Mistral AI, hraðvaxandi evrópskur sproti í gervigreind, tilkynnti í dag um frumsýningu nýs tungumódels sem það segir veita frammistöðu sem jafnist á við módel sem eru þrisvar sinnum stærri, á sama tíma og tölvukostnaður er verulega lækkaður. Þessi framför hefur möguleika á að endurskilgreina efnahagslandslagið fyrir innleiðingu háþróaðrar gervigreindar. Módelið, sem nefnist Mistral Small 3, hefur 24 milljarða breytu og nær 81% nákvæmni á staðlaðri mælingum, vinnur 150 tákn á sekúndu. Fyrirtækið gerir það aðgengilegt undir opinni Apache 2. 0 leyfi, sem veitir fyrirtækjum frelsi til að breyta og innleiða það að vild. Guillaume Lample, yfirmaður vísindamála hjá Mistral, sagði í einlægu samtali við VentureBeat: „Við teljum það vera besta módelið meðal þeirra sem hafa færri en 70 milljarða breytu. Við teljum að það sé nokkurn veginn sambærilegt við Llama 3. 3 70B frá Meta, sem kom út fyrir nokkrum mánuðum og er þrisvar sinnum stærra. “ Þessi tilkynning berst á tímum aukins athygli á kostnaði við gervigreindarþróun. Kínverski sprotinn DeepSeek fullyrti að hann hefði þjálfað samkeppnishæft módelið fyrir einungis 5, 6 milljónir dollara, yfirlýsing sem leiddi til þess að markaðsvirði Nvidia lækkaði um næstum 600 milljarða dollara í þessari viku, þar sem fjárfestar endurskoðuðu stóru fjárfestingarnar af hálfu bandarískra tæknifyrirtækja. Stefna Mistral leggur áherslu á skilvirkni fremur en hreinan skala. Fyrirtækið bendir á að frammistöðuaukningar þess megi að mestu þakka úrbótum á þjálfunaraðferðum, en forðast að aðeins auka tölvuafl. „Það sem hefur breyst eru aðallega aðferðir við þjálfunarbestun, “ útskýrði Lample fyrir VentureBeat. „Við tókum upp aðra þjálfunaraðferð til að bestunara módelinu. “ Samkvæmt Lample var módelið þjálfað á 8 billjón táknum, en svipuð mödel þurfa að jafnaði um 15 billjón tákn.

Þessi aukna skilvirkni gæti gert háþróaða gervigreindar tækni aðgengilegri fyrir fyrirtæki sem hafa áhyggjur af tölvukostnaði. Mikilvægast er að Mistral Small 3 var skapað án styrkingarþjálfunar eða gervitækni gagna — aðferðir sem oft eru notaðar af samkeppnisaðilum. Lample tók fram að þessi „óunnu“ aðferð hjálpar til við að koma í veg fyrir innleiðingu óæskilegra skekkna sem gætu verið erfið að greina síðar. Móðelið er sérlega ætlað fyrirtækjum sem þurfa staðbundna innleiðingu vegna persónuverndar og áreiðanleika, svo sem í fjármálatengdum þjónustu, heilbrigðisþjónustu og framleiðslu. Það starfar á einum GPU og þjónar 80-90% af stöðluðum viðskiptalausnum, að sögn fyrirtækisins. „Margir af viðskiptavinum okkar kjósa staðbundið lausn vegna áhyggjunnar um persónuvernd og áreiðanleika, “ sagði Lample. „Þeir vilja að nauðsynleg þjónusta sé studd af kerfum sem þeir geta algjörlega stjórnað. “ Mistral, með virði upp á 6 milljarða dollara, er að festa sig í sessi sem leiðandi keppinautur Evrópu á alþjóðlegum gervigreindarmarkaði. Fyrirtækið tryggði nýlega fjármögnun frá Microsoft og er að undirbúa framtíðarfjárfestingu, eins og CEO Arthur Mensch hefur tekið fram. Sérfræðingar í iðnaði benda á að ásetningur Mistral um að þróa minni, skilvirkari mödel gæti verið strategískt skynsamlegt þar sem gervigreindarsektorinn þróast. Þessi nálgun er í andstöðu við leiðir hjá fyrirtækjum eins og OpenAI og Anthropic, sem hafa einbeitt sér að því að búa til sífellt stærri og dýrari mödel. Lample lýsti skoðun sinni þannig: „Við munum líklega verða vitni að því sem gerðist árið 2024, hugsanlega á stærri skala—flæði opinn aðgengilegra módela með mjög afskekktum leyfum. Við teljum að skilyrt mödel verði líklega vörur. “ Þar sem samkeppni eykst og skilvirkni batnar, gæti einbeiting Mistral að bestun minni módel hjálpað til við að auka aðgengi að háþróaðri gervigreindartækni, hugsanlega hraðað innleiðingu í atvinnugreinum á meðan kostnaður við tölvu-infrastrúktúr minnkar.