Il campo dei Large Language Models sta vivendo una rapida innovazione nelle architetture (es. modelli sparsi), nelle metodologie di addestramento (es. distillation, addestramento decentralizzato) e nelle strategie di deployment. C'è una crescente attenzione a rendere i modelli più efficienti, trasparenti e accessibili per diverse applicazioni, insieme a dibattiti sulla disponibilità dei modelli open-source e sullo sviluppo responsabile dell'AI.
Il checkpoint 1019 di Ling-3.1-flash è ora su Hugging Face insieme al base model in BF16. Restano 560 miliardi di parametri totali, 25 miliardi attivi e una context window da un milione di token. L'aggiornamento porta l'AA Intelligence Index da 41 a ...
inclusionAI aggiorna Ling-3.1-flash: 560B parametri totali, 25B attivi per token e finestra di contesto da 1M token. Migliorano i benchmark agentici e scientifici. Il checkpoint base viene aperto alla ricerca. L'articolo analizza le implicazioni per ...
Un approccio basato sugli embedding dell'encoder di Whisper seleziona sottoinsiemi di addestramento più piccoli e rappresentativi per il fine-tuning ASR. Su ebraico e danese, la selezione k-center ottiene spesso risultati migliori del campionamento c...
Nanbeige4.3-33B non è solo un benchmark: è un insegnante per una pipeline di distillation. Per chi gestisce inference self-hosted, il segnale è chiaro: il costo si sposta dal deployment alla fase di distillazione. Il 3B potrà girare su hardware modes...
CrowdGPT punta ad addestrare un LLM da un miliardo di parametri in modo collaborativo, usando i PC dei partecipanti al posto dei datacenter e pubblicando il 100% dei dati e dei pesi. Lo sviluppatore chiede feedback sugli incentivi, dal tempo GPU ai c...
Il team di Nanbeige presenta il modello da 33B come più forte di Qwen3.8-27B su diversi benchmark, ma il punto centrale è la pipeline di distillation: servirà a produrre versioni da 3B e forse altre taglie. Per chi valuta deployment self-hosted, un 3...
Un progetto indipendente ha pubblicato una versione preliminare di un modello da 4 miliardi di parametri per coding e generazione di scene 3D, come fine-tune di Qwen3.5-4B. I checkpoint GGUF Q4_K_M e Q8_0 sono già su Hugging Face, mentre il training ...
Sam Altman dice che i modelli open weight hanno valore sociale, ma il modello interno più avanzato di OpenAI non può essere aperto in modo responsabile finché cyberdifesa e biosicurezza non saranno più forti. Ha anche ammesso di aver sottovalutato l'...
La sparizione di modelli da Hugging Face, segnalata da un utente, accende i riflettori su un rischio spesso trascurato nei deployment self-hosted: la supply chain dei pesi è revocabile. I nomi dei modelli scomparsi - uncensored, offensive cyber, abli...
L'AI aziendale non si gioca più sulla scelta del modello. Architettura, gestione della memoria, scheduling e ottimizzazione determinano se un LLM diventa capacità produttiva affidabile, economica e scalabile. Partire dal carico di lavoro, individuare...
Una repository Hugging Face chiamata RecursiveSI/flint, seguita dalla stringa 40B A2.5B, riaccende il tema della trasparenza sui modelli aperti. Senza scheda tecnica né dettagli sulla precisione numerica, il nome diventa un campo di battaglia per chi...
