Cộng đồng nguồn mở vừa đón nhận phiên bản Apertus 1.5 mới nhất, mở rộng từ các mô hình nền tảng 8B và 70B trước đây với khả năng hiểu ngữ nghĩa hình ảnh và âm thanh toàn diện. Điểm cải tiến của bản phát hành này là cơ chế tích hợp đa phương thức theo dạng early-fusion, cho phép hình ảnh và âm thanh được mã hóa thành các token rời rạc trong cùng một chuỗi văn bản mà không cần bộ mã hóa thị giác riêng biệt. Đồng thời, mô hình tích hợp thêm tùy chọn chế độ tư duy (thinking mode), giúp nâng cao đáng kể hiệu suất giải quyết các bài toán suy luận phức tạp và lập trình.
Quá trình huấn luyện tiếp theo của Apertus 1.5 đã bổ sung hàng nghìn tỷ token văn bản và dữ liệu đa phương thức chất lượng cao, nâng tổng số token huấn luyện lên mức 19 nghìn tỷ cho bản 8B và 17 nghìn tỷ cho bản 70B. Toàn bộ trọng số mô hình, tập dữ liệu và chi tiết huấn luyện đều được công khai hoàn toàn trên Hugging Face theo giấy phép Apache 2.0. Kết quả đánh giá chuẩn cho thấy Apertus 1.5 8B đạt hiệu năng vượt trội so với các mô hình mã nguồn mở cùng kích thước trong các tác vụ tuân thủ lệnh và dịch thuật đa ngôn ngữ.
Sự xuất hiện của Apertus 1.5 là tin vui lớn cho cộng đồng Open Source và các kỹ sư AI tại Việt Nam, mang đến một lựa chọn mô hình nền tảng đa phương thức mạnh mẽ và minh bạch. Việc sở hữu các mô hình mở chất lượng cao giúp các doanh nghiệp và nhà nghiên cứu trong nước dễ dàng tùy chỉnh, triển khai các ứng dụng thông minh mà không phụ thuộc vào các API độc quyền khép kín.
Nguồn: Hugging Face — Biên dịch & tổng hợp: danhbaai.com