Claude 3 \ Anthropic vs Switch Transformers

Claude 3 est la famille de modèles linguistiques de troisième génération d'Anthropic, lancée en mars 2024. Elle comprend trois niveaux : Haiku pour la vitesse et le coût, Sonnet pour un rendement équilibré, et Opus pour la profondeur de raisonnement maximale. Chaque modèle cible un compromis différent entre intelligence, latence et prix.

La famille gère des tâches de texte, de code, d'analyse et de vision. Les modèles Claude 3 traitent les photos, les graphiques, les diagrammes et les diagrammes techniques. Ils prennent en charge une fenêtre de contexte de 200 000 tokens au lancement, avec des entrées dépassant 1 million de tokens disponibles pour certains clients. Opus et Sonnet ont été lancés sur claude.ai et l'API Claude dans 159 pays, suivis peu après par Haiku.

Anthropic a construit Claude 3 avec des méthodes de sécurité AI Constitutionnelle et des garde-fous de la Politique de Scaling Responsable. Les modèles sont disponibles via l'API Claude, Amazon Bedrock et Google Cloud Vertex AI. Sonnet alimente le niveau gratuit sur claude.ai, tandis qu'Opus est réservé aux abonnés Claude Pro.

Les Switch Transformers introduisent une architecture de type Mixture of Experts (MoE) sparse qui dirige chaque entrée vers un seul expert, réduisant la surcharge de communication tout en permettant de faire évoluer des modèles linguistiques de billion de paramètres avec un coût de calcul constant. Le document de chercheurs de Google, William Fedus, Barret Zoph et Noam Shazeer, simplifie le routage MoE, améliore la stabilité de l'entraînement, et rapporte une pré-formation jusqu'à 7 fois plus rapide que les modèles T5 denses avec le même budget de calcul.

L'approche s'appuie sur l'architecture T5 et prend en charge la formation multilingue sur 101 langues. Les Switch Transformers permettent également une formation avec une précision bfloat16 pour des exécutions à grande échelle plus rapides et plus stables. Ce travail vise les chercheurs et ingénieurs qui ont besoin de faire évoluer les modèles NLP sans augmentation proportionnelle des coûts matériels.

Publié sur arXiv en tant que document de recherche, Switch Transformers documente des méthodes pour une activation parcimonieuse efficace, plutôt que comme un produit SaaS commercial. Le document et le PDF sont disponibles gratuitement en téléchargement et citation.