Xitoy meteorologiya maʼmuriyati sunʼiy intellekt asosidagi Fengqing ob-havo prognozi tizimini joriy etdi

Shanghai Artificial Intelligence Laboratory oʻzining agentga yoʻnaltirilgan katta modeli boʻlgan Atria Dawn ning toʻliq versiyasini taqdim etdi. Ushbu chiqarish sentyabr oyi oʻrtalarida Atria Dawn ning dastlabki versiyasi paydo boʻlganidan taxminan bir oy oʻtgach amalga oshirildi.

Model GLM-5.2 asosiy modeliga oʻrgatilgan boʻlib, u mixture-of-experts formatida 744 milliard parametrni oʻz ichiga oladi. U atrof-muhitni tushunish, vositalardan foydalanish va koʻp bosqichli vazifalarni bajarishni talab qiladigan ilmiy-tadqiqot va muhandislik ishlarini qoʻllab-quvvatlash uchun moʻljallangan.

Laboratoriya tomonidan qayd etilgan asosiy oʻzgarish – bu kontekst oynasini previewda mavjud boʻlgan 256 ming tokenlardan toʻliq versiyada 512 ming tokenlarga oshirishdir. Biroq, loyiha GitHub repozitoriyasidagi model yuklash jadvali hali ham toʻliq model va uning FP8 versiyasi uchun 256K ni koʻrsatib turibdi, shuning uchun ishlab chiquvchilarga qoʻllaniladigan cheklovni aniqlash uchun joylashtirilgan API hujjatlariga murojaat qilish tavsiya etiladi.

Laboratoriya endi model imkoniyatlarini toʻrtta yoʻnalish boʻyicha tasniflaydi. Kashfiyot (Discovery) maʼlumotlarni yigʻish va tizimlashtirish, chuqur tadqiqotlar oʻtkazish va tadqiqot savollarini ijro etiladigan eksperiment rejalariga aylantirishni oʻz ichiga oladi. Yaratish (Creation) dasturiy taʼminot, interaktiv ilovalar, oʻyinlar, mashinaviy oʻrganish tizimlari va maʼlumotlarni vizuallashtirishni ishlab chiqishni qamrab oladi. Yetkazib berish (Delivery) texnik topshiriqlarni, maʼlumotlarni va dizayn talablarini tuzilgan hisobotlar va taqdimotlarga aylantirish imkonini beradi. Kibersavdoqatchilik (Cybersecurity) xavfsizlik muammolarini tahlil qilish, zaifliklarni tekshirish, tuzatmalarni qoʻllash va qayta sinovdan oʻtishga eʼtibor qaratadi, bu esa avtorizatsiya qilingan muhitlar bilan cheklangan.

Previewga nisbatan laboratoriya sezilarli yaxshilanishlarni taʼkidlaydi: JobBenchda 7,2 ball oshishi (57,5 ga qarshi 50,3), WideSearchda 2,7 ball oshishi (84,6 ga qarshi 81,9) va PaperBenchda 2,6 ball oshishi (89,6 ga qarshi 87,0). Biroq, laboratoriya veb-saytiga mos kelishini daʼvo qiladigan repozitoriya baholash jadvalida, AutomationBench (54,7), SkillsBench (67,8) va SWE-bench Pro (61,7) kabi boshqa koʻpgina benchmarklarda kamroq yaxshilanishlar koʻrsatilgan. Baʼzi testlarda preview teng yoki yuqori natijalar koʻrsatgan, masalan, BrowseComp da preview 92,5, toʻliq versiyaning 91,3 dan ustun turadi.

Model alohida xalqaro va xitoy nuqtalariga ega joylashtirilgan API orqali mavjud. Repozitoriy SGLang, vLLM va Codex uchun sozlash qoʻllanmalarini oʻz ichiga oladi. Model faqat matnli kirishni qabul qiladi. Kod MIT litsenziyasi ostida chiqarilgan, ammo toʻliq versiyaning ogʻirliklari Hugging Face va ModelScope da hali «Tez orada paydo boʻladi» deb belgilangan; hozircha faqat preview ogʻirliklarini yuklab olish mumkin.

OpenAI va Anthropic oʻzlarining sunʼiy intellekt modellarining xavfsizlik sinovlaridan soʻng qaysi maʼlumotlar oshkor etilishi kerakligini aniqlash uchun uchinchi tomon baholovchilar bilan muzokaralar olib bormoqda. Bu toʻsiq tijorat sirlarini himoya qilish zarurati bilan texnologiyaning potentsial xavflari haqidagi shaffoflik talabini muvozanatlashtirishni oʻz ichiga oladi.

Reuters maʼlumotlariga koʻra, ikkala kompaniya ushbu hisobotlarning nashr etilishiga nazoratni qoʻllashga urinib koʻrdi, bu esa tobora murakkablashayotgan tizimlarni tahlil qilishdan masʼul boʻlgan mutaxassislarning haqiqiy avtonomligi haqida savollar tugʻdiradi.

Sinov jarayonlari koʻpincha AI laboratoriyalari ichida vaqtincha faoliyat yurituvchi tashqi jamoalarni oʻz ichiga oladi. Bu kirish modellar tahlili uchun muhim boʻlsa-da, u tabiiy ziddiyatni keltirib chiqaradi: sezgir maʼlumotlar kamchiliklarni aniqlash va xatarlarni oʻlchash uchun hayotiy ahamiyatga ega boʻlishi mumkin.

Muzokara qilinayotgan choralar orasida laboratoriya xodimlarining baholovchilar ishlayotgan paytda ishtirok etishiga ruxsat berish va bir xil jamoaning bir vaqtning oʻzida raqobatchi kompaniyalarda faoliyat yuritishini oldini olish uchun cheklovlar qoʻyish mavjud.

Anthropic oʻtilgan baholovchilar bilan suhbatlarda ular metodlar, mezonlar, xulosalar va nashr etilgan kontent ustidan nazoratga ega boʻlganini bildirgan. Biroq, yangi jamoalar uchun kompaniya hamkorlik boshlanishida hisobotlarni sharhlash va tasdiqlash huquqini saqlab qoladi.

Oʻz navbatida, OpenAI hisobotlarning toʻliq matnini tasdiqlashni izlamayotganini inkor etadi. Kompaniya baʼzi maxfiy maʼlumotlar sir saqlanishi mumkinligini taʼkidlaydi va baholovchilar sezilarli cheklanishlar mavjudligini koʻrsatish huquqiga ega.

Standartlashtirilgan normalar yoki aniq yoʻriqnomalar yoʻqligi sababli, laboratoriyalar tizimlarga kirishni boshqarish orqali baholashlarga taʼsir koʻrsatishi mumkin. Accenture bilan bogʻliq va Anthropic tomonidan birinchi integratsiyalashgan baholovchi sifatida tanlangan Faculty kompaniyasining Bosh ijrochi direktori Mark Warner natijalardagi obroʻning muhimligini taʼkidladi.

Warner Reutersga baholovchilar ularning hisobot bergan narsaga ishonch boʻlmasa, foydali emasligini aytdi, bu esa mustaqillik va shaffoflikni fundamental elementlar qiladi.

Joe Biden hukumatidagi AQShning AI boʻyicha sobiq ilmiy vakili va Humane Intelligence Bosh ijrochi direktori Rumman Chowdhury ham tadqiqotchilarga bosim oʻtkazilishi haqida ogohlantirdi. U Reutersga «baholovchilar bu imtiyozli kirishga ega, ammo ular uni eksplisit yoki implisit tarzda narxi borligini bilishadi» deb izoh berdi.

Bu dilemmaning namuna sifatida METR va Redwood Research tomonidan Hugging Face da sodir boʻlgan hodisa haqida oʻrganilgan. OpenAI ning ilgʻor modellariga boshqariladigan avtonom agentlar kutilgan xatti-harakatlardan chetga chiqqan va platformaning infratuzilmasiga taʼsir qilgan hujumga sabab boʻlgan.

Dastlab OpenAI ichida ikki kun davom etishi rejalashtirilgan tekshiruv olti kun davom etdi, uchta tashrifga boʻlingan. Tadqiqotchilar faqat maʼlumotlardagi nomuvofiqliklarni belgilaganidan soʻng yakuniy bosqichda batafsil transkriptlarni oldilar.

Joriy vaziyatda ishtirok etgan tashkilotlar OpenAI dan fikr bildirishlarini olganidan soʻng hisobotning tuzilishi, aniqligi va ohangini sozlaganini maʼlum qildilar, ammo xulosalar uchun muhim maʼlumotlarni olib tashlamaganligini taʼminladilar. Ular shuningdek, kelajakdagi baholashlarga zarar yetkazish qoʻrquvi redaksiya qarorlariga taʼsir qilganini tan oldilar.

Bundan tashqari, Geoffrey Hinton kabi 200 dan ortiq tadqiqotchilar tomonidan imzolangan soʻrov baholashlarning haqiqatan ham mustaqil boʻlishi uchun uchta muhim shartni taklif qiladi. Katta qiyinchilik – bu kompaniyalar oʻzlari tizimlari xavflarining qaysilari jamoatchilikka oshkor qilinishini bir tomonlama belgilashiga yoʻl qoʻymagan holda, qonuniy tijorat maʼlumotlarini himoya qiladigan tartib-qoidalarni yaratishda namoyon boʻladi.

Shanghai Artificial Intelligence Laboratory (Shanghai AI Lab) qaror qabul qilish uchun ixcham modellar toʻplami boʻlgan Intern-Decisionni mavjud qildi. Ushbu modellar 28-sentabrda 0.8B, 2B va 4B parametrli uchta oʻlchamda chiqarilgan. Uzoq matn parchalarini yaratish oʻrniga, Intern-Decision har bir mumkin boʻlgan javob uchun ehtimolliklar bilan birga tuzilgan hukmni bevosita taqdim etish uchun moʻljallangan.

Dizayn konsepsiyasi «matn emas, balki qaror» tamoyiliga asoslangan. Intern-Decision uch turdagi savollarni qoʻllab-quvvatlaydi. Tanlov savoli modeldan oldindan belgilangan roʻyxatdan eng yaxshi variantni tanlash va har bir variantga ehtimollik berishni talab qiladi. Baholash savoli foydalanuvchi tomonidan aniqlangan miqyos boʻyicha reyting soʻraydi. 'Ha/yoʻq' javobli savol esa tegishli ehtimollik bilan ikkilik javob qaytaradi. Shu bilan birga, bitta soʻrov bir xil holat haqidagi bir nechta savol turlarini birlashtirishi mumkin va ular barchasi bitta oldinga oʻtishda qayta ishlanadi.

Vizual idrokni integratsiyalash

GitHub loyiha repozitoriyasiga koʻra, modellar Qwen3.5 til yadrosida qayta oʻqitiladi, bunda koʻrish minori va proyektor muzlatilgan holda qoladi. Bu Intern-Decisionga vizual idrokning bevosita qaror qabul qilish bosqichiga taʼsir qilish imkonini beradi, chunki u tasvirlarni kiritish maʼlumotining bir qismi sifatida qabul qilishi mumkin. Jamoa bu imkoniyatni oʻyinlar va interfeyslar bilan bogʻliq vazifalarda namoyish etdi: model oʻyinning qayta ishlanmagan kadrlarini, shu jumladan ikki oʻlchovli panjara xaritalari va yon tomondan siljishli darajalarni tahlil qiladi va keyingi harakatni mustaqil tanlaydi. Boshqa namoyishlar sichqoncha boshqarish va brauzerdan foydalanishni qamrab oladi.

Sinov natijalari va samaradorlik

Laboratoriya 4B modelining yetti sinov toʻplami boʻyicha oʻrtacha aniqligi 90.02% ga yetib borayotganini maʼlum qilmoqda, bu asosiy mezon sifatida ishlatiladigan 88.74% kommersiya qaror qabul qilish modeli Jevdan 1.28 ball yuqori. Ushbu sinov toʻplamlari qaror turlari, vositalarni chaqirish, yangiliklarni tasniflash va buzilishlarni aniqlashni oʻz ichiga oladi va jami 10 000 dan ortiq sinov qatorini tashkil etadi. Repozitoriyada shuningdek, bitta isteʼmolchi video kartasi RTX 4090 dan foydalanganda mahalliy soʻrovning oʻrtacha kechikishi taxminan 44 millisekundligi koʻrsatilgan, shuningdek, 96 holatlar taqsimoti boʻyicha benchmarkda kalibrlash natijalari taqdim etilgan. Shuni taʼkidlash kerakki, bu koʻrsatkichlar ishlab chiquvchilarning oʻz hisobotlari boʻlib, repozitoriyada modellarning protokollari va baholash sohasi farq qilishi taʼkidlangan.

Chiqishga oʻquv kodi, inferens uchun ikkita backend, benchmark natijalarini hisoblash vositalari, harorat kalibrlash pre-setlari va brauzerning demo versiyasi kiradi; ammo oʻquv maʼlumotlari va baʼzi yopiq validatsiya yozuvlari kiritilmagan. Modellar vaznlari Hugging Face da joylashtirilgan.

Mahalliy grafik protsessor ishlab chiqaruvchisi MetaX Day-0 moslashuvini yakunlaganini maʼlum qildi, shuning uchun Intern-Decision uning uskunasida ishlamoqda. MetaX dekabr 2025 yildan boshlab 40 ta asosiy flagman modellar uchun Day-0 qoʻllab-quvvatlashni taʼminlaganini va uning MXMACA dasturiy stekining 40 dan ortiq AI-framework va 1000 dan ortiq modelni qoʻllab-quvvatlashini taʼkidlaydi.

Agentlar, marshrutlashlar va kontent filtrlari yaratuvchi ishlab chiquvchilar uchun, erkin matn oʻrniga kalibrlangan ehtimolliklarni beradigan kichik modellar avtomatlashtirilgan qarorlarni yanada iqtisodiy, tezkor va audit qilish uchun sodda qilishlari mumkin.