Fethiye'de ✍️🖋 DYN د ي ن Life & Live E L L H ال ل ه Asist System. — Fethiye’de ✍️🖋 DYN د ي ن Life & Live E L L H ال ل ه Asist System | haberodasi.com ✍️🖋 Helal El Diyar Medya · Bilim-Teknoloji · Yapay Zekâ · DonanımHaber arşivi.
Yapay Zeka Özeti:
- Google'ın eski çip mimarları, sıfırdan çip tasarlayabilen Ripple-65B adında yeni bir yapay zekâ geliştirdi. Ricursive Intelligence tarafından yayınlanan 65 milyar parametreli bu model, özel yapay zekâ işlemcileri tasarlamak için geliştirildi. Ripple-65B, kodlama testlerinde kendisinden katlarca büyük dev modelleri geride bırakarak büyük bir başarıya imza attı. Açık kaynaklı sunulan model, yerel bilgisayarlarda da çalıştırılabiliyor.
Bu habere ait diğer ses dosyaları:
Seslendirme ve özetler yapay zeka ile oluşturulmuştur.
Sıfırdan eğitilen 65 milyar parametreli model, 12 trilyon token ile eğitilmesine rağmen yalnızca 32 milyon dolarlık bir Ar-Ge bütçesine mâl oldu. 32 milyon dolara "yalnızca" demek tuhaf gelebilir ama aslında bu ölçekte bir AI'ın geliştirilmesi için görece düşük bir tutar.
Ricursive Intelligence, Yeni Nesil İşlemcileri Yapay Zekâya Tasarlatıyor
Ricursive Intelligence'ın kurucuları Anna Goldie ve Azalia Mirhoseini, daha önce Google Brain ve DeepMind bünyesinde çalışmış, Google'ın TPU işlemcilerinin tasarımında kullanılan AlphaChip teknolojisinin geliştirilmesinde öncü rol oynamış isimler. AlphaChip, normalde aylar hatta yıllar sürebilen çip tasarımını yapay zekâ yardımıyla saatler içinde gerçekleştirebilen bir sistem olarak dikkat çekmişti. İki araştırmacı, 2025 yılında kurdukları Ricursive Intelligence ile bu yaklaşımı bir adım ileri taşımayı hedefliyor.
Şirketin vizyonu, yapay zekânın yeni nesil işlemcileri tasarlaması, bu işlemcilerin daha gelişmiş yapay zekâların eğitilmesini sağlaması ve böylece kendi kendini sürekli geliştiren bir döngü oluşturulması. Bu yaklaşım, literatürde "RSI - recursive self-improvement" (özyinelemeli kendini geliştirme) olarak adlandırılıyor. Tam da bu hedef doğrultusunda geliştirilen Ripple-65B, Ricursive'in kendi çip tasarım platformunda kullandığı özel modelin genel amaçlı bir sürümü. Model, 65 milyar parametreli yoğun (dense) Transformer mimarisini temel alıyor ve sıfırdan 12 trilyon token kullanılarak eğitildi. Bir milyon tokena kadar bağlam penceresi sunan model, özellikle birden fazla aşamadan oluşan kodlama görevlerini kendi başına yerine getirebilen AI ajanları için optimize edildi.
Ripple-65B, Kendisinden Çok Daha Büyük Yapay Zekâ Modellerini Geride Bıraktı
Ripple-65B'nin dikkat çeken taraflarından biri ise mimari tercihi. Şirketin kurucu ortaklarından Azalia Mirhoseini, 2017 yılında yayımlanan ve Mixture-of-Experts (MoE) mimarisinin gelişiminde önemli rol oynayan araştırmanın ortak yazarlarından biri. Buna rağmen Ricursive, Ripple-65B'yi geliştirirken MoE yerine yoğun (dense) mimariyi tercih etti. MoE modelleri, her işlem sırasında parametrelerin yalnızca belirli bir bölümünü etkinleştirerek büyük modellerin hesaplama maliyetini düşürebiliyor. Dense mimaride ise modelin tüm parametreleri her tokenın işlenmesinde kullanılıyor. Ricursive'e göre bu tercih, eğitim ve çalıştırma altyapısını basitleştirirken düşük gecikmeyle güçlü bir akıl yürütme performansı elde etmelerini sağlıyor.
Modelin performansı da özellikle kodlama testlerinde öne çıkıyor. Ricursive'in paylaştığı sonuçlara göre Ripple-65B, Terminal-Bench 2.1 testinde 80,52 puan alarak ABD'den çıkan açık ağırlıklı modeller arasında yeni bir rekora imza attı. (Terminal-Bench, AI ajanlarının terminal üzerinden yazılım geliştirme ve çok aşamalı kodlama görevlerini yerine getirme kabiliyetini ölçüyor). Bu sonuç, 501 milyar parametreli Reflection Beam'in 80,1 puanını ve Meta'nın 816 milyar parametreli Muse Spark Open modelinin 76,4 puanını geride bırakıyor. 975 milyar parametreli Thinking Machines Inkling 63,8, NVIDIA'nın 550 milyar parametreli Nemotron 3 Ultra modeli ise 56,4 puanda kalıyor.
Ripple-65B Yerel Bilgisayarlarda da Çalıştırılabiliyor
Ricursive'in mimari tercihinin bir diğer avantajı da modelin çalıştırılması sırasında ortaya çıkıyor. 65 milyar parametreli dense mimari, çok daha büyük MoE modellerine kıyasla daha düşük bellek gereksinimi sunuyor. Modelin BF16 formatındaki tam sürümü yaklaşık 130 GB boyutundayken, NVIDIA donanımları için hazırlanan NVFP4 sürümü 57,2 GB yer kaplıyor. Bu sayede model, 128 GB birleşik belleğe sahip NVIDIA DGX Spark gibi yerel yapay zekâ sistemlerinde çalıştırılabiliyor.
Ricursive, modelin iki adet NVIDIA B200 GPU üzerinde, herhangi bir kuantizasyon veya özel çekirdek optimizasyonu kullanılmadan saniyede 250 token üretebildiğini de belirtiyor. Bu hız, sekiz eş zamanlı işlem üzerinden yapılan ölçüme dayanıyor. Modelin açık ağırlıklı olarak yayınlanması sayesinde geliştiriciler, Ripple-65B'yi kendi sistemlerine indirerek de kullanabiliyor. Model, Hugging Face'in yanı sıra Together AI, GMI Cloud ile OpenRouter gibi platformlarda da kullanıma sunulmuş durumda. Apache 2.0 lisansı altında yayınlanması ise ticari kullanımın da önünü açıyor.
Eposta ile Paylaşın başlıklı bu arkadaşınıza postalayın. Bu haberi ve diğer DH içeriklerini, gelişmiş mobil uygulamamızı kullanarak görüntüleyin:
Ekranlı ve mikrofonlu akıllı yüzük
#fethiyede #haberodasi #HelalElDiyarMedya #kimkimdir #koseyazari #bilimteknolojiyapayzekdonanimhaber
google'ın, eski, mimarları, sıfırdan, tasarlayabilen, yapay, zekâ, geliştirdi, zeka, özeti, 00:00, ripple-65b, haberodasi.com, Fethiyede, Bilim-Teknoloji · Yapay Zekâ · DonanımHaber
Fethiye'de ✍️🖋 DYN د ي ن Life & Live E L L H ال ل ه Asist System.
