DATAKU vs Ai2 (formerly Allen Institute for AI)

DATAKU es un sitio de ciencia de datos que rastrea benchmarks de IA, precios de API y lanzamientos de modelos, y luego empaqueta los números en calculadoras gratuitas y conjuntos de datos descargables. La página principal archiva artículos sobre costos de inferencia, rondas de financiamiento y comparaciones directas de modelos, mientras que la sección de Herramientas alberga ocho utilidades como una calculadora de costos de LLM, decodificador de benchmarks y cementerio de modelos.

La mayoría de los sitios de noticias de IA resumen comunicados de prensa. DATAKU coteja documentos de proveedores, puntuaciones de tablas de clasificación y sus propias tablas de precios, por eso la página de conjuntos de datos descargables lista historiales de precios de 48 filas y tablas de puntuaciones de benchmarks de 62 filas bajo licencias CC BY 4.0.

Analistas de datos, ingenieros de ML y compradores usan DATAKU cuando necesitan cálculos de costo por token, contexto de benchmarks o exportaciones CSV en lugar de afirmaciones de marketing. La página Acerca de describe el proyecto como un seguimiento de benchmarks y precios dirigido por un ex analista de datos en Tokio.

Ai2 es un instituto sin fines de lucro de ciencia de datos e investigación en IA que desarrolla modelos de lenguaje y multimodales completamente abiertos, además de plataformas de investigación aplicada para ciencia, clima y robótica. Fundado por Paul Allen en 2014 y con sede en Seattle, el instituto publica pesos de modelos, datos de entrenamiento, código y recetas de evaluación en lugar de solo APIs cerradas.

Donde muchos laboratorios liberan pesos pero ocultan datos y pasos de entrenamiento, Ai2 trata todo el ciclo de vida del modelo como público. Olmo 3 ofrece variantes base, instruct y think de hasta 32B parámetros con OlmoCore, Open Instruct y herramientas de preprocesamiento. Tülu 3 y Molmo 2 extienden esa apertura hacia la investigación post-entrenamiento y visión-lenguaje.

Investigadores, ingenieros de ML y equipos académicos usan Ai2 cuando necesitan bases reproducibles en lugar de puntos finales de caja negra. El trabajo abarca modelos de lenguaje, modelos multimodales, Semantic Scholar, Asta para descubrimiento científico y herramientas enfocadas en el planeta como EarthRanger y Skylight.