Какая самая последняя можель LLM есть на этой площадке?
- User
Какая самая последняя можель LLM есть на этой площадке?
Assistant
Отличный вопрос!
На этой площадке (я предполагаю, что речь идёт о платформе Hugging Face или, более широко, о доступе к моделям через разные API и сервисы, включая сам ChatGPT, на котором мы сейчас общаемся) регулярно обновляются и появляются новые модели Large Language Models (LLM). Разработчики и исследователи со всего мира постоянно тренируют и публикуют всё более совершенные архитектуры.
На август 2024 года, одними из самых передовых, общедоступных и широко обсуждаемых LLM-моделей являются:
-
Llama 3.1 от Meta AI (выпущена в июле 2024):
- Флагманская модель: Llama 3.1 405B (405 миллиардов параметров!). Это одна из самых крупных открытых (open-source) LLM на сегодня.
- Также есть версии: Llama 3.1 70B и 8B (меньшие, но быстрее работают).
- Улучшения по сравнению с Llama 3 (февраль 2024):
- Лучше понимает контекст длиной до 128K токенов (это ~100-150 тыс. слов или целая книга!).
- Поддержка 27 языков (включая русский).
- Превосходит многие закрытые модели (GPT-4, Claude) в тестах MMLU, GPQA, HumanEval (об этом ниже).
-
GPT-4o & GPT-4 Turbo от OpenAI (апрель и ноябрь 2023 соответственно, но обновления до "o" (omni) внесены в мае 2024):
- GPT-4o ("omni") — мультимодальная модель (текст + звук + видео + код).
- Контекстное окно 128K токенов (как у Llama 3.1).
- Работает в 2 раза быстрее и вполовину дешевле (по цене API) относительно GPT-4 Turbo.
- Остаётся одной из лучших в рассуждениях, коде, математике.
-
Claude 3.5 Sonnet от Anthropic (июнь 2024):
- Не самая большая по числу параметров (~70B?), но обгоняет GPT-4o в некоторых тестах (например, HumanEval — задача на генерацию кода).
- Отлично показывает себя в понимании нюансов, творческих задачах, этике.
- Контекст 200K токенов (больше, чем у Llama 3.1 и GPT-4o).
-
Mistral Large 2 (июль 2024 от Mistral AI):
- 123 миллиарда параметров.
- Поддержка до 80 языков, включая редкие.
- Очень сильна в коде, математических задачах, агентских сценариях (когда нужно пошагово рассуждать).
Кратко о тестах/бенчмарках, по которым их сравнивают:
- MMLU (Massive Multitask Language Understanding): общая "эрудиция" (наука, история, право...).
- GPQA (Graduate-Level Google-Proof Q&A): вопросы уровня аспирантуры (сложные, не гуглятся).
- HumanEval: насколько хорошо модель пишет работающий код (Python, JS...).
- MATH, GSM8K: школьная и олимпиадная математика.
Рейтинг (неофициальный "топ", август 2024):
- Llama 3.1 405B и GPT-4o идут почти вровень (Llama иногда чуть лучше в "чистом" тексте, GPT-4o — в мультимодальности и сложных рассуждениях).
- Claude 3.5 Sonnet — третья, удивительно хороша за счёт "качества ответов", а не голого масштаба.
- Mistral Large 2 — достойный "средний класс" с уклоном в мультиязычность и код.
Где это всё попробовать?
- Hugging Face (hf.co/models): все модели Llama 3.1, Mistral, десятки других доступны в Inference API (бесплатно/платно).
- ChatGPT (chatgpt.com): GPT-4o (если у вас подписка Plus/Team).
- Claude (claude.ai): интерфейс от Anthropic (бесплатно до лимита, затем платно).
- Meta AI (meta.ai): веб-чат с Llama 3.1 405B (пока довольно свежий и не везде доступный).
- Groq API (groq.com): очень быстрая inferencia Llama 3.1 (до 500 токенов/секунду на 1 GPU!).
Важное примечание: "Лучшая" модель зависит от задачи:
- Код, математика: Claude 3.5 Sonnet, GPT-4o.
- Мультиязычность: Mistral Large 2, Llama 3.1.
- Общее понимание + цена/качество: Llama 3.1 70B (бесплатно на HF).
- Картинки + текст (мультимодальность): пока GPT-4o вне конкуренции.
Так что Llama 3.1 405B сейчас — крупнейшая открытая LLM, а GPT-4o и Claude 3.5 Sonnet остаются сильнейшими в ряде закрытых корпоративных решений.
Обновления происходят каждые 2-4 месяца, так что уже через полгода появятся Llama 4, GPT-5 и новые модели от Google, Mistral и других игроков.
Надеюсь, помог с навигацией в сегодняшнем "LLM-ландшафте"!
Хотите ещё детали по какой-то конкретной модели?
-
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.