DATAKU vs Ai2 (formerly Allen Institute for AI)

DATAKU é um site de ciência de dados que acompanha benchmarks de IA, preços de API e lançamentos de modelos, e depois organiza esses números em calculadoras gratuitas e conjuntos de dados para download. A página inicial arquiva artigos sobre custos de inferência, rodadas de financiamento e comparações diretas entre modelos, enquanto a seção Ferramentas hospeda oito utilitários, como uma calculadora de custo de LLM, decodificador de benchmark e cemitério de modelos.

A maioria dos sites de notícias de IA resume comunicados de imprensa. DATAKU cruza documentos de provedores, pontuações de leaderboard e suas próprias tabelas de preços, por isso a página de conjuntos de dados para download lista históricos de preços com 48 linhas e tabelas de pontuação de benchmark com 62 linhas sob licenças CC BY 4.0.

Analistas de dados, engenheiros de ML e compradores usam o DATAKU quando precisam de cálculos de custo por token, contexto de benchmark ou exportações CSV em vez de reivindicações de marketing. A página Sobre descreve o projeto como um acompanhamento de benchmarks e preços conduzido por um ex-analista de dados de Tóquio.

Ai2 é um instituto sem fins lucrativos de ciência de dados e pesquisa em IA que desenvolve modelos totalmente abertos de linguagem e multimodais, além de plataformas de pesquisa aplicada para ciência, clima e robótica. Fundado por Paul Allen em 2014 e sediado em Seattle, o instituto publica pesos de modelos, dados de treinamento, código e receitas de avaliação em vez de apenas APIs fechadas.

Enquanto muitos laboratórios liberam pesos mas ocultam dados e etapas de treinamento, Ai2 trata todo o ciclo de vida do modelo como público. Olmo 3 oferece variantes base, instruct e think com até 32 bilhões de parâmetros com OlmoCore, Open Instruct e ferramentas de pré-processamento. Tülu 3 e Molmo 2 estendem essa abertura para pesquisas pós-treinamento e de visão-linguagem.

Pesquisadores, engenheiros de ML e equipes acadêmicas usam Ai2 quando precisam de bases reproduzíveis em vez de endpoints caixa-preta. O trabalho abrange modelos de linguagem, modelos multimodais, Semantic Scholar, Asta para descoberta científica e ferramentas focadas no planeta como EarthRanger e Skylight.