Inception 50 میلیون دلار برای ساخت مدل های انتشار کد و متن جمع آوری می کند

با وجود پول زیادی که به استارت‌آپ‌های هوش مصنوعی سرازیر می‌شود، زمان خوبی است که یک محقق هوش مصنوعی با ایده‌ای برای آزمایش باشید. و اگر ایده به اندازه کافی جدید باشد، ممکن است به‌جای اینکه در یکی از آزمایشگاه‌های بزرگ منابع مورد نیاز خود را به عنوان یک شرکت مستقل به دست آورید، آسان‌تر است.

داستان این است آغاز، یک استارتاپ در حال توسعه مدل های هوش مصنوعی مبتنی بر انتشار است که فقط 50 میلیون دلار سرمایه اولیه را جمع آوری کرد. این دور توسط Menlo Ventures با مشارکت Mayfield، Innovation Endeavors، صندوق M12 مایکروسافت، Snowflake Ventures، Databricks Investment و NVentures بازوی سرمایه‌گذاری انویدیا رهبری شد. اندرو نگ و آندری کارپاتی بودجه اضافی برای فرشته فراهم کردند.

رهبر این پروژه استفانو ارمون، استاد دانشگاه استنفورد است که تحقیقاتش بر روی مدل‌های انتشار متمرکز است – که خروجی‌ها را از طریق اصلاح تکراری به جای کلمه به کلمه تولید می‌کنند. این مدل‌ها سیستم‌های هوش مصنوعی مبتنی بر تصویر مانند Stable Diffusion، Midjourney و Sora را تقویت می‌کنند. ارمون پس از کار بر روی این سیستم‌ها از قبل از اینکه رونق هوش مصنوعی آنها را هیجان‌انگیز کند، از Inception برای اعمال مدل‌های مشابه برای طیف وسیع‌تری از وظایف استفاده می‌کند.

همراه با بودجه، این شرکت نسخه جدیدی از مدل Mercury خود را منتشر کرد که برای توسعه نرم افزار طراحی شده است. Mercury قبلاً در تعدادی از ابزارهای توسعه از جمله ProxyAI، Buildglare و Kilo Code ادغام شده است. مهم‌تر از همه، ارمون می‌گوید رویکرد انتشار به مدل‌های Inception کمک می‌کند تا در دو مورد از مهم‌ترین معیارها صرفه‌جویی کنند: تأخیر (زمان پاسخ) و هزینه محاسبه.

ارمون می‌گوید: «این LLM‌های مبتنی بر انتشار بسیار سریع‌تر و بسیار کارآمدتر از آنچه که دیگران امروز می‌سازند، هستند. “این فقط یک رویکرد کاملاً متفاوت است که در آن نوآوری های زیادی وجود دارد که هنوز می توان روی میز آورد.”

درک تفاوت فنی نیاز به کمی پیش زمینه دارد. مدل‌های انتشار از نظر ساختاری با مدل‌های رگرسیون خودکار، که بر سرویس‌های هوش مصنوعی مبتنی بر متن تسلط دارند، متفاوت هستند. مدل‌های رگرسیون خودکار مانند GPT-5 و Gemini به صورت متوالی کار می‌کنند و هر کلمه یا قطعه کلمه بعدی را بر اساس مواد پردازش شده قبلی پیش‌بینی می‌کنند. مدل‌های انتشار، که برای تولید تصویر آموزش داده شده‌اند، رویکرد جامع‌تری دارند و ساختار کلی یک پاسخ را به‌صورت تدریجی تغییر می‌دهند تا زمانی که با نتیجه مطلوب مطابقت داشته باشد.

عقل مرسوم استفاده از مدل‌های رگرسیون خودکار برای برنامه‌های متنی است و این رویکرد برای نسل‌های اخیر مدل‌های هوش مصنوعی بسیار موفق بوده است. اما تعداد فزاینده‌ای از تحقیقات نشان می‌دهد که مدل‌های انتشار ممکن است زمانی که یک مدل باشد بهتر عمل کنند پردازش مقادیر زیادی متن یا مدیریت محدودیت های داده. همانطور که ارمون می گوید، این ویژگی ها در هنگام انجام عملیات بر روی پایگاه های کد بزرگ به یک مزیت واقعی تبدیل می شوند.

مدل‌های Diffusion همچنین انعطاف‌پذیری بیشتری در نحوه استفاده از سخت‌افزار دارند، که با مشخص شدن زیرساخت‌های هوش مصنوعی، مزیت مهمی است. در جایی که مدل‌های رگرسیون خودکار باید عملیات‌ها را یکی پس از دیگری اجرا کنند، مدل‌های انتشار می‌توانند بسیاری از عملیات را به طور همزمان پردازش کنند، و اجازه می‌دهند تأخیر قابل توجهی در کارهای پیچیده کمتر شود.

ارمون می‌گوید: «ما با بیش از 1000 توکن در ثانیه محک زده‌ایم، که بسیار بالاتر از هر چیزی است که با استفاده از فناوری‌های اتورگرسیو موجود امکان‌پذیر است، زیرا دستگاه ما موازی ساخته شده است. واقعاً بسیار سریع ساخته شده است.»