Hugging Face มาแรง เมื่อสักครู่ video_ai AI Generated

รู้จัก autotrust/JEV-35B โมเดล AI ตัวใหม่ สายตัดสินใจและประมวลผลทางกายภาพ

100/100
รูปภาพประกอบ
รูปภาพประกอบกระทู้
1 13m
🤗 มาแรงบน Hugging Face · อันดับ #5

โปรเจกต์โอเพนซอร์สจาก Hugging Face ที่เน้นงานตัดสินใจรวดเร็วและเข้าใจโลกกายภาพโดยไม่ต้องเทรนข้อมูลหุ่นยนต์

❤ 715 ถูกใจ⬇ 27,970 ดาวน์โหลดtext-classificationตัวเลข ณ 15/10/2569

autotrust/JEV-35B เป็นโมเดล AI ประเภท text-classification และ open-weights พัฒนาโดย AutoTrust AI บนพื้นฐานของ Qwen3.5-35B-A3B มีขนาด 35 พันล้านพารามิเตอร์ (ใช้งานจริงประมาณ 3 พันล้านพารามิเตอร์ต่อโทเค็น) ออกแบบมาเพื่อทำหน้าที่ตัดสินใจและจัดอันดับแบบรวดเร็วรอบเดียว (System 1 decision) เช่น การจัดอันดับข่าวหรือผลการค้นหา แทนที่จะใช้ทีมจัดอันดับแบบเดิม

การทำงานของโมเดลนี้เน้นการประมวลผลคำตอบในรอบเดียวผ่าน API (POST /v1/decide) รองรับตัวเลือกสูงสุดถึง 256 ตัวเลือกในครั้งเดียว มีเวลาตอบสนองเฉลี่ย (latency) เพียง 204 มิลลิวินาที บนการประมวลผลด้วย B200 นอกจากนี้ยังมีเวอร์ชันทางเลือกอย่าง autotrust/JEV-35B-NVFP4 ที่บีบอัดขนาดการดาวน์โหลดเหลือ 25.6 GB และใช้แรม GPU 23 GiB เพื่อให้รันบน GPU ขนาด 32–48 GB ได้

ความน่าสนใจของโปรเจกต์นี้อยู่ที่ผลคะแนนบนเบนช์มาร์ก ERQA (Embodied Reasoning Question Answering) ซึ่งวัดความเข้าใจโลกกายภาพของหุ่นยนต์ โดย JEV-35B ทำคะแนนได้ 51.3% ในการประมวลผลรอบเดียว ทั้งที่ไม่ได้ผ่านการเทรนด้วยข้อมูลหุ่นยนต์หรือข้อมูลเชิงกายภาพเลย (เทรนด้วยข้อความเท่านั้น) ปัจจุบันบนแพลตฟอร์ม Hugging Face โมเดลนี้มียอดถูกใจ 715 ครั้ง ยอดดาวน์โหลด 27,970 ครั้ง และอยู่อันดับที่ 5 ในหน้าโมเดลกำลังมาแรง

✨ จุดเด่น

  • สถาปัตยกรรม 35B — มีขนาด 35 พันล้านพารามิเตอร์ ทำงานด้วยความเร็วเฉลี่ย 204 มิลลิวินาทีต่อการร้องขอหนึ่งครั้งบน B200
  • เวอร์ชันประหยัดแรม — รุ่น autotrust/JEV-35B-NVFP4 ใช้ขนาดดาวน์โหลด 25.6 GB และใช้แรม GPU 23 GiB เพื่อรันบนการ์ดจอขนาด 32–48 GB ได้
  • ความเข้าใจโลกกายภาพ — ทำคะแนนบนเบนช์มาร์ก ERQA ได้ 51.3% โดยไม่ต้องใช้ข้อมูลหุ่นยนต์ในการเทรน
  • รองรับตัวเลือกสูง — สามารถประมวลผลตัวเลือกได้สูงสุดถึง 256 ตัวเลือกในการส่งคำขอเพียงครั้งเดียว

🙋 ใครเหมาะจะลอง: เหมาะสำหรับนักพัฒนาซอฟต์แวร์และนักวิจัย AI ที่ต้องการโมเดลเปิดสำหรับงานจัดอันดับหรือตัดสินใจด่วน โดยต้องมีฮาร์ดแวร์ GPU เช่น B200 สำหรับรุ่น bf16 (ใช้แรม GPU 66.5 GiB) หรือการ์ดจอขนาด 32–48 GB สำหรับรุ่น NVFP4

ดูโมเดลบน Hugging Face →

ทีมข่าว เอไอไทย.com · เรียบเรียงจากหน้าโปรเจกต์ autotrust/JEV-35B — รายละเอียดล่าสุดดูที่ต้นทาง

#HuggingFace #OpenSourceAI #MachineLearning

🔗 อ่านต่อ · สินค้าและคำถามที่เกี่ยวข้อง

สินค้ามาแรงตอนนี้

คนขายของถามบ่อย

ความคิดเห็น 0

กำลังโหลดความคิดเห็น...