+31 20 705 1010
EnglishNederlandsFrançaisDeutschEspañol
Modelle

Nvidia entwickelt Nemotron 4 mit 1 Billion Parametern, um führende offene Modelle herauszufordern

Nvidia entwickelt Berichten zufolge eine neue KI-Modellfamilie namens Nemotron 4, die mit den weltweit führenden Open-Source-Modellen konkurrieren soll. Das Flaggschiff-Modell wird voraussichtlich 1 Billion Parameter umfassen, was eine bedeutende Erweiterung des Software-Ökosystems des Unternehmens darstellt.

Warum das wichtig ist

Diese Entwicklung deutet auf einen Trend zur vertikalen Integration hin, bei der Hardware und Basis-Software parallel entwickelt werden. Unternehmen könnten bald von Modellen profitieren, die speziell auf maximale Effizienz für ihre bestehende Infrastruktur abgestimmt sind.

Kernpunkte

  • Die Nemotron 4 Familie zielt darauf ab, mit erstklassigen Open-Source-Angeboten zu konkurrieren.
  • Das Flaggschiff-Modell soll eine Größenordnung von 1 Billion Parametern erreichen.
  • Nvidia verstärkt seinen Fokus auf die Entwicklung von Basismodellen neben seiner dominanten Position im Hardware-Bereich.

Passende Lösungen

Generative KI KI-Apps & Plattformen Sovereign AI
Alle KI-Nachrichten

Mehr KI-Nachrichten

Modelle

Moonshot AI stellt Kimi K3.1 Pro und High-Speed-Variante für die kommerzielle Evaluierung vor

Moonshot AI hat sein Modell Kimi K3.1 Pro zusammen mit einer speziellen High-Speed-Version für eine schnellere Verarbeitung offiziell eingeführt. Unternehmen, die die Veröffentlichung prüfen, untersuchen die Betriebskosten und die Datenverarbeitungsrichtlinien des Anbieters genau, bevor sie sich für den Produktiveinsatz entscheiden.

Modelle

Kimi K3.1 Pro sichert sich den fünften Platz auf dem SevenLab AI Leaderboard

Kimi K3.1 Pro des Entwicklers Kimi ist offiziell in die Top Ten des SevenLab AI Leaderboards eingestiegen und belegt insgesamt den fünften Platz. Der Benchmark bewertet führende Basismodelle anhand einer speziellen wertbereinigten Methodik, die auf Evaluierungsdaten von Artificial Analysis basiert.

Modelle

Auswahl von Enterprise-Hardware für lokale LLMs priorisiert Speicherkapazität und Bandbreite

Unternehmensteams, die Hardware für die lokale Ausführung von Sprachmodellen evaluieren, müssen Speicherkapazität und Bandbreite gegenüber reiner Rechenleistung priorisieren. Die Unified-Memory-Architektur ermöglicht es Entwickler-Workstations, Modelle mit größeren Parametern direkt in den Speicher zu laden. Planungsverantwortliche prüfen diese Spezifikationen, um eine kosteneffiziente On-Device-Inferenz sicherzustellen.

Ready to build something extraordinary?

15 minutes. No pitch deck. Just a conversation about what AI can do for your team.

Talk directly with our AI specialists

15 Min, unverbindlich
Kein Verkaufsdruck
Prototyp in 7 Tagen