Skip to content
गुगलच्या आयर्नवुड टीपीयूचे मानांकन प्रति चिप ४,६१४ टेराफ्लॉप आणि १९२ जीआयबी मेमरी आहे, एका पॉडमध्ये ९,२१६ चिप जोडलेल्या आहेत, आणि ३१ मार्च २०२६ पासून ते गुगल क्लाउडवर सर्वांसाठी उपलब्ध आहे
एआय आणि तंत्रज्ञान

गुगलच्या आयर्नवुड टीपीयूचे मानांकन प्रति चिप ४,६१४ टेराफ्लॉप आणि १९२ जीआयबी मेमरी आहे, एका पॉडमध्ये ९,२१६ चिप जोडलेल्या आहेत, आणि ३१ मार्च २०२६ पासून ते गुगल क्लाउडवर सर्वांसाठी उपलब्ध आहे

चित्रण: tuput

मराठी

गुगलच्या दस्तऐवजीकरणानुसार प्रत्येक आयर्नवुड चिपची ८-बिट गणितातील कमाल क्षमता ४,६१४ टेराफ्लॉप आहे, सोबत १९२ जीआयबी मेमरी आणि ७,३८० जीबीपीएस मेमरी बँडविड्थ. गुगलच्या रिलीज नोट्समध्ये २४ नोव्हेंबर २०२५ रोजी प्रीव्ह्यू आणि ३१ मार्च २०२६ रोजी सर्वांसाठी उपलब्धता नोंदवली आहे.

· · 9 मिनिटांचे वाचन

गुगलच्या दस्तऐवजीकरणानुसार प्रत्येक आयर्नवुड चिपची ८-बिट गणितातील कमाल क्षमता ४,६१४ टेराफ्लॉप (दर सेकंदाला लाखो कोटी गणिती क्रिया) आहे, तिच्या शेजारी १९२ जीआयबी हाय-बँडविड्थ मेमरी आहे, आणि अशा ९,२१६ पर्यंत चिप एका पॉडमध्ये जोडता येतात. आयर्नवुड ही टेन्सर प्रोसेसिंग युनिट म्हणजे टीपीयूची सातवी पिढी आहे. एआय मॉडेल ज्या मॅट्रिक्स गणितावर चालतात त्यासाठी गुगलने बनवलेली ही चिप आहे. गुगलच्या रिलीज नोट्सनुसार ती ३१ मार्च २०२६ पासून गुगल क्लाउडवर सर्वांसाठी उपलब्ध आहे.

येथील प्रत्येक आकडा गुगलचे स्वतःचे तपशील किंवा कमाल मानांकन आहे आणि तो १२ नोव्हेंबर २०२६ रोजी गुगलच्या पानांवरून घेतलेला आहे. आयर्नवुडची कोणतीही स्वतंत्र बेंचमार्क चाचणी येथे उद्धृत केलेली नाही, आणि शेवटाकडच्या एका विभागात गुगलने निवडलेल्या चाचणीवर आधारलेल्या तुलना वेगळ्या केल्या आहेत.

गुगलच्या तपशील पानावरील आकडे

गुगलचे TPU7x पान (TPU7x हे आयर्नवुडच्या पहिल्या आवृत्तीचे क्लाउडवरील नाव आहे) या चिपला आधीच्या दोन पिढ्यांशेजारी ठेवते.

अन्यथा सांगितल्याशिवाय प्रति चिपTPU v5pTPU v6e (ट्रिलियम)TPU7x (आयर्नवुड)
प्रति पॉड चिप८,९६०२५६९,२१६
कमाल क्षमता, BF16 (टेराफ्लॉप)४५९९१८२,३०७
कमाल क्षमता, FP8 (टेराफ्लॉप)४५९९१८४,६१४
मेमरी (जीआयबी)९५३२१९२
मेमरी बँडविड्थ (जीबीपीएस)२,७६५१,६३८७,३८०
चिप ते चिप बँडविड्थ, दोन्ही दिशांत (जीबीपीएस)१,२००८००१,२००

गुगलच्या एप्रिल २०२५ च्या घोषणेनुसार FP8 चे आकडे v4 आणि v5p वर अनुकरणाने (इम्युलेटेड) मिळतात आणि आयर्नवुडवर मूळ स्वरूपात (नेटिव्ह) मिळतात, म्हणूनच v5p च्या स्तंभात BF16 चाच आकडा पुन्हा आला आहे; v6e साठीही पान असेच करते. प्रत्येक आयर्नवुड चिपमध्ये दोन टेन्सरकोअर आहेत, म्हणजे मॅट्रिक्स गुणाकार करणारी एकके, आणि चार स्पार्सकोअर आहेत, ज्यांचे वर्णन एप्रिलची पोस्ट रँकिंग आणि शिफारस प्रणालींत वापरल्या जाणाऱ्या अतिविशाल एम्बेडिंगसाठी (लुकअप टेबल) प्रवेगक असे करते. प्रत्येक होस्ट संगणकावर चार चिप बसतात, आणि त्या चार-चिप यंत्रासाठी पान २२४ व्हर्च्युअल सीपीयू आणि ९६० जीबी रॅम सांगते.

टेराफ्लॉप म्हणजे काय, आणि संख्या-स्वरूप का महत्त्वाचे

एक फ्लॉप म्हणजे एक फ्लोटिंग-पॉइंट क्रिया: दशांश भाग असू शकणाऱ्या संख्येवरची एक बेरीज किंवा गुणाकार. एक टेराफ्लॉप म्हणजे दर सेकंदाला अशा लाखो कोटी क्रिया, आणि एक एक्साफ्लॉप म्हणजे एक अब्ज अब्ज. ४,६१४ हे कमाल मानांकन आहे, म्हणजे प्रत्येक गणित एकक प्रत्येक क्षणी कामात असेल तर मिळणारा वेग, आणि दस्तऐवजीकरण त्याला तसेच नाव देते.

या नावात संख्या-स्वरूपही सांगितले जाते. FP8 प्रत्येक संख्या ८ बिटांत साठवते आणि BF16 (bfloat16) १६ बिटांत. दस्तऐवजीकरणात BF16 साठी २,३०७ टेराफ्लॉप आणि FP8 साठी नेमके दुप्पट दिले आहेत, आणि खाली उद्धृत केलेले गुगल डीपमाइंडचे पाठ्यपुस्तक म्हणते की ही चिप FP8 मॅट्रिक्स गुणाकार BF16 च्या दुप्पट वेगाने करते. कमी बिट म्हणजे संख्या अधिक ढोबळ आणि प्रति सेकंद अधिक क्रिया.

पॉडच्या आकड्याचा गुणाकार असा: ९,२१६ चिप गुणिले ४,६१४ टेराफ्लॉप म्हणजे ४२.५ एक्साफ्लॉप. हाच आकडा गुगलच्या एप्रिल २०२५ च्या पोस्टमध्ये आणि गुगलच्या हॉट चिप्स २०२५ च्या स्लाइडवर आहे, जिथे तो FP8 म्हणून नमूद आहे. हीच बेरीज BF16 मानांकनावर केली तर सुमारे २१ एक्साफ्लॉप येतात, जो आकडा पाठ्यपुस्तक एका पॉडसाठी देते.

मेमरी गणिताइतकीच महत्त्वाची का

गुगल डीपमाइंडच्या अभियंत्यांनी लिहिलेले हे पाठ्यपुस्तक टीपीयूचे वर्णन असे करते: मॅट्रिक्स गुणाकारात पारंगत असलेला एक कोअर, ज्याला एचबीएम म्हणजे हाय-बँडविड्थ मेमरी नावाच्या वेगवान मेमरीचा थर जोडलेला आहे. बँडविड्थ म्हणजे त्या मेमरीतून गणित एककांपर्यंत प्रति सेकंद किती बाइट हलू शकतात. दोन्हींच्या मध्ये चिपवरील एक लहान स्क्रॅचपॅड असते, जे पाठ्यपुस्तक TPU7x वर १२८ एमआयबी देते; ते एचबीएमपेक्षा खूप वेगवान, पण त्याच्या १९२ जीआयबीपेक्षा खूप लहान आहे.

चॅटबॉट आपले उत्तर एका वेळी एक टोकन (एक शब्द किंवा शब्दाचा तुकडा) लिहितो, जसे tuput चा लेख चॅटबॉट पुढचा शब्द कसा ओळखतो सांगतो, आणि पाठ्यपुस्तक नोंदवते की प्रत्येक टप्प्यात मॉडेलचे सर्व पॅरामीटर एचबीएममधून लोड करावे लागतात. म्हणून ते लोड करण्याचा वेळ हा प्रत्येक टप्प्याच्या वेळाखालची किमान मर्यादा असते. त्याचे उदाहरण BF16 मधील २०० अब्ज पॅरामीटरचे मॉडेल घेते, जे ४०० जीबी आहे, आणि ३२ v6e चिपवर वाटलेले: प्रति चिप १२.५ जीबी, सुमारे १.६ टीबी प्रति सेकंद वेगाने वाचलेले, म्हणजे उत्तम परिस्थितीत प्रति टप्पा सुमारे ७.८ मिलिसेकंद.

आयर्नवुडच्या दस्तऐवजीकृत ७,३८० जीबीपीएसने हीच बेरीज केली तर १२.५ जीबीला सुमारे १.७ मिलिसेकंद लागतात. ही दस्तऐवजीकृत आकड्यावर tuput ने केलेली गणना आहे, एका मॉडेल आकारासाठी आणि ३२ चिपवर, आणि ती किमान मर्यादा आहे, कोणतीही सेवा किती वेगाने उत्तर देईल याचा अंदाज नव्हे. गुगलचे दस्तऐवजीकरण स्वतःच म्हणते की आकार मोठा असूनही काही क्रियांसाठी एचबीएम अडथळा ठरू शकते. गुगलची पाने बँडविड्थचा आकडा तीन प्रकारे गोल करतात: एप्रिलच्या पोस्टमध्ये ७.३७ टीबी/से, दस्तऐवजीकरणात ७,३८० जीबीपीएस आणि हॉट चिप्स स्लाइडवर ७.३ टीबी/से.

पॉड, आणि त्यातील चिप टोरस पद्धतीने का जोडल्या जातात

गुगलची नोव्हेंबर २०२५ ची पोस्ट पॉडचे वर्णन असे करते: एकमेकांना जोडलेल्या चिप, ज्या एकच एकक म्हणून काम करतात. आयर्नवुडसाठी पोस्ट ९,२१६ पर्यंत चिप देते, ज्या ९.६ टेराबिट प्रति सेकंद मानांकित नेटवर्किंगने जोडलेल्या आहेत आणि १.७७ पेटाबाइट एचबीएम वाटून घेतात. दस्तऐवजीकरण हे १४४ घनांपासून बनवते, प्रत्येक घन ४x४x४ चिपचा म्हणजे ६४ चिपचा, आणि चार चिपचा स्लाइस ही त्यात दिलेली सर्वात लहान रचना आहे. २,०४८ पेक्षा मोठ्या स्लाइससाठी पान गुगलच्या खाते चमूशी संपर्क करायला सांगते.

घनाच्या आत प्रत्येक चिपला तीन दिशांत जवळच्या शेजाऱ्यांशी थेट जोडण्या असतात. पान प्रति चिप सहा जोडण्या देते, प्रत्येकी २०० जीबीपीएस दुतर्फा बँडविड्थ असलेल्या, प्रत्येक अक्षावर ४०० जीबीपीएस आणि एकूण १,२०० जीबीपीएस. ६४ किंवा अधिक चिपच्या स्लाइससाठी घन ३डी टोरसमध्ये जोडले जातात, म्हणजे अशी जाळी जिची कडा वळसा घालून समोरच्या कडेला भेटते. चिपांची एक ओळ कल्पा: शेवटची पहिलीला जोडली की तिची रिंग होते, आणि पाठ्यपुस्तक म्हणते की या वळशामुळे दोन चिपांमधील सर्वाधिक अंतर N वरून N/२ वर येते. पाठ्यपुस्तक पुढे म्हणते की पूर्ण घनापेक्षा लहान स्लाइसना वळसा मिळत नाही, ज्यामुळे त्याच्या शब्दांत बहुतेक संवादाचा वेळ साधारणपणे दुप्पट होतो. ही रचना ते जीपीयू क्लस्टरशी तुलना करून मांडते, जे चिप स्विचांच्या उतरंडीतून जोडतात.

ऑप्टिकल सर्किट स्विच घनांना जोडतात आणि त्यांची पुनर्रचना करता येते, त्यामुळे घनांचा एक संच वेगवेगळ्या आकारांच्या स्लाइसमध्ये कापता येतो. ServeTheHome (ServeTheHome) च्या हॉट चिप्स भाषणाच्या वृत्तानुसार एखादा नोड बिघडला तर तो वगळून जतन केलेल्या चेकपॉइंटवरून स्लाइस इतर रॅकवर पुन्हा उभा करता येतो, आणि ९,२१६ हा दोनच्या घातापेक्षा थोडा जास्त आहे जेणेकरून राखीव रॅक उरतील (८,१९२ मध्ये एकही उरला नसता). एप्रिलची पोस्ट पूर्ण पॉडचा वापर जवळपास १० मेगावॉट सांगते आणि चिप द्रव शीतकरणाने थंड होतात असे म्हणते. एआय डेटा सेंटर एकूण किती वीज घेतात हे tuput च्या आयईए आणि बर्कले लॅबच्या अंदाजांवरील लेखात आहे.

एका झाकणाखाली दोन चिपलेट

गुगलच्या हॉट चिप्स स्लाइड आयर्नवुडला पहिला दुहेरी कंप्यूट डाय टीपीयू म्हणतात, आणि ServeTheHome नोंदवते की या रचनेमुळे गुगलला एका डायच्या पलीकडे बांधता येते. दस्तऐवजीकरणानुसार प्रत्येक चिपलेटमध्ये एक टेन्सरकोअर, दोन स्पार्सकोअर आणि ९६ जीआयबी एचबीएम आहे, आणि चिप ते चिप जोडणीपेक्षा सहापट वेगवान डाय ते डाय जोडणी त्यांना जोडते. सॉफ्टवेअरला प्रत्येक चिप दोन उपकरणे म्हणून दिसते: चार चिपच्या यंत्रावर JAX लायब्ररी आठ दाखवते.

पान म्हणते की TPU7x वर JAX आणि PyTorch फ्रेमवर्क चालतात आणि TensorFlow समर्थित नाही. मॉडेल चालवण्यासाठी ते vLLM आणि SGLang ही इन्फरन्स इंजिने नमूद करते. गुगलची ९ नोव्हेंबर २०२६ ची पोस्ट सांगते की मागच्या महिन्यात तिने TorchTPU ओपन-सोर्स केले, जेणेकरून PyTorch कोड आणि हगिंग फेस मॉडेल पुन्हा न लिहिता टीपीयूवर चालतात.

तारखा, झोन आणि ग्राहक

गुगलने आयर्नवुड ९ एप्रिल २०२५ रोजी क्लाउड नेक्स्ट २५ मध्ये जाहीर केले आणि त्याला “विशेषतः इन्फरन्ससाठी बनवलेला पहिला” असे म्हटले. त्याचे दस्तऐवजीकरण आणि नोव्हेंबर २०२५ ची पोस्ट मात्र त्याला प्रशिक्षण आणि इन्फरन्स दोन्हींसाठी बनवलेले म्हणतात. २६ ऑगस्ट २०२५ च्या हॉट चिप्स परिषदेसाठी गुगलच्या स्लाइड नॉर्मन जूपी आणि श्रीधर लक्ष्मणमूर्ती (Sridhar Lakshmanamurthy) यांना सादरकर्ते म्हणून नाव देतात आणि हायपरस्केलवर तैनाती सुरू असल्याचे सांगतात.

२३ ऑक्टोबर २०२५ रोजी अँथ्रोपिकने “एक दशलक्ष टीपीयू पर्यंत” वापरण्याची योजना जाहीर केली, ज्याला तिने दहा अब्जावधी डॉलरची विस्तार योजना म्हटले आणि २०२६ मध्ये एका गिगावॉटपेक्षा बरीच अधिक क्षमता सुरू होईल असे अपेक्षित सांगितले. त्या पोस्टमध्ये कोणत्याही टीपीयू पिढीचे नाव नाही. गुगलची ६ नोव्हेंबर २०२५ ची पोस्ट हीच योजना आपल्या आयर्नवुड विभागात ठेवते आणि आयर्नवुडच्या इन्फरन्स व प्रशिक्षण फायद्यांबद्दल अँथ्रोपिकचे कंप्यूट प्रमुख जेम्स ब्रॅडबरी यांना उद्धृत करते. ती लाइटट्रिक्स आणि एसेन्शियल एआय यांना सुरुवातीचे वापरकर्ते म्हणूनही उद्धृत करते.

नोव्हेंबरच्या पोस्टच्या मजकुरात म्हटले होते की आयर्नवुड “येत्या काही आठवड्यांत” सर्वांसाठी उपलब्ध होईल. गुगलच्या रिलीज नोट्समध्ये तारखा आहेत: २४ नोव्हेंबर २०२५ रोजी प्रीव्ह्यू आणि ३१ मार्च २०२६ रोजी सर्वांसाठी उपलब्धता. TPU7x पान ठिकाणे देत नाही. वेगळे रीजन आणि झोन पान १२ नोव्हेंबर २०२६ पर्यंत TPU7x साठी दोन झोन देते, us-central1-ai1a आणि us-central1-c, दोन्ही गुगलच्या us-central1 रीजनमध्ये.

भारतासाठी, १० फेब्रुवारी २०२६ चे पीआयबी बॅकग्राउंडर सांगते की इंडियाएआय मिशनने ६५ रुपये प्रति तास दराने ३८,००० पेक्षा जास्त जीपीयू आणि १,०५० टीपीयूही जोडले होते, ज्यांची व्याख्या ते एआय कामांसाठी खास बनवलेल्या चिप अशी करते. ते टीपीयूची कोणतीही पिढी सांगत नाही, म्हणून त्यातील कोणते आयर्नवुड आहेत हे त्यातून समजत नाही. या मिशनबद्दल tuput चा इंडियाएआय मिशन लेख आहे, आणि राष्ट्रीय पेटाफ्लॉप यंत्रांबद्दल परम महासंगणक हा लेख.

कोणत्या तुलना गुगलच्या स्वतःच्या आहेत

गुगलची नोव्हेंबर २०२५ ची पोस्ट सांगते की आयर्नवुड TPU v5p पेक्षा १० पट कमाल कामगिरी सुधारणा देतो आणि प्रशिक्षण व इन्फरन्ससाठी v6e पेक्षा प्रति चिप ४ पटीहून अधिक चांगली कामगिरी देतो. हॉट चिप्स स्लाइडही v5p पेक्षा १० पटीहून अधिक कंप्यूट सांगते. संख्या-स्वरूपावर किती अवलंबून आहे हे तक्त्यातून दिसते. FP8 मध्ये v5p च्या ४५९ विरुद्ध ४,६१४ म्हणजे १० पट, पण v5p चा स्तंभ अनुकरणाने मिळणारा FP8 आहे, आणि BF16 वर गुणोत्तर ५ पट आहे (४५९ विरुद्ध २,३०७). v6e च्या तुलनेत, पानाच्या आकड्यांनुसार, FP8 वर ते ५ पट आणि BF16 वर २.५ पट आहे. “४ पटीहून अधिक” मागे कोणते वर्कलोड किंवा कोणते संख्या-स्वरूप आहे हे पोस्ट सांगत नाही.

एप्रिलच्या पोस्टमधील मेमरीचे गुणोत्तर तक्त्यावरून निघते आणि ते तपशील आहेत, चाचणी निकाल नाहीत: १९२ जीआयबी विरुद्ध ३२ म्हणजे ६ पट, आणि ७,३८० विरुद्ध १,६३८ जीबीपीएस म्हणजे ४.५ पट. त्याच पोस्टमध्ये ट्रिलियमच्या दुप्पट प्रति वॉट कामगिरीचा आणि २०१८ मधील गुगलच्या पहिल्या क्लाउड टीपीयूच्या जवळपास ३० पट कार्यक्षमतेचा दावा आहे, आणि चार्टच्या टिपेत म्हटले आहे की मापन म्हणजे थर्मल डिझाइन पॉवरच्या प्रति वॉट कमाल FP8 फ्लॉप. हॉट चिप्समधल्या त्याच दुप्पट दाव्याबद्दल ServeTheHomeने लिहिले की तो तेच संख्या-स्वरूप वापरून मोजला होता का हे स्पष्ट नव्हते.

एप्रिलची पोस्ट ४२.५ एक्साफ्लॉपचा पॉड एल कॅपिटनशीही तुलनेत ठेवते, ज्याला ती १.७ एक्साफ्लॉप देते. लॉरेन्स लिव्हरमोर नॅशनल लॅबोरेटरी जून २०२५ च्या TOP500 यादीत त्या यंत्राचे हाय-परफॉर्मन्स लिनपॅक चाचणीवर १.७४२ एक्साफ्लॉप आणि वेगळ्या मिश्र-अचूकता चाचणीवर १६.७ एक्साफ्लॉप असे सांगते. एक आकडा FP8 वरची सैद्धांतिक कमाल आहे आणि दुसरा मोजलेला बेंचमार्क, म्हणून ते वेगवेगळ्या प्रश्नांची उत्तरे देतात.

आयर्नवुडनंतर

गुगलची ९ नोव्हेंबर २०२६ ची पोस्ट, मुख्य तंत्रज्ञ अमीन वहदत (Amin Vahdat) यांची, सांगते की आता टीपीयूच्या आठ पिढ्या अस्तित्वात आहेत आणि दोन आठव्या पिढीच्या चिप, प्रशिक्षणासाठी 8t आणि तर्कासाठी 8i, एप्रिल २०२६ मध्ये क्लाउड नेक्स्टमध्ये सादर झाल्या. ती आधीच्या पिढीपेक्षा २.७ पट चांगली प्रशिक्षण कामगिरी आणि ८० टक्के चांगली इन्फरन्स किंमत-कामगिरी उद्धृत करते, दोन्ही गुगलचे आकडे. त्याच पोस्टमध्ये गोपनीय इन्फरन्ससाठी TPU 8tx आणि TPU 8i Max ची भर आहे, जी एका पॅकेजवर दोन 8i चिप ठेवते आणि 8i पेक्षा दुप्पट कंप्यूट, एसरॅम आणि मेमरी बँडविड्थ देते, आणि ती म्हणते की कंपनीने एका वर्षात चार टीपीयू प्रणाली आणल्या. टीपीयू व्यवसायाचे ग्राहक जवळपास १०० आहेत असे ती वर्णन करते. ती या चारांपैकी कोणत्याहीचे चिप-पातळीवरील तपशील देत नाही, म्हणून येथे कोणाचीही आयर्नवुडशी तुलना केलेली नाही.

Share
Copied!

स्रोत आणि पुढील वाचन

  1. Google Cloud documentation: TPU7x (Ironwood), last updated 11 November 2026
  2. Google Cloud documentation: TPU regions and zones
  3. Google Cloud documentation: Cloud TPU release notes
  4. Google: Ironwood, the first Google TPU for the age of inference (9 April 2025)
  5. Google Cloud blog: Ironwood TPUs and new Axion-based VMs for your AI workloads (6 November 2025)
  6. Google Cloud blog: Our newest TPUs, 8tx and 8i Max, built for the agentic era (9 November 2026)
  7. Hot Chips 2025: Ironwood, Delivering Best in Class perf, perf/TCO and perf/Watt for Reasoning Model Training and Serving (Google slides, 26 August 2025)
  8. Anthropic: Expanding our use of Google Cloud TPUs and Services (23 October 2025)
  9. Google DeepMind authors: How to Scale Your Model, Part 2, How to Think About TPUs
  10. ServeTheHome: Google Ironwood TPU Swings for Reasoning Model Leadership at Hot Chips 2025 (26 August 2025)
  11. Lawrence Livermore National Laboratory: El Capitan reigns supreme across three major supercomputing benchmarks (16 June 2025)
  12. PIB Backgrounder: Democratising AI in India (10 February 2026)

हा लेख AI साधनांच्या मदतीने संशोधित आणि लिहिला गेला असून अचूकतेसाठी संपादित केला आहे. हा केवळ सर्वसाधारण माहिती आणि चर्चेसाठी आहे, व्यावसायिक सल्ला नाही. आमचे संपादकीय मानक आणि अस्वीकरण पाहा. चूक आढळली? आम्हाला कळवा.

#google ironwood#tpu#ai accelerator#tpu7x#high bandwidth memory#ai inference#ai hardware#google cloud

आवडलं? पुढचा लेख मिळवा.

एका वेळी एक चांगला लेख, थेट तुमच्या इनबॉक्समध्ये. स्पॅम नाही, हवं तेव्हा थांबवा.

याच विभागात आणखी: एआय आणि तंत्रज्ञान
Google च्या आठ लेखकांनी १२ जून २०१७ रोजी Transformer शोधनिबंध प्रसिद्ध केला, आणि त्यातील मोठ्या मॉडेलने आठ GPU वर ३.५ दिवस प्रशिक्षणानंतर इंग्रजी ते जर्मन भाषांतरात २८.४ BLEU गुण मिळवले
आजच्या चॅटबॉटमागच्या रचनेची सफर, शोधनिबंधाच्याच तक्त्यांसह आणि नदीकडे पाहावे लागणाऱ्या शब्दाच्या Google च्याच उदाहरणासह. २०१७ च्या रचनेचे कोणते भाग नंतरच्या मॉडेलांनी ठेवले, बदलले किंवा सोडले, तेही यात आहे.
१७ फेब्रुवारी २०२६ रोजी जयपूरमध्ये सुरू झालेले Bharat-VISTAAR शेतकऱ्याला १५५२६१ वर फोन करून एआय सल्लागाराला प्रश्न विचारू देते आणि ICAR, IMD, Agmarknet व AgriStack ची माहिती वापरते
१५५२६१ वरील एका कॉलने ICAR च्या सल्ला पुस्तिका, हवामान आणि मंडी माहिती वापरणाऱ्या एआय सल्लागारापर्यंत पोहोचता येते. सुरुवातीची प्रसिद्धिपत्रके, भाषा आराखडा आणि आतापर्यंत प्रकाशित वापराचे आकडे, तारखा व स्रोतांसह मांडले आहेत.
निर्मात्यांच्या म्हणण्यानुसार, रामायण भाग १ ६ नोव्हेंबर २०२६ रोजी इंग्रजी भाषिक सिनेमागृहांत पोहोचला, मानवी आवाजातील अभिनयासह आणि कलाकारांच्या ओठांशी जुळवणाऱ्या ब्रह्मा AI सह
आधी मानवी अभिनय आणि मग सॉफ्टवेअर, अशा दोन टप्प्यांच्या प्रक्रियेने चित्रपटाची इंग्रजी आवृत्ती बनल्याचे निर्माते सांगतात. Television Academy, ब्रह्मा AI ची स्वतःची पाने आणि अनेक समीक्षक उरलेली माहिती भरतात.
← सर्व लेख