Ang Inception, isang bagong tatag na kumpanya sa Palo Alto, na itinatag ng propesor ng computer science ng Stanford na si Stefano Ermon, ay nag-aangkin ng pagkakalikha ng isang makabagong AI model gamit ang teknolohiyang tinatawag na “diffusion. ” Ang makabagong modelong ito ay tinatawag na diffusion-based large language model, o “DLM” sa madaling salita. Sa kasalukuyan, ang mga generative AI model na nakakakuha ng pinakamaraming atensyon ay maaaring hatiin sa dalawang pangunahing uri: large language models (LLMs) at diffusion models. Ang mga LLM, na dinisenyo sa transformer architecture, ay dalubhasa sa pagbuo ng teksto. Sa kabaligtaran, ang mga diffusion model, ang teknolohiya sa likod ng mga AI platform tulad ng Midjourney at Sora ng OpenAI, ay pangunahing nakatuon sa paglikha ng mga imahe, video, at audio. Ayon sa Inception, ang kanilang modelo ay pinagsasama ang mga kakayahan ng mga tradisyunal na LLM—tulad ng pagbuo ng code at pagsasagot sa mga tanong—na may pinakamalaking napahusay na bilis at mas mababang gastos sa computing. Ibinahagi ni Ermon sa TechCrunch na matagal na niyang sinisiyasat ang aplikasyon ng mga diffusion model sa pagbuo ng teksto sa kanyang research lab sa Stanford. Ang kanyang trabaho ay umusbong mula sa obserbasyon na ang mga tradisyunal na LLM ay tumatakbo sa mas mabagal na bilis kumpara sa mga teknolohiyang diffusion. Ipinaliwanag ni Ermon na sa mga LLM, “hindi mo maaring buuin ang pangalawang salita hangga’t hindi mo pa nagagawa ang una, at ang pangatlong salita ay hindi maaring likhain hangga’t hindi kumpleto ang unang dalawa. ” Naghahanap ng paraan upang ilapat ang mga mekanismo ng diffusion sa pagbuo ng teksto, napansin ni Ermon na, sa kabaligtaran ng mga LLM na tumatakbo nang sunud-sunod, ang mga diffusion model ay nagsisimula sa isang magaspang na pagsasampol ng output (halimbawa, isang imahe) at pinapahusay ang datos nang komprehensibo sa isang pagkakataon. Teorisado ni Ermon na ang paglikha at pagbabago ng malalaking bloke ng teksto nang sabay-sabay ay maaaring maisakatuparan gamit ang mga diffusion model.

Pagkatapos ng ilang taong pananaliksik, siya at isang estudyante niya ay nakamit ang isang makabuluhang tagumpay, na kanilang dokumentado sa isang research paper na inilathala noong nakaraang taon. Nang makilala ang potensyal ng pag-unlad na ito, itinatag ni Ermon ang Inception noong nakaraang tag-init, kasama ang mga dating estudyanteng sina Aditya Grover, isang propesor sa UCLA, at Volodymyr Kuleshov mula sa Cornell University upang mag-co-lead sa proyektong ito. Bagamat pinili ni Ermon na hindi ipahayag ang tiyak na mga detalye ng pagpopondo para sa Inception, nalaman ng TechCrunch na ang Mayfield Fund ay kabilang sa mga namumuhunan nito. Nakakuha na ang Inception ng mga kontrata mula sa iba't ibang kliyente, kabilang ang mga hindi pinangalanang Fortune 100 na kumpanya, sa pamamagitan ng pagtugon sa kanilang mga kagyat na pangangailangan para sa mas mababang latency ng AI at pinahusay na bilis, ayon kay Ermon. “Ang aming mga modelo ay maaaring gumamit ng GPUs nang mas mahusay, ” iginiit ni Ermon, na tumutukoy sa mga graphics processing unit na karaniwang ginagamit sa pagpapatakbo ng mga production model. “Naniniwala ako na ito ay nagbabago at babaguhin ang paraan kung paano nade-develop ang mga language model. ” Nagbibigay ang kumpanya ng isang API kasama ang mga pagpipilian para sa on-premises at edge device deployments, suporta para sa fine-tuning ng modelo, at isang hanay ng mga handang gamitin na DLM para sa iba't ibang aplikasyon. Ipinagmamalaki ng Inception na ang kanilang mga DLM ay maaaring tumakbo ng hanggang 10 beses na mas mabilis kaysa sa mga tradisyunal na LLM habang may gastos na 10 beses na mas mababa. Pahayag ng isang kinatawan ng kumpanya sa TechCrunch, “Ang aming ‘maliit’ na modelo ng coding ay katumbas ng pagganap ng [OpenAI’s] GPT-4o mini ngunit tumatakbo sa higit sa 10 beses na bilis. Ang aming ‘mini’ na modelo ay humah surpass sa mga maliit na open-source alternatives tulad ng [Meta’s] Llama 3. 1 8B, na umaabot ng mahigit 1, 000 tokens kada segundo. ”