স্ট্যানফোর্ড গবেষণা: ছোট মডেল হাইপারস্কেলারদের বিরুদ্ধে

স্ট্যানফোর্ড বিশ্ববিদ্যালয়ের একটি নতুন গবেষণা বলে ওঠে যে স্থানীয় PC-এ চালিত ছোট ভাষা মডেলগুলি (SLMs) অধিকাংশ কাজে বড় ভাষা মডেলগুলির (LLMs) সাথে বা তাদের চেয়ে বেশিরভাগে অগ্রণী। গবেষণাটি QWEN 3, GEMMA 3, GPT-OSS এবং GRANITE 4.0 কে Nvidia এবং Apple M4 চিপের মধ্যে তুলনা করেছে এবং এটি ChatGPT 5, Claude Sonnet 4.5 এবং Gemini 2.5 Pro এর সাথে তুলনা করেছে যা ক্লাউড-ভিত্তিক। চ্যাট কাজে, সর্বোত্তত SLM এর পারফর্ম্যান্স LLM-এর 98.6% ক্ষেত্রে সমান বা বেশিরভাগে অগ্রণী। যুক্তি কাজের জন্য, SLMs 62.5% পারিটি অর্জ করেছে। সমন্বয়ে, SLMs বাস্তব প্রপঞ্চের 81.2% পরিস্থিতিতে সমান বা বেশিরভাগে অগ্রণী। SLMs শক্তি ও গণনায়ও 50-85% কম খরচ করে। SLMs-এর সফলতার হার 2023 সালে ~50% থেকে অক্টোবর 2025 পর্যন্ত সহজ কাজে 99% পর্যন্ত উন্নত হয়েছে, যদিও তারা এখনও জটিল স্তর 5 যুক্তি (51.5%) তে পিছড়ে। গবেষণাটি অনুমান করে যে মার্কিন যুক্তরাষ্ট্রের SLM বাজার 10 ট্রিলিয়ন ডলার, যা হাইপারস্কেলার ডেটা সেন্টার বিনিয়োগকে বিরুদ্ধে দেখায় এবং সম্ভাব্যতা হাই অ্যাডভান্সড চিপস এর চাহিদা কমাতে পারে।

উৎস: Hacker News · সারাংশ: HeadlinesBriefing