vLLM Semantic Router เปิดตัว d3-ultra โมเดลตัดสินใจมัลติโมเดล 27B แบบโอเพนซอร์ส
vLLM Semantic Router เปิดตัว d3-ultra โมเดลโอเพนซอร์สขนาด 27B รองรับข้อความ รูปภาพ และวิดีโอ พร้อมทำคะแนน 87.2 บน SR-Text test
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- vLLM Semantic Router เปิดตัว d3-ultra โมเดลโอเพนซอร์สขนาด 27B
- รองรับการประมวลผลข้อความ รูปภาพ และวิดีโอในครั้งเดียว
- คืนค่าความน่าจะเป็นสำหรับทุกคำตอบที่ได้รับ
- ทำคะแนนได้ 87.2 บนชุดทดสอบ SR-Text test ของทีมผู้พัฒนา
วงการปัญญาประดิษฐ์ต้องจับตาอีกครั้งเมื่อ vLLM Semantic Router ประกาศเปิดตัว d3-ultra ซึ่งเป็นโมเดลตัดสินใจแบบมัลติโมเดล (multimodal decision model) แบบโอเพนซอร์ส (open-weight) ที่มีขนาดพารามิเตอร์ 27 พันล้านพารามิเตอร์ (27B) โดยถูกออกแบบมาเพื่อเพิ่มประสิทธิภาพและความแม่นยำในการประมวลผลข้อมูลหลากหลายรูปแบบในเวลาเดียวกัน
ความโดดเด่นของโมเดล d3-ultra อยู่ที่ความสามารถในการอ่านและทำความเข้าใจข้อมูลประเภทข้อความ รูปภาพ และวิดีโอได้พร้อมกันในรอบการประมวลผลเพียงครั้งเดียว (reads text, images and video once) ซึ่งช่วยลดความซับซ้อนและเพิ่มความรวดเร็วในการทำงานเมื่อเทียบกับสถาปัตยกรรมแบบเดิมที่ต้องแยกประมวลผลทีละสื่อ
ในด้านประสิทธิภาพการทำงาน d3-ultra สามารถประมวลผลและให้ผลลัพธ์ออกมาในรูปแบบของค่าความน่าจะเป็น (probabilities) สำหรับทุกๆ คำตอบที่เป็นไปได้ ทำให้ระบบปลายทางสามารถนำไปวิเคราะห์หรือเลือกผลลัพธ์ที่เหมาะสมที่สุดได้อย่างแม่นยำยิ่งขึ้น นอกจากนี้ โมเดลดังกล่าวยังทำคะแนนทดสอบบน SR-Text test ที่พัฒนาโดยทีมงานได้สูงถึง 87.2 คะแนน
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
การเปิดตัว d3-ultra สะท้อนให้เห็นถึงความพยายามของชุมชนโอเพนซอร์สในการผลักดันขีดจำกัดของโมเดลภาษาขนาดใหญ่ (LLM) ให้ก้าวไปสู่ระดับมัลติโมเดลที่แท้จริง การที่โมเดลสามารถประมวลผลวิดีโอและภาพร่วมกับข้อความได้ในรอบเดียวมีความสำคัญอย่างยิ่งต่อการพัฒนาแอปพลิเคชันปัญญาประดิษฐ์ที่ต้องตอบสนองแบบเรียลไทม์ เช่น ระบบขับเคลื่อนอัตโนมัติ ผู้ช่วยเสมือนอัจฉริยะ หรือระบบวิเคราะห์วิดีโอความละเอียดสูง ซึ่งต้องอาศัยการตัดสินใจที่รวดเร็วและแม่นยำจากข้อมูลหลายมิติพร้อมกัน
ที่มา: MarkTechPost
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น