Samaya AI เปิดตัว Sterling โมเดลวิจัยการเงินความจุ 3B
Samaya AI เปิดตัว Sterling โมเดลวิจัยการเงินความจุ 3B-Active ต่อยอดจาก Nemotron 3.5 Lightning ทำคะแนนบน FrontierFinance ได้ 58.9% ด้วยต้นทุนเพียง 0.61 ดอลลาร์ต่อคำถาม
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- Samaya AI เปิดตัว Sterling โมเดลเอเจนต์วิจัยการเงิน
- พัฒนาต่อยอดมาจากโมเดล Nemotron 3.5 Lightning
- ทำคะแนนบน FrontierFinance ได้ 58.9% เหนือกว่า Claude Fable 5.1
- มีต้นทุนต่อคำถามเพียง 0.61 ดอลลาร์ ถูกกว่าถึง 11 เท่า
วงการปัญญาประดิษฐ์ด้านการเงินต้องจับตาหลังจากการประกาศเปิดตัวโมเดลล่าสุดจาก Samaya AI โดยระบบดังกล่าวมีชื่อว่า Sterling ซึ่งถูกออกแบบมาเพื่อทำหน้าที่เป็นเอเจนต์สนับสนุนการวิจัยทางการเงินโดยเฉพาะ โดยใช้พื้นฐานการพัฒนามาจากการฝึกอบรมเพิ่มเติม (post-trained) บนโครงสร้างของ Nemotron 3.5 Lightning เพื่อให้มีความเชี่ยวชาญเฉพาะทางด้านตัวเลขและข้อมูลทางเศรษฐกิจ
ความโดดเด่นของ Sterling อยู่ที่การเป็นโมเดลแบบ 3B-Active ที่มีความคล่องตัวสูงแต่สามารถประมวลผลข้อมูลเชิงลึกที่ซับซ้อนได้อย่างมีประสิทธิภาพ โดยถูกคาดหวังว่าจะเข้ามาช่วยเหลือนักวิเคราะห์ นักลงทุน และสถาบันการเงินในการคัดกรองข้อมูล สรุปรายงาน และค้นคว้างานวิจัยเชิงลึกได้อย่างรวดเร็วและแม่นยำยิ่งขึ้นกว่าเดิม
ในการทดสอบประสิทธิภาพบนเกณฑ์มาตรฐาน FrontierFinance ซึ่งเป็นชุดทดสอบความสามารถด้านการเงินขั้นสูง โมเดล Sterling สามารถทำคะแนนไปได้สูงถึง 58.9% ซึ่งถือเป็นตัวเลขที่น่าประทับใจสำหรับโมเดลขนาดกะทัดรัดระดับนี้ โดยสามารถเอาชนะคู่แข่งคนสำคัญอย่าง Claude Fable 5.1 ที่ทำคะแนนไว้ได้ 55.9% ไปได้อย่างราบคาบ
ภาพโดย Jaime Lopes / Unsplash
นอกจากเรื่องของความแม่นยำแล้ว จุดขายสำคัญที่ทำให้ Sterling น่าสนใจสำหรับองค์กรธุรกิจคือเรื่องของความคุ้มค่าด้านต้นทุน โดยโมเดลนี้มีค่าใช้จ่ายในการประมวลผลเพียง 0.61 ดอลลาร์สหรัฐต่อคำถามเท่านั้น เมื่อเทียบกับคู่แข่งอย่าง Claude Fable 5.1 ที่มีต้นทุนสูงถึง 6.89 ดอลลาร์ต่อคำถาม ซึ่งทำให้ Sterling มีต้นทุนที่ถูกกว่าคู่แข่งมากถึงประมาณ 11 เท่าตัว
การพัฒนาโมเดลขนาดเล็กที่ผ่านการฝึกฝนเฉพาะทาง (Specialized Small Language Models) เช่น Sterling สะท้อนให้เห็นทิศทางของอุตสาหกรรม AI ในปัจจุบัน ที่ไม่ได้แข่งขันกันแค่เรื่องของจำนวนพารามิเตอร์ที่มหาศาลเหมือนในอดีต แต่เน้นไปที่ความคุ้มค่า ความเร็ว และความแม่นยำในโดเมนเฉพาะ (Domain-specific performance) การที่โมเดลขนาด 3B สามารถเอาชนะโมเดลขนาดใหญ่กว่าด้วยต้นทุนที่ต่ำกว่าถึง 11 เท่า แสดงให้เห็นถึงประสิทธิภาพของการทำ post-training ที่ตรงจุด ซึ่งจะช่วยลดอุปสรรคด้านงบประมาณให้กับสถาบันการเงินที่ต้องการนำ AI ไปใช้งานจริงในสเกลใหญ่
การเปิดตัว Sterling จึงถือเป็นอีกหนึ่งหมุดหมายสำคัญที่พิสูจน์ว่าเอเจนต์ AI เฉพาะทางสามารถส่งมอบผลลัพธ์ที่เหนือกว่าในราคาที่เข้าถึงได้ง่ายขึ้น ซึ่งน่าจะสร้างแรงกระตุ้นให้ตลาดซอฟต์แวร์การเงินมีการแข่งขันที่ดุเดือดขึ้นในช่วงเวลาหลังจากนี้
ที่มา: MarkTechPost
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น