La corsa open-weight accelera su due fronti: modelli compatti addestrabili su singola GPU e laboratori cinesi come MiniCPM, DeepSeek, Qwen e Moonshot che riducono il divario per scala e ricavi. Questo mette in discussione le ipotesi di soli modelli occidentali e ridefinisce le scelte di deployment on-premise.
Moonshot AI dichiara oltre 1 miliardo di dollari di ricavi ricorrenti annualizzati ad agosto e punta a 2 miliardi entro fine 2026. I guadagni arrivano da abbonamenti a Kimi e servizi basati sul modello open-weight K3. La licenza impone accordi commer...
Un modello da 150 milioni di parametri con prestazioni simili a GPT-2 Small è stato addestrato su una singola RTX Pro 6000 usando 7 miliardi di token. I benchmark pubblicati mostrano PIQA 62,24%, Hellaswag 32,20%, Arc-Easy 44,91%, Arc-Challenge 25,00...
Un ricercatore indipendente ha preparato un modello denso da 9,4 miliardi di parametri per il training su una singola scheda, con distillazione da Llama 3 e semplificazioni architetturali. Non ci sono benchmark, ma il segnale per l'AI on-premise è ch...
Un ricercatore indipendente ha reso pubblico un modello da circa 9,4 miliardi di parametri, pensato per l'addestramento su una singola scheda. Il progetto include architetture ispirate a Moonshot e una distillazione da Llama 3, con il training già av...
Chi gestisce H100 con vincoli che escludono modelli cinesi parte svantaggiato: nel segmento aperto 120B+ con visione il divario rispetto a GLM, Qwen e DeepSeek è misurabile. Tra i candidati occidentali citati, Inkling Small e Command A+ coprono parte...
Nel BabyLM 2026 Strict-Small, Qiushi Engine ha guadagnato 0,23 punti Overall su nove metriche senza aumentare la scala, ma riorganizzando l'esperienza attorno alle dipendenze contestuali. Per chi valuta LLM self-hosted, il segnale è il principio di e...
Qiushi Engine ha condotto un programma di ricerca autonomo su BabyLM 2026 Strict-Small, con 10 milioni di parole e 100 milioni di presentazioni cumulative. Tre fasi hanno unito avanzamento, scoperta di principi e miglioramento guidato. L'Overall sale...
La pagina esiste, il modello si chiama DeepSeek-V4.1-Flash. Dalla fonte non emergono specifiche tecniche: nessuna VRAM, nessun contesto, nessuna metrica. Il nome 'Flash' suggerisce una variante orientata all'inference, ma per chi valuta on-premise re...
OpenBMB ha pubblicato MiniCPM5-2B, un modello open weights da 2 miliardi di parametri che ottiene 15 sull'Artificial Analysis Intelligence Index v4.2, il punteggio più alto tra i modelli aperti fino a 4B. Il risultato interessa chi valuta deployment ...
