IA | Innovación

AI21 Labs lanza Jamba, modelo generativo de texto eficiente

AI21 Labs lanza Jamba, un modelo generativo de texto innovador

La industria de la inteligencia artificial se está moviendo cada vez más hacia modelos generativos de IA con contextos más largos. Pero los modelos con ventanas de contexto grandes tienden a ser intensivos en cómputo. Ori Goshen, CEO de la startup de IA AI21 Labs, afirma que esto no tiene por qué ser así, y su empresa está lanzando un modelo generativo para demostrarlo.

AI21 Labs ha presentado Jamba, un nuevo modelo de generación y análisis de texto, que puede realizar muchas de las mismas tareas que modelos como ChatGPT de OpenAI y Gemini de Google. Entrenado con una mezcla de datos públicos y propietarios, Jamba puede escribir texto en inglés, francés, español y portugués.

Un modelo eficiente y prometedor

Jamba puede manejar hasta 140,000 tokens mientras se ejecuta en una sola GPU con al menos 80GB de memoria. Esto se traduce en alrededor de 105,000 palabras, o 210 páginas, lo que equivale a una novela de tamaño decente. Por otro lado, Llama 2 de Meta tiene una ventana de contexto de 32,000 tokens, pero solo requiere una GPU con ~12GB de memoria para funcionar.

El corazón de Jamba: transformers y modelos de espacio estatal

Lo que hace único a Jamba es su combinación de dos arquitecturas de modelos: transformers y modelos de espacio estatal (SSM). Los transformers son la arquitectura preferida para tareas de razonamiento complejas, mientras que los SSM combinan cualidades de modelos de IA más antiguos para crear una arquitectura más eficiente computacionalmente capaz de manejar secuencias largas de datos.

Innovación y eficiencia

Jamba utiliza Mamba como modelo base, lo que según Goshen, proporciona tres veces la capacidad en contextos largos en comparación con modelos basados en transformers de tamaños comparables. Aunque se ha lanzado bajo la licencia Apache 2.0, Goshen destaca que es un lanzamiento de investigación y no está destinado a ser utilizado comercialmente.

Promesa de la arquitectura SSM

A pesar de sus limitaciones, Goshen asegura que Jamba demuestra el potencial de la arquitectura SSM incluso en esta etapa inicial. "El valor añadido de este modelo, tanto por su tamaño como por su arquitectura innovadora, es que se puede adaptar fácilmente a una sola GPU", afirmó. Se espera que el rendimiento mejore aún más a medida que Mamba reciba ajustes adicionales.


Podcast El Desván de las Paradojas
Publicidad


Otras noticias • IA

Traducción en vivo

Mixhalo y DeepL revolucionan traducción en eventos en vivo

La colaboración entre Mixhalo y DeepL transformará la traducción en eventos en vivo, ofreciendo soluciones en tiempo real que eliminan barreras lingüísticas. Esta unión promete...

Recomendaciones personalizadas

Pinterest presenta "Ask Pinterest" para recomendaciones personalizadas en IA

Pinterest lanza "Ask Pinterest", una aplicación experimental que permite a los usuarios hacer preguntas en lenguaje natural para recibir recomendaciones personalizadas. Con el uso del...

Crecimiento empresarial

Anthropic supera a OpenAI en mercado pero enfrenta retos regulatorios

Anthropic ha superado a OpenAI en cuota de mercado empresarial, alcanzando una valoración de 965 mil millones de dólares. Sin embargo, enfrenta desafíos regulatorios tras...

Valoración récord

SpaceX alcanza $2.9 billones y supera a Amazon brevemente

SpaceX, fundada por Elon Musk, ha alcanzado un valor de mercado de $2.9 billones, superando brevemente a Amazon. Su reciente adquisición de Cursor y acuerdos...

Innovaciones tecnológicas

Google presenta Android 17 y Wear OS 7 con innovaciones

Google lanzó Android 17 y Wear OS 7, destacando innovaciones en inteligencia artificial, seguridad y conectividad. Nuevas funciones como la creación musical con Lyria 3...

Desconfianza tecnológica

Marcas luchan por confianza en era de inteligencia artificial

La irrupción de la inteligencia artificial ha generado desconfianza entre los consumidores, quienes prefieren información atribuida y accesible. A pesar de esto, las marcas buscan...

Reestructuración eficiente

El sector tecnológico se reestructura para mayor agilidad y eficiencia

El sector tecnológico está reestructurándose, reduciendo plantillas para ser más ágiles y eficientes, alejándose de la narrativa de la inteligencia artificial como causa. A pesar...

Éxito tecnológico

Plaud vende dos millones de dispositivos y supera 100 millones en ingresos

Plaud, empresa de dispositivos de toma de notas impulsados por IA, ha vendido más de dos millones de unidades y generado más de 100 millones...