सादर करत आहोत gpt-oss
gpt-oss-120b आणि gpt-oss-20b ओपन-वेट रिझनिंग मॉडेल्सच्या सीमारेषेला पुढे ढकलतात
आम्ही GPT‑oss‑120b आणि GPT‑oss‑20b हे दोन अत्याधुनिक ओपन-वेट भाषा मॉडेल्स रिलीज करत आहोत जे कमी किमतीत मजबूत वास्तविक-जगातील कामगिरी देतात. लवचिक Apache 2.0 परवान्याअंतर्गत उपलब्ध असलेले हे मॉडेल्स तर्कशुद्ध कार्यांमध्ये समान आकाराच्या open modelपेक्षा चांगले कामगिरी करतात, मजबूत साधन वापर क्षमता दाखवतात, आणि ग्राहक हार्डवेअरवर कार्यक्षम तैनातीसाठी ऑप्टिमाइझ केलेले आहेत. OpenAIच्या सर्वात प्रगत अंतर्गत मॉडेल्सद्वारे माहिती दिलेल्या मजबुतीकरण शिक्षण आणि तंत्रांच्या मिश्रणाचा वापर करून प्रशिक्षण देण्यात आले, ज्यामध्ये o3 आणि इतर फ्रंटियर सिस्टमचा समावेश आहे.
gpt-oss-120b मॉडेल कोर तर्काच्या बेंचमार्कवर OpenAI o4-mini शी जवळजवळ समानता प्राप्त करते, त्याच वेळी एकाच 80 GB GPU वर कार्यक्षमतेने चालते. gpt-oss-20b मॉडेल सामान्य बेंचमार्कवर OpenAI o3‑mini सारखेच परिणाम देते आणि फक्त 16 GB मेमरी असलेल्या एज डिव्हाइसेसवर चालू शकते, ज्यामुळे ते डिव्हाइसवरील वापरासाठी, स्थानिक अनुमानासाठी किंवा महागड्या पायाभूत सुविधांशिवाय जलद पुनरावृत्तीसाठी आदर्श ठरते. दोन्ही मॉडेल्स टूल वापर, काही-शॉट फंक्शन कॉलिंग, CoT रीझनिंग (टाऊ-बेंच एजंटिक मूल्यांकन सूटवरील निकालांमध्ये दिसून आल्याप्रमाणे) आणि हेल्थबेंच (OpenAI o1 आणि GPT‑4o सारख्या मालकीच्या मॉडेल्सनाही मागे टाकतात) मध्ये देखील चांगली कामगिरी करतात.
ही मॉडेल्स आमच्या प्रतिसाद API(नवीन विंडोमध्ये उघडेल) शी सुसंगत आहेत आणि एजंटिक वर्कफ्लोमध्ये वापरण्यासाठी डिझाइन केलेली आहेत, ज्यामध्ये अपवादात्मक सूचना पालन, वेब शोध किंवा पायथन कोड अंमलबजावणीसारख्या साधनांचा वापर आणि तर्क क्षमतांचा समावेश आहे—ज्यात जटिल तर्काची आवश्यकता नसलेल्या कामांसाठी तर्क प्रयत्न समायोजित करण्याची क्षमता आणि/किंवा अत्यंत कमी प्रलंबित अंतिम आउटपुटसाठी लक्ष्य समाविष्ट आहे. ते पूर्णपणे सानुकूल करण्यायोग्य आहेत, संपूर्ण विचारसरणी (CoT) प्रदान करतात आणि स्ट्रक्चर्ड आउटपुटला(नवीन विंडोमध्ये उघडेल) सपोर्ट देतात.
आमच्या सर्व मॉडेल्सच्या प्रकाशनाच्या दृष्टिकोनात सुरक्षितता हा पायाभूत आहे आणि open models साठी ते विशेष महत्त्वाचे आहे. सर्वसमावेशक सुरक्षा प्रशिक्षण आणि मूल्यांकनांद्वारे मॉडेल्स चालवण्याव्यतिरिक्त, आम्ही आमच्या Preparedness Framework(नवीन विंडोमध्ये उघडेल) अंतर्गत GPT‑oss‑120b च्या प्रतिकूलपणे सुधारित आवृत्तीची चाचणी करून मूल्यांकनाचा एक अतिरिक्त स्तर देखील सादर केला. gpt-oss मॉडेल्स अंतर्गत सुरक्षा निकषांवर आमच्या फ्रंटियर मॉडेल्सच्या तुलनेत समान कामगिरी करतात, विकसकांना आमच्या अलीकडील मालकीच्या मॉडेल्सप्रमाणेच सुरक्षा मानके प्रदान करतात. आम्ही त्या कार्याचे परिणाम आणि अधिक तपशील संशोधन पेपरमध्ये(नवीन विंडोमध्ये उघडेल) आणि मॉडेल कार्डमध्ये(नवीन विंडोमध्ये उघडेल) सामायिक करत आहोत. आमच्या पद्धतीचे बाह्य तज्ज्ञांनी पुनरावलोकन केले असून, हे ओपन-वेट मॉडेल्ससाठी नवीन सुरक्षा मानके ठरवण्यामध्ये एक पुढील पाऊल आहे.
आम्ही आमच्या open model च्या वास्तविक-जगातील अर्जांबद्दल जाणून घेण्यासाठी AI Sweden(नवीन विंडोमध्ये उघडेल), Orange(नवीन विंडोमध्ये उघडेल), आणि Snowflake(नवीन विंडोमध्ये उघडेल) सारख्या सुरुवातीच्या भागीदारांसह काम करत आहोत, डेटा सुरक्षिततेसाठी या मॉडेल्सना ऑन-प्रिमाइसेस होस्ट करण्यापासून ते त्यांना विशेष डेटासेटवर फाइन-ट्यून करण्यापर्यंत. आम्हाला हे सर्वोत्तम दर्जाचे open model प्रदान करण्यास उत्सुक आहे जे वैयक्तिक विकासकांपासून मोठ्या उद्योगांपर्यंत आणि सरकारांपर्यंत सर्वांना त्यांच्या स्वतःच्या पायाभूत सुविधांवर AI चालविण्यासाठी आणि कस्टमाइझ करण्यासाठी सक्षम बनवतील. आमच्या API मध्ये उपलब्ध असलेल्या मॉडेल्ससह, विकसक AI वर्कफ्लोला चालना देण्यासाठी आवश्यक असलेली कामगिरी, किंमत आणि विलंब निवडू शकतात.
gpt-oss मॉडेल्सना आमच्या सर्वात प्रगत प्री-ट्रेनिंग आणि पोस्ट-ट्रेनिंग तंत्रांचा वापर करून प्रशिक्षित केले गेले, ज्यामध्ये तर्क, कार्यक्षमता आणि विस्तृत श्रेणीच्या तैनाती वातावरणात वास्तविक-जगातील वापरावर विशेष लक्ष केंद्रित केले गेले आहे. आम्ही Whisper आणि CLIP यासह इतर मॉडेल्स खुल्या स्वरूपात उपलब्ध करून दिले आहेत, परंतु GPT‑2[1] नंतर gpt-oss मॉडेल्स हे आमचे पहिले ओपन-वेट भाषा मॉडेल आहेत.
प्रत्येक मॉडेल एक ट्रान्सफॉर्मर आहे जो इनपुटवर प्रक्रिया करण्यासाठी आवश्यक असलेल्या सक्रिय पॅरामिटर्सची संख्या कमी करण्यासाठी मिक्सचर-ऑफ-एक्स्पर्ट्स (MoE[2]) चा वापर करतो. gpt-oss-120b प्रति token 5.1B पॅरामीटर्स सक्रिय करा, तर gpt-oss-20b 3.6B सक्रिय करा. मॉडेल्समध्ये अनुक्रमे 117b आणि 21b एकूण पॅरामीटर्स आहेत. मॉडेल्स GPT‑3[3] प्रमाणेच वैकल्पिक घन आणि स्थानिक बँडेड विरळ लक्ष नमुने वापरतात. अनुमान आणि स्मृती कार्यक्षमतेसाठी, मॉडेल्स 8 च्या गट आकारासह गटित बहु-क्वेरी लक्ष वापरतात. आम्ही पोझिशनल एन्कोडिंगसाठी रोटरी पोझिशनल एम्बेडिंग (RoPE[4]) वापरतो आणि 128k पर्यंत संदर्भ लांबीला नैसर्गिकरित्या सपोर्ट करतो.
मॉडेल | थर | एकूण पॅरामीटर्स | प्रति टोकन सक्रिय पॅरामीटर्स | एकूण तज्ञ | प्रति टोकन सक्रिय तज्ञ | संदर्भ लांबी |
gpt-oss-120b | 36 | 117B | 5.1B | 128 | ४ | 128k |
gpt-oss-20b | 24 | 21B | 3.6B | 32 | ४ | 128k |
आम्ही मॉडेल्सना प्रामुख्याने इंग्रजी, केवळ मजकूर-आधारित डेटासेटवर प्रशिक्षण दिले, ज्यामध्ये STEM, कोडिंग आणि सामान्य ज्ञान यावर लक्ष केंद्रित केले गेले. आम्ही OpenAI o4-mini आणि GPT‑4o साठी वापरल्या जाणाऱ्या आमच्या टोकनायझरच्या सुपरसेटचा वापर करून डेटा टोकनाइज केला: o200k_harmony, जो आम्ही आज ओपन-सोर्सिंग देखील करत आहोत.
आमच्या मॉडेल्सच्या आर्किटेक्चर आणि प्रशिक्षणाबद्दल अधिक माहितीसाठी, मॉडेल कार्ड(नवीन विंडोमध्ये उघडेल) वाचा.
मॉडेल्सना o4-mini साठी वापरल्या जाणाऱ्या समान प्रक्रियेचा वापर करून पोस्ट-ट्रेनिंग करण्यात आले, ज्यामध्ये पर्यवेक्षित फाइन-ट्यूनिंग स्टेज आणि हाय-कॉम्प्युट आरएल स्टेजचा समावेश होता. आमचे उद्दिष्ट मॉडेल्सना OpenAIModelSpec(नवीन विंडोमध्ये उघडेल) शी संरेखित करणे आणि त्यांचे उत्तर तयार करण्यापूर्वी त्यांना CoT तर्क आणि साधन वापरण्यास शिकवणे होते. आमच्या SoTA प्रोप्रायटरी रिझनिंग मॉडेल्ससारख्या तंत्रांचा वापर करून, मॉडेल्स प्रशिक्षणानंतर अपवादात्मक क्षमता प्रदर्शित करतात.
API मधील OpenAI o-सिरीज तर्क मॉडेल्स प्रमाणेच, दोन ओपन-वेट मॉडेल्स तीन तर्क करण्याच्या प्रयत्नांना समर्थन देतात - कमी, मध्यम आणि उच्च - जे विलंब आणि कामगिरी यामध्ये समतोल साधतात. विकसक सिस्टीम मेसेजमधील एका वाक्याने तर्कशक्तीचा प्रयत्न सहजपणे सेट करू शकतात.
o3, o3‑mini आणि o4-mini सारख्या इतर OpenAI तर्क मॉडेल्सच्या तुलनेत, कोडिंग, स्पर्धा गणित, आरोग्य आणि एजंटिक टूल वापरातील क्षमता मोजण्यासाठी आम्ही मानक शैक्षणिक बेंचमार्कमध्ये gpt-oss-120b आणि gpt-oss-20b चे मूल्यांकन केले.
gpt-oss-120b हे OpenAI o3‑mini पेक्षा चांगले काम करते आणि स्पर्धा कोडिंग (Codeforces), सामान्य समस्या सोडवणे (MMLU आणि HLE) आणि टूल कॉलिंग (TauBench) मध्ये OpenAI o4-mini शी जुळते किंवा त्याहून अधिक कार्यक्षम आहे. शिवाय, ते आरोग्याशी संबंधित प्रश्नांवर (HealthBench) आणि स्पर्धा गणित (AIME 2024 आणि 2025) o4-मिनीपेक्षाही चांगले काम करते. gpt-oss-20b या समान इव्हल्सवर OpenAI o3‑mini शी जुळते किंवा त्यापेक्षा जास्त आहे, त्याच्या लहान आकार असूनही, स्पर्धात्मक गणित आणि आरोग्याच्या बाबतीत त्याला मागे टाकते.
gpt-oss मॉडेल वैद्यकीय व्यावसायिकाची जागा घेत नाहीत आणि रोगाचे निदान किंवा उपचार करण्यासाठी हेतू नाहीत
उदाहरण रोलआउट्स
gpt-oss-120b ब्राउझिंग टूल वापरून अद्ययावत माहिती जलद एकत्रित करण्यास सक्षम आहे, ज्यामध्ये त्यानंतरच्या 10 कॉल्स एकत्र जोडणे समाविष्ट आहे.
आमच्या अलीकडील संशोधनातून असे दिसून आले आहे की जोपर्यंत मॉडेलला CoT संरेखित करण्यासाठी थेट देखरेखीचे प्रशिक्षण दिले गेले नाही, तोपर्यंत रिजनिंग मॉडेलच्या CoT चे निरीक्षण करणे गैरवर्तन शोधण्यासाठी उपयुक्त ठरू शकते. हा दृष्टिकोन उद्योगातील इतरांद्वारे देखील सामायिक केला जातो(नवीन विंडोमध्ये उघडेल). OpenAI o1‑पूर्वावलोकन लाँच केल्यापासून आमच्या तत्त्वांनुसार, आम्ही कोणत्याही GPT‑oss मॉडेलसाठी CoT वर कोणतेही थेट पर्यवेक्षण केले नाही. मॉडेलच्या गैरवर्तन, फसवणूक आणि गैरवापरावर लक्ष ठेवण्यासाठी हे अत्यंत महत्त्वाचे आहे असे आम्हाला वाटते. आम्हाला आशा आहे की पर्यवेक्षित नसलेल्या विचारांच्या साखळीसह एक खुले मॉडेल जारी केल्यामुळे विकासक आणि संशोधकांना त्यांच्या स्वतःच्या CoT देखरेख प्रणालींचे संशोधन आणि अंमलबजावणी करण्याची संधी मिळेल.
विकसकानी त्यांच्या अनुप्रयोगांमध्ये CoTs थेट वापरकर्त्यांना दाखवू नयेत. त्यामध्ये भ्रामक किंवा हानिकारक सामग्री असू शकते, ज्यामध्ये ओपनएआयच्या मानक सुरक्षा धोरणांचे प्रतिबिंब न पाडणारी भाषा समाविष्ट असू शकते आणि अशी माहिती असू शकते जी मॉडेलला अंतिम आउटपुटमध्ये समाविष्ट न करण्यास स्पष्टपणे सांगितले जात आहे.
gpt-oss-120b त्याच्या आउटपुटमध्ये सिस्टम सूचनांचे काटेकोरपणे पालन करते, परंतु बहुतेकदा त्याच्या CoT मधील सूचनांचे स्पष्टपणे उल्लंघन करते.
gpt-oss मॉडेल्स सुरक्षा प्रशिक्षणासाठी आमच्या अत्याधुनिक पद्धतींचा वापर करतात. पूर्व-प्रशिक्षणादरम्यान, आम्ही रासायनिक, जैविक, रेडिओलॉजिकल आणि न्यूक्लियर (CBRN) शी संबंधित काही हानिकारक डेटा फिल्टर केला. पोस्ट-प्रशिक्षणादरम्यान, आम्ही मॉडेलला असुरक्षित प्रॉम्प्ट नाकारण्यास आणि प्रॉम्प्ट इंजेक्शन्सपासून बचाव करण्यास शिकवण्यासाठी विचारपूर्वक संरेखन आणि सूचना पदानुक्रम(नवीन विंडोमध्ये उघडेल) वापरले.
ओपन-वेट मॉडेल रिलीज झाल्यावर, दुष्ट हेतूने काम करणारे लोक ते मॉडेल दुर्भावनापूर्ण उद्दिष्टांसाठी फाइन-ट्यून करू शकतात. आम्ही विशेष जीवशास्त्र आणि सायबरसुरक्षा डेटावरील मॉडेलमध्ये सुधारणा करून, प्रत्येक डोमेनसाठी हल्लेखोराप्रमाणे डोमेन-विशिष्ट नॉन-रिफ्युजिंग आवृत्ती तयार करून या जोखमींचे थेट मूल्यांकन केले. त्यानंतर आम्ही अंतर्गत आणि बाह्य चाचणीद्वारे या मॉडेल्सच्या क्षमता पातळीचे मूल्यांकन केले. आमच्या सोबतच्या सुरक्षा पेपरमध्ये तपशीलवार सांगितल्याप्रमाणे, या चाचणीने असे दर्शविले की, OpenAI च्या क्षेत्रातील आघाडीच्या प्रशिक्षण स्टॅकचा फायदा घेणाऱ्या मजबूत फाइन-ट्यूनिंगसह, हे दुर्भावनापूर्णपणे फाइन-ट्यून केलेले मॉडेल आमच्या तयारी फ्रेमवर्कनुसार उच्च क्षमता पातळी गाठू शकले नाहीत. या दुर्भावनापूर्ण फाइन-ट्यूनिंग पद्धतीचा आढावा तीन स्वतंत्र तज्ञ गटांनी घेतला, ज्यांनी प्रशिक्षण प्रक्रिया आणि मूल्यांकन सुधारण्यासाठी शिफारसी केल्या, त्यापैकी अनेक आम्ही स्वीकारल्या. आम्ही मॉडेल कार्डमध्ये या शिफारसींचा तपशीलवार उल्लेख केला आहे. या प्रक्रिया ओपन मॉडेल सुरक्षेसाठी एक अर्थपूर्ण प्रगती दर्शवतात. या निष्कर्षांमुळे gpt-oss मॉडेल्स रिलीज करण्याच्या आमच्या निर्णयाची माहिती मिळाली. आम्हाला आशा आहे की हे मॉडेल्स संपूर्ण उद्योगात सुरक्षा प्रशिक्षण आणि संरेखन संशोधनाला गती देण्यास मदत करतील.
सुरक्षित ओपन सोर्स इकोसिस्टममध्ये योगदान देण्यासाठी, आम्ही जगभरातील संशोधक, विकसक आणि उत्साही लोकांना नवीन सुरक्षा समस्या ओळखण्यात मदत करण्यासाठी प्रोत्साहित करण्यासाठी Red Teaming Challenge(नवीन विंडोमध्ये उघडेल) चे आयोजन करीत आहोत. या आव्हानासाठी $500,000 चे बक्षीस निधी आहे जो OpenAI आणि इतर आघाडीच्या प्रयोगशाळांमधील तज्ज्ञ न्यायाधीशांच्या पॅनेलच्या पुनरावलोकनाच्या आधारे दिला जाईल. आव्हानाच्या शेवटी, आम्ही एक अहवाल प्रकाशित करू आणि प्रमाणित निष्कर्षांवर आधारित मूल्यांकन डेटा सेट ओपन-सोर्स करू, जेणेकरून व्यापक समुदायाला त्वरित फायदा होऊ शकेल. अधिक जाणून घ्या आणि येथे(नवीन विंडोमध्ये उघडेल) सहभागी व्हा.
gpt-oss-120b आणि gpt-oss-20b या दोन्ही मॉडेल्सची वजने Hugging Face वर डाउनलोड करण्यासाठी मुक्तपणे उपलब्ध आहेत आणि ती मूळतः MXFP4 मध्ये परिमाणित आहेत. यामुळे gpt-oss-120B मॉडेल 80GB मेमरीमध्ये चालते, तर gpt-oss-20b ला फक्त 16GB आवश्यक आहे.
मॉडेल्स आमच्या हार्मनी प्रॉम्प्ट फॉरमॅटवर(नवीन विंडोमध्ये उघडेल) पोस्ट-प्रशिक्षित केल्या गेल्या आहेत आणि दत्तक प्रक्रिया सुलभ करण्यासाठी आम्ही पायथन आणि रस्ट या दोन्हीमध्ये हार्मनी रेंडरर(नवीन विंडोमध्ये उघडेल) ओपन-सोर्स करत आहोत. आम्ही PyTorch आणि Apple च्या मेटल प्लॅटफॉर्मवर अनुमान चालवण्यासाठी संदर्भ अंमलबजावणी तसेच मॉडेलसाठी उदाहरण साधनांचा संग्रह देखील जारी करत आहोत.
आम्ही हे मॉडेल्स लवचिक आणि कुठेही चालवण्यास सोपे असतील अशा प्रकारे डिझाइन केले आहेत - स्थानिक पातळीवर, डिव्हाइसवर किंवा तृतीय-पक्ष अनुमान प्रदात्यांद्वारे. याला सपोर्ट देण्यासाठी, आम्ही लाँचपूर्वी Azure, Hugging Face, vLLM, Ollama, llama.cpp सारख्या आघाडीच्या उपयोजन प्लॅटफॉर्मसह भागीदारी केली. एलएम स्टुडिओ, AWS, फायरवर्क्स, टुगेदर एआय, बेसटेन, डेटाब्रिक्स, व्हर्सेल, क्लाउडफ्लेअर आणि ओपनराउटर हे मॉडेल्स विकसकांसाठी व्यापकपणे प्रवेशयोग्य बनवण्यासाठी. हार्डवेअर बाजूने, आम्ही NVIDIA, AMD, Cerebras आणि Groq सारख्या उद्योगातील अग्रगण्य कंपन्यांसोबत काम केले, जेणेकरून विविध प्रणाली वर ऑप्टिमाइझ केलेले परफॉर्मन्स सुनिश्चित होईल.
आजच्या रिलीजचा भाग म्हणून, Microsoft GPU-ऑप्टिमाइज़्ड आवृत्ती gpt-oss-20b मॉडेल Windows उपकरणांवर आणत आहे. ONNX Runtime द्वारे समर्थित, हे मॉडेल्स local inference ला support करतात आणि Foundry Local आणि VS Code साठी AI Toolkit मधून उपलब्ध आहेत, ज्यामुळे Windows developers ना open मॉडेल्ससह काम करणे सोपे होते.
ज्या विकसकना पूर्णपणे कस्टमायझ करण्यायोग्य मॉडेल हवे आहेत आणि जे ते त्यांच्या स्वतःच्या वातावरणात फाइन-ट्यून आणि तैनात करू शकतात, त्यांच्यासाठी gpt-oss हा एक उत्तम पर्याय आहे. मल्टीमॉडल सपोर्ट, बिल्ट-इन टूल्स आणि आमच्या प्लॅटफॉर्मसह अखंड एकात्मता शोधणाऱ्यांसाठी, आमच्या API प्लॅटफॉर्मद्वारे उपलब्ध असलेले मॉडेल्स हा सर्वोत्तम पर्याय आहे. आम्ही डेव्हलपरच्या अभिप्रायाकडे बारकाईने लक्ष देत आहोत आणि भविष्यात gpt-oss साठी API समर्थनाचा विचार करू शकतो.
जर तुम्हाला मॉडेल्स वापरून पहायचे असतील तर आमच्या open model Playground(नवीन विंडोमध्ये उघडेल) ला भेट द्या. विविध इकोसिस्टम प्रदात्यांचा वापर करून मॉडेल कसे वापरायचे किंवा मॉडेल फाइन-ट्यून कसे करायचे याबद्दल अधिक जाणून घेण्यासाठी, आमचे मार्गदर्शक पहा(नवीन विंडोमध्ये उघडेल).
gpt-oss-120b आणि gpt-oss-20b रिलीज करणे हे ओपन-वेट मॉडेल्ससाठी एक महत्त्वपूर्ण पुढचा टप्पा आहे. त्यांच्या आकारानुसार, हे मॉडेल्स तर्कशक्ती आणि सेफ्टी या दोन्हीत महत्त्वपूर्ण प्रगती साधतात. ओपन मॉडेल्स आमच्या होस्ट केलेल्या मॉडेल्सना पूरक आहेत, ज्यामुळे विकसकना अग्रगण्य संशोधनाला गती देण्यासाठी, नवोपक्रमाला चालना देण्यासाठी आणि विविध वापर प्रकरणांमध्ये सुरक्षित, अधिक पारदर्शक एआय विकास सक्षम करण्यासाठी विस्तृत साधने मिळतात.
हे खुले मॉडेल उदयोन्मुख बाजारपेठा, संसाधन-मर्यादित क्षेत्रे आणि लहान संस्थांसाठी अडथळे कमी करतात ज्यांच्याकडे मालकीचे मॉडेल स्वीकारण्यासाठी बजेट किंवा लवचिकता नसते. त्यांच्या हातात सामर्थ्यवान आणि सुलभ टूल्स असल्यामुळे, जगभरातील लोक बांधणी करू शकतात, नवकल्पना करू शकतात आणि स्वतःसाठी तसेच इतरांसाठी नवीन संधी निर्माण करू शकतात. युनायटेड स्टेट्समध्ये बनवलेल्या या सक्षम ओपन-सोर्स मॉडेल्सची व्यापक उपलब्धता लोकशाही AI रेलचा विस्तार करण्यास मदत करते.
निरोगी खुल्या मॉडेल इकोसिस्टममुळे एआय सर्वांसाठी व्यापकपणे उपलब्ध आणि फायदेशीर बनण्यास मदत होते. आम्ही विकासक आणि संशोधकांना या मॉडेल्सचा वापर करून प्रयोग करण्यासाठी, सहयोग करण्यासाठी आणि शक्य असलेल्या सीमा ओलांडण्यासाठी आमंत्रित करतो. तुम्ही काय निर्माण करता हे पाहण्यासाठी आम्ही उत्सुक आहोत.
लेखक
उद्धरणे
योगदानकर्ते
Zoran Martinovic, Zhuohan Li, Zhiqing Sun, Zach Johnson, Yu Yang, Yu Bai, Yang Song, Xin Wang, Wenting Zhan, Volodymyr Kyrylov, Vlad Fomenko, Tyler Bertao, Tong Mu, Timur Garipov, Tarun Gogineni, Suvansh Sanjeev, Steve Mostovoy, Song Mei, Shengjia Zhao, Sebastien Bubeck, Scott McKinney, Scott Lessans, Sandhini Agarwal, Sam Toizer, Sam Altman, Saachi Jain, Romain Huet, Rahul K. Arora, Philippe Tillet, Olivia Watkins, Nivedita Brett, Nikhil Vyas, Miles Wang, Michihiro Yasunaga, Michelle Pokrass, Mia Glaese, Max Schwarzer, Mark Chen, Mario Lezcano-Casado, Marat Dukhan, Lukas Gross, Ludovic Peran, Ludovic Peran, Lindsay McCallum, Lin Yang, Lily (Xiaoxuan) Liu, Leher Pathak, Lama Ahmad, Kristian Georgiev, Kristen Ying, Kimmy Richardson, Kevin Whinnery, Kevin Weil, Kevin Lu, Kevin Fives, Kendal Simon, Katia Gil Guzman, Karan Singhal, Karan Singhal, Kai Chen, Josh McGrath, Jordan Liss, Jongsoo Park, John Hallman, Johannes Heidecke, Jiancheng Liu, Ji Lin, Jason Kwon, Jason Ai, James Park Lennon, Jakub Pachocki, Jacob Huh, Jackie Hehir, Irina Kofman, Huida Qiu, Hongyu Ren, Harshit Sikchi, Hannah Wong, Haitang Hu, Haitang Hu, Haiming Bao, Hadi Salman, Guillaume Leclerc, Greg Brockman, Gideon Myles, Giambattista Parascandolo, Gaby Raila, Foivos Tsimpourlas, Filippo Raso, Eugene Brevdo, Eric Wallace, Enoch Cheung, Elizabeth Proehl, Elaine Ya Le, Edwin Arbus, Eddie Zhang, Dominik Kundel, Dmitry Pimenov, David Robinson, Dane Stuckey, Dana Palmie, Dan Cook, Cyril Zhang, Chris Lu, Chris Koch, Che Chang, Cedric Whitney, Casey Dvorak, Carolina Paz, Brian Zhang, Bowen Baker, Bob Rotsted, Boaz Barak, Ashley Pantuliano, Andy Applebaum, Amy Wendling, Ally Bennett, Alexander Neitz, Alex Paino, Alex Nichol, Alec Helyar, Aidan McLaughlin, Aidan Clark आणि Adam Goucher
