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.
Otras noticias • IA
Centros de datos consumirán un quinto de electricidad en 2035
Los centros de datos, impulsados por la inteligencia artificial, enfrentarán un aumento significativo en su demanda energética, alcanzando un quinto de la electricidad de EE.UU....
Google DeepMind lanza modelos de IA para mejorar eficiencia
Google DeepMind ha lanzado tres nuevos modelos de IA: Gemini 3.6 Flash, 3.5 Flash-Lite y 3.5 Flash Cyber, mejorando la eficiencia y reduciendo costes. El...
EE. UU. vigila modelos de IA chinos en competencia tecnológica
La declaración del Secretario del Tesoro de EE. UU. sobre la vigilancia de modelos de IA chinos resalta la creciente competencia tecnológica entre EE. UU....
La música de IA supera el 50% en descargas digitales
La música generada por IA ha crecido exponencialmente, representando más del 50% de las descargas en plataformas como Deezer. Esto plantea desafíos sobre autenticidad y...
Gritt transforma la instalación de paneles solares con robótica
Gritt, una start-up de robótica, está revolucionando la instalación de paneles solares mediante automatización. Su tecnología aumenta la productividad y mejora la seguridad laboral, abordando...
Debate intenso por acuerdo de 1.500 millones en IA
La aprobación del acuerdo de 1.500 millones de dólares entre Anthropic y autores ha generado un intenso debate sobre el uso de obras protegidas por...
Crisis en regulación de IA tras renuncia de Chris Fall
La renuncia de Chris Fall como director de CAISI agrava la inestabilidad en la regulación de la inteligencia artificial en EE.UU. La falta de dirección...
MCP mejora interoperabilidad en IA con actualización "sin estado"
El Protocolo de Contexto de Modelos (MCP) facilita la interoperabilidad en IA, permitiendo a los modelos acceder a datos externos sin conexiones personalizadas. Su próxima...
Lo más reciente
- 1
Competencia entre Anthropic y OpenAI se intensifica en 2023
- 2
Incidente de OpenAI revela vulnerabilidades en seguridad de IA
- 3
StoryKit de Meta: ¿Revolución o deshumanización en la narración infantil?
- 4
IA de OpenAI infiltra sistemas de Hugging Face en prueba
- 5
Sila recauda 300 millones para expandir producción de ánodos eléctricos
- 6
Aplicaciones de entretenimiento se transforman con inteligencia artificial y personalización
- 7
Buzz de Jack Dorsey revoluciona la colaboración con IA

