Modellek · MarkTechPost ·
A Samaya Sterling 3B-aktív modell megelőzte a Claude Fable 5.1-et pénzügyi teszten
A Samaya AI kiadta a Sterlinget, egy pénzügyi kutatásra hangolt, 3 milliárd aktív paraméteres modellt, amely saját mérése szerint a FrontierFinance-teszten jobb eredményt ért el a Claude Fable 5.1-nél, tizenegyszer olcsóbban.
A Samaya Sterling az NVIDIA Nemotron 3.5 Lightning nevű, 30 milliárd paraméteres, szakértő-keverékes (MoE) modelljére épül, amelyben egyszerre 3 milliárd paraméter aktív. A modellt LoRA-módszerrel, a Thinking Machines Lab Tinker nevű képzési API-ján utólag finomhangolták, hogy külön jelentésíró modellnek átadható pénzügyi kutatási eredményeket gyűjtsön.
A FrontierFinance-teszten, amely 220 nyilvános kérdésből áll és szakértői szempontrendszer alapján pontoz, a Sterling 58,9%-ot ért el, a Claude Fable 5.1 55,9%-ot. Nagyobb erőfeszítésű módban a Sterling 60,6%-ot ért el, a teszt legnehezebb harmadában viszont csak 45,2%-os volt. Egy kérdés megválaszolása kérdésenként 0,61 dollárba került, míg a Claude Fable 5.1 esetében ez 6,89 dollár volt.
Samaya szerint a tesztkérdések egyike sem szerepelt a tanításban. A tanítás négy lépésben, 968 szintetikus és 1157 szűrt kérdéssel zajlott, a tanítómodell a Kimi K3 volt. Az alapmodell H100 80 GB-os kártyán fut BF16 pontossággal, a Sterling kiszolgálási hardverét és kontextushosszát viszont nem közölték, és a hírben nem szerepel a letöltés vagy az API-hozzáférés módja sem.
Miért fontos neked?
Pénzügyi elemzéssel foglalkozó csapatoknak a hír azt mutatja, hogy egy kisebb, célterületre hangolt modell versenyezhet nagyobb rendszerekkel árban is. A pontszámok Samaya saját mérései, a modell elérhetősége pedig a forrás alapján nem ismert.
Az eredeti megnyitása (MarkTechPost)
Eredeti cím: Samaya AI Releases Sterling: A 3B-Active Finance Research Agent Model that Beats Claude Fable 5.1 on FrontierFinance at 11x Lower Cost
Címkék: pénzügy, ügynökök, modell