DeepSeek Semana Abierta de código abierto, Día 3: Lanzamiento de DeepGEMM, biblioteca FP8 GEMM para entrenamiento e inferencia de IA

¡Gratis! DeepSeek R1T Chimera ya está disponible en la plataforma OpenRouter

El modelo DeepSeek R1T Chimera, desarrollado por TNG Technology Consulting, ya está disponible en la plataforma OpenRouter, ofreciendo a los desarrolladores de todo el mundo una capacidad de inferencia eficiente y potente. Este nuevo modelo de código abierto combina la excelente capacidad de inferencia de DeepSeek R1 con el alto rendimiento de V3-0324, lo que representa un gran avance en el equilibrio entre rendimiento y eficiencia en la tecnología de IA de código abierto. A continuación, se muestra la información recopilada por AIbase.

Boletín diario de IA: Kunlun Wanwei lanza modelos de código abierto Skywork-OR1; la plataforma de desarrollo de agentes iFLYTEK StarAgent admite completamente MCP; Kimi lanza el modelo de lenguaje visual de código abierto Kimi-VL

¡Bienvenido al boletín diario de IA! Aquí encontrará su guía diaria para explorar el mundo de la inteligencia artificial. Todos los días le presentamos los temas más relevantes del campo de la IA, centrados en los desarrolladores, para ayudarle a comprender las tendencias tecnológicas y conocer las aplicaciones innovadoras de los productos de IA. Más información sobre nuevos productos de IA: https://top.aibase.com/1、Kimi lanza el modelo de lenguaje visual de código abierto Kimi-VL y Kimi-VL-Thinking, superando a GPT-4 en varios puntos de referencia. Moonshot AI recientemente lanzó código abierto

ByteDance lanza Seed-Thinking-v1.5: Una nueva fuerza en las competiciones de IA de razonamiento

Meta lanza Llama 4, un gran modelo lingüístico: la arquitectura de expertos mixtos lidera la nueva era de la IA

Meta ha lanzado su último modelo de inteligencia artificial de código abierto, Llama 4, marcando otro avance importante en el campo de la inteligencia artificial. Llama 4 se presenta en dos versiones, denominadas Scout y Maverick, con el objetivo de mejorar las capacidades y el rendimiento de los modelos de IA. Meta afirma que Llama 4 es un modelo multimodal, capaz de procesar varios tipos de datos, como texto, imágenes, vídeo y audio, y de realizar conversiones entre estos formatos. Cabe destacar que la serie Llama 4 es la primera en...

Ant Group lanza dos modelos MoE innovadores que reducen drásticamente el coste de entrenamiento

Recientemente, el equipo Ling de Ant Group publicó en la plataforma de preimpresión Arxiv un artículo técnico titulado «Cada FLOP cuenta: escalar un modelo Ling MoE de 300 mil millones de parámetros sin necesidad de GPU de gama alta», donde presenta dos nuevos modelos de lenguaje grande: Ling-Lite (versión ligera) y Ling-Plus (versión mejorada). Estos modelos incorporan varias innovaciones en su diseño que permiten un entrenamiento eficiente en hardware de bajo rendimiento, reduciendo significativamente el coste.

Moore Threads lanza dos importantes frameworks de IA de código abierto: eficiencia de entrenamiento de GPU nacionales supera el 90%

Moore Threads, empresa líder en tecnología de GPU, ha anunciado la liberación de dos potentes frameworks de IA de código abierto: MT-MegatronLM y MT-TransformerEngine. Estos frameworks demuestran una eficiencia de entrenamiento en GPU nacionales superior al 90%, marcando un hito significativo en el desarrollo de la IA en China.

El equipo de Tsinghua lanza el motor de inferencia Chitu de código abierto para impulsar el ecosistema de IA nacional

Recientemente, el equipo del profesor Zhai Jidong del Instituto de Computación de Alto Rendimiento de la Universidad Tsinghua, junto con la empresa de innovación tecnológica Qingcheng Jizhi, afiliada a Tsinghua, ha anunciado una emocionante noticia: el lanzamiento del motor de inferencia de modelos grandes de código abierto "赤兔 Chitu". Este lanzamiento innovador marca otro avance importante para China en el campo de la IA, especialmente en el desarrollo de motores de inferencia. El punto clave del motor "赤兔 Chitu" es su capacidad para ejecutar modelos de precisión FP8 de forma nativa en GPU que no sean de la arquitectura Nvidia Hopper y en varios chips nacionales.

Tencent lanza Hunyuan-TurboS: el primer modelo Transformer-Mamba MoE híbrido extremadamente grande hace su impactante debut

Aumento explosivo de la eficiencia de los modelos grandes: se publica el código abierto de la tecnología COMET de ByteDance, con una aceleración de 1,7 veces

El equipo de modelos Doubao de ByteDance anunció recientemente que ha superado con éxito los cuellos de botella clave de la arquitectura de modelos de expertos mixtos (MoE) y ha publicado una importante tecnología de optimización llamada COMET. Esta tecnología mejora significativamente la eficiencia del entrenamiento de los modelos grandes, logrando una mejora de hasta 1,7 veces y reduciendo en un 40% los costes de entrenamiento. Nota sobre la imagen: Imagen generada por IA, proveedor de servicios de licencias de imágenes Midjourney. Según la información facilitada, la tecnología COMET ya se ha aplicado en el entrenamiento de clústeres de miles de tarjetas gráficas de ByteDance, lo que ha supuesto un ahorro de millones de GP.

Segunda jornada de la semana de código abierto de DeepSeek: Primer biblioteca de comunicación EP de código abierto para modelos MoE

DeepSeek ha anunciado el producto del segundo día de su semana de código abierto: la primera biblioteca de comunicación EP de código abierto para modelos MoE, que admite la optimización integral del entrenamiento e inferencia de modelos de expertos mixtos. DeepEP es una biblioteca de comunicación eficiente diseñada específicamente para expertos mixtos (MoE) y paralelismo de expertos (EP). Se centra en proporcionar núcleos de GPU de muchos a muchos con alto rendimiento y baja latencia, comúnmente conocidos como programación y combinación MoE. DeepEP no solo admite operaciones de baja precisión como FP8, sino que también es compatible con el artículo DeepSeek-V3.