GPT 4o vs GLM-130B

Open GPT 4o é a mais recente inovação em tecnologia de IA, baseada nas capacidades de modelos anteriores, como o GPT-4, para oferecer uma experiência multimodal gratuita, avançada e imersiva. O GPT 4o se destaca por suas respostas audiovisuais em tempo real, saídas de áudio emocionais e reconhecimento de tudo o que vê, criando uma experiência interativa semelhante a uma conversa com uma pessoa real.

Com suas funcionalidades multimodais, o GPT 4o suporta combinações de texto, áudio e imagens, permitindo diversas interações entre tipos de mídia. Notavelmente, o GPT 4o foi projetado para funcionar com velocidades de resposta de voz super-rápidas e pode lidar com interrupções naturalmente, melhorando a fluidez das conversas.

Os usuários podem contar com as ricas funcionalidades deste modelo, incluindo recursos visuais superiores, reconhecimento de emoções, expressões de saída e suporte para desenvolvedores por meio de uma API aprimorada e econômica. Seja assistência virtual, tradução em tempo real ou até mesmo um simples chat, o GPT 4o oferece uma experiência de IA incomparável para todos os usuários.

GLM-130B coloca um modelo bilíngue de linguagem com 130 bilhões de parâmetros na pilha de pesquisa aberta THUDM construída em torno da receita de pré-treinamento do General Language Model (GLM). Os pesos são direcionados para textos em inglês e chinês, e o repositório do GitHub disponibiliza código de inferência, tarefas de avaliação e checkpoints aceitos no ICLR 2023. Você pode executar geração da esquerda para a direita ou preenchimento em branco com tokens [MASK] e [gMASK] em hardware que caiba em um único servidor multi-GPU, em vez de uma API proprietária.

Enquanto a maioria dos modelos com mais de 100 bilhões de parâmetros permanece fechada, o GLM-130B publica pesos do modelo, notas de treinamento e configurações YAML para mais de 30 benchmarks. Seu caminho de quantização INT4 é ajustado para que quatro placas RTX 3090 (24GB) possam hospedar a inferência com quase nenhuma perda de precisão, um requisito muito menor do que a configuração com oito A100 (40GB) usada para execuções completas em FP16. O objetivo de treinamento mistura preenchimento em branco autorregressivo em 95% dos tokens com dados de instrução multitarefa do T0++ e DeepStruct, o que é uma aposta diferente do pré-treinamento causal padrão no estilo GPT.

Pesquisadores que estudam transferência zero-shot bilíngue, quantização de grandes modelos ou benchmarks reproduzíveis de LLMs obterão o máximo do GLM-130B. O repositório foca em ferramentas de avaliação e inferência em vez de um produto de chat hospedado, embora o THUDM tenha posteriormente desmembrado o trabalho de diálogo no ChatGLM. Espere trazer suas próprias GPUs, armazenamento para um checkpoint de 260GB e paciência para o formulário de download dos pesos.