I modelli a pesi aperti come GLM 5.2 stanno sfidando i sistemi proprietari, offrendo prestazioni allo stato dell'arte che possono essere affinate ed eseguite localmente. Gli sforzi della comunità per addestrare, quantizzare e condividere i modelli accelerano la democratizzazione e riducono la dipendenza dalle API chiuse.
AllenAI presenta TMax, un dataset di ambienti RL e una ricetta di addestramento aperti che producono agenti terminale compatti, fino a 27B parametri. Il modello da 9B batte tutti gli open sotto i 10B su Terminal Bench 2.0 e si avvicina a sistemi chiu...
Un singolo sviluppatore ha creato da zero un modello linguistico da 500 milioni di parametri e un generatore di immagini da 330 milioni, spendendo solo 800 dollari in calcolo cloud. Il progetto HobbyLM dimostra come la pre-formazione su dataset pubbl...
L'Ohio State University rilascia QUEST-35B, un agente di ricerca autonomo addestrato con 32 GPU H100 e dataset sintetici. Codice, pesi e ricetta di addestramento sono pubblici, con benchmark competitivi rispetto a sistemi chiusi. Un segnale per chi g...
GLM-5.2 ha ottenuto il riconoscimento come il miglior modello Large Language Model (LLM) "open weight" per la scrittura creativa, secondo il benchmark di Sam Paech su EQ Bench. Questo risultato evidenzia il potenziale dei modelli accessibili per scen...
Z.ai ha reso disponibile in Open Source il suo modello GLM 5.2, generando entusiasmo nella community. Gli sviluppatori e le aziende attendono con interesse un successore della serie "Flash", con un range di parametri tra 27 e 120 miliardi, per ottimi...
