🎬 شرکت Sand.ai مدل ویدیویی MAGI-2 Preview را به‌صورت متن‌باز منتشر کرد
شرکت Sand.ai وزن‌ها و کد استنتاج مدل جدید خود را در دسترس عموم قرار داده است. MAGI-2 Preview یک مدل ویدیویی با معماری single-stream است که ویدیوهای ۱۰ ثانیه‌ای را به‌همراه صدای همزمان تولید می‌کند.
---
⚙️ معماری و مشخصات فنی
🔹 معماری MoE با دانه‌بندی دقیق (Fine-grained MoE) : این رویکرد که در مدل‌های ویدیویی نادر است، به مدل اجازه می‌دهد با وجود ۱۱۴ میلیارد پارامتر کلی، تنها ۶ میلیارد پارامتر را به‌ازای هر توکن فعال کند.
🔹 هزینه‌ی استنتاج بسیار پایین‌تر: به دلیل فعال‌سازی کمتر پارامترها، هزینه‌ی استنتاج این مدل حدود ۱۰ برابر کمتر از مدل‌های متراکم مانند MiniMax H3 (با ۳۳ میلیارد پارامتر) است.
🔹 جایگاه در بنچمارک: این مدل موفق شده رتبه‌ی ۶ را در بنچمارک Artificial Analysis کسب کند.
---
🔄 فرآیند تولید دو مرحله‌ای
تولید ویدیو در دو مرحله انجام می‌شود:
۱. تولید پایه: مدل پایه، ویدیو را در کیفیت پایین تولید می‌کند.
۲. بهبود کیفیت: یک مدل Refiner، ویدیو را تا کیفیت ۱۰۸۰p ارتقا می‌دهد.
---
⚖️ مقایسه با MiniMax H3
- نیازمندی‌های سخت‌افزاری: نسخه‌ی کوانتایز شده‌ی H3 روی یک کارت گرافیک ۲۴ گیگابایتی (مانند RTX 3090/4090) اجرا می‌شود، اما MAGI-2 به سخت‌افزار بیشتری نیاز دارد.
- هزینه‌ی استنتاج ابری: با فعال‌سازی تنها ۶ میلیارد پارامتر، استنتاج از طریق API برای MAGI-2 به‌مراتب ارزان‌تر از مدل‌های متراکم خواهد بود.
- پتانسیل مقیاس‌پذیری: معماری MoE این مدل، پتانسیل بالایی برای مقیاس‌پذیری در آینده دارد.
---
💡 خلاصه
مدل MAGI-2 Preview با معماری کارآمد MoE و هزینه‌ی استنتاج پایین، گزینه‌ای جذاب برای تولید ویدیو از طریق API است. هرچند اجرای محلی آن به سخت‌افزار بیشتری نیاز دارد، اما برای ارائه‌دهندگان ابری و توسعه‌دهندگانی که به دنبال راه‌حلی مقرون‌به‌صرفه هستند، انتخاب مناسبی محسوب می‌شود.
---
🔗 لینک‌های مفید
📄 گزارش فنی:
https://sand.ai/blog/magi-2-preview
💻 کدها:
https://github.com/SandAI-org/MAGI-2-preview
🤗 وزن‌های مدل:
https://huggingface.co/sand-ai/MAGI-2-preview
---
#SandAI #MAGI2 #تولید_ویدئو #هوش_مصنوعی #پیشرفت_فناوری
🆔 @asrgooyeshpardaz
شرکت Sand.ai وزن‌ها و کد استنتاج مدل جدید خود را در دسترس عموم قرار داده است. MAGI-2 Preview یک مدل ویدیویی با معماری single-stream است که ویدیوهای ۱۰ ثانیه‌ای را به‌همراه صدای همزمان تولید می‌کند.
---
⚙️ معماری و مشخصات فنی
🔹 معماری MoE با دانه‌بندی دقیق (Fine-grained MoE) : این رویکرد که در مدل‌های ویدیویی نادر است، به مدل اجازه می‌دهد با وجود ۱۱۴ میلیارد پارامتر کلی، تنها ۶ میلیارد پارامتر را به‌ازای هر توکن فعال کند.
🔹 هزینه‌ی استنتاج بسیار پایین‌تر: به دلیل فعال‌سازی کمتر پارامترها، هزینه‌ی استنتاج این مدل حدود ۱۰ برابر کمتر از مدل‌های متراکم مانند MiniMax H3 (با ۳۳ میلیارد پارامتر) است.
🔹 جایگاه در بنچمارک: این مدل موفق شده رتبه‌ی ۶ را در بنچمارک Artificial Analysis کسب کند.
---
🔄 فرآیند تولید دو مرحله‌ای
تولید ویدیو در دو مرحله انجام می‌شود:
۱. تولید پایه: مدل پایه، ویدیو را در کیفیت پایین تولید می‌کند.
۲. بهبود کیفیت: یک مدل Refiner، ویدیو را تا کیفیت ۱۰۸۰p ارتقا می‌دهد.
---
⚖️ مقایسه با MiniMax H3
- نیازمندی‌های سخت‌افزاری: نسخه‌ی کوانتایز شده‌ی H3 روی یک کارت گرافیک ۲۴ گیگابایتی (مانند RTX 3090/4090) اجرا می‌شود، اما MAGI-2 به سخت‌افزار بیشتری نیاز دارد.
- هزینه‌ی استنتاج ابری: با فعال‌سازی تنها ۶ میلیارد پارامتر، استنتاج از طریق API برای MAGI-2 به‌مراتب ارزان‌تر از مدل‌های متراکم خواهد بود.
- پتانسیل مقیاس‌پذیری: معماری MoE این مدل، پتانسیل بالایی برای مقیاس‌پذیری در آینده دارد.
---
💡 خلاصه
مدل MAGI-2 Preview با معماری کارآمد MoE و هزینه‌ی استنتاج پایین، گزینه‌ای جذاب برای تولید ویدیو از طریق API است. هرچند اجرای محلی آن به سخت‌افزار بیشتری نیاز دارد، اما برای ارائه‌دهندگان ابری و توسعه‌دهندگانی که به دنبال راه‌حلی مقرون‌به‌صرفه هستند، انتخاب مناسبی محسوب می‌شود.
---
🔗 لینک‌های مفید
📄 گزارش فنی:
https://sand.ai/blog/magi-2-preview
💻 کدها:
https://github.com/SandAI-org/MAGI-2-preview
🤗 وزن‌های مدل:
https://huggingface.co/sand-ai/MAGI-2-preview
---
#SandAI #MAGI2 #تولید_ویدئو #هوش_مصنوعی #پیشرفت_فناوری
🆔 @asrgooyeshpardaz
❤3🔥1