ریسک از جایی ناشی می‌شود که ندانید چه کاری انجام می‌دهید؛ پس برای کاهش ریسک، آگاهی خودتان را بالا ببرید. - وارن بافت

مشاوره اختصاصی با سینا

آخرین اخبار دنیای کریپتو

ورود آمریکا به فاز برتری در رقابت هوش مصنوعی با Llama 4 متا

2025/04/07
10:07
9

با معرفی مدل‌های نسل چهارم هوش مصنوعی Llama 4 از سوی شرکت متا، ایالات متحده بار دیگر در رقابت جهانی هوش مصنوعی به جایگاه پیشتاز بازگشته است. دیوید سَکس، مسئول حوزه هوش مصنوعی و رمزارز در آمریکا، در پستی در شبکه X نوشت: «برای پیروزی در رقابت هوش مصنوعی، باید در متن‌باز هم پیروز شویم، و Llama 4 ما را به صدر بازگرداند.»

متا در تاریخ ۶ آوریل دو مدل جدید Llama 4 را با نام‌های Scout و Maverick به‌صورت متن‌باز معرفی کرد. این مدل‌ها با بهره‌گیری از معماری «ترکیب متخصصان» (MoE) توسعه یافته‌اند، به‌طوری‌که چندین زیرمدل تخصصی به صورت هوشمندانه با هم همکاری می‌کنند. مدل Scout دارای ۱۷ میلیارد پارامتر فعال و ۱۶ متخصص است، در حالی‌که Maverick نیز با همان میزان پارامتر اما ۱۲۸ متخصص طراحی شده است.

طبق ادعای متا، Scout از نظر عملکرد از مدل‌هایی نظیر Gemma 3، Gemini 2.0 Flash-Lite و Mistral 3.1 پیشی گرفته است. Maverick نیز با وجود تعداد پارامتر کمتر، در منطق و کدنویسی عملکردی هم‌سطح با DeepSeek v3 دارد و حتی GPT-4o و Gemini 2.0 Flash را در چندین معیار پشت سر گذاشته است.

این پیشرفت در حالی رخ داده که رقیب چینی، DeepSeek، با معرفی مدل R1 در ژانویه ۲۰۲۵ و هزینه‌ای تنها ۶ میلیون دلاری، توانست زنگ خطر را برای شرکت‌های آمریکایی به صدا درآورد. این موضوع باعث سقوط ارزش سهام شرکت‌هایی چون Nvidia شد. دونالد ترامپ نیز این تحول را "هشداری جدی" برای غول‌های تکنولوژی آمریکا دانست.

با وجود این فشارها، متا با Llama 4 نه‌تنها پاسخی قاطع به رقبا داد، بلکه زمینه‌ساز ورود دوباره آمریکا به صدر رقابت هوش مصنوعی شد. نسخه در حال آموزش مدل Llama 4 Behemoth نیز، طبق ادعای متا، یکی از "باهوش‌ترین مدل‌های زبانی دنیا" خواهد بود.

Llama 4 اکنون در اپلیکیشن‌هایی نظیر واتساپ و اینستاگرام در دسترس قرار گرفته و در مسیر تحقق هوش مصنوعی مولتی‌مدال، گامی بزرگ محسوب می‌شود.

#AI #Meta #Llama4 #OpenSourceAI #DeepSeek #GPT4 #GeminiAI #MultimodalAI #CryptoNews #TechRace #ArtificialIntelligence #MoE #Chatbot


منبع : Cryptoslate