Claude 3 \ Anthropic vs RedPajama

Claude 3 es la tercera generación de modelos de lenguaje grande de Anthropic, lanzada en marzo de 2024. Incluye tres niveles: Haiku para velocidad y costo, Sonnet para rendimiento equilibrado y Opus para la mayor profundidad de razonamiento. Cada modelo apunta a un compromiso diferente entre inteligencia, latencia y precio.

La familia maneja tareas de texto, código, análisis y visión. Los modelos Claude 3 procesan fotos, gráficos, diagramas técnicos y gráficos. Soportan una ventana de contexto de 200,000 tokens en su lanzamiento, con entradas que superan el millón de tokens disponibles para clientes seleccionados. Opus y Sonnet se lanzaron en claude.ai y en la API de Claude en 159 países, seguido poco después por Haiku.

Anthropic construyó Claude 3 con métodos de seguridad de IA Constitucional y barreras de la Política de Escalado Responsable. Los modelos están disponibles a través de la API de Claude, Amazon Bedrock y Google Cloud Vertex AI. Sonnet impulsa la capa gratuita en claude.ai, mientras que Opus está disponible para suscriptores de Claude Pro.

RedPajama-INCITE es una familia de modelos de lenguaje grande de código abierto desarrollados por Together AI, que cuenta con versiones de 3 mil millones y 7 mil millones de parámetros entrenadas en el extenso conjunto de datos base RedPajama de 5 terabytes. Estos modelos replican de manera cercana la arquitectura LLaMA e incluyen variantes base, ajustadas para instrucciones y de chat, todas lanzadas bajo la licencia Apache 2.0 para uso tanto en investigación como comercial.

El modelo 3B destaca como uno de los más fuertes en su categoría, optimizado para velocidad y accesibilidad, capaz de funcionar en GPUs más antiguas como la RTX 2070. Las versiones ajustadas para instrucciones demuestran un rendimiento sólido en los benchmarks HELM, siendo que el modelo 7B supera en varios puntos a la LLaMA 7B original, mostrando potencial para tareas como aprendizaje con pocos ejemplos, extracción de entidades, clasificación y resumen.

El entrenamiento aprovecha técnicas avanzadas incluyendo la arquitectura Pythia de EleutherAI y la optimización DeeperSpeed, con modelos entrenados en recursos del supercomputador Summit. El modelo 7B aún está en entrenamiento, pero ya supera a modelos abiertos comparables, lo que indica el valor del conjunto de datos RedPajama y el enfoque de entrenamiento.

Together AI respalda estos modelos con una plataforma integral que ofrece computación acelerada, clusters de GPU, ajuste fino, almacenamiento gestionado y servicios de inferencia. Este ecosistema permite a desarrolladores y empresas desplegar, personalizar y escalar aplicaciones de IA de manera eficiente.

La naturaleza de código abierto y la licencia permisiva fomentan la colaboración comunitaria y la innovación, con mejoras continuas planificadas para el conjunto de datos y modelos de mayor escala. Together AI también proporciona documentación extensa, demostraciones y herramientas para desarrolladores que facilitan su adopción.

En general, los modelos RedPajama ofrecen una base competitiva y accesible para construir aplicaciones de IA, respaldada por una infraestructura lista para producción y una comunidad activa. Representan un avance significativo en la democratización de modelos de lenguaje grande de alta calidad para diversos casos de uso.