Carregando...
Inovação, startups e transformação digital
56 matérias publicadas — Página 5 de 5
Modelo chinês de 671B parâmetros alcança 90.2% no MATH-500 usando MoE agressivo e chips Huawei Ascend, custando US$ 5.5 milhões contra US$ 100+ milhões estimados do GPT-4.
DeepSeek libera V3 com 685B parâmetros totais, 37B ativos, treinado em H800 sob embargo. OpenAI antecipa o3-mini para desenvolvedores. A corrida MoE esquenta.
Modelo chinês de 671B parâmetros alcança 90.2% no MATH-500 e custa US$ 5.5M treinar — enquanto GPT-4 custou ~US$ 100M. Arquitetura MoE multi-head latent attention contorna embargo de chips.
Leak de benchmark interno da DeepSeek mostra V3 superando Claude 3.7 Opus em 12.3 pontos no MATH-500. Anthropic chama de 'cherry-picking'; código do teste está no GitHub desde ontem.
Modelo chinês de 671B parâmetros alcança 90.2% no MATH e 92.3% no HumanEval, custando US$ 5.5M para treinar contra estimados US$ 100M+ do GPT-4. Arquitetura MoE com apenas 37B ativos por token.
Google lança Gemini 2.0 Flash Thinking Experimental, modelo que expõe cadeia de raciocínio. 2M tokens de contexto, grátis no AI Studio, mas ainda sem API pública.
DeepSeek lança R2 com 671B parâmetros totais, 37B ativos por token, superando o3-mini em matemática e custando 95% menos que GPT-4o na API
Llama 3.3 70B alcança 86.0% no HumanEval e 88.4% no MATH, custando 4x menos que modelos 405B. Arquitetura compacta muda economia de inferência.