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)

                                    Судя по последним новостям, ожидать улучшения ситуации с работой YouTube в России в ближайшее время не стоит. «Яндекс» даже предлагает возможность убрать видео с этого сайта из поисковой выдачи. Кто-то ищет обходные пути и использует разные инструменты для обхода замедления, а другие, судя по всему, смирились с новыми реалиями и стали искать альтернативы. Какой путь выбрали вы? Проголосуйте и расскажите, где вы смотрите видео после начала замедления YouTube? Можно выбрать несколько ответов.

                                     
                                    <div></div><div></div><a href='/2024/09/10/7307307/' 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>

                                    Первыми рендерами пока ещё не анонсированного смартфона Samsung Galaxy S24 FE поделился авторитетный инсайдер OnLeaks совместно с порталом GizNext. На изображениях показан дизайн устройства со всех сторон. Стали известны и его размеры.

                                     

                                    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.

                                     

                                    В прошлом Apple запатентовала AirPods со встроенным в зарядный кейс сенсорным экраном, что должно было устранить все недостатки, связанные с управлением беспроводными наушниками. Интересно, что китайские умельцы уже наладили выпуск таких AirPods.

                                     

                                    Согласно отчёту исследовательской фирмы Mediascope, TikTok утратил звание самого популярного сервиса вертикальных видео среди российских пользователей. В июне этого года первенство перешло к «VK Клипам», запущенным четырьмя годами ранее.

                                     

                                    Для поколения геймеров, которые застали старые приставки вроде «Денди» или даже официальные устройства Nintendo, более чем знакомы картриджи с играми и проблемы, которые с ними возникали. Часто решить проблемы с подключением можно было простым обдуванием картриджа, но работало ли это на самом деле?

                                     

                                    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.

                                     

                                    Под вечер 30 января пользователи по всей территории России столкнулись с проблемой доступа к самым разным сервисам в интернете. «Лежат» социальные сети, мессенджеры, кабинеты банков, государственные сайты, поисковые системы и многие другие ресурсы.

                                     

                                    Некоторые пользователи Windows 11 пожаловались на странную работу одной из системных служб, которая отбирает у процессора до 10% мощности без видимых причин. Официального решения у проблемы пока нет — но энтузиасты уже вычислили «виновника» и нашли способ исправления досадного бага.

                                     

                                    Сотрудники Университета Шеффила, Великобритания, успешно испытали первый в мире жидкостный ракетный двигатель, полностью спроектированный искусственным интеллектом и напечатанный на 3D-принтере. Удивительно, но он заработал с первой попытки.

                                     

                                    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.

                                     
                                    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.

                                     

                                    Портал Gizmochina опубликовал список гаджетов Samsung, которые должны получить Android 15 с новой оболочкой One UI 7. В неофициальный перечень, спрогнозированный на основе цикла обновлений устройств Samsung и предыдущих выпусков One UI, вошли более 50 устройств.

                                     

                                    Бывшая головная компания «Яндекса», нидерландская Yandex N.V., закрыла сделку по продаже российской части бизнеса консорциуму частных инвесторов. Процесс разделения технологической корпорации, который стартовал ещё в 2022 году, наконец завершился.

                                     
                                    Сверхзвуковой самолёт XB-1 успешно протестировали в небе Популярное

                                    Компания Boom Supersonic завершила новые испытания прототипа сверхзвукового пассажирского самолёта XB-1. 26 августа 2024 года ему удалось подняться в воздух под управлением лётчика-испытателя Тристана Бранденбурга. Стартап успешно протестировал системы управления воздушного судна. 

                                     

                                    Ценители Fallout, подобно фанатам The Elder Scrolls, жуть как любят делать модификации. К сожалению, самым амбициозным из таких проектов почему-то не везёт — производству Fallout: London, например, ненароком помешала Bethesda Softworks. И, как выяснилось, это ещё не самый интересный подобный кейс.

                                     

                                    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.

                                     

                                    Аналитическая компания Counterpoint раскрыла рейтинг самых продаваемых смартфонов в мире за первый квартал 2024 года. Кроме того, аналитики сравнили статистику с аналогичными показателями 2023 года. По традиции iPhone снова оказался недосягаем для Android-флагманов, а в топ-10 обосновались модели только двух брендов.

                                     

                                    Поскольку проблемы с доступом к YouTube в России никуда не исчезли, отечественные компании начали подстраиваться под новые реалии. Например, «Яндекс» представил функцию, позволяющую убрать из поисковой выдачи видео с этой площадки.

                                     

                                    Lynx Motors показала изображения нового электрокара DeLorean DMC-EV, который будет стоить $249 999. Обновлённая версия культового автомобиля получит масштабные изменения, а предзаказать его можно будет уже в 2025 году.

                                     
                                    Бизнес на миллион: российский студент основал стартап по 3D-печати домов под ключ Популярное

                                    В России по пальцам можно перечислить компании, которые развивают строительную 3D-печать. На днях Томский политехнический университет сообщил, что студент первого курса Семён Кызынгашев (направление «Инноватика») получил миллион рублей от фонда содействия инновациям на запуск стартапа по строительству индивидуального жилья и малых архитектурных форм с помощью 3D-печати.

                                     
                                    Установлена самая большая в мире ветровая турбина Популярное

                                    Компания Mingyang Smart Energy объявила об успешной установке крупнейшей в мире модульной ветровой турбины на территории Хайнаня, Китай. Установка обеспечивает выходную мощность до 20 МВт, превосходя предыдущего 18-мегаваттного рекордсмена.

                                     

                                    Компания Ookla (разработчик приложения Speedtest) опубликовала актуальный рейтинг скорости мобильного интернета. За год Россия поднялась на 10 пунктов, заняв 86-ю строчку. Но улучшение позиции не связано с ростом качества инфраструктуры.

                                     

                                    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.

                                     

                                    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.

                                     

                                    Вскоре после анонса «вечного» манипулятора компания сделала объявление об отмене проекта. Представители Logitech заявили, что не планируют выводить устройство на рынок — правда, объяснение причины отмены продукта получилось не слишком исчерпывающим.

                                     

                                    Компания Илона Маска xAI представила Grok 2 — новейшую ИИ-модель, которая по вычислительной мощности значительно превосходит GPT 4 Turbo и Amazon Claude. Платформа включает раннюю предварительную версию Grok 2 и Grok 2-mini, обе из них будут доступны пользователям социальной сети X.

                                     

                                    Мобильное приложение «Сбербанк Онлайн» стало доступно в магазине приложений App Store. На этот раз оно получило название «Умный онлайн», и доступно для скачивания на iPhone — как минимум в течение какого-то времени.

                                     

                                    На полках российских магазинов появились смартфоны vivo X100 и X100 Pro. Это гаджеты с топовыми характеристиками: они получили процессор Mediatek Dimensity 9300, защиту корпуса по стандарту IP68 и продвинутые камеры.

                                     

                                    Практически сразу же после «похорон» ICQ разработчики проекта NINA объявили о запуске регистрации учётных записей мессенджера на собственном неофициальном сервере. С его помощью любой желающий может «реанимировать» свой аккаунт — правда, с некоторыми оговорками.