Arcee: Най-новият стартъп с отворен код за машинно обучение
Arcee е малък стартъп със седалище в САЩ, съставен от 26 души, които работят усилено, за да променят начина, по който компаниите се отнасят към моделите за машинно обучение. Техният LLM с отворен код с 400B параметър е резултат от бюджет от 20 милиона долара и е изключително внушителен.
Изпълнителният директор на компанията, Марк Маккуейд, с гордост обяви пускането на новия модел на разсъждение, наречен Trinity Large Thinking. Това е един от най-способните модели с отворено тегло, които са се появили на пазара, както той посочи пред TechCrunch.
Предизвикателството, пред което се изправят мнозина компании, е свързано с използването на модели за машинно обучение, базирани в Китай. Въпреки че тези модели са изключително способни, те се възприемат като рискови поради възможността данните да бъдат използвани от правителството на Китай, което може да не споделя всички ценности на западния свят.
Arcee се стреми да предостави на американските и западните компании алтернатива на китайските модели. Техният подход позволява на компаниите да изтеглят модела, да го обучат според нуждите си и да го използват по свободното си усмотрение. Освен това, компаниите могат да използват хостваната в облак версия на Arcee, която е достъпна чрез API.
В сравнение с моделите със затворен код на големите лаборатории като Anthropic или OpenAI, моделите на Arcee са независими и не зависят от капризите на тези гиганти. Техният модел Trinity Large Thinking се равнява на някои от най-добрите модели с отворен код според резултатите от бенчмарките, споделени с TechCrunch.
Важно е да се отбележи, че Arcee следва златния стандарт за лицензи за отворен код, Apache 2.0, което гарантира прозрачност и свобода за потребителите на техните модели.
В крайна сметка, различните стартъпи в САЩ, които се занимават с разработката на модели за машинно обучение с отворен код, са от съществено значение за иновациите в отраслите. Arcee е само един от многото примери за това как малките компании могат да променят играта и да предложат алтернативи на традиционните модели, които се използват в момента.