Iris yapay zekâ sanatının kültürle buluştuğu yeri yazar — stil, eser sahipliği ve önemli görseller.
Bu hikâye ilham mı verdi? Fikrini saniyeler içinde kendi yapay zekâ sanatına dönüştür — ücretsiz başla, kart gerekmez.
Ücretsiz başlaBir arkadaşını seç ve bu haber hakkındaki görüşünü öğren
Swiss AI, OpenAI'ın GPT-4o'sunu çeşitli temel metin tabanlı karşılaştırmalarda açıkça geride bırakan ve Meta'nın Llama 3 400B'siyle eşdeğer görsel akıl yürütme yeteneklerine ulaşan açık ağırlıklı çok modlu bir yapay zeka modeli olan Apertus 1.5'i tanıttı. Bu sürüm, üretken iş akışları için güçlü, şeffaf modellere erişimi önceliklendiren yaratıcılar için önemli bir anı işaret ediyor ve kapalı kaynak sistemlere güçlü bir alternatif sunuyor.
Yapay zekayı kavramsallaştırma, istem oluşturma veya karmaşık metinsel talimatlar için kullanan sanatçılar ve geliştiriciler için Apertus 1.5, ikna edici bir durum sunuyor. Model, MT-Bench'te 87.0 puan alarak GPT-4o'nun 86.1'inin biraz önüne geçti ve MMLU'da 75.3 puan alarak GPT-4o'nun 74.5'ini aştı. Bu karşılaştırmalar, metni daha incelikli anlama ve üretme yeteneğine sahip bir modeli işaret ediyor; bu da görüntü ve video çıktılarında daha sofistike ve hassas kontrol anlamına geliyor. Bu, daha az istem mühendisliği tahmini ve karmaşık fikirlerin görsel forma potansiyel olarak daha doğrudan çevirileri anlamına geliyor. Yapay zeka destekli bir karakter için karmaşık bir hikaye oluşturmayı veya modelin daha yüksek doğrulukla yorumladığı ayrıntılı sahne açıklamaları hazırlamayı hayal edin.
Apertus 1.5, MT-Bench ve MMLU karşılaştırmalarında GPT-4o ve diğer önde gelen modellere kıyasla üstün metin performansı sergiliyor.
Görsel: Hugging Face Blog
Metin performansı çok önemli olsa da, çok modlu bir modelin görsel anlayışı yapay zeka sanatı yaratıcıları için hayati önem taşır. Apertus 1.5, MMMU'da 79.5 ve MathVista'da 73.1 puan alarak Meta'nın Llama 3 400B'siyle karşılaştırılabilir bir performans seviyesine yerleşti. Bu görsel zeka seviyesi, modelin görsel girdileri yüksek doğrulukla işleyebileceği ve yorumlayabileceği anlamına gelir; bu, görüntüden görüntüye dönüşümler, stil aktarımı veya hatta karmaşık görsel istemlere dayalı yeni görüntüler oluşturma gibi görevler için kritik bir özelliktir. Örneğin, bir sanatçı Apertus 1.5'e bir görüntü ve bir metin istemi besleyerek belirli öğeleri iyileştirebilir, modelin her iki girdiyi de yüksek doğrulukla anladığını bilerek. Bu, görüntü oluşturma ve yapay zeka videosu iş akışlarını önemli ölçüde etkileyebilir.
Tescilli modellerin aksine, Apertus 1.5'in açık ağırlık durumu, yapay zeka sanatı topluluğu için önemli bir nimettir. Yaratıcıların modeli kendi donanımlarına veya tercih ettikleri bulut ortamlarına indirmelerine, incelemelerine, ince ayar yapmalarına ve dağıtmalarına olanak tanır. Bu erişim düzeyi, sanatçıların modeli belirli estetik stillere veya niş uygulamalara bir API sağlayıcısının koşulları veya fiyatlandırmasıyla kısıtlanmadan uyarlamalarına olanak tanıyarak daha fazla yaratıcı özgürlüğü teşvik eder. Özel veri kümeleriyle ince ayar yapma yeteneği, meraklıların yazılımı kendi özel ihtiyaçlarına göre değiştirebildiği açık kaynak fotoğrafçılık araçlarının ilk günlerini anımsatan, yüksek düzeyde uzmanlaşmış sanat jeneratörleri geliştirmenin kapılarını açar. Bu, iç işleyişi gizli kalan birçok ticari modelin opak doğasıyla çelişmektedir. Model kataloğumuzda çok çeşitli açık ağırlıklı modelleri keşfedebilirsiniz.
"Apertus 1.5, 4.1 trilyon metin belirteci ve 5.2 milyar görüntü belirteci gibi devasa bir veri kümesi üzerinde sıfırdan eğitilmiş gerçek bir açık ağırlıklı çok modlu modeldir."
— Hugging Face Blog
Swiss AI, Apertus 1.5 için dört aşamalı sürekli ön eğitim, ardından denetimli ince ayar (SFT), uzun bağlamlı SFT ve RLVR, DPO ve SDPO gibi çeşitli takviyeli öğrenme tekniklerini içeren sofistike bir eğitim hattını detaylandırıyor. Hem metin hem de görüntü belirteçlerinden (4.1 trilyon metin, 5.2 milyar görüntü) oluşan bu kadar geniş bir veri kümesi üzerinde eğitime yönelik bu titiz yaklaşım, modaliteler arası güçlü performansının temelini oluşturuyor. Hugging Face'deki sürüm notları, temel mimari ve eğitim metodolojisiyle ilgilenenler için daha fazla teknik derinlik sağlıyor. Şeffaflık ve açık erişime olan bu bağlılık, model geliştirme için yeni bir standart belirleyebilir ve sanatçıları yalnızca güçlü değil, aynı zamanda tamamen denetlenebilir ve özelleştirilebilir araçlarla güçlendirebilir.