Tadqiqot Kichik Maymunlarning Kognitivligini Kuzatish Uchun Sun'iy Intellektdan Foydalanadi

Pangu ni jahon miqyosida yetakchi qilishga intilish haqidagi bayonotlardan so'ng, Yu Chengdong openPangu-2.0-Pro ni taqdim etdi. Huawei openPangu-2.0-Pro modelining manba kodini, vaznlarini, inferensiya uchun kodni va texnik hisobotni ochib berdi. Ushbu model NVIDIA dan tashqari jihozlar ustida to'liq o'qitilgan 500 milliard parametrli seriyaning birinchisi bo'lib, bu mahalliy hisoblash ekotizimini mustahkamlaydi.

Huawei 31-iyul kuni openPangu-2.0-Pro ni jamoatchilik uchun mavjud qildi. Modelda 505 milliard umumiy parametr, taxminan 180 milliard tarqalgan faollik va 512K kontekst oynasi mavjud. U 34 trillion token asosida Ascend NPU da o'qitilgan. Asosiy farqi to'liq funksional ochiq koddir: ko'plab boshqa ochiq kodli modellar faqat vaznlarni taqdim etishiga qaraganda, openPangu-2.0-Pro Ascend da o'qitishdan Ascend da ishlaydigan inferensiyagacha to'liq qayta tiklanadigan zanjirni taklif qiladi. Bu 500 milliarddan ortiq parametrli, to'liq no-NVIDIA jihozlarda o'qitilgan birinchi ilg'or darajadagi modeldir. Oldindan va keyingi o'qitish kodlari kiritilgan jami yetti komponent ochildi. Yu Chengdong 505 milliard parametr tanlash sababini hisoblash quvvatlari katta ehtimol bilan boshqa mahalliy korxonalar tomonidan ishlatilayotgani va Huawei uchun resurslar cheklanganligini tushuntirdi.

Model arxitekturasi resurs cheklovlari hisobga olingan holda optimallashtirilgan va DSA plus SWA gibrid diqqati, to'rt yo'nalishli mHC qoldiqlari, uch boshli MTP avtomatik spekulyatsiyasi va Muon optimallashtiruvchisini o'z ichiga oladi. 128K kontekst oynasida minimal TPOT kechikishi 9,55 millisekundni tashkil etadi, va bitta karta orqali tranzmissiya tezligi sekundiga 1326 tokenni yetadi, bu periferiyada real vaqt rejimida ishlash imkonini beradi. 512K kontekst oynasi va tarqalgan faollik modelga ma'lumotlarni keng qamrovli tahlil qilish va samarali hisoblash imkonini beradi: u bitta o'tishda butun shartnomalar to'plamini yoki zavodning yillik jurnalini o'qiy oladi, shu bilan birga xarajatlarni nazoratda ushlab turadi. Model uzun kontekstli agent vazifalariga yo'naltirilgan bo'lib, u ko'p bosqichli qaror qabul qilish, rejalashtirish va vositalarni chaqirish qobiliyatiga ega raqamli xodimga aylanadi, bu oddiy chatdan qurilmalar, transport vositalari va sanoat boshqaruvi uchun to'liq ishga o'tishni bildiradi. Hisobotda openPangu-2.0 hali ham real dunyo dasturiy ta'minoti muammolarida yetakchi modellar ortida qolayotgani samimiy ravishda tan olinadi, bu uzoq muddatli strategiyani aks ettiradi.

Pangu modeli sanoat uchun sun'iy intellekt bo'yicha soha eksperti sifatida xizmat qiladi, L0 foundation, L1 industry va L2 scenario arxitekturasidan foydalanadi. Davlat modellari to'liq mahalliy ishlaydi. Masalan, Pudong Rivojlanish banki Pu Hui Cloud Cang ombor bankini yaratdi, bu yuklarni aniqlashni 5-10% ga oshirdi va ishlab chiqish muddatlarini oylardan kunlarga qisqartirdi. PetroChina Kunlun submillimetrlik darajadagi nuqsonlarni bartaraf etishda 40% o'sishga erishdi, va ishlab chiqaruvchilar har bir pech uchun kundalik 20 tonna yoqilg'ini tejashmoqda. Intellektual haydash 512K oynadagi traektoriyani tushunishdan foyda ko'radi. Guangyao dorilarni erta topish xarajatlarini 70% ga kamaytirdi, Hanyu esa ishlab chiqarish qarorlarini qabul qilish samaradorligini 90% ga yaxshiladi. Tianjin Energy energiya iste'molini 10% ga kamaytirish bilan 100% isitish balansiga erishdi. Eng katta foyda kichik korxonalar oladi: endi tuman shifoxonasi yoki mahalliy qishloq xo'jaligi instituti sanoat agentlariga ega bo'lishi mumkin.

Chiqarish maqsadli amalga oshirildi: 30-iyunda HDC 2026 da yetti komponentni ochish boshlandi. Avval 92 milliard parametrli Flash modeli chiqarildi, va bir oy o'tgach, og'irroq Pro versiyasi kelyapti, bu faqat repozitoriyani yuklash emas, balki o'qitish usullari va muhandislik bilimlarini taqdim etish imkonini berdi. Bu yondashuv Zhen Zhengfei ning Apple haqidagi fikriga mos keladi: faqat eng foydali qismga e'tibor qaratadigan ochiq hamkorlik. AI davrida ekotizimning g'alabasi bitta mashinaning samaradorligidan oldin keladi. Ochiq kanallar ishlab chiquvchilarni Ascend plusi Pangu daryosiga yo'naltiradi va foydalanuvchilar o'sishi bilan bu daryo kengayadi. openPangu-2.0-Pro mahalliy hamjamiyat uchun 'to'siq toshi' vazifasini bajaradi: yetakchi ishtirokchilar o'z imkoniyatlarini kollektiv ravishda tarqatganda, past darajadagi ilovalar gullaydi va xitoy korxonalari mustaqil stekda birgalikda kuch hosil qila oladi. Kuchli bosim ostidagi kompaniya uchun eng og'ir asosiy texnologiyani hamma uchun topshirish eng yuqori darajadagi ishonchdir.

DeepSeek V4 Flash modeli katta talabni namoyish etdi va faqat bitta kun ichida OpenCode vositasida 8 trillion token iste'mol qildi. Bu hajm platformaning OpenRouterdagi o'rtacha kunlik ko'rsatkichi bo'lgan taxminan 6,6 trillion token dan oshib ketdi. Ushbu foydalanish portlashuvi sun'iy intellekt bilan ishlash usullaridagi fundamental o'zgarishni aks ettiradi: avval vazifa oddiy savol va javob bilan yakunlanar edi, ammo endi agentlar fayllarni o'qish, kodni o'zgartirish, dasturlarni ishga tushirish va xatolardan keyin qayta urinish kabi murakkab operatsiyalarni bajaradi, bu esa token iste'molini ko'p barobar oshiradi.

Bunday murakkab o'zaro ta'sir namunasi sifatida Claude Opus 5 yordamida bir sahifali 3D o'yin loyihasini yaratgan foydalanuvchi keltirildi. Bu jarayon 690 million token talab qildi va deyarli 3000 yuan atab chiqdi.

Agentlar tomonidan bajariladigan vazifalar paydo bo'lishi bilan, modellarni baholash mezonlari alohida javob sifati dan uzoq muddatli vazifani bajarish xarajatiga o'tdi. Masalan, DeepSeekda bir million chiqish tokeni 2 yuan turgan bo'lsa, Claude Opus 4.8 da shu operatsiya 25 AQSh dollari, ya'ni taxminan 170 yuan ga tushib, 85 baralik narx farqini ko'rsatdi. Garchi Artificial Analysis Intelligence Index v4.1 indeksida V4 Flash Max modeli Opus Max ga nisbatan 50 ball olgan bo'lsa, ushbu testdan o'tish xarajatlari V4 Flash uchun 72,02 AQSh dollari, Opus uchun esa 3752,55 AQSh dollari tashkil etdi, bunda Opus taxminan 52 baravar ko'paygan xarajatlar bilan 6 qo'shimcha ball oldi.

V4 Flash hali mutlaq ustunlikni isbotlay olmayapti, ammo agar ikkala model ham bir kandidatlar ro'yxatiga kirsa, 85 baralik narx farqi standart tanlovni o'zgartirishi mumkin. Agar raqobatchidan faqat bir necha foiz ustun bo'lgan model o'nlab barobar qimmatroq bo'lsa, tanlash matematikasi yanada qimmatroq variantni qo'llab-quvvatlamaydi.

Bu tendensiya ta'sirini eng avval sezadiganlar eng zaif modellar emas, chunki kichik modellar yo'naltirish uchun mos keladi, flagman modellar esa eng murakkab vazifalarni hal qilishda davom etadi. Eng zaif bo'ladiganlar o'rta darajadagi modellar hisoblanadi — ular V4 Flash dan kuchliroq, lekin o'nlab barobar qimmatroq va V4 Flash hal qila oladigan vazifalarni hal qilish uchun yetarli darajada kuchli emas. Aynan shu DeepSeekning «o'ldiruvchi chizig'i»: modellar eng kuchli bo'lish shart emas, ularga ko'pchilik vazifalarni bajarish uchun yetarlicha yaxshi bo'lish kifoya, bunday holatda deyarli ikki gigantlik miqdordagi narx farqi yanada qimmatroq variantlarni standart ro'yxatdan chiqarib tashlashga yordam beradi.

Narxlash kontekstida, Opus bir million chiqish tokeni uchun 25 AQSh dollari, Fable 5 - 50 AQSh dollari, xitoy modellariga esa Qwen 3.8 Max 36 yuan, Kimi K3 - 100 yuan va GLM 5.2 - 28 yuan kirmadi.

Mutayni mineral suv narxlarida sotish imkoniyati token bo'yicha inferensning to'g'ridan-to'g'ri xarajatiga bog'liq, bu esa faollashtirilgan parametrlar, aniqlik, diqqat, KV-kesh, chiqish uzunligi, uskuna va parallelizmdan kelib chiqadi. V4 Flash 284 milliard umumiy parametrga ega, ammo har bir token uchun taxminan 13 milliardni giperbrid diqqat, past aniqlikli og'irliklar va kesh optimallashtirishidan foydalanib faollashtiradi. Bir million tokenli kontekstda inferens yuklanishi V3.2 ning taxminan 10% ni tashkil qiladi, KV-kesh hajmi esa taxminan 7% ni tashkil qiladi. V4 seriyasi diqqat mexanizmini qayta ishlab, CSA compress-then-focus va HCA full-browse mexanizmlarini joriy etdi, shuningdek, har bir tokenni kichik ekspertlar guruhiga yo'naltiradigan DeepSeekMoE yo'naltirishidan foydalanadi. Tijorat narxlash va xizmat xarajatlari ushbu texnik xususiyatlarga amal qiladi. Shu tariqa, «o'ldiruvchi chiziq» rivojlanish chegarasini qayta belgilaydi: hal qiluvchi omil vazifa bajarish xarajati asosiy metrika bo'lgan samaradorlik va narxning birlashmasidir.

Raqamli dunyodagi xavfsizlik anʼanaviy ravishda maʼlumotlarni himoya qilish uchun matematik tenglamalarga tayanadi. Masalan, onlayn kredit kartasidan foydalanganda, maʼlumot murakkab matematik vazifa bilan himoyalangan boʻladi, uni zamonaviy kompyuter minglab yillar davomida yechishi kerak. Biroq, agar yetarli kuchli kompyuter yaratilsa, bu himoya ishlamay qoladi. Tizimlarni yanada ishonchli qilish uchun anʼanaviy matematikadan koʻra, kvant fizikasining oʻzgarmas qonunlaridan foydalanadigan kvant xavfsizligiga oʻtish oʻsib bormoqda.

UC Santa Barbara (AQSh) dan Prabhanjan Anant va UCLA (AQSh) dan Amit Sahai ushbu kvant himoyasini tezroq va samaraliroq qiluvchi usulni tavsif etishdi. Ularning ishi arXiv muqobil nashr serverida e'lon qilingan va hali hakimiyatdan o'tmagan.

Usul qanday ishlaydi

Tizim kvant fizikasining fundamental qoidasi boʻlgan klonlash taqiqlanishi teoremasiga asoslangan, u nomaʼlum kvant holatini bir xil nusxa yaratishning jismoniy imkonsizligini belgilaydi. Bu odatiy raqamli dunyodan toʻgʻri zid, chunki har qanday fayl mukammal tarzda cheksiz marta nusxalanishi mumkin.

Bu tamoyilga asoslanib, Anant va Sahai bitta bitni — oddiy 0 yoki 1 ni — kvant shifrlangan matnga shifrlash usulini ishlab chiqdilar. Maxfiy raqamli kalit yashirin biti kvant holatlari ketma-bosari boʻylab aralashtiradi. Ushbu holatlar birgalikda oʻlchanilganda, ular maxfiy bitni ochib beradi. Avtorizatsiya qilingan qabul qiluvchi toʻgʻri xabarni olish uchun shu kalitdan foydalanadi.

Nima uchun tinglash amalga oshmaydi

Tizim hujumning maʼlum bir turini bloklash uchun moʻljallangan, bunda zararli foydalanuvchi maʼlumotlarni ushlab oladi va ularni ikkita hamkor oʻrtasida boʻladi. Kvant fizikasining qoidalari boʻyicha, kvant maʼlumotlarini ajratishga har qanday urinish maʼlumotni buzadi, bu esa ikkala hamkor uchun sirlarni oʻqishni imkonsiz qiladi.

Hatto hamkorlar keyinchalik maxfiy kalitni olgan boʻlsalar ham, kvant fizikasining maʼlumotni ishonchli tiklashga yoʻl qoʻymaydi. Tadqiqotchilar qancha koʻp kvant holatlari ishlatilsa, ikkalasining yashirin bitni toʻgʻri aniqlash ehtimoli tasodifiy tanga otish ehtimolligiga — 50/50 ga yaqinlashishini namoyish etishdi. Natija tasodifiy ligidan oshmasa, shifrlash oʻz vazifasini bajaradi.

Anant va Sahai maqolada oʻz yondashuvi ularning avvalgi cheklovlarni yengib oʻtishini taʼkidlaydilar: «Biz barcha bu shartlarni bartaraf etdik, samarali, bir martalik va axborot nazariyasi nuqtai nazaridan xavfsiz klonlanmaydigan shifrlash mavjudligini koʻrsatdik». Mualliflar shuningdek, «sxema eksponensial darajada xavfsiz» ekanligini taʼkidlashadilar, chunki himoya har bir qoʻshimcha ishlatilgan kvant holati bilan ortadi.