N環球 
काकाओ ओपन-सोर्स दो कनाना-2 विज़न एनकोडर, गूगल, मेटा, एप्पल मॉडल पर जीत का दावा
काकाओ ने व्यावसायिक रूप से प्रयोग करने योग्य कनाना ओपन लाइसेंस के तहत हगिंग फेस पर दो इन-हाउस विज़न एनकोडर, कनाना-2-विज़न-एनकोडर जारी किए हैं; कंपनी का कहना है कि उन्होंने 42 बेंचमार्क में Google, Meta, Apple और Alibaba के मॉडलों को पछाड़ दिया है।
यह क्यों मायने रखता है?
एक विज़न एनकोडर एआई की "आंखें" है: यह छवियों से दृश्य विशेषताओं - वस्तुओं, पाठ, स्थानों, आकृतियों - को निकालता है और उन्हें एक भाषा मॉडल में भेजता है जो उपयोगकर्ता के प्रश्नों का उत्तर देता है, मेनू आइटम और कीमतों को पढ़ने से लेकर दस्तावेज़ लेआउट को समझने और तस्वीरों का वर्णन करने तक। काकाओ ने एक लाइसेंस के तहत उनमें से दो को एक साथ जारी किया, जो व्यावसायिक उपयोग की अनुमति देता है, मल्टीमॉडल एआई डेवलपर्स को एक तैयार नया विकल्प देता है।
क्या जारी किया गया था
काकाओ ने बुधवार, 21 अक्टूबर को घोषणा की कि उसने हगिंग फेस पर दो इन-हाउस विकसित विज़न एनकोडर, "कनाना-2-विज़न-एनकोडर" जारी किए हैं: 426 मिलियन पैरामीटर वाला एक मध्यम संस्करण और 98 मिलियन पैरामीटर वाला एक छोटा संस्करण, जैसा कि इसके डेवलपर सम्मेलन "इफ काकाओ 26" में पूर्वावलोकन किया गया था। दोनों मॉडल "कनाना ओपन लाइसेंस" के तहत जारी किए गए हैं, जो न केवल अनुसंधान और विकास के लिए बल्कि व्यावसायिक उद्देश्यों के लिए भी उपयोग की अनुमति देता है।
पूरी रिपोर्ट
काकाओ के अनुसार, दो मॉडलों ने प्रमुख वैश्विक विज़न एनकोडर - Google के SigLIP 2, मेटा के परसेप्शन एनकोडर, Apple के AIMv2 और अलीबाबा के Qwen3.5-ViT - को नौ डोमेन और 42 बेंचमार्क में बेहतर प्रदर्शन किया, जिसमें सामान्य दृश्य प्रश्न उत्तर, अंग्रेजी और कोरियाई OCR और दस्तावेज़ समझ, विज़ुअल ग्राउंडिंग और बारीक धारणा शामिल है। विशेष रूप से, 100 मिलियन से कम मापदंडों के साथ छोटे मॉडल ने कुछ बेंचमार्क पर 400 मिलियन से अधिक मापदंडों के साथ कुछ प्रतिस्पर्धी मॉडलों को हराया - यह सब काकाओ के स्वयं के प्रकाशित मूल्यांकन के अनुसार, स्वतंत्र तृतीय-पक्ष सत्यापन अभी भी बाकी है।
एलेक की रिपोर्ट है कि काकाओ ने प्रशिक्षण के दौरान अपने इन-हाउस कनाना -2 भाषा मॉडल का उपयोग किया, जिससे पिछले दृष्टिकोण की तुलना में प्रशिक्षण दक्षता में लगभग चार गुना सुधार हुआ, और इसके उच्च-रिज़ॉल्यूशन छवि प्रसंस्करण आर्किटेक्चर में सुधार से प्रमुख प्रतिस्पर्धी मॉडल की तुलना में प्रसंस्करण विलंबता में 60% से अधिक की कटौती हुई। काकाओ का कहना है कि कोरियाई पाठ पहचान, दस्तावेज़ समझ और वस्तु स्थानीयकरण में प्रदर्शन अंतर विशेष रूप से महत्वपूर्ण था। डेवलपर्स के डाउनलोड करने और आज़माने के लिए मॉडल कार्ड हगिंग फेस (काकाओकॉर्प/कनाना-2-विज़न-एनकोडर-टिनी) पर लाइव है।
💬 Comments
No comments yet. Be the first!