🤖 انتشار مدل تصمیم‌گیر Drex Max v1 توسط Nace AI
شرکت Nace AI مدل تصمیم‌گیر Drex Max v1 را به صورت متن‌باز عرضه کرد. این مدل برخلاف مدل‌های زبانی رایج، متن تولید نمی‌کند؛ بلکه وضعیت (متن، JSON یا تصویر) و پرسش‌های تایپ‌شده را می‌خواند و با یک Forward pass، احتمال هر گزینه را محاسبه می‌کند.
ساختار مدل شامل یک Backbone با ۲۷ میلیارد پارامتر است که از ۴۸ لایه Gated DeltaNet و ۱۶ لایه full-attention تشکیل شده است. در بنچمارک Decision Index 0.4، این مدل امتیاز ۶۷.۵۲ را کسب کرده که نسبت به نسخه‌های پیشین بهبود یافته است.
جزئیات فنی اجرا:
* پشتیبانی از سخت‌افزار محلی از جمله Apple Silicon.
* اجرای نسخه Q4 روی مک‌های ۲۴ گیگابایتی و نسخه Q8_0 GGUF روی سیستم‌های ۴۸ گیگابایتی.
* پنجره متنی تا ۲۶۲,۱۴۴ توکن.
* محدودیت: نسخه‌های GGUF، Q4 و MLX فعلاً فقط متنی هستند و امتیاز vision در R-Bench-M به ۳۸.۶ می‌رسد.
کدهای این مدل در مخزن گیت‌هاب قابل دسترسی است و وزن‌های آن تحت لایسنس Nace AI Open RAIL-M منتشر شده‌اند.
#Drex_Max #Gated_DeltaNet
شرکت Nace AI مدل تصمیم‌گیر Drex Max v1 را به صورت متن‌باز عرضه کرد. این مدل برخلاف مدل‌های زبانی رایج، متن تولید نمی‌کند؛ بلکه وضعیت (متن، JSON یا تصویر) و پرسش‌های تایپ‌شده را می‌خواند و با یک Forward pass، احتمال هر گزینه را محاسبه می‌کند.
ساختار مدل شامل یک Backbone با ۲۷ میلیارد پارامتر است که از ۴۸ لایه Gated DeltaNet و ۱۶ لایه full-attention تشکیل شده است. در بنچمارک Decision Index 0.4، این مدل امتیاز ۶۷.۵۲ را کسب کرده که نسبت به نسخه‌های پیشین بهبود یافته است.
جزئیات فنی اجرا:
* پشتیبانی از سخت‌افزار محلی از جمله Apple Silicon.
* اجرای نسخه Q4 روی مک‌های ۲۴ گیگابایتی و نسخه Q8_0 GGUF روی سیستم‌های ۴۸ گیگابایتی.
* پنجره متنی تا ۲۶۲,۱۴۴ توکن.
* محدودیت: نسخه‌های GGUF، Q4 و MLX فعلاً فقط متنی هستند و امتیاز vision در R-Bench-M به ۳۸.۶ می‌رسد.
کدهای این مدل در مخزن گیت‌هاب قابل دسترسی است و وزن‌های آن تحت لایسنس Nace AI Open RAIL-M منتشر شده‌اند.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#Drex_Max #Gated_DeltaNet