Лучше GPT-4o? Представлена Llama 3.1 — крупнейшая в мире ИИ-модель с открытым кодом

Meta* показала семейство языковых моделей Llama 3.1. Флагманский вариант нейросети содержит 405 млрд параметров и во многих тестах обходит лидеров отрасли. Рассказываем о возможностях новинок. 

Llama

Рекордный датасет и сниженные цены

Для обучения использовались 16 тысяч видеокарт NVIDIA H100 в течение нескольких месяцев. Несмотря на крупные вложения в разработку, Llama 3.1 распространяется с открытым исходным кодом. Это позволяет не только запускать модели локально, но и упрощает их адаптацию под свои нужды. Правда, ресурсоёмкая Llama 405B рассчитана на применение в промышленных условиях. А для широкого круга пользователей до версии 3.1 обновили Llama 8B и 70B. Это компактные аналоги, поддерживаемые обычными компьютерами.

Все версии теперь взаимодействуют с 8 языками, включая английский, французский, немецкий, хинди, итальянский, португальский, испанский и тайский. Контекстное окно составляет 128 000 токенов. Что касается бенчмарков, в ключевых метриках заметно превосходство над прежними лидерами (Claude 3.5 Sonnet и GPT-4o) в пределах двух процентов. В тестах математики (GSM8K и MGSM) топовая Llama демонстрирует 96,8% и 91,6% точности; в ARC Challenge (научные рассуждения) — 96,9%, в Nexus (мультиязычное понимание) — 58,7%.

Llama

Во всех отношениях подросли и результаты младших моделей (Llama 8B и 70B), если сравнивать с их апрельскими версиями. Прирост достигает от 5 до 30 процентов, в зависимости от сценария. Нейронки распространяют через API разные поставщики облачных услуг. Например, Octo.ai предлагает следующие цены за миллион токенов (примерно 0,75 слова):

  • Llama 8B: вход — $0,15, выход — $0,15;

  • Llama 70B: вход — $0,9, выход — $0,9;

  • Llama 405B: вход — $3, выход — $9.

Дополнительные тесты

Ещё разработчик предоставил данные по человеческим оценкам ответов от разных ИИ. Заявлено, что при сравнении с GPT-4o результаты Llama 3.1 посчитали лучшими в 19,1% случаев, в 29,2% отдали предпочтение OpenAI, а в 51,7% запросов модели оказались равны. Есть и более точные продуктовые бенчмарки, тестирующие множество LLM в корпоративных задачах. Согласно им, самая базовая Llama 8B Instruct пока не продемонстрировала весомых улучшений (скорее всего, требуется более точная настройка для этих сценариев).

Llama

Средний вариант 70B показал заметный рывок в качестве, достигнув уровня Gemini Pro 1.5. Также удалось обойти GPT 3.5 и приблизиться к показателям Mistral Large 2. Последняя имеет 123 млрд параметров и требует больше ресурсов, так что здесь Llama отличилась хорошей эффективностью. Наконец, модификация 405B Instruct впервые превзошла уровень одной из версий GPT-4 Turbo (v3/1106) и почти догнала Claude 3 Opus. «Если учитывать размеры и чувствительность к сжатию, её будет использовать меньшее число людей, нежели 70B/8B. Значит, будет меньше тюнов и интересных решений», — отмечает эксперт, проводивший тестирование. Тем не менее среди открытых моделей это лидирующие цифры.

 

* Деятельность компании Meta Inc. и её продуктов Instagram и Facebook признана в России экстремистской

  • Вот когда нейросеть будет делать готовый проект и бизнес план тогда можно о чём то говорить, а тут просто сырые таблицы на миллиарды графов которые по итогу не особо связаны .. Просто очередной маркетинг, все понимают что нормальные модели ещё делать годами, но можно выпускать сырые каждый сезон/месяц и потом монетизировать...
    • shkolota12
      gufel,
      Я скармливал гпт4о документацию + примеры + посты с форумов и он начал нормально помогать. Да, не идеально, но намного лучше

      (отредактирован)

      • filin173
        shkolota12,
        И даже помог написать это комментарий?
        • shkolota12
          filin173,
          Нет, прошлый комментарий был написан человеком.
      • САШA
        gufel,
        Лучший gpt это тот, который ты пользуешься. На данный момент это Яндекс GPT. Я всегда удивляюсь, как Алиса поумнела и может поддержать разговор и даже запомнить в разговоре, что мою кошку зовут Миа. Ну не чудо ли? Но через 5 минут после разговора Алиса забывает запомненное в разговоре.
        • max_im_ka
          САШA,
          О спасибо тебе Александр, не представляю как я жил до этого. Пойду сына назву Яндексом
          • max_im_ka,
            Двуликий Яндекс ))
          • BurgerKinger
            САШA,
            Стоит задать "неправильный" и непрямой вопрос и товарищ Aлиca будет до последнего игнорировать факты. А когда задашь "неправильный" вопрос напрямую Aлиca уйдёт в игнор или скажет, что хочет сменить тему.

            НО!!! Ты можешь обхитрить товарища Aлиcy и поиграться словами и тогда получишь ответ на "неправильный" вопрос. Смех в том что сразу после "неправильного" ответа на такой "неправильный" вопрос - ответ удаляется, либо удаляется вообще вся история.
        • kir_997
          Интересно, дома реально провернуть такую? Чтобы она средний ответ на средний контекст хотя бы за минуту выдавала? Или никакого системника не хватит?
          • ninele7
            kir_997,
            На домашнем системнике (со 128гб оперативы) даже 70B будет минут отвечать, не говоря уже о 405B. 405B дома можно только с SSD позапускать, но даже на топовых SSD скорость будет по минуте на пару символов.
            • kir_997
              ninele7,
              Спасибо… Так это что ж там на серверах то стоит такое? И почему нам это доступно за копейки, если нагрузка настолько сумасшедшая?
              • ninele7
                kir_997,
                Ну железо стоит много, но за счет особенностей параллельной работы LLM большой объем запросов можно обрабатывать довольно эффективно, плюс многие поставщики демпингуют, чтобы собрать пользовательскую базу, рассчитывая, что в будущем железо будет дешевле. Ну и каждый отдельный пользователь далеко не все время пользуется моделью, так что цену получается оптимизировать.

                Один сервак для полноценного запуска 405B версии состоит из 16 карт Nvidia H100, у каждой по 80ГБ видеопамяти. Стоит такой примерно 600k$. Если обрабатывать на нем только один запрос, то он генерирует примерно 10-25 символов в секунду, но если эффективно планировать параллельные запросы, то можно генерировать где-то в 30 раз больше.
                • Qwerty@
                  ninele7,
                  А сколько интересно в аренду такой будет стоить сервер?
                  • ninele7
                    Qwerty@,
                    На 16 карт найти не могу, если использовать сжатую в fp8 версию, то можно на 8 картах запустить. Сервак на 8 H100 стоит около 30$ в час в различных облаках. Скорее всего, можно распределенную генерацию запустить на двух таких, тогда можно и bf16 версию запустить.
                • KrentOS
                  kir_997,
                  Это кто даёт за копейки 405B?
                  За копейки версия 8B, которая хуже ChatGPT3.5, по ощущениям. По крайней мере, по кодингу выдает такую фантастику, что лучше даже DeepSeek Coder2 юзать.

                  (отредактирован)

                  • kir_997
                    KrentOS,
                    Так с 8B вообще можно бесплатно взаимодействовать через Hugging Chat. У Hugging Face даже API есть бесплатные (скорее всего, только для личных нужд/экспериментов). Но вот с этим уже нюанс: по крайней мере через Shortcuts на iOS мне удалось получить только продолжение текста, а не чат. Хоть это и можно превратить в чат, если фантазию включить. И всё же я склоняюсь к тому, что вообще все предложения сильно занижены по цене. Вопрос не в том, как это для клиентов, а в том, как это для владельцев этих самых моделей. Часто слышу, что такие компании сейчас работают в убыток. На что они рассчитывают не берусь рассуждать.
                    • KrentOS
                      kir_997,
                      Короче, я осмотрелся, Llama-3.1-405B-T некоторые сервисы дают бесплатно. Примерно, восемь сообщений в день. И GPT-4o примерно так же.
                      Llama-3-8B-T, ~200 сообщений в день. Claude-3-Haiku, ~100 сообщений в день.

                      Предложения, понятно что по цене занижены. На что рассчитывают, это понятно. Всё как в рыбалке, "подкармливаешь рыбу, а потом приходишь с удочкой". Дают попробовать, а потом когда дорастёшь до чего-то серьезного (а где серьезно, то там водятся и деньги), то платишь за подписку.
                      Стандартная техника: "подкормка". =)

                      "Гайки закручивать" могут начать потом, когда соберут аудиторию. Говорят, некоторые уже начали.

                      (отредактирован)

                • Qwerty@
                  ninele7,
                  А 8B , получится с 16 gb оперы?
                  • ninele7
                    Qwerty@,
                    Стандартная будет свапаться на диск и тормозить. Если использовать сжатую в два раза версию, то можно. 8B модель очень сильно обучена для своего размера, поэтому она страдает от сжатия сильнее чем 70B и 405B, но попробовать все равно может быть интересно.
                    • Qwerty@
                      ninele7,
                      Заканчиваю себе 8b , посмотрю ее
                    • timur942
                      Qwerty@,
                      Модель 8b_q8 запускал на m1 с 16гб оперативы через LM Studio. Скорость ответа 7 ток/сек.
                      • Qwerty@
                        timur942,
                        Спасибо, я только пару дней как разбираюсь в этом, стало очень интересно запустить чат бот локально на своем ноуте. Понял что все они англоязычные и плохо понимают русский.
                        • timur942
                          Qwerty@,
                          На 3.1 понимание русского языка — отличное.
                        • Nick1906
                          timur942,
                          Кстати, модель хорошая, по корпусам для ПК мня нормально ответила. Странно, что ей больше 16 гигов оперы не надо, либо я не нашёл, где ей больше можно задать. Ryzen 5700x + 3070 = 14.68 / ток. с
                      • Qwerty@
                        ninele7,
                        Ладно, уже заканчиваю себе 8b
                        • Hardy62
                          ninele7, можно ж купить видюху с 24 рамы и поиграться с квантизацией. Будет конечно тупее несжатой, но все равно на неплохом уровне.
                        • Shurik8668
                          kir_997,
                          Какой ответ хочешь? 42?
                          • kir_997
                            Shurik8668,
                            Ну речь то шла про жирную модель из новости. А генераторы шизофазии я и на своём iPhone XR гоняю локально без проблем, если не считать проблемой их полную бесполезность. )
                        • Изучаю немецкий 1.5 года, последние полгода — с помощью Chat GPT. Сдал экзамен С1. Так вот, сетка допускает огромное количество ошибок. Между письменным и разговорным немецким — огромная разница, которую нейросетка просто не понимает. Плюс она почти бесполезна в узкой специфике (австрийский диалект). Gemini от Гугла ещё хуже. В общем, сеткам ещё довольно далеко до профессиональных учителей. Но тексты пишет хорошо, и в некоторых вещах довольно полезна.
                          • ferganin
                            apool, так попробуй Claude. В плане языков он получше
                            • водочник
                              ferganin,
                              Чем лучше,я не заметил(а вот нудный это да),говорят Грок лучше,но пока не получается проверить твиттер в блоке + недаром :((
                            • apool, сетям 2 года всего, а вы хотите получить всё и сразу. Может быть они бы понимали и работали, если бы на них не накладывали жёсткую цензуру.
                              • водочник
                                TaDa!,
                                Если бы психологи, негры и лгбт за слово rear drive gay не обидились на чатГПТ,то цензуры не было бы 😁
                                • Shurik8668
                                  TaDa!,
                                  Ошибка, сетям не 2 года. Их 50 лет разрабатывают. Это 2 года коммерческого релиза.
                                  • Shurik8668
                                    TaDa!,
                                    Вас не смущает что GPT именно 4? Их много лет разрабатывали и вот выпустили 4 версию. Какие 2 года.
                                • йцуйцукен
                                  Было интересно но нихрена не понятно.
                                  • Megaherz09
                                    Llama's ass какоц-то)

                                    Неофициальный скрипт Windows God Mode, открывающий простой доступ ко всем настройкам ОС, получил первый апдейт с момента релиза. Он стал гораздо эффективнее и теперь работает почти без ошибок. В «заметках к патчу» разработчик рассказал о ключевых улучшениях полезного инструмента, получившего приставку Super в названии. 

                                     

                                    Новинка под названием Casio WS-B1000 представляет собой гибрид традиционных электронных часов с ЖК-дисплеем и фитнес-трекера. Такое сочетание позволяет устройству выполнять функции современной носимой электроники, сохраняя огромную автономность. Компания уже раскрыла ключевые характеристики гаджета и объявила его цену.

                                     
                                    <div></div><div></div><div></div><a href='/2024/09/14/2852862/' target='_blank'><img src='https://i.4pda.ws/s/as6ywue3S4wsjFGg0z2I2iyY7kHEE0EmiXkPLY783uK3Miqm98HafRECC.jpg' title='' /></a><div ><img src='https://4pda.to/s/as6yu42hlyXjD7kQLqbvVMOGid.gif' /></div><div></div><div></div>

                                    Компания HMD выпустила тизер с изображением ремейка знаменитого кнопочного телефона Nokia 3210. Это будет первое обновление некогда популярного мобильника через 25 лет после его анонса. Изображение модели образца 2024 года раскрыло дизайн и некоторые технические особенности будущей новинки.

                                     

                                    Китайские суперфлагманы — особая категория устройств. В Россию они обычно попадают благодаря маркетплейсам и перекупщикам, а на улице вызывают неподдельный интерес — слишком уж редки они для наших широт. В редакцию приехал OPPO Find X7 Ultra. Это топовый смартфон, который получил едва ли не самый продвинутый набор камер в мире.

                                     

                                    В рамках давнего интернет-спора о необходимом геймерам объёме видеопамяти авторы YouTube канала Hardware Unboxed провели любопытный эксперимент. Они сравнили в играх версии GeForce RTX 4060 Ti с 8 и 16 ГБ памяти, но сделали это не на эталонной платформе для обзоров, а сымитировали апгрейд видеокарты на старых материнских платах с предыдущими версиями интерфейса PCIe. Как оказалось, это именно тот случай, когда «размер» VRAM имеет значение.

                                     

                                    В этом выпуске Инсайдов: Samsung откажется от «угловатого дизайна» в Galaxy S25 Ultra; iPhone 18 Pro и 18 Pro Max могут получить 2 ТБ памяти; Xiaomi 14T Pro протестировали в бенчмарке.

                                     

                                    Разработчики бенчмарка AnTuTu опубликовали июньский рейтинг Android-смартфонов с лучшим соотношением цены и производительности. Для большей объективности все вошедшие в него смартфоны были разделены на отдельные ценовые категории.

                                     

                                    Компания Airbus отчиталась о тестировании прототипа высокоскоростного вертолёта Racer. Модели удалось превзойти свой предыдущий рекорд скорости. Для этого в нём используется необычная конструкция с дополнительными пропеллерами по бокам.

                                     

                                    Инженер Карл Риис представил необычный проект под названием EarlGreyTV. Речь об устройстве с функциями Smart TV, которое, по словам его создателя, предоставляет «намного больше свободы» по сравнению с мейнстримовыми решениями. Правда, к реализации такого гаджета у неподготовленного пользователя могут возникнуть вопросы.

                                     

                                    На выставке Intersolar Munich 2024 компания Aiko Solar анонсировала солнечную панель, которую позиционирует как самое эффективное решение среди серийных моделей такого типа. Во время презентации производитель рассказал о КПД будущей новинки и других её характеристиках.

                                     

                                    Премьера новинки состоялась в рамках ПМЭФ — компания показала автомобиль со всех сторон изнутри и снаружи. Заодно представитель бренда рассказал о характеристиках, позиционировании и философии дизайна фирменной новинки.

                                     
                                    Представлен iPhone 16 Pro: экран — больше, камеры — лучше, работает — дольше Популярное

                                    Главной звездой осенней презентации Apple стал iPhone 16 Pro. Смартфон стал крупнее за счёт увеличенного экрана, получил новую систему камер с выделенной кнопкой для управления съёмкой, самый мощный мобильный процессор и улучшенную автономность.

                                     

                                    В сети разгораются споры о новом лицензионном соглашении Adobe: согласно ему, весь контент художников в Photoshop, 3D-моделлеров в Substance 3D и других профессионалов обретает второго хозяина в виде Adobe.

                                     

                                    Недавно бренд POCO представил недорогой геймерский смартфон POCO F6, который сейчас можно приобрести по сниженной цене. Новинка оснащена производительным чипом серии Snapdragon 8, ярким AMOLED-эконом и двойной камерой с высоким разрешением.

                                     
                                    Три года на рынке РФ — в чём секрет популярности смартфонов Infinix?
                                    85
                                    18.07.24News

                                    Смартфоны Infinix дебютировали в России в 2021-м и за три года прочно закрепились на нашем рынке. Гаджеты этой компании регулярно попадают в топы самых продаваемых устройств в РФ. Какие передовые решения вобрали в себя телефоны Infinix и что могут предложить пользователям различные линейки бренда?

                                     
                                    YouTube препятствует массовому переносу видео на российские площадки Популярное

                                    Издание Runet, ссылающееся на близкие к крупным российским видеохостингам источники, сообщает, что компания Google начала вводить технические меры, препятствующие массовому переносу или скачиванию роликов с YouTube. Эту информацию подтвердили разработчики видеохостинга «Платформа» и руководитель Ассоциации профессиональных пользователей соцсетей и мессенджеров Владимир Зыков.

                                     

                                    Разработчики бенчмарка AnTuTu опубликовали свежий список Android-гаджетов, которые набрали самое большое количество положительных отзывов своих владельцев. Июльский рейтинг оказался не самым предсказуемым — в топ-3 вошли сразу две раскладушки, которых пока не так уж и много на рынке.

                                     

                                    Состоялся официальный анонс следующего поколения отечественной операционной системы Astra Linux. В версии 1.8 разработчики упростили процесс установки, использовали новейшие ядра Linux, представили новый графический стиль и поработали над безопасностью.

                                     
                                    Названы страны с самыми низкими и высокими ценами на iPhone 16 Популярное

                                    Новый iPhone 16 поступит в продажу на следующей неделе, но уже известно, сколько он будет стоить в разных уголках мира. Портал Android Authority проанализировал цены на смартфон на официальном сайте Apple для разных стран, выяснив, где он стоит меньше и больше всего.

                                     

                                    Госдума во втором чтении одобрила законопроект, регулирующий права между операторами связи и собственниками жилых помещений в многоквартирных домах. Говоря простым языком — вскоре провайдеры получат свободный доступ в подъезды для размещения оборудования.

                                     

                                    Как и было запланировано, в Китае состоялась презентация нового складного смартфона Honor Magic V3. Он отнял у своего предшественника звание самого тонкого устройства в своём классе. При этом аппарат стал мощнее, получил более качественные камеры и даже аккумулятор увеличенной ёмкости.

                                     

                                    Telegram-канал «Эксплойт» сообщил, что Google в последнее время не позволяет завершить регистрацию аккаунта, если для его подтверждения используется российский телефонный номер. Издание «Газета.ру» выяснило, с чем это может быть связано, и отыскало работающий способ регистрации.

                                     

                                    Вслед за свежим рейтингом флагманов команда AnTuTu опубликовала июльский список самых мощных смартфонов среднего ценового сегмента. Они набирают от 819 тысяч до 1,4 миллиона баллов, при этом модели с процессорами Qualcomm и MediaTek поделили перечень на две равные части.

                                     

                                    Выпущенный в 2012 году iPad третьего поколения, также именуемый The New iPad или iPad Retina, уже давно лишился поддержки и не способен запускать современные приложения и игры. И всё же китайские умельцы сумели найти ему полезное применение.

                                     
                                    В Baldur’s Gate III планировалась камера от первого лица, но всё испортил гоблин Популярное

                                    Разработчики из Larian Studios продолжают делиться секретами создания Baldur’s Gate III. Например, оказалось, что изначально в игре должна была использоваться камера от первого лица.

                                     
                                    Представлены умные гантели Julu, меняющий свой вес Популярное

                                    Компания Julu Smart Tech представила умные регулируемые гантели с поддержкой цифровых функций. Разработка способна менять свой вес в диапазоне от 2,7 кг до 16,3 кг, поэтому подойдёт как для лёгких тренировок с малой нагрузкой, так и для интенсивных занятий.

                                     

                                    Китайский инсайдер из соцсети Weibo под ником Fixed Focus Digital сообщил о ходе тестирования прошивки HyperOS 2.0. Его источники рассказали, что именно Xiaomi улучшила в прошивке и какую приятную неожиданность она подготовила для владельцев старых устройств.

                                     

                                    Вслед за ICQ компания VK закрыла и «Агент Мail.ru». Этот сервис появился как средство для уведомлений о письмах в почтовых ящиках Mail.ru, но со временем превратился в полноценный мессенджер и «прожил» более 20 лет. В компании рассказали подробности о закрытии.

                                     

                                    Немногие могут знать, но классический браузер Internet Explorer был настолько сильно интегрирован в операционную систему Windows XP, вышедшую в 2001 году, что некоторые функции ОС и приложения попросту не могли работать без него. Один разработчик решил показать это наглядно, сделав мод Windows XP, в котором полностью «вырезал» из ОС все основные компоненты IE.

                                     

                                    Кастомная прошивка LineageOS 21 вышла для нескольких новых, но устаревших смартфонов. В список попали гаджеты от LG, realme, Xiaomi и Motorola, и в некоторых случаях устройства уже давно не видели новых версий ОС.

                                     

                                    Ассортимент периферийных устройств компании Logitech пополнился новой беспроводной мышью G309. Новинка поддерживает подзарядку от ковриков PowerPlay, Lightspeed или работает от AA-батареек. Обойдётся устройство менее чем в $100.

                                     

                                    Специалисты портала Android Authority обнаружили, что Google внедрила в операционную систему Android механизм проверки легальности приложений и игр. С его помощью разработчики смогут узнать, была ли программа загружена на устройство в обход магазина приложений Google Play.

                                     
                                    «Практически флагманский уровень комфорта». Пользователь 4PDA тестирует Honor 200 Pro
                                    86
                                    23.08.24News

                                    Honor 200 Pro — новый субфлагман с топовой фотоначинкой и продвинутым портретным режимом. Так ли хорош аппарат в повседневных задачах, как об этом заявляет производитель? Пользователь 4PDA делится впечатлениями об устройстве после недельного тестирования.