഉപയോഗിച്ച് ഡാറ്റാസെറ്റ് ക്യൂറേറ്റ് ചെയ്യുന്നതിൽ മൈക്രോസോഫ്റ്റിൻ്റെ ശ്രദ്ധ കാരണം Phi-3 Mini ഉയർന്ന ടെസ്റ്റ് സ്കോറുകൾ നേടുന്നു. വിശാലമായ ഫൈ കുടുംബം, വാസ്തവത്തിൽ, വസ്തുതാപരമായ അറിവ് ആവശ്യമുള്ള ജോലികൾക്ക് നല്ലതല്ല, എന്നാൽ ഉയർന്ന യുക്തിസഹമായ കഴിവുകൾ അവരെ പ്രധാന എതിരാളികളെക്കാൾ ഉയർത്തുന്നു. Phi-3 മീഡിയം (14-ബില്യൺ പാരാമീറ്റർ മോഡൽ) GPT-3.5 പോലുള്ള ശക്തമായ LLM-കളെ സ്ഥിരമായി തോൽപ്പിക്കുന്നു—ChatGPT-ൻ്റെ സൗജന്യ പതിപ്പ് നൽകുന്ന LLM— കൂടാതെ Mini പതിപ്പ് ഭൂരിപക്ഷം സിന്തറ്റിക് ബെഞ്ച്മാർക്കുകളിലും Mixtral-8x7B പോലുള്ള ശക്തമായ മോഡലുകളെ വെല്ലുന്നു.

എന്നിരുന്നാലും, Phi-3 അതിൻ്റെ മുൻഗാമിയായ Phi-2 പോലെ ഓപ്പൺ സോഴ്‌സ് അല്ല എന്നത് ശ്രദ്ധിക്കേണ്ടതാണ്. പകരം, അത് ഒരു ആണ് തുറന്ന മോഡൽ, ഇത് ആക്സസ് ചെയ്യാവുന്നതും ഉപയോഗത്തിന് ലഭ്യമാണ് എന്നാണ് അർത്ഥമാക്കുന്നത്, എന്നാൽ ഇതിന് Phi-2 പോലെയുള്ള ഓപ്പൺ സോഴ്‌സ് ലൈസൻസിംഗ് ഇല്ല, ഇത് വിശാലമായ ഉപയോഗത്തിനും വാണിജ്യ ആപ്ലിക്കേഷനുകൾക്കും അനുവദിക്കുന്നു.

വരും ആഴ്‌ചകളിൽ, ഫൈ-3 സ്‌മോൾ (3 ബില്യൺ പാരാമീറ്ററുകൾ), മുകളിൽ പറഞ്ഞ ഫൈ-7 മീഡിയം എന്നിവയുൾപ്പെടെ കൂടുതൽ മോഡലുകൾ ഫി-3 ഫാമിലിയിൽ പുറത്തിറക്കുമെന്ന് മൈക്രോസോഫ്റ്റ് അറിയിച്ചു.

Azure AI സ്റ്റുഡിയോ, ഹഗ്ഗിംഗ് ഫേസ്, ഒല്ലാമ എന്നിവയിൽ മൈക്രോസോഫ്റ്റ് ഫൈ-3 മിനി ലഭ്യമാക്കിയിട്ടുണ്ട്. വിൻഡോസ് ഡയറക്‌ട്എംഎൽ പിന്തുണയ്‌ക്കൊപ്പം ഓഎൻഎൻഎക്‌സ് റൺടൈമിനായി ഇൻസ്ട്രക്ഷൻ-ട്യൂൺ ചെയ്‌ത് ഒപ്‌റ്റിമൈസ് ചെയ്‌തതാണ് മോഡൽ, കൂടാതെ വിവിധ ജിപിയു, സിപിയു, മൊബൈൽ ഹാർഡ്‌വെയർ എന്നിവയിലുടനീളമുള്ള ക്രോസ്-പ്ലാറ്റ്ഫോം പിന്തുണയും.

• SEO പവർ ചെയ്ത ഉള്ളടക്കവും PR വിതരണവും. ഇന്ന് ആംപ്ലിഫൈഡ് നേടുക.
• PlatoData.Network ലംബ ജനറേറ്റീവ് Ai. സ്വയം ശാക്തീകരിക്കുക. ഇവിടെ പ്രവേശിക്കുക.
• PlatoAiStream. Web3 ഇന്റലിജൻസ്. വിജ്ഞാനം വർധിപ്പിച്ചു. ഇവിടെ പ്രവേശിക്കുക.
• പ്ലേറ്റോഇഎസ്ജി. കാർബൺ, ക്ലീൻ ടെക്, ഊർജ്ജം, പരിസ്ഥിതി, സോളാർ, മാലിന്യ സംസ്കരണം. ഇവിടെ പ്രവേശിക്കുക.
• പ്ലേറ്റോ ഹെൽത്ത്. ബയോടെക് ആൻഡ് ക്ലിനിക്കൽ ട്രയൽസ് ഇന്റലിജൻസ്. ഇവിടെ പ്രവേശിക്കുക.
• അവലംബം: https://decrypt.co/227974/microsoft-phi-3-mini-small-ai-language-model