Mistral AI, brzo rastući evropski startap u oblasti veštačke inteligencije, danas je najavio lansiranje novog jezičkog modela za koji tvrdi da pruža performanse jednake modelima koji su tri puta veći, uz značajno smanjenje troškova računarstva. Ovaj napredak ima potencijal da redefiniše ekonomsku sliku za implementaciju napredne veštačke inteligencije. Nazvan Mistral Small 3, model sadrži 24 milijarde parametara i postiže 81% tačnosti na standardnim merama, obrađujući 150 tokena u sekundi. Kompanija ga stavlja na raspolaganje pod otvorenom Apache 2. 0 licencom, omogućavajući firmama slobodu da ga modifikuju i implementiraju kako žele. Guillaume Lample, glavni naučni službenik Mistrala, izjavio je u ekskluzivnom razgovoru sa VentureBeat-om: “Smatramo ga najboljim modelom među onima sa manje od 70 milijardi parametara. Procenujemo da je otprilike uporediv sa Meta-ovim Llama 3. 3 70B, koji je objavljen pre nekoliko meseci i koji je tri puta veći. ” Ova objava dolazi usred povećane pažnje na troškove razvoja veštačke inteligencije. Kineski startap DeepSeek tvrdio je da je obučio konkurentni model samo za 5. 6 miliona dolara, što je rezultiralo gubitkom od skoro 600 milijardi dolara u tržišnoj vrednosti Nvidia-e ove nedelje, dok su investitori ponovo razmislili o ogromnim ulaganjima američkih tehnoloških kompanija. Mistralova strategija naglašava efikasnost umesto puke veličine. Kompanija pripisuje svoja poboljšanja u performansama uglavnom unapređenim tehnikama obuke, izbegavajući pristup samo povećanju računske snage. “Šta se promenilo su suštinski metodologije optimizacije obuke, ” objasnio je Lample za VentureBeat. “Usvojili smo drugačiju strategiju obuke da optimizujemo model. ” Prema Lample-u, model je obučen na 8 triliona tokena, dok slični modeli zahtevaju oko 15 triliona tokena. Ova poboljšana efikasnost bi mogla učiniti naprednu tehnologiju veštačke inteligencije dostupnijom za firme koje brinu o troškovima računarstva. Važno je napomenuti da je Mistral Small 3 kreiran bez učenja pojačanjem ili sintetičkih trening podataka—metodologije koje često koriste konkurenti.

Lample je napomenuo da ova "sirova" metodologija pomaže u sprečavanju uključivanja nepoželjnih pristrasnosti koje mogu biti teške za identifikaciju kasnije. Model je posebno usmeren na kompanije koje zahtevaju lokalnu implementaciju radi privatnosti i pouzdanosti, poput onih u finansijskim uslugama, zdravstvu i proizvodnji. Radi na jednoj GPU jedinici i pokriva 80-90% standardnih poslovnih aplikacija, tvrdi kompanija. “Mnogo naših klijenata preferira rešenje na lokaciji zbog svojih briga o privatnosti i pouzdanosti, ” primetio je Lample. “Žele da kritične usluge budu podržane sistemima koje mogu u potpunosti kontrolisati. ” Mistral, sa procenom vrednosti od 6 milijardi dolara, postavlja se kao vodeći kandidat Evrope na globalnoj areni veštačke inteligencije. Kompanija je nedavno obezbedila ulaganje od Microsofta i priprema se za buduću IPO, kako je istakao CEO Arthur Mensch. Stručnjaci iz industrije sugerišu da bi Mistralova posvećenost razvoju manjih, efikasnijih modela mogla biti strateški mudra dok se sektor veštačke inteligencije razvija. Ovaj pristup je u suprotnosti s putevima koje su odabrale kompanije poput OpenAI-a i Anthropic-a, koje su se fokusirale na kreiranje sve većih i skupljih modela. Lample je izrazio svoju prognozu, rekavši: “Verovatno ćemo biti svedoci ponavljanja onoga što se dogodilo 2024. godine, potencijalno na većoj razmeri—priliva otvorenih modela sa veoma permisivnim licencama. Verujemo da će uslovni modeli verovatno postati roba. ” Kako konkurencija raste i efikasnost se poboljšava, Mistralov fokus na optimizaciju manjih modela mogao bi olakšati širi pristup naprednoj tehnologiji veštačke inteligencije, potencijalno ubrzavajući usvajanje u industriji dok se smanjuju troškovi povezani sa računske infrastrukture.