AI R&D startup Mirendil bejelentette a Mirendil‑Base nevű előképzett nyelvi modellt, amelyet egyetlen kutató fejlesztett ki körülbelül 3,5 hónap alatt, kevesebb mint 10 millió dollárnyi számítási költség felhasználásával. A vállalat szerint ez az összeg tartalmazza az összes kutatást, kisebb kísérleteket és a végső tanítási futtatást is.
Mit csináltak pontosan?
- A Mirendil‑Base teljes kódja egyedül, saját kezűleg íródott, magas szintű könyvtárakra (például PyTorch és JAX) építve.
- A modell kizárólag nyilvánosan elérhető adatokból tanult; a csapat állítása szerint nem használt zárt forrásokat.
- Méretskálák: Mirendil‑Base az 100 milliárd–500 milliárd paraméter közötti tartományba esik. A Mirendil‑Base‑Large 500 milliárd–2 billió, a Mirendil‑Base‑XL pedig 2 billió–10 billió paraméteres kategóriában van.
- Készültségi állapot: a Mirendil‑Base‑Large körülbelül 80%-os előrehaladottságnál tart a tanítás során; a Mirendil‑Base‑XL nagyjából 19%-on van, és már közelít a Large aktuális teljesítményéhez.
Teljesítményértékelés
A Mirendil‑Base bizonyos nyilvános modelleknél jobb teljesítményt mutat: például megelőzi a Nemotron‑550B‑Base‑t, a GLM‑5.3‑at és a DeepSeek‑V4‑Pro‑Base‑t, de elmarad a Kimi‑K3 mögött. A Mirendil szerint mind a Mirendil‑Base‑Large, mind a Mirendil‑Base‑XL teljesítménye meghaladja a Kimi‑K3 szintjét.
Miért fontos ez?
A Mirendil bejelentése nem elsősorban technikai áttörésként, hanem demonstrációként értelmezhető: azt mutatja, hogy egy frissen alakult szervezet, egyetlen emberi kutató és nagy mennyiségű AI‑segédlettel előállított munkamenetek révén közel tud kerülni az open‑weight (nyílt súlyokkal rendelkező) élvonalhoz adott méretosztályban. A vállalat hangsúlyozza, hogy az AI‑eszközök az elmúlt évben jelentősen megnövelték a fejlesztési sebességet, és minden újabb modell, amely jobban segít AI rendszerek építésében, olcsóbbá és gyorsabbá teszi a következő modellt.
Mirendil ugyanakkor óvatos: nem állítják, hogy elérték volna az autonóm, rekurzív önfejlesztés teljes szintjét, de úgy vélik, közelebb kerültek hozzá, mint korábban bármikor.
Következtetések
A Mirendil‑Base kiadása jól illusztrálja a jelenlegi trendet, amely szerint az AI fejlesztésében a gépi támogatás lehetővé teszi, hogy kevesebb emberi munkaerővel gyorsabban és költséghatékonyabban lehessen nagy modelleket előállítani. Ez a jelenség potenciálisan átformálhatja az AI‑kutatás szervezeti modelljeit 2027 és a további évek során, különösen a nyílt súlyú modellek körében.
Részletek további vizsgálathoz
A Mirendil saját közleménye részletesebben ismerteti a „Pretraining at scale without a pretraining team” témát és az adott fejlesztési folyamatot.
