ค้นหาเว็บไซต์

โมเดล AI โอเพ่นซอร์สที่ดีที่สุด: อธิบายตัวเลือกการใช้งานฟรีทั้งหมดของคุณ

ต่อไปนี้คือโมเดล AI แบบโอเพ่นซอร์สและฟรีที่ดีที่สุดสำหรับข้อความ รูปภาพ และเสียง จัดเรียงตามประเภท แอปพลิเคชัน และข้อควรพิจารณาในการอนุญาตให้ใช้สิทธิ์

Generative AI (Gen AI) ก้าวหน้าไปอย่างมากนับตั้งแต่เปิดตัวสู่สาธารณะเมื่อสองปีที่แล้ว เทคโนโลยีนี้ได้นำไปสู่การประยุกต์ใช้การเปลี่ยนแปลงที่สามารถสร้างข้อความ รูปภาพ และสื่ออื่นๆ ได้อย่างแม่นยำและสร้างสรรค์อย่างน่าประทับใจ

โมเดลกำเนิดโอเพ่นซอร์สมีคุณค่าสำหรับนักพัฒนา นักวิจัย และองค์กรที่ต้องการใช้ประโยชน์จากเทคโนโลยี AI ที่ล้ำสมัย โดยไม่ต้องเสียค่าธรรมเนียมใบอนุญาตสูงหรือนโยบายเชิงพาณิชย์ที่เข้มงวด มาหาข้อมูลเพิ่มเติมกันดีกว่า

โอเพ่นซอร์สกับโมเดลที่เป็นกรรมสิทธิ์

โมเดล AI แบบโอเพ่นซอร์สมีข้อดีหลายประการ รวมถึงการปรับแต่ง ความโปร่งใส และนวัตกรรมที่ขับเคลื่อนโดยชุมชน โมเดลเหล่านี้ช่วยให้ผู้ใช้ปรับแต่งตามความต้องการเฉพาะและได้รับประโยชน์จากการปรับปรุงอย่างต่อเนื่อง นอกจากนี้ โดยทั่วไปจะมาพร้อมกับใบอนุญาตที่อนุญาตให้ใช้งานทั้งในเชิงพาณิชย์และไม่ใช่เชิงพาณิชย์ ซึ่งช่วยเพิ่มความสามารถในการเข้าถึงและการปรับตัวในแอปพลิเคชันต่างๆ

อย่างไรก็ตาม โซลูชันโอเพ่นซอร์สไม่ใช่ตัวเลือกที่ดีที่สุดเสมอไป ในอุตสาหกรรมที่ต้องการการปฏิบัติตามกฎระเบียบที่เข้มงวด ความเป็นส่วนตัวของข้อมูล และการสนับสนุนเฉพาะทาง โมเดลที่เป็นกรรมสิทธิ์มักจะทำงานได้ดีกว่า พวกเขาให้กรอบทางกฎหมายที่แข็งแกร่ง การสนับสนุนลูกค้าโดยเฉพาะ และการเพิ่มประสิทธิภาพที่ปรับให้เหมาะกับความต้องการของอุตสาหกรรม โซลูชันแบบโอเพนซอร์ซยังอาจเหนือกว่าในงานที่มีความเชี่ยวชาญสูงด้วยคุณสมบัติพิเศษที่ออกแบบมาเพื่อประสิทธิภาพและความน่าเชื่อถือสูง

เมื่อองค์กรต้องการการอัปเดตแบบเรียลไทม์ การรักษาความปลอดภัยขั้นสูง หรือฟังก์ชันพิเศษ โมเดลที่เป็นกรรมสิทธิ์สามารถนำเสนอโซลูชันที่แข็งแกร่งและปลอดภัยยิ่งขึ้น สร้างสมดุลระหว่างการเปิดกว้างกับความต้องการที่เข้มงวดในด้านคุณภาพและความรับผิดชอบ

คำจำกัดความ AI แบบโอเพ่นซอร์ส

เมื่อเร็วๆ นี้ Open Source Initiative (OSI) ได้เปิดตัวคำจำกัดความ AI แบบโอเพ่นซอร์ส (OSAID) เพื่อชี้แจงว่าอะไรเข้าข่ายเป็น AI แบบโอเพ่นซอร์สอย่างแท้จริง เพื่อให้เป็นไปตามมาตรฐาน OSAID โมเดลจะต้องมีความโปร่งใสโดยสมบูรณ์ในการออกแบบและข้อมูลการฝึกอบรม ทำให้ผู้ใช้สามารถสร้างขึ้นใหม่ ปรับเปลี่ยน และใช้งานได้อย่างอิสระ

อย่างไรก็ตาม โมเดลยอดนิยมบางรุ่น รวมถึง LLaMA ของ Meta และ Stable Diffusion ของ Stability AI มีข้อจำกัดด้านใบอนุญาตหรือขาดความโปร่งใสเกี่ยวกับข้อมูลการฝึกอบรม ทำให้ไม่สามารถปฏิบัติตาม OSAID ได้อย่างสมบูรณ์

ในฐานะที่เป็นส่วนหนึ่งของกระบวนการตรวจสอบ OSAID OSI ประเมินสิ่งต่อไปนี้:

  • โมเดลที่สอดคล้อง: Pythia (Eleuther AI), OLMo (AI2), Amber และ CrystalCoder (LLM360) และ T5 (Google)
  • โมเดลที่อาจเป็นไปตามข้อกำหนด: Bloom (BigScience), Starcoder2 (BigCode) และ Falcon (TII) อาจเป็นไปตามมาตรฐาน OSAID โดยมีการปรับเปลี่ยนเงื่อนไขใบอนุญาตหรือความโปร่งใสเล็กน้อย
  • โมเดลที่ไม่เป็นไปตามข้อกำหนด: LLaMA (Meta), Grok (X/Twitter), Phi (Microsoft) และ Mixtral (Mistral) ขาดความโปร่งใสที่จำเป็นหรือกำหนดเงื่อนไขการอนุญาตที่เข้มงวด

OSAID ได้จุดประกายความขัดแย้งที่โดดเด่นในหมู่สมาชิกชุมชนโอเพ่นซอร์สที่โดดเด่น เนื่องจากแตกต่างจากคำจำกัดความโอเพ่นซอร์สแบบดั้งเดิมที่ใช้สำหรับซอฟต์แวร์ ความเกี่ยวข้องและผลกระทบต่อโมเดล AI ที่สร้างโอเพ่นซอร์สได้กระตุ้นให้เกิดการถกเถียงกันอย่างเข้มข้นในฟอรัมชุมชน รวมถึงกระดานข่าวของ Open Source Definition (องค์กรทางเลือกของ OSI) นักพัฒนา รายชื่อผู้รับจดหมาย และแพลตฟอร์มสาธารณะ เช่น LinkedIn

LLaMA และสถาปัตยกรรมอื่นๆ ที่ไม่เป็นไปตามข้อกำหนด

สถาปัตยกรรม Meta LLaMA เป็นตัวอย่างของการไม่ปฏิบัติตาม OSAID เนื่องจากมีใบอนุญาตการวิจัยที่จำกัดเท่านั้น และขาดความโปร่งใสอย่างสมบูรณ์เกี่ยวกับข้อมูลการฝึกอบรม การจำกัดการใช้งานเชิงพาณิชย์และการทำซ้ำ โมเดลที่ได้รับ เช่น Mixtral ของ Mistral และ MiniGPT-4 ของทีม Vicuna สืบทอดข้อจำกัดเหล่านี้ โดยเผยแพร่การไม่ปฏิบัติตามข้อกำหนดของ LLaMA ในโครงการเพิ่มเติม

นอกเหนือจากโมเดลที่ใช้ LLaMA แล้ว สถาปัตยกรรมอื่นๆ ที่ใช้กันอย่างแพร่หลายยังประสบปัญหาที่คล้ายกัน ตัวอย่างเช่น Stability Diffusion โดย Stability AI ใช้ใบอนุญาต Creative ML OpenRAIL-M ซึ่งรวมถึงข้อจำกัดด้านจริยธรรมที่แตกต่างจากข้อกำหนดของ OSAID สำหรับการใช้งานที่ไม่จำกัด ในทำนองเดียวกัน Grok by xAI ผสมผสานองค์ประกอบที่เป็นกรรมสิทธิ์เข้ากับข้อจำกัดการใช้งาน ซึ่งท้าทายความสอดคล้องกับอุดมคติของโอเพ่นซอร์ส

ตัวอย่างเหล่านี้เน้นย้ำถึงความยากลำบากในการบรรลุมาตรฐานของ OSAID เนื่องจากนักพัฒนา AI จำนวนมากสร้างสมดุลระหว่างการเข้าถึงแบบเปิดกับการพิจารณาทางการค้าและจริยธรรม

ผลกระทบต่อองค์กร: การปฏิบัติตาม OSAID กับการไม่ปฏิบัติตาม

การเลือกโมเดลที่สอดคล้องกับ OSAID ช่วยให้องค์กรมีความโปร่งใส ความปลอดภัยทางกฎหมาย และคุณสมบัติการปรับแต่งได้เต็มรูปแบบที่จำเป็นสำหรับการใช้งาน AI ที่มีความรับผิดชอบและยืดหยุ่น โมเดลที่สอดคล้องเหล่านี้ปฏิบัติตามหลักปฏิบัติด้านจริยธรรมและได้รับประโยชน์จากการสนับสนุนจากชุมชนที่เข้มแข็ง ส่งเสริมการพัฒนาความร่วมมือ

ในทางตรงกันข้าม โมเดลที่ไม่สอดคล้องกันอาจจำกัดความสามารถในการปรับตัวและพึ่งพาทรัพยากรที่เป็นกรรมสิทธิ์มากขึ้น สำหรับองค์กรที่ให้ความสำคัญกับความยืดหยุ่นและความสอดคล้องกับค่าโอเพ่นซอร์ส โมเดลที่สอดคล้องกับ OSAID จะเป็นประโยชน์ อย่างไรก็ตาม โมเดลที่ไม่สอดคล้องกันยังคงมีคุณค่าได้เมื่อจำเป็นต้องมีคุณสมบัติที่เป็นกรรมสิทธิ์

ทำความเข้าใจสิทธิ์การใช้งานในโมเดล AI แบบโอเพ่นซอร์ส

โมเดล AI แบบโอเพ่นซอร์สเผยแพร่ภายใต้สิทธิ์การใช้งานที่กำหนดเงื่อนไขการใช้งาน การแก้ไข และการแบ่งปัน แม้ว่าใบอนุญาตบางฉบับจะสอดคล้องกับมาตรฐานโอเพ่นซอร์สแบบดั้งเดิม แต่ใบอนุญาตบางฉบับก็มีข้อจำกัดหรือแนวปฏิบัติด้านจริยธรรมที่ขัดขวางการปฏิบัติตาม OSAID อย่างสมบูรณ์ ใบอนุญาตที่สำคัญได้แก่:

  • Apache 2.0: ใบอนุญาตที่อนุญาตซึ่งอนุญาตให้ใช้งาน ดัดแปลง และแจกจ่ายได้ฟรี พร้อมด้วยการให้สิทธิบัตร Apache 2.0 ได้รับการรับรองจาก OSI และเป็นที่นิยมสำหรับโครงการโอเพ่นซอร์ส โดยให้ความยืดหยุ่นและการคุ้มครองทางกฎหมาย
  • MIT: ใบอนุญาตอนุญาตอื่นที่ต้องการเพียงการระบุแหล่งที่มาเพื่อนำมาใช้ซ้ำ เช่นเดียวกับ Apache 2.0 MIT ได้รับการรับรองจาก OSI นำไปใช้อย่างกว้างขวาง และนำเสนอความเรียบง่ายและมีข้อจำกัดน้อยที่สุด
  • Creative ML OpenRAIL-M: ใบอนุญาตที่ออกแบบมาสำหรับแอปพลิเคชัน AI ช่วยให้ใช้งานได้ในวงกว้างแต่กำหนดหลักเกณฑ์ด้านจริยธรรมเพื่อป้องกันการใช้งานที่เป็นอันตราย OpenRAIL-M ไม่ได้รับการรับรองจาก OSI เนื่องจากมีข้อจำกัดการใช้งานที่ขัดแย้งกับหลักการของ OSI เรื่องเสรีภาพที่ไม่จำกัด อย่างไรก็ตาม นักพัฒนาให้ความสำคัญกับการจัดลำดับความสำคัญของการใช้ AI อย่างมีจริยธรรม
  • CC BY-SA: ใบอนุญาต Creative Commons Share-Alike อนุญาตให้ใช้งานได้ฟรี และต้องมีผลงานลอกเลียนแบบเพื่อให้ยังคงเป็นโอเพ่นซอร์ส แม้ว่าสนับสนุนการทำงานร่วมกันแบบเปิด แต่ก็ไม่ได้รับการรับรองจาก OSI และมักใช้สำหรับเนื้อหามากกว่าการเขียนโค้ด เนื่องจากขาดความยืดหยุ่นสำหรับแอปพลิเคชันซอฟต์แวร์
  • CC BY-NC 4.0: ใบอนุญาตครีเอทีฟคอมมอนส์ที่อนุญาตให้ใช้งานได้ฟรีโดยระบุแหล่งที่มา แต่จำกัดการใช้งานเชิงพาณิชย์ ใบอนุญาตนี้ใช้สำหรับน้ำหนักของโมเดลบางรุ่น (เช่น MusicGen และ AudioGen ของ Meta) จำกัดการใช้งานของโมเดลในสภาพแวดล้อมเชิงพาณิชย์ และไม่สอดคล้องกับมาตรฐานโอเพ่นซอร์สของ OSI
  • ใบอนุญาตแบบกำหนดเอง: โมเดลหลายรุ่นในรายการของเรา เช่น Granite ของ IBM และ NeMo ของ Nvidia ทำงานภายใต้ใบอนุญาตที่เป็นกรรมสิทธิ์หรือแบบกำหนดเอง โมเดลเหล่านี้มักจะกำหนดเงื่อนไขเฉพาะสำหรับการใช้งานหรือแก้ไขข้อกำหนดโอเพ่นซอร์สแบบดั้งเดิมเพื่อให้สอดคล้องกับเป้าหมายเชิงพาณิชย์ ทำให้ไม่สอดคล้องกับหลักการโอเพ่นซอร์ส
  • ใบอนุญาตสำหรับการวิจัยเท่านั้น: บางรุ่น เช่น Meta's LLaMA และ Codellama series มีให้ใช้งานภายใต้เงื่อนไขการใช้งานในการวิจัยเท่านั้น ใบอนุญาตเหล่านี้จำกัดการใช้งานเพื่อวัตถุประสงค์ทางวิชาการหรือไม่ใช่เชิงพาณิชย์ และป้องกันโครงการที่ขับเคลื่อนโดยชุมชนในวงกว้าง เนื่องจากไม่ตรงตามเกณฑ์โอเพ่นซอร์สของ OSI

ข้อกำหนดสำหรับการรันโมเดล AI แบบโอเพ่นซอร์ส

การใช้งานโมเดล Gen AI แบบโอเพ่นซอร์สต้องใช้ฮาร์ดแวร์ สภาพแวดล้อมซอฟต์แวร์ และชุดเครื่องมือเฉพาะสำหรับการฝึกโมเดล การปรับแต่งอย่างละเอียด และการปรับใช้ โมเดลประสิทธิภาพสูงที่มีพารามิเตอร์นับพันล้านจะได้รับประโยชน์จากการตั้งค่า GPU อันทรงพลัง เช่น A100 หรือ H100 ของ Nvidia

โดยทั่วไปสภาพแวดล้อมที่สำคัญจะประกอบด้วย Python และไลบรารีการเรียนรู้ของเครื่อง เช่น PyTorch หรือ TensorFlow ชุดเครื่องมือเฉพาะทาง รวมถึงไลบรารี่ Transformers ของ Hugging Face และ NeMo ของ Nvidia ช่วยลดความซับซ้อนของกระบวนการปรับแต่งและปรับใช้อย่างละเอียด นักเทียบท่าช่วยรักษาสภาพแวดล้อมที่สอดคล้องกันในระบบต่างๆ ในขณะที่ Ollama ช่วยให้สามารถดำเนินการโมเดลภาษาขนาดใหญ่ภายในเครื่องบนระบบที่เข้ากันได้

แผนภูมิต่อไปนี้เน้นชุดเครื่องมือที่จำเป็น ฮาร์ดแวร์ที่แนะนำ และฟังก์ชันเฉพาะสำหรับการจัดการโมเดล AI แบบโอเพ่นซอร์ส:

Toolset

Purpose

Requirements

Use

Python

Primary programming environment

N/A

Essential for scripting and configuring models

PyTorch

Model training and inference

GPU (e.g., Nvidia A100, H100)

Widely used library for deep learning models

TensorFlow

Model training and inference

GPU (e.g., Nvidia A100, H100)

Alternative deep learning library

Hugging Face Transformers

Model deployment and fine-tuning

GPU (preferred)

Library for accessing, fine-tuning, and deploying models

Nvidia NeMo

Multimodal model support and deployment

Nvidia GPUs

Optimized for Nvidia hardware and multimodal tasks

Docker

Environment consistency and deployment

Supports GPUs

Containerizes models for easy deployment

Ollama

Running large language models locally

macOS, Linux, Windows, supports GPUs

Platform to run LLMs locally on compatible systems

LangChain

Building applications with LLMs

Python 3.7+

Framework for composing and deploying LLM-powered applications

LlamaIndex

Connecting LLMs with external data sources

Python 3.7+

Framework for integrating LLMs with data sources

การตั้งค่านี้สร้างเฟรมเวิร์กที่แข็งแกร่งสำหรับการจัดการโมเดล Gen AI อย่างมีประสิทธิภาพ ตั้งแต่การทดลองไปจนถึงการใช้งานจริงที่พร้อมสำหรับการผลิต ชุดเครื่องมือแต่ละชุดมีจุดแข็งที่เป็นเอกลักษณ์ ช่วยให้นักพัฒนาสามารถปรับแต่งสภาพแวดล้อมให้ตรงกับความต้องการเฉพาะของโครงการได้

การเลือกรุ่นที่เหมาะสม

การเลือกโมเดล AI เจนเนอเรชันที่เหมาะสมนั้นขึ้นอยู่กับปัจจัยหลายประการ รวมถึงข้อกำหนดสิทธิ์การใช้งาน ประสิทธิภาพที่ต้องการ และฟังก์ชันการทำงานเฉพาะ แม้ว่าโมเดลขนาดใหญ่มีแนวโน้มที่จะให้ความแม่นยำและความยืดหยุ่นสูงกว่า แต่ก็ต้องใช้ทรัพยากรในการคำนวณจำนวนมาก ในทางกลับกัน โมเดลขนาดเล็กจะเหมาะกับแอปพลิเคชันและอุปกรณ์ที่มีทรัพยากรจำกัดมากกว่า

สิ่งสำคัญที่ควรทราบคือโมเดลส่วนใหญ่ที่แสดงไว้ที่นี่ แม้แต่โมเดลที่มีสิทธิ์การใช้งานโอเพ่นซอร์สแบบดั้งเดิม เช่น Apache 2.0 หรือ MIT ก็ไม่ตรงตามข้อกำหนด Open Source AI (OSAID) ช่องว่างนี้มีสาเหตุหลักมาจากข้อจำกัดเกี่ยวกับความโปร่งใสของข้อมูลการฝึกอบรมและข้อจำกัดการใช้งาน ซึ่ง OSAID เน้นย้ำว่าจำเป็นสำหรับ AI โอเพ่นซอร์สที่แท้จริง อย่างไรก็ตาม โมเดลบางรุ่น เช่น Bloom และ Falcon แสดงให้เห็นถึงศักยภาพในการปฏิบัติตามการปรับเปลี่ยนใบอนุญาตหรือโปรโตคอลความโปร่งใสเล็กน้อย และอาจบรรลุการปฏิบัติตามข้อกำหนดโดยสมบูรณ์เมื่อเวลาผ่านไป

ตารางด้านล่างแสดงภาพรวมที่จัดระเบียบของโมเดล AI ที่สร้างโอเพ่นซอร์สชั้นนำ ซึ่งจัดหมวดหมู่ตามประเภท ผู้ออก และฟังก์ชันการทำงาน เพื่อช่วยให้คุณเลือกตัวเลือกที่ดีที่สุดสำหรับความต้องการของคุณ ไม่ว่าจะเป็นโมเดลที่ขับเคลื่อนโดยชุมชนที่โปร่งใสอย่างสมบูรณ์หรือโมเดลระดับสูง เครื่องมือประสิทธิภาพพร้อมคุณสมบัติเฉพาะและข้อกำหนดสิทธิ์การใช้งาน

โมเดลภาษา

โมเดลภาษามีความสำคัญอย่างยิ่งในแอปพลิเคชันแบบข้อความ เช่น แชทบอท การสร้างเนื้อหา การแปล และการสรุป เป็นพื้นฐานของการประมวลผลภาษาธรรมชาติ (NLP) และปรับปรุงความเข้าใจในโครงสร้างและบริบทของภาษาอย่างต่อเนื่อง

โมเดลที่โดดเด่น ได้แก่ LLaMA ของ Meta, GPT-NeoX ของ EleutherAI และตระกูล NVLM 1.0 ของ Nvidia ซึ่งแต่ละรุ่นรู้จักกันในด้านจุดแข็งเฉพาะตัวในงานหลายภาษา ขนาดใหญ่ และต่อเนื่องหลายรูปแบบ

Issuer & ModelParameter SizesLicenseHighlights
Google T5Small to XXLApache 2.0High-performance language model, OSAID Compliant
EleutherAI PythiaVariousApache 2.0Interpretability-focused, OSAID Compliant
Allen Institute for AI (AI2) OLMoVariousApache 2.0Open language research model, OSAID Compliant
BigScience BLOOM176BOpenRAIL-MMultilingual, responsible AI, OSAID Potential
BigCode Starcoder2VariousApache 2.0Code generation, OSAID Potential
TII Falcon7B, 40BApache 2.0Efficient and high-performance, OSAID Potential
AI21 Labs Jamba SeriesMini to LargeCustomLanguage and chat generation
AI Singapore Sea-Lion7BCustomLanguage and cultural representation
Alibaba Qwen Series7BCustomBilingual model (Chinese, English)
Databricks Dolly 2.012BCC BY-SA 3.0Open dataset, commercial use
EleutherAI GPT-J6BApache 2.0General-purpose language model
EleutherAI GPT-NeoX20BMITLarge-scale text generation
Google Gemma 22B, 9B, 27BApache 2.0Language and code generation
IBM Granite Series3B, 8BApache 2.0Summarization, classification, RAG
Meta LLaMA 3.21B to 405BResearch-onlyAdvanced NLP, multilingual
Microsoft Phi-3 SeriesMini to MediumMITReasoning, cost-effective
Mistral AI Mixtral 8x22B8x22BApache 2.0Sparse model, efficient reasoning
Mistral AI Mistral 7B7BApache 2.0Dense, multilingual text generation
Nvidia NVLM 1.0 Family72BCC by SA 3.0High-performance multimodal LLM
Rakuten RakutenAI Series7BCustomMultilingual chat, NLP
xAI Grok-1314BApache 2.0Large-scale language model

<ชม.>

แบบจำลองการสร้างภาพ

โมเดลการสร้างภาพจะสร้างภาพหรืออาร์ตเวิร์คคุณภาพสูงจากข้อความแจ้ง ซึ่งทำให้สิ่งนี้มีค่าสำหรับผู้สร้างเนื้อหา นักออกแบบ และนักการตลาด

ความเสถียร การกระจายความเสถียรของ AI ถูกนำมาใช้กันอย่างแพร่หลายเนื่องจากความยืดหยุ่นและคุณภาพเอาต์พุต ในขณะที่ IF ของ DeepFloyd เน้นการสร้างภาพที่สมจริงด้วยความเข้าใจภาษา

Issuer & ModelParameter SizesLicenseHighlights
Stability AI Stable Diffusion 3.52.5B to 8BOpenRAIL-MHigh-quality image synthesis
DeepFloyd IF400M to 4.3BCustomRealistic visuals with language comprehension
OpenAI DALL-E 3Not disclosedCustomState-of-the-art text-to-image synthesis
Google ImagenNot disclosedCustomHigh-fidelity image generation from text
MidjourneyNot disclosedCustomArtistic and stylized image generation
Adobe FireflyNot disclosedCustomIntegrated AI image generation within Adobe products

<ชม.>

โมเดลการมองเห็น

โมเดลการมองเห็นจะวิเคราะห์รูปภาพและวิดีโอ รองรับการตรวจจับวัตถุ การแบ่งส่วน และการสร้างภาพจากข้อความแจ้ง

เทคโนโลยีเหล่านี้เป็นประโยชน์ต่ออุตสาหกรรมต่างๆ มากมาย รวมถึงการดูแลสุขภาพ ยานพาหนะขับเคลื่อนอัตโนมัติ และสื่อ

Issuer & ModelParameter SizesLicenseHighlights
Meta SAM 2.138.9M to 224.4MApache 2.0Video editing, segmentation
NVIDIA ConsistencyNot disclosedCustomCharacter consistency across video frames
NVIDIA VISTA-3DNot disclosedCustomMedical imaging, anatomical segmentation
NVIDIA NV-DINOv2Not disclosedNon-commercialImage embedding generation
Google DeepLabNot disclosedApache 2.0High-quality semantic image segmentation
Microsoft Florence0.23B, 0.77BMITGeneral-purpose visual model for computer vision
OpenAI CLIP400MMITText and image comprehension

<ชม.>

โมเดลเครื่องเสียง

โมเดลเสียงจะประมวลผลและสร้างข้อมูลเสียง เปิดใช้งานการรู้จำเสียง การสังเคราะห์ข้อความเป็นคำพูด การแต่งเพลง และการปรับปรุงเสียง

Issuer & ModelSizesLicenseHighlights
Coqui.ai TTSN/AMPL 2.0Text-to-speech synthesis, multi-language support
ESPnet ESPnetN/AApache 2.0End-to-end speech processing toolkit
Facebook AI wav2vec 2.0Base (95M), Large (317M)Apache 2.0Self-supervised speech recognition
Hugging Face Transformers (Speech Models)VariousApache 2.0Collection of ASR and TTS models
Magenta MusicVAEN/AApache 2.0Music generation and interpolation
Meta MusicGenN/AMIT / CC BY-NC 4.0Music generation from text prompts
Meta AudioGenN/AMIT / CC BY-NC 4.0Sound effect generation from text prompts
Meta EnCodecN/AMIT / CC BY-NC 4.0High-quality audio compression
Mozilla DeepSpeechN/AMPL 2.0End-to-end speech-to-text engine
NVIDIA NeMo (Speech Models)VariousApache 2.0ASR and TTS models optimized for Nvidia GPUs
OpenAI JukeboxN/AMITNeural music generation with genre/artist conditioning
OpenAI Whisper39M to 1.6BMITMultilingual speech recognition and transcription
TensorFlow TFLite Speech ModelsN/AApache 2.0Speech recognition models optimized for mobile devices

<ชม.>

โมเดลหลายรูปแบบ

โมเดลหลายรูปแบบรวมข้อความ รูปภาพ เสียง และข้อมูลประเภทอื่นๆ เพื่อสร้างเนื้อหาจากอินพุตต่างๆ

โมเดลเหล่านี้มีประสิทธิภาพในการใช้งานที่ต้องการภาษา ภาพ และความเข้าใจทางประสาทสัมผัส

Model NameParameter SizesLicenseHighlights
Allen Institute for AI (AI2) Molmo1B, 70BApache 2.0A multimodal AI model that processes text and visual inputs, OSAID-compliant
Meta ImageBindN/ACustomIntegrates six data types: text, images, audio, depth, thermal, and IMU.
Meta SeamlessM4TN/ACustomProvides multilingual translation and transcription services.
Meta Spirit LMN/ACustomCombines text and speech to produce natural-sounding outputs.
Microsoft Florence-20.23B, 0.77BMITHandles computer vision and language tasks proficiently.
NVIDIA VILAN/ACustomProcesses vision-language tasks effectively.
OpenAI CLIP400MMITExcels in text and image comprehension.
Vicuna Team MiniGPT-413BApache 2.0Capable of understanding both text and images.

<ชม.>

การสร้างแบบดึงข้อมูลเสริม (RAG)

โมเดล RAG ผสานรวม AI กำเนิดเข้ากับการดึงข้อมูล ทำให้สามารถรวมข้อมูลที่เกี่ยวข้องจากชุดข้อมูลขนาดใหญ่เข้าไว้ในการตอบสนองได้

Issuer & ModelParameter SizesLicenseHighlights
BAAI BGE-M3N/ACustomDense and sparse retrieval optimization
IBM Granite 3.0 Series3B, 8BApache 2.0Advanced retrieval, summarization, RAG
Nvidia EmbedQA & ReRankQA1BCustomMultilingual QA, GPU-accelerated retrieval

<ชม.>

รุ่นพิเศษ

โมเดลเฉพาะทางได้รับการปรับให้เหมาะสมสำหรับสาขาเฉพาะ เช่น การเขียนโปรแกรม การวิจัยทางวิทยาศาสตร์ และการดูแลสุขภาพ โดยมีฟังก์ชันที่ได้รับการปรับปรุงซึ่งปรับให้เหมาะกับโดเมนของตน

Issuer & ModelParameter SizesLicenseHighlights
Meta Codellama Series7B, 13B, 34BCustomCode generation, multilingual programming
IBM Granite (Specialized Models)3B, 8B, 20B, 34BApache 2.0Code generation, time series, geospatial
Mistral AI Mamba-Codestral7BApache 2.0Focused on coding and multilingual capabilities
Mistral AI Mathstral7BApache 2.0Specialized in mathematical reasoning

<ชม.>

โมเดลรั้ว

โมเดล Guardrail รับประกันผลลัพธ์ที่ปลอดภัยและมีความรับผิดชอบโดยการตรวจจับและบรรเทาอคติ เนื้อหาที่ไม่เหมาะสม และการตอบสนองที่เป็นอันตราย

Issuer & ModelParameter SizesLicenseHighlights
NVIDIA NeMo GuardrailsN/AApache 2.0Open-source toolkit for adding programmable guardrails
Google ShieldGemma2B, 9B, 27BCustomSafety classifier models built on Gemma 2
IBM Granite-Guardian8BApache 2.0Detects unethical or harmful content

<ชม.>

เลือกรุ่นโอเพ่นซอร์ส

ภูมิทัศน์ของ generative AI กำลังพัฒนาอย่างรวดเร็ว โดยมีโมเดลโอเพ่นซอร์สมีความสำคัญอย่างยิ่งในการทำให้ทุกคนสามารถเข้าถึงเทคโนโลยีขั้นสูงได้ โมเดลเหล่านี้ช่วยให้สามารถปรับแต่งและทำงานร่วมกันได้ ทำลายอุปสรรคที่จำกัดการพัฒนา AI ให้กับองค์กรขนาดใหญ่

นักพัฒนาสามารถปรับแต่งโซลูชันตามความต้องการของตนได้โดยเลือก Gen AI แบบโอเพ่นซอร์ส มีส่วนร่วมในชุมชนระดับโลก และเร่งความก้าวหน้าทางเทคโนโลยี ความหลากหลายของรุ่นที่มีจำหน่าย ตั้งแต่ภาษาและวิสัยทัศน์ไปจนถึงการออกแบบที่เน้นความปลอดภัย ช่วยให้มั่นใจได้ถึงตัวเลือกสำหรับเกือบทุกการใช้งาน

การสนับสนุนชุมชน AI แบบโอเพ่นซอร์สจะเป็นสิ่งจำเป็นสำหรับการส่งเสริมการพัฒนา AI ที่มีจริยธรรมและนวัตกรรม การให้ประโยชน์แก่โครงการแต่ละโครงการ และการพัฒนาเทคโนโลยีอย่างมีความรับผิดชอบ

บทความที่เกี่ยวข้อง