Infleksi-2.5: The Powerhouse LLM nandingan GPT-4 sareng Gemini

Infleksi AI geus nyieun ombak dina widang model basa badag (LLMs) kalayan peluncuran Inflection-2.5 panganyarna na, modél anu bersaing sareng LLMs terkemuka di dunya, kalebet OpenAI's GPT-4 sareng Google Gemini.

Naékna gancang Inflection AI parantos didorong ku anu masif $ 1.3 milyar babak waragad, dipingpin ku raksasa industri kayaning Microsoft, NVIDIA, sarta investor renowned kaasup Reid Hoffman, Bill Gates, sarta Eric Schmidt. Investasi anu signifikan ieu nyababkeun total dana anu diangkat ku perusahaan ka $ 1.525 milyar.

Kolaborasi sareng mitra CoreWeave sareng NVIDIA, Inflection AI ngawangun klaster AI panggedéna di dunya, anu diwangun ku 22,000 NVIDIA H100 Tensor Core GPUs. Kakuatan komputasi kolosal ieu bakal ngadukung latihan sareng panyebaran generasi anyar model AI skala ageung, ngamungkinkeun Inflection AI nyorong wates naon anu mungkin dina widang AI pribadi.

Karya groundbreaking perusahaan parantos ngahasilkeun hasil anu luar biasa, kalayan kluster Inflection AI, ayeuna ngandung langkung ti 3,500 NVIDIA H100 Tensor Core GPUs, nganteurkeun kinerja canggih dina benchmark open-source MLPerf. Dina kiriman gabungan sareng CoreWeave sareng NVIDIA, kluster parantos ngalengkepan tugas latihan rujukan pikeun modél basa ageung dina ngan 11 menit, nguatkeun posisina salaku klaster panggancangna dina patokan ieu.

Pencapaian ieu diturunkeun ku Inflection-1, model in-house large language (LLM) Inflection AI, anu parantos dipuji salaku modél pangsaéna dina kelas komputasina. Raksasa industri anu unggul sapertos GPT-3.5, LLaMA, Chinchilla, sareng PaLM-540B dina rupa-rupa tolok ukur anu biasa dianggo pikeun ngabandingkeun LLM, Inflection-1 ngamungkinkeun pangguna pikeun berinteraksi sareng Pi, AI pribadi Inflection AI, ku cara anu sederhana sareng alami. , nampi inpormasi sareng naséhat anu gancang, relevan, sareng ngabantosan.

Komitmen Inflection AI pikeun transparansi sareng reproducibility dibuktikeun dina sékrési mémo téknis anu rinci ngeunaan évaluasi sareng kinerja Inflection-1 dina sababaraha tolok ukur. mémo nembongkeun yen Inflection-1 outperforms model dina kelas komputasi sarua, diartikeun model dilatih ngagunakeun paling FLOPs (operasi floating-titik) tina PaLM-540B.

Kasuksésan Inflection-1 sareng skala gancang tina infrastruktur komputasi perusahaan, didorong ku babak dana anu ageung, nyorot dedikasi Inflection AI anu teu kaampeuh pikeun ngalaksanakeun misi nyiptakeun AI pribadi pikeun sadayana. Kalayan integrasi Inflection-1 kana Pi, pangguna ayeuna tiasa ngalaman kakuatan AI pribadi, nguntungkeun tina kapribadian anu empati, mangpaat, sareng standar kaamanan.

Infleksi-2.5

Infleksi-2.5 ayeuna sayogi pikeun sadaya pangguna Pi, asisten AI pribadi Inflection AI, ngalangkungan sababaraha platform, kalebet wéb (pi.ai), iOS, Android, sareng aplikasi desktop énggal. Integrasi ieu nandaan tonggak penting dina misi Inflection AI pikeun nyiptakeun AI pribadi pikeun sadayana, ngahijikeun kamampuan atah sareng kapribadian empati sareng standar kaamanan tandatanganna.

A Leap in Performance Inflection Model AI saméméhna, Inflection-1, ngagunakeun kira-kira 4% tina latihan FLOPs (operasi floating-point) tina GPT-4 sareng nunjukkeun prestasi rata-rata sakitar 72% dibandingkeun sareng GPT-4 dina sagala rupa berorientasi IQ. tugas. Kalayan Inflection-2.5, Inflection AI parantos ngahontal dorongan anu ageung dina kamampuan intelektual Pi, kalayan fokus kana coding sareng matematika.

Kinerja modél dina tolok ukur industri konci nunjukkeun kamampuanana, nunjukkeun langkung ti 94% kinerja rata-rata GPT-4 dina sagala rupa tugas, kalayan tekenan khusus pikeun unggul di daérah STEM. Pencapaian anu luar biasa ieu mangrupikeun bukti komitmen Inflection AI pikeun nyorong wates téknologi bari ngajaga fokus anu teu kaampeuh dina pangalaman sareng kaamanan pangguna.

Coding jeung Matématika Prowess Inflection-2.5 bersinar dina coding jeung matematika, demonstrating leuwih 10% pamutahiran on Inflection-1 on BIG-Bench-Hard, sawaréh tina masalah nangtang pikeun model basa badag. Dua tolok ukur coding, MBPP + sareng HumanEval +, ngungkabkeun perbaikan ageung tina Inflection-1, nguatkeun posisi Inflection-2.5 salaku kakuatan anu kedah diperhitungkeun dina domain coding.

Dina patokan MBPP +, Inflection-2.5 outperforms miheulaan na ku margin signifikan, exhibiting tingkat kinerja comparable jeung GPT-4, sakumaha dilaporkeun ku DeepSeek Coder. Nya kitu, dina patokan HumanEval +, Inflection-2.5 nunjukkeun kamajuan anu luar biasa, ngaleuwihan kinerja Inflection-1 sareng ngadeukeutan tingkat GPT-4, sakumaha dilaporkeun dina leaderboard EvalPlus.

Dominasi Patokan Industri

Inflection-2.5 nangtung kaluar dina patokan industri, showcasing perbaikan penting leuwih Inflection-1 dina patokan MMLU jeung patokan GPQA Inten, renowned pikeun kasusah tingkat ahli na. Kinerja model dina tolok ukur ieu negeskeun kamampuanna pikeun nanganan rupa-rupa pancén, ti mimiti masalah tingkat SMA nepi ka tantangan tingkat profésional.

Unggul dina Ujian STEM Kaunggulan modél ieu dugi ka ujian STEM, kalayan prestasi anu luar biasa dina ujian Matematika Hungaria sareng GRE Fisika. Dina ujian Matematika Hungaria, Inflection-2.5 nunjukkeun kamampuan matematikna ku cara ngamangpaatkeun pituduh sareng pormat sababaraha shot anu disayogikeun, ngamungkinkeun pikeun ngagampangkeun reproducibility.

Dina Fisika GRE, ujian lawang lulusan dina fisika, Inflection-2.5 ngahontal persentil 85th of test-takers manusa dina maj@8 (sora mayoritas di 8), solidifying posisina salaku contender formidable dina realm fisika masalah-ngarengsekeun. . Saterusna, modél ngadeukeutan skor pangluhurna di maj@32, némbongkeun kamampuhna pikeun tackle masalah fisika kompléks kalawan akurasi luar biasa.

Ningkatkeun Pangalaman Pamaké Infleksi-2.5 henteu ngan ukur ngadukung kapribadian tandatangan Pi sareng standar kaamanan tapi ngangkat statusna salaku AI pribadi anu serbaguna sareng teu ternilai dina sagala rupa topik. Tina ngabahas kajadian ayeuna dugi ka milarian saran lokal, diajar pikeun ujian, coding, bahkan obrolan santai, Pi Powered by Inflection-2.5 ngajangjikeun pangalaman pangguna anu diperkaya.

Kalayan kamampuan anu kuat Inflection-2.5, pangguna ngiringan Pi dina topik anu langkung lega tibatan sateuacanna. Kamampuh model pikeun nanganan tugas kompléks, digabungkeun jeung kapribadian empathetic sarta kamampuhan pilarian web real-time, ensures yén pamaké narima kualitas luhur, informasi up-to-date jeung hidayah.

Pamaké Adoption and Engagement Dampak integrasi Inflection-2.5 kana Pi geus dibuktikeun dina sentimen pamaké, Dursasana, jeung métrik ingetan. Inflection AI geus nyaksian akselerasi signifikan dina pertumbuhan pamaké organik, kalawan hiji juta poean jeung genep juta pamaké aktif bulanan exchanging leuwih ti opat miliar pesen jeung Pi.

Rata-rata, paguneman sareng Pi salami 33 menit, sareng hiji dina sapuluh salami sajam unggal dinten. Leuwih ti éta, kira-kira 60% jalma anu berinteraksi sareng Pi dina saminggu nu tangtu balik deui ka minggu di handap, showcasing stickiness bulanan luhur batan pesaing ngarah di lapangan.

Rincian Téknis sareng Transparansi Patokan

Luyu sareng komitmen Inflection AI pikeun transparansi sareng reproducibility, perusahaan parantos nyayogikeun hasil téknis anu lengkep sareng detil ngeunaan kinerja Inflection-2.5 dina sagala rupa patokan industri.

Contona, dina versi dilereskeun tina dataset MT-Bench, nu alamat isu kalawan solusi rujukan lepat sarta enggon flawed dina dataset aslina, Inflection-2.5 mendemonstrasikan kinerja luyu jeung ekspektasi dumasar kana tolok ukur séjén.

Inflection AI ogé parantos ngaevaluasi Inflection-2.5 dina HellaSwag sareng ARC-C, akal sehat sareng tolok ukur sains dilaporkeun ku rupa-rupa modél, sareng hasilna nunjukkeun prestasi anu kuat dina tolok ukur jenuh ieu.

Kadé dicatet yén bari evaluasi disadiakeun ngagambarkeun modél powering Pi, pangalaman pamaké bisa rada béda alatan faktor kayaning dampak dimeunangkeun web (teu dipaké dina tolok ukur), struktur prompts sababaraha-shot, jeung lianna. bédana sisi produksi.

kacindekan

Inflection-2.5 ngagambarkeun kabisat anu signifikan dina widang model basa anu ageung, nandingan kamampuan pamimpin industri sapertos GPT-4 sareng Gemini bari ngagunakeun ngan ukur sabagian tina sumber komputasi. Kalayan prestasi anu pikaresepeun dina sajumlah tolok ukur, khususna di daérah STEM, coding, sareng matematika, Inflection-2.5 parantos nempatkeun dirina salaku pesaing anu hebat dina bentang AI.

Integrasi Inflection-2.5 kana Pi, asisten AI pribadi Inflection AI, ngajangjikeun pangalaman pangguna anu diperkaya, ngagabungkeun kamampuan atah sareng kapribadian anu empati sareng standar kaamanan. Nalika Inflection AI terus nyorong wates naon anu mungkin sareng LLMs, komunitas AI eagerly antisipasi gelombang salajengna inovasi sarta terobosan ti parusahaan trailblazing ieu.