NVIDIA เปิดตัวโมเดล AI ใหม่ที่เหนือกว่า GPT-4o และ Claude 3.5 Sonnet แบบเงียบ ๆ 

ดูเหมือนว่า NVIDIA จะไม่ได้เน้นแค่พัฒนาหน่วยประมวลผล GPU อีกต่อไปแล้ว ล่าสุด NVIDIA ได้ปล่อยโมเดล AI ใหม่ที่เผยว่าสามารถเอาชนะโมเดลชั้นนำของทาง OpenAI และ Anthropic ที่สามารถบอกได้เลยว่า NVIDIA อีกหนึ่งเจ้าที่เป็นผู้นำในเรื่องโมเดล AI แล้ว

ล่าสุด NVIDIA ได้เปิดตัวโมเดลชื่อ Llama-3.1-Nemotron-70B-Instruct บน Hugging Face แพลตฟอร์มเผยแพร่โมเดล AI ยอดนิยมแบบเงียบ ๆ 

หากแต่ก็มีสิ่งที่น่าดึงดูดอย่างมากจากผลลัพธ์ที่ทางบริษัทเผยว่าโมเดลดังกล่าวนั้นสามารถเอาชนะโมเดลยอดนิยมอย่าง GPT-4o ของ OpenAI และ Claude 3.5 Sonnet ของ Anthropic ได้ในหลาย ๆ Benchmark ไม่ว่าจะเป็น Area Hard ที่ได้คะแนนสูงถึง 85.0, AlpacaEval 2 LC ถึง 57.6 และ GPT-4-Turbo MT-Bench ถึง 8.98  

ถ้าหากใครอยากจะทดลอง Inference ทาง NVIDIA เปิดให้ลอง Host แล้วใช้งาน Inference ผ่าน NIM ได้ฟรีที่ build.nvidia.com

สำหรับรายละเอียดเพิ่มเติมของโมเดล Llama-3.1-Nemotron-70B-Instruct สามารถดูได้ที่เว็บไซต์ Hugging Face หรือสามารถดูรายละเอียดจากงานตีพิมพ์ได้ที่นี่

ที่มา: https://venturebeat.com/ai/nvidia-just-dropped-a-new-ai-model-that-crushes-openais-gpt-4-no-big-launch-just-big-results/

About chatchai

Tech Writer แห่ง TechTalk Thai ที่สนใจในทุกนวัตกรรมและเทคโนโลยี

Check Also

Sonar เข้าซื้อกิจการ Gitar สตาร์ตอัป AI Code Review ยกระดับระบบตรวจสอบโค้ดด้วย Agentic Reasoning

Sonar ผู้ให้บริการแพลตฟอร์มตรวจสอบคุณภาพและความมั่นคงปลอดภัยของโค้ด ประกาศเข้าซื้อกิจการ Gitar สตาร์ตอัปผู้เชี่ยวชาญด้านระบบ AI-native Code Review การเข้าซื้อกิจการครั้งนี้มีเป้าหมายเพื่อผสานความสามารถด้านการคิดวิเคราะห์ของ Gitar เข้ากับเอนจินตรวจสอบโค้ดของ Sonar เพื่อสร้างความมั่นคงปลอดภัยที่รัดกุมยิ่งขึ้นสำหรับทีม DevOps ในยุคที่ …

Stripe ยกระดับระบบชำระเงินสู่โครงสร้างพื้นฐานสำหรับ Machine-to-Machine รับยุค Agentic AI

Stripe เปิดตัวผลิตภัณฑ์ใหม่ 288 รายการ พร้อมส่งแผนพลิกโฉมระบบชำระเงินจากเดิมที่เป็นโครงสร้างพื้นฐานในการทำธุรกรรมสำหรับมนุษย์ ให้กลายเป็นโครงสร้างพื้นฐานที่สามารถตั้งโปรแกรมได้และทำงานอย่างต่อเนื่องเพื่อรองรับธุรกกรรมแบบ Machine-to-Machine ถือเป็นการปูทางเข้าสู่ระบบเศรษฐกิจแบบ Agentic AI อย่างเต็มรูปแบบ