Mistral AI, sebuah startup Eropah yang berkembang pesat dalam bidang kecerdasan buatan, hari ini mengumumkan pelancaran model bahasa baharu yang dikatakannya memberikan prestasi setara dengan model yang tiga kali lebih besar sambil mengurangkan perbelanjaan pengkomputeran dengan ketara. Kemajuan ini berpotensi untuk mendefinisikan semula landskap ekonomi bagi penggunaan AI yang canggih. Dinamai Mistral Small 3, model ini mempunyai 24 bilion parameter dan mencapai ketepatan 81% pada penanda aras standard, memproses 150 token sesaat. Syarikat ini membuatnya tersedia di bawah lesen terbuka Apache 2. 0, memberi kebebasan kepada perniagaan untuk mengubah dan menggunakan model itu mengikut kehendak mereka. Guillaume Lample, ketua pegawai sains Mistral, menyatakan dalam perbincangan eksklusif dengan VentureBeat, “Kami menganggapnya sebagai model terbaik dalam kalangan yang mempunyai kurang daripada 70 bilion parameter. Kami menganggarkan ia lebih kurang setara dengan Llama 3. 3 70B daripada Meta, yang dilancarkan beberapa bulan lalu dan tiga kali lebih besar. ” Pengumuman ini tiba di tengah-tengah perhatian yang meningkat terhadap kos pembangunan AI. Startup China, DeepSeek, mendakwa telah melatih model yang kompetitif hanya dengan $5. 6 juta, satu kenyataan yang mengakibatkan kerugian hampir $600 bilion dalam penilaian pasaran Nvidia minggu ini, ketika pelabur mempertimbangkan semula pelaburan besar yang dibuat oleh syarikat teknologi A. S. Strategi Mistral menekankan kecekapan berbanding skala besar semata-mata. Syarikat ini mengaitkan peningkatan prestasinya terutamanya kepada teknik latihan yang lebih baik, mengelak pendekatan yang hanya meningkatkan kuasa pengkomputeran. “Apa yang telah berubah adalah kaedah pengoptimuman latihan, ” jelas Lample kepada VentureBeat. “Kami menggunakan strategi latihan yang berbeza untuk mengoptimumkan model. ” Menurut Lample, model ini dilatih dengan 8 trilion token, manakala model serupa memerlukan kira-kira 15 trilion token.

Kecekapan yang meningkat ini dapat menjadikan teknologi AI yang canggih lebih mudah diakses oleh perniagaan yang bimbang tentang kos pengkomputeran. Penting untuk diingat, Mistral Small 3 dicipta tanpa pembelajaran pengukuhan atau data latihan sintetik—kaedah yang sering digunakan oleh pesaing. Lample menyatakan bahawa metodologi "mentah" ini membantu mengelak penggabungan bias yang tidak diingini yang mungkin sukar dikenalpasti kemudian. Model ini ditujukan khusus kepada syarikat yang memerlukan penggunaan di lokasi untuk privasi dan kebolehpercayaan, seperti yang terdapat dalam perkhidmatan kewangan, penjagaan kesihatan, dan pembuatan. Ia beroperasi pada satu GPU dan merangkumi 80-90% aplikasi perniagaan standard, menurut syarikat. “Banyak pelanggan kami lebih suka penyelesaian di lokasi disebabkan kebimbangan mereka tentang privasi dan kebolehpercayaan, ” kata Lample. “Mereka mahu perkhidmatan kritikal disokong oleh sistem yang mereka boleh kawal sepenuhnya. ” Mistral, yang mempunyai penilaian $6 bilion, sedang menjadikan dirinya sebagai pesaing utama Eropah dalam arena AI global. Syarikat ini baru-baru ini memperoleh pelaburan daripada Microsoft dan sedang bersiap sedia untuk IPO pada masa hadapan, seperti yang dinyatakan oleh CEO Arthur Mensch. Pakar industri mencadangkan bahawa dedikasi Mistral untuk membangunkan model yang lebih kecil dan lebih cekap mungkin merupakan langkah strategik yang bijak ketika sektor AI berkembang. Pendekatan ini berbeza dengan laluan yang diambil oleh syarikat seperti OpenAI dan Anthropic, yang telah menumpukan perhatian kepada penciptaan model yang semakin besar dan mahal. Lample mengungkapkan ramalannya, menyatakan, “Kami mungkin akan menyaksikan pengulangan apa yang berlaku pada tahun 2024, mungkin dalam skala yang lebih besar—sebuah kemasukan model sumber terbuka dengan lesen yang sangat membenarkan. Kami percaya bahawa model bersyarat berkemungkinan menjadi komoditi. ” Dengan persaingan yang meningkat dan kecekapan yang bertambah baik, fokus Mistral terhadap pengoptimuman model yang lebih kecil dapat memudahkan akses yang lebih luas kepada teknologi AI yang canggih, berpotensi mempercepatkan penerimaan industri sambil mengurangkan kos yang berkaitan dengan infrastruktur pengkomputeran.