Mtindo wa VIDRAFT wenye vigezo bilioni 398, Darwin-398B-JGOS, ulishika nafasi ya tatu kwenye orodha ya viongozi ya GPQA Diamond ukitumia GPU 24 tu. Matokeo haya yanathibitisha kuwa kampuni ndogo ya kuanzia ya Korea inaweza kushindana na maabara kubwa zaidi za AI duniani kwenye jaribio linalohitaji mantiki halisi ya kisayansi badala ya majibu yaliyokaririwa.

Kwa nini GPQA Diamond ni muhimu

GPQA Diamond huuliza maswali ya sayansi ya kiwango cha uzamili ambayo hayapatikani kwenye tovuti za umma. Kwa sababu majibu hayawezi kukusanywa (scraped), mtindo lazima utumie mantiki kutatua tatizo badala ya kutoa ukweli uliohifadhiwa. Kipimo hiki kinasisitiza mantiki, si kukariri.

Orodha ya viongozi kwa sasa

  • 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 inashinda mitindo kutoka Nvidia, DeepSeek na bidhaa nyingine kadhaa za Marekani na China, ingawa inafanya kazi kwa kutumia sehemu ndogo sana ya vifaa (hardware) ambavyo ni vya kawaida kwa miradi kama hiyo.

Mbinu iliyofanya ushindi huu upatikane

VIDRAFT haikununua shamba kubwa la GPU. Badala yake, timu ilitumia “evolutionary merging,” ikichanganya mitindo mingi ya chanzo huru (open-source) hatua kwa hatua na kubakiza sehemu zinazofanya vizuri zaidi. Kuendesha mbinu hii kwenye kundi dogo la GPU 24 kulizaa mtandao wa hali ya juu wenye vigezo bilioni 398 bila kuhitaji mtaji mkubwa unaohitajika kwa kawaida kuanza mafunzo upya.

Hii inamaanisha nini kwa uwanja wa AI

  • Kupungua kwa vizuizi vya kuingia: Kujenga AI ya daraja la juu hakihitaji tena maelfu ya GPU.

Tahadhari na hoja za kinyume

Darwin bado inafuatilia viongozi wawili kwa pengo dogo, na ukubwa wake wa vigezo bilioni 398 bado ni mkubwa—kufundisha au kutoa huduma ya mtindo huo bado kunahitaji miundombinu kubwa. Mbinu hii inategemea "evolutionary merging" ya mitindo huru kwenye kundi dogo la kompyuta. GPQA Diamond ilitumika kama kipimo.

Nini cha kufuatilia baadaye

Funzo ni wazi: mbinu za kijanja za kuunganisha mitindo (model-fusion) zinaweza kufidia upungufu wa nguvu ya kompyuta (raw compute), na kubadilisha nani anaweza kushindana katika viwango vya juu zaidi vya utafiti wa AI.