VIDRAFT નું 398-બિલિયન-પેરામીટર મોડેલ, Darwin-398B-JGOS, માત્ર 24 GPUs નો ઉપયોગ કરીને GPQA Diamond લીડરબોર્ડ પર ત્રીજું સ્થાન મેળવ્યું છે. આ પરિણામ સાબિત કરે છે કે એક નાની કોરિયન સ્ટાર્ટઅપ ગોખેલા જવાબોને બદલે વાસ્તવિક વૈજ્ઞાનિક તર્કની માંગ કરતા પરીક્ષણમાં વિશ્વની સૌથી મોટી AI લેબ્સને ટક્કર આપી શકે છે.
GPQA Diamond શા માટે મહત્વનું છે
GPQA Diamond ગ્રેજ્યુએટ-સ્તરના વિજ્ઞાનના પ્રશ્નો પૂછે છે જે જાહેર વેબસાઇટ્સ પર જોવા મળતા નથી. કારણ કે જવાબો સ્ક્રેપ કરી શકાતા નથી, તેથી મોડેલે સંગ્રહિત તથ્યો મેળવવાને બદલે સમસ્યા દ્વારા તર્ક કરવો પડે છે. આ બેન્ચમાર્ક ગોખણપટ્ટીને બદલે તર્કબદ્ધ વિચારવાની ક્ષમતા પર ભાર મૂકે છે.
વર્તમાન લીડરબોર્ડ
- Kimi-K3 (CN): 93.5
- GLM-5.2 (CN): 91.2
- Darwin-398B-JGOS (KR): 90.9
- DeepSeek-V4-Pro (CN): 90.1
- Inkling-Small (US): 89.5
- Qwen3.5-397B-A17B (CN): 88.4
- Nemotron-3-Ultra-550B (US): 87.9
Darwin, Nvidia, DeepSeek અને અમેરિકા તથા ચીનના અન્ય ઘણા મોડેલ્સ કરતા પણ આગળ નીકળી ગયું છે, ભલે તે આવા પ્રોજેક્ટ્સ માટે સામાન્ય રીતે વપરાતા હાર્ડવેરના માત્ર એક નાના ભાગ પર ચાલે છે.
વિજય પાછળની પદ્ધતિ
VIDRAFT એ કોઈ વિશાળ GPU ફાર્મ ખરીદ્યું નથી. તેના બદલે, ટીમે “evolutionary merging” નો ઉપયોગ કર્યો, જેમાં અનેક ઓપન-સોર્સ મોડેલ્સને વારંવાર જોડીને શ્રેષ્ઠ પ્રદર્શન કરતા ઘટકોને રાખવામાં આવ્યા હતા. આ પદ્ધતિને માત્ર 24-GPU ક્લસ્ટર પર ચલાવવાથી, શૂન્યથી તાલીમ આપવા માટે સામાન્ય રીતે જરૂરી મોટા મૂડી રોકાણ વગર, ઉચ્ચ ગુણવત્તાવાળું 398-બિલિયન-પેરામીટર નેટવર્ક પ્રાપ્ત થયું છે.
AI ક્ષેત્ર માટે આનો અર્થ શું છે
- પ્રવેશ અવરોધમાં ઘટાડો: હવે એલાઇટ AI બનાવવા માટે હજારો GPUs ની જરૂર નથી.
સાવચેતીઓ અને વિરોધાભાસી મુદ્દાઓ
Darwin હજુ પણ નજીવા અંતરથી ટોચના બે મોડેલ્સથી પાછળ છે, અને તેનું 398-બિલિયન-પેરામીટર કદ હજુ પણ વિશાળ છે—મોડેલની તાલીમ અથવા તેને ચલાવવા માટે હજુ પણ નોંધપાત્ર ઇન્ફ્રાસ્ટ્રક્ચરની જરૂર પડે છે. આ અભિગમ નાના ક્લસ્ટર પર ઓપન મોડેલ્સના evolutionary merging પર આધારિત છે. GPQA Diamond અહીં બેન્ચમાર્ક તરીકે કામ કરે છે.
આગળ શું જોવું
મુખ્ય વાત સ્પષ્ટ છે: સ્માર્ટ મોડેલ-ફ્યુઝન વ્યૂહરચનાઓ કાચા કમ્પ્યુટિંગ પાવરની અછતને પૂરી કરી શકે છે, જે AI સંશોધનના સર્વોચ્ચ સ્તરે કોણ સ્પર્ધા કરી શકે છે તેનો નકશો બદલી શકે છે.