VIDRAFT ನ 398-ಬಿಲಿಯನ್ ಪ್ಯಾರಾಮೀಟರ್ ಮಾದರಿಯಾದ Darwin-398B-JGOS, ಕೇವಲ 24 GPUಗಳನ್ನು ಬಳಸಿಕೊಂಡು GPQA Diamond ಲೀಡರ್ಬೋರ್ಡ್ನಲ್ಲಿ ಮೂರನೇ ಸ್ಥಾನವನ್ನು ಪಡೆದುಕೊಂಡಿದೆ. ಕೇವಲ ನೆನಪಿಟ್ಟುಕೊಂಡ ಉತ್ತರಗಳಿಗಿಂತ ನೈಜ ವೈಜ್ಞಾನಿಕ ತರ್ಕವನ್ನು ಬಯಸುವ ಪರೀಕ್ಷೆಯಲ್ಲಿ, ಒಂದು ಸಣ್ಣ ಕೊರಿಯನ್ ಸ್ಟಾರ್ಟ್ಅಪ್ ವಿಶ್ವದ ಅತಿದೊಡ್ಡ AI ಪ್ರಯೋಗಾಲಯಗಳಿಗೆ ಸವಾಲು ಹಾಕಬಲ್ಲದು ಎಂಬುದನ್ನು ಈ ಫಲಿತಾಂಶವು ಸಾಬೀತುಪಡಿಸುತ್ತದೆ.
GPQA Diamond ಏಕೆ ಮುಖ್ಯ
GPQA Diamond ಸಾರ್ವಜನಿಕ ವೆಬ್ಸೈಟ್ಗಳಲ್ಲಿ ಕಂಡುಬರದ ಸ್ನಾತಕೋತ್ತರ ಮಟ್ಟದ ವಿಜ್ಞಾನದ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳುತ್ತದೆ. ಉತ್ತರಗಳನ್ನು ಸ್ಕ್ರೇಪ್ ಮಾಡಲು ಸಾಧ್ಯವಾಗದ ಕಾರಣ, ಮಾದರಿಯು ಸಂಗ್ರಹಿಸಿದ ಸತ್ಯವನ್ನು ಹುಡುಕುವ ಬದಲು ಸಮಸ್ಯೆಯ ಮೂಲಕ ತರ್ಕಬದ್ಧವಾಗಿ ಯೋಚಿಸಬೇಕಾಗುತ್ತದೆ. ಈ ಬೆಂಚ್ಮಾರ್ಕ್ ನೆನಪಿನ ಶಕ್ತಿಯನ್ನಲ್ಲ, ಬದಲಾಗಿ ತರ್ಕಬದ್ಧತೆಯನ್ನು ಪರೀಕ್ಷಿಸುತ್ತದೆ.
ಪ್ರಸ್ತುತ ಲೀಡರ್ಬೋರ್ಡ್
- 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
ಇಂತಹ ಯೋಜನೆಗಳಿಗೆ ಸಾಮಾನ್ಯವಾಗಿ ಬಳಸುವ ಹಾರ್ಡ್ವೇರ್ನ ಒಂದು ಸಣ್ಣ ಭಾಗದ ಮೇಲೆ ಚಾಲನೆಯಾಗುತ್ತಿದ್ದರೂ ಸಹ, Darwin ಮಾದರಿಯು Nvidia, DeepSeek ಮತ್ತು ಹಲವಾರು ಅಮೆರಿಕದ ಹಾಗೂ ಚೀನಾದ ಮಾದರಿಗಳನ್ನು ಹಿಂದಿಕ್ಕಿದೆ.
ಗೆಲುವಿನ ಹಿಂದಿರುವ ವಿಧಾನ
VIDRAFT ಬೃಹತ್ GPU ಫಾರ್ಮ್ ಅನ್ನು ಖರೀದಿಸಲಿಲ್ಲ. ಬದಲಾಗಿ, ತಂಡವು “evolutionary merging” ವಿಧಾನವನ್ನು ಬಳಸಿತು, ಅಂದರೆ ಹಲವಾರು ಓಪನ್-ಸೋರ್ಸ್ ಮಾದರಿಗಳನ್ನು ಪುನರಾವರ್ತಿತವಾಗಿ ಸಂಯೋಜಿಸಿ ಅತ್ಯುತ್ತಮ ಕಾರ್ಯಕ್ಷಮತೆ ಹೊಂದಿರುವ ಘಟಕಗಳನ್ನು ಉಳಿಸಿಕೊಳ್ಳಲಾಯಿತು. ಇದನ್ನು ಸಾಧಾರಣ 24-GPU ಕ್ಲಸ್ಟರ್ನಲ್ಲಿ ಚಲಾಯಿಸುವುದರಿಂದ, ಮೊದಲಿನಿಂದ ತರಬೇತಿ ನೀಡಲು ಸಾಮಾನ್ಯವಾಗಿ ಬೇಕಾಗುವ ಬೃಹತ್ ಬಂಡವಾಳದ ಹೂಡಿಕೆಯಿಲ್ಲದೆ, ಉನ್ನತ ಗುಣಮಟ್ಟದ 398-ಬಿಲಿಯನ್ ಪ್ಯಾರಾಮೀಟರ್ ನೆಟ್ವರ್ಕ್ ಲಭ್ಯವಾಯಿತು.
ಇದು AI ಕ್ಷೇತ್ರಕ್ಕೆ ಏನನ್ನು ಸೂಚಿಸುತ್ತದೆ
- ಪ್ರವೇಶದ ಅಡೆತಡೆಗಳು ಕಡಿಮೆಯಾಗಿವೆ: ಅತ್ಯುನ್ನತ ಮಟ್ಟದ AI ನಿರ್ಮಿಸಲು ಇನ್ನು ಮುಂದೆ ಸಾವಿರಾರು GPUಗಳ ಅಗತ್ಯವಿಲ್ಲ.
ಎಚ್ಚರಿಕೆಗಳು ಮತ್ತು ವಿರೋಧಾಭಿಪ್ರಾಯಗಳು
Darwin ಇನ್ನೂ ಮೊದಲ ಎರಡು ಸ್ಥಾನಗಳಲ್ಲಿರುವ ಮಾದರಿಗಳಿಗಿಂತ ಅಲ್ಪ ಅಂತರದಲ್ಲಿ ಹಿಂದೆ ಇದೆ ಮತ್ತು ಅದರ 398-ಬಿಲಿಯನ್ ಪ್ಯಾರಾಮೀಟರ್ ಗಾತ್ರವು ಇನ್ನೂ ಬೃಹತ್ ಆಗಿದೆ—ಮಾದರಿಯನ್ನು ತರಬೇತಿ ನೀಡಲು ಅಥವಾ ಬಳಸಲು ಇಂದಿಗೂ ಗಮನಾರ್ಹ ಮೂಲಸೌಕರ್ಯದ ಅಗತ್ಯವಿದೆ. ಈ ವಿಧಾನವು ಸಣ್ಣ ಕ್ಲಸ್ಟರ್ನಲ್ಲಿ ಓಪನ್ ಮಾದರಿಗಳ “evolutionary merging” ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ. GPQA Diamond ಇಲ್ಲಿ ಬೆಂಚ್ಮಾರ್ಕ್ ಆಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಿತು.
ಮುಂದೆ ಏನನ್ನು ಗಮನಿಸಬೇಕು
ಇದರ ಸಾರಾಂಶ ಸ್ಪಷ್ಟವಾಗಿದೆ: ಚತುರವಾದ ಮಾದರಿ-ಸಮ್ಮಿಲನ (model-fusion) ತಂತ್ರಗಳು ಕೇವಲ ಕಂಪ್ಯೂಟಿಂಗ್ ಶಕ್ತಿಯನ್ನು ಸರಿದೂಗಿಸಬಲ್ಲವು, ಇದು AI ಸಂಶೋಧನೆಯ ಅತ್ಯುನ್ನತ ಮಟ್ಟದಲ್ಲಿ ಯಾರು ಸ್ಪರ್ಧಿಸಬಹುದು ಎಂಬುದನ್ನು ಮರುರೂಪಿಸುತ್ತದೆ.