फॉक्सब्रेन माननीय हाई रिसर्च इंस्टीट्यूट (फॉक्सकॉन) द्वारा लॉन्च किया गया एक औद्योगिक-ग्रेड रीजनिंग लार्ज लैंग्वेज मॉडल (एलएलएम) है। यह मेटा लामा 3.1-70बी आर्किटेक्चर पर आधारित है और डेटा विश्लेषण, गणितीय तर्क, कोड निर्माण और अन्य कार्यों को कवर करता है। यह बुद्धिमान विनिर्माण, आपूर्ति श्रृंखला प्रबंधन और बुद्धिमान निर्णय लेने वाले परिदृश्यों पर केंद्रित है।

फॉक्सब्रेन - माननीय हाई रिसर्च इंस्टीट्यूट का औद्योगिक-ग्रेड रीजनिंग बड़ा भाषा मॉडल

मुख्य पैरामीटर और आँकड़े

फॉक्सब्रेन माननीय हाई रिसर्च इंस्टीट्यूट (फॉक्सकॉन की सहायक कंपनी) द्वारा लॉन्च किया गया पहला पारंपरिक चीनी औद्योगिक-ग्रेड रीजनिंग लार्ज लैंग्वेज मॉडल (एलएलएम) है। यह मेटा लामा 3.1-70B आर्किटेक्चर पर आधारित है और चार सप्ताह के भीतर प्रशिक्षण पूरा करने के लिए 120 NVIDIA H100 GPU का उपयोग करता है। इसकी मुख्य क्षमताएं डेटा विश्लेषण, गणितीय तर्क, कोड निर्माण, पाठ सारांश और प्रश्न और उत्तर संवाद को कवर करती हैं, और बुद्धिमान विनिर्माण, आपूर्ति श्रृंखला प्रबंधन और बुद्धिमान निर्णय लेने जैसे औद्योगिक परिदृश्यों पर केंद्रित हैं।

पैरामीटर आइटम	मूल्य
इंफ्रास्ट्रक्चर	मेटा लामा 3.1-70बी
पैरामीटर राशि	70बी
प्रसंग विंडो	128K टोकन
प्रशिक्षण हार्डवेयर	120 × एनवीडिया एच100 जीपीयू
प्रशिक्षण का समय	लगभग 4 सप्ताह (2,688 जीपीयू दिन)
प्रशिक्षण डेटा	98बी टोकन उच्च गुणवत्ता वाले चीनी पूर्व-प्रशिक्षण डेटा
समर्थित भाषाएँ	पारंपरिक चीनी (मुख्यतः), अंग्रेजी
लाइसेंस	लामा 3.1 सामुदायिक लाइसेंस

फॉक्सब्रेन एक कुशल प्रशिक्षण रणनीति अपनाता है और कंप्यूटिंग शक्ति को अंधाधुंध जमा करने के बजाय प्रशिक्षण प्रक्रिया को अनुकूलित करने पर ध्यान केंद्रित करता है। स्व-विकसित 24-श्रेणी विषय डेटा वृद्धि विधियों और गुणवत्ता मूल्यांकन विधियों के माध्यम से, 98बी टोकन की उच्च गुणवत्ता वाली चीनी पूर्व-प्रशिक्षण सामग्री तैयार की गई, और स्वायत्त तर्क सीखने के लिए मॉडल को प्रशिक्षित करने के लिए अनुकूली तर्क प्रतिबिंब तकनीक का उपयोग किया गया। टीएमएमएलयू+ परीक्षण में, फॉक्सब्रेन ने अधिकांश क्षेत्रों में समान आकार के लामा-3-ताइवान-70बी से बेहतर प्रदर्शन किया, खासकर गणित और तार्किक तर्क में।

उपयोगकर्ता और बाज़ार की पहचान

तर्क क्षमताओं के साथ ताइवान के पहले पारंपरिक चीनी बड़े भाषा मॉडल के रूप में, फॉक्सब्रेन ने मार्च 2025 में माननीय हाई रिसर्च इंस्टीट्यूट द्वारा जारी किए जाने के बाद से उद्योग और शिक्षा जगत से व्यापक ध्यान आकर्षित किया है। मॉडल ने टीएमएमएलयू+ शैक्षणिक बेंचमार्क परीक्षण में अच्छा प्रदर्शन किया, गणित और तार्किक तर्क के क्षेत्र में समान पैमाने के मेटा लामा 3.1-70 बी और लामा-3-ताइवान -70 बी को पीछे छोड़ दिया, जिससे इसकी शक्तिशाली समझ और तर्क क्षमताओं का प्रदर्शन हुआ।

जुलाई 2025 में, फॉक्सब्रेन को आधिकारिक तौर पर हगिंग फेस प्लेटफॉर्म (प्राधिकरण आवश्यक) पर ओपन सोर्स किया गया था और डेवलपर्स को मॉडल के आधार पर अनुकूलित एप्लिकेशन बनाने की सुविधा प्रदान करने के लिए NVIDIA NIM माइक्रोसर्विस आर्किटेक्चर में एकीकृत किया गया था। 2026 NVIDIA GTC सम्मेलन में, फॉक्सब्रेन ने स्मार्ट इलेक्ट्रिक वाहनों के क्षेत्र में अपने आवेदन का प्रदर्शन किया और एशिया-प्रशांत क्षेत्र में उद्यम AI के कार्यान्वयन में तेजी लाने के लिए SAP के साथ रणनीतिक सहयोग की घोषणा की। उत्पाद अभी भी प्रारंभिक विकास चरण में है, और विशिष्ट उपयोगकर्ता संख्या और कॉर्पोरेट ग्राहक डेटा का अभी तक खुलासा नहीं किया गया है।

लागत लाभ

तुलनात्मक आयाम	फॉक्सब्रेन (एलएलएम)	वाणिज्यिक बंद-स्रोत बड़े मॉडल (जैसे GPT-4)	स्व-प्रशिक्षण ओपन सोर्स मॉडल
मॉडल वास्तुकला	मेटा लामा 3.1-70बी	बंद स्रोत स्वामित्व वास्तुकला	स्व-चयन आवश्यक
प्रशिक्षण लागत	सीमित खुला स्रोत, 2,688 जीपीयू दिन	बाह्य रूप से अज्ञेयवादी	कंप्यूटिंग शक्ति निवेश पर निर्भर करता है
अनुमान परिनियोजन	2-8 एच100 जीपीयू	एपीआई भुगतान-जैसा-आप-जाओ	स्व-संचालन और रखरखाव
चीनी अनुकूलन	पारंपरिक चीनी के लिए विशेष रूप से अनुकूलित	सार्वभौमिक बहुभाषा	खुद को दुरुस्त करने की जरूरत है
लाइसेंस	लामा 3.1 समुदाय (मुक्त और खुला स्रोत)	प्रति टोकन भुगतान करें	बेस मॉडल पर निर्भर करता है

फॉक्सब्रेन एक ओपन सोर्स रणनीति अपनाता है और लामा 3.1 सामुदायिक लाइसेंस के आधार पर जारी किया जाता है। उद्यम और डेवलपर्स मुफ्त में मॉडल वेट प्राप्त कर सकते हैं और तैनाती और माध्यमिक विकास कर सकते हैं। बड़े वाणिज्यिक बंद-स्रोत मॉडल के लिए टोकन द्वारा बिलिंग की मौजूदा लागत की तुलना में, फॉक्सब्रेन के एक बार के परिनियोजन मॉडल में दीर्घकालिक बड़े पैमाने पर उपयोग परिदृश्यों में महत्वपूर्ण लागत लाभ हैं। साथ ही, मॉडल पारंपरिक चीनी और औद्योगिक परिदृश्यों के लिए विशेष रूप से अनुकूलित है, और विशिष्ट क्षेत्र कार्यों में दुनिया के अग्रणी स्तर के करीब प्रदर्शन प्राप्त कर सकता है।

मुख्य कार्य

• मल्टी-स्टेप रीजनिंग (चेन-ऑफ-थॉट): एडेप्टिव रीजनिंग रिफ्लेक्शन तकनीक का उपयोग करके, मॉडल मल्टी-स्टेप रीजनिंग और तार्किक अनुमान लगा सकता है, और गणितीय समस्याओं, तर्क पहेलियों और जटिल निर्णय लेने वाले कार्यों में अच्छा प्रदर्शन करता है। विज़ुअल आउटपुट जो चरण-दर-चरण सोच प्रक्रियाओं का समर्थन करता है।
• डेटा विश्लेषण और समझ: संरचित डेटा (तालिका सीएसवी) और असंरचित पाठ को संसाधित करने में सक्षम, और डेटा वर्गीकरण, प्रवृत्ति पहचान और विसंगति का पता लगाने जैसे विश्लेषण कार्य करने में सक्षम। वित्तीय रिपोर्ट विश्लेषण, संचालन डेटा व्याख्या और अन्य परिदृश्यों के लिए उपयुक्त।
• कोड जेनरेशन और व्याख्या: कई प्रोग्रामिंग भाषाओं में कोड जेनरेशन, कोड समीक्षा और प्राकृतिक भाषा व्याख्या का समर्थन करता है। यह डेवलपर्स को बग का पता लगाने और फ़ंक्शन कार्यान्वयन में कोड को अनुकूलित करने में सहायता कर सकता है।
• पारंपरिक चीनी अनुकूलन: उच्च गुणवत्ता वाले ताइवानी पारंपरिक चीनी डेटा सेट पर परिष्कृत, इसमें ताइवानी भाषा की आदतों और सांस्कृतिक पृष्ठभूमि की बेहतर समझ है, और उत्पन्न पाठ स्थानीय संदर्भ के लिए अधिक उपयुक्त है।
• लंबा संदर्भ प्रसंस्करण: 128K टोकन की एक संदर्भ विंडो का समर्थन करता है, जो औद्योगिक परिदृश्यों की जटिल जरूरतों को पूरा करते हुए, एक समय में लंबे दस्तावेजों, बातचीत के कई दौर या बड़े पैमाने पर कोड बेस को संसाधित कर सकता है।
• वीएलएलएम रैपिड डिप्लॉयमेंट: वीएलएलएम अनुमान ढांचे के माध्यम से कुशल तैनाती का समर्थन करता है, जो 2-8 एच100 जीपीयू के साथ चल सकता है और इसमें अल्ट्रा-लो विलंबता अनुमान क्षमताएं हैं।

मॉडल और संस्करण विकास

संस्करण	रिलीज की तारीख	प्रमुख परिवर्तन
0.9 (आंतरिक प्रशिक्षण संस्करण)	2025-03	मेटा लामा 3.1-70बी पर आधारित, 120 एच100 कार्ड का उपयोग करके 4 सप्ताह में प्रशिक्षित
1.0 पूर्वावलोकन (वर्तमान संस्करण)	2025-07	हगिंग फेस में खुला स्रोत, NVIDIA NIM को एकीकृत करें, VLLM परिनियोजन का समर्थन करें

संस्करण 0.9 ने कुशल प्रशिक्षण रणनीति की व्यवहार्यता को सत्यापित किया - 70बी पैरामीटर मॉडल के प्रशिक्षण को पूरा करने में केवल 2,688 जीपीयू दिन लगे, जो समान मॉडल की तुलना में बहुत कम है। 1.0 पूर्वावलोकन संस्करण मॉडल भार के आधार पर अनुमान क्षमताओं को और अधिक अनुकूलित करता है, और एक संपूर्ण वीएलएलएम परिनियोजन योजना और एपीआई एक्सेस गाइड प्रदान करता है। बाद के रोडमैप में शामिल हैं: संस्करण 2.x धीरे-धीरे औद्योगिक ज्ञान, डोमेन-विशिष्ट तर्क और स्मार्ट विनिर्माण विशेषज्ञता को बढ़ाता है। दीर्घकालिक लक्ष्य एक एआई बुनियादी मॉडल का निर्माण करना है जो वास्तव में विनिर्माण, स्वचालन और स्मार्ट सिटी पारिस्थितिकी को समझता है।

तकनीकी लाभ

फॉक्सब्रेन के तकनीकी लाभ इसकी कुशल प्रशिक्षण रणनीति और औद्योगिक परिदृश्यों के लिए विशेष अनुकूलन में परिलक्षित होते हैं:

• कुशल प्रशिक्षण रणनीति: मल्टी-नोड समानांतर प्रशिक्षण के लिए NVIDIA क्वांटम-2 इनफिनीबैंड नेटवर्क के माध्यम से 120 NVIDIA H100 GPU का उपयोग करने में केवल 4 सप्ताह (2,688 GPU दिन) लगे। समान 70बी मॉडल की तुलना में, जो अक्सर हजारों जीपीयू दिनों का उपभोग करते हैं, फॉक्सब्रेन के पास कंप्यूटिंग शक्ति दक्षता में महत्वपूर्ण फायदे हैं। स्वतंत्र प्रौद्योगिकी द्वारा स्थापित 24-श्रेणी विषय डेटा संवर्द्धन विधि के माध्यम से, 98बी टोकन का उच्च गुणवत्ता वाला चीनी पूर्व-प्रशिक्षण डेटा उत्पन्न किया गया था।
• अनुकूली तर्क प्रतिबिंब: अद्वितीय तर्क प्रतिबिंब तकनीक, मॉडल को सरल पैटर्न मिलान के बजाय स्वायत्त तर्क सीखने के लिए प्रशिक्षित करती है। यह तकनीक गणितीय और तार्किक तर्क परीक्षणों में मॉडल के प्रदर्शन में उल्लेखनीय रूप से सुधार करती है, जिससे यह TMMLU+ पर समान आकार के बेसलाइन मॉडल को पार करने में सक्षम हो जाती है।
• औद्योगिक परिदृश्य अनुकूलन: मॉडल विशेष रूप से पारंपरिक चीनी और औद्योगिक क्षेत्रों के लिए अनुकूलित है, और विनिर्माण ज्ञान, आपूर्ति श्रृंखला प्रबंधन, स्मार्ट निर्णय लेने और अन्य परिदृश्यों की अर्थ संबंधी समझ में सामान्य मॉडल से बेहतर है। 128K टोकन की संदर्भ विंडो इसे संपूर्ण औद्योगिक दस्तावेज़ीकरण और तकनीकी विशिष्टताओं को संभालने में सक्षम बनाती है।
• एनवीडिया एनआईएम एकीकरण: एनवीडिया एनआईएम माइक्रोसर्विस आर्किटेक्चर में एकीकृत, डेवलपर्स अंतर्निहित अनुमान बुनियादी ढांचे को प्रबंधित किए बिना मानक एपीआई के आधार पर जल्दी से अनुकूलित एप्लिकेशन बना सकते हैं।

औद्योगिक क्षेत्र पर केंद्रित यह कुशल प्रशिक्षण पथ फॉक्सब्रेन को विशिष्ट परिदृश्यों में कम कंप्यूटिंग बिजली लागत पर विश्व-अग्रणी प्रदर्शन प्राप्त करने की अनुमति देता है।

कैसे उपयोग करें

प्रवेश	पता	निर्देश
हगिंग फेस मॉडल पेज	https://huggingface.co/FoxconnAI/Llama_3.1-FoxBrain-70B	प्राधिकरण के लिए आवेदन करने के बाद तैनाती के लिए मॉडल वेट डाउनलोड करें
GitHub रिपोजिटरी	https://github.com/Foxconn-Research/FoxBrain	परिनियोजन स्क्रिप्ट और दस्तावेज़ीकरण प्राप्त करें
माननीय हाई अनुसंधान संस्थान से घोषणा	https://www.honhai.com/zh-tw/press-center/press-releases/latest-news/1548	आधिकारिक विज्ञप्ति सूचना

विशिष्ट उपयोग चरण (वीएलएलएम परिनियोजन के आधार पर):

1. प्राधिकरण के लिए आवेदन करने के लिए हगिंग फेस मॉडल पृष्ठ पर जाएं (आपको लॉग इन करना होगा और लाइसेंस समझौते से सहमत होना होगा)।
2. वीएलएलएम अनुमान ढांचा स्थापित करें (पिप इंस्टॉल वीएलएम==0.8.4)।
3. अनुमान एपीआई सेवा शुरू करने और जीपीयू की संख्या और मॉडल पथ की संदर्भ लंबाई को कॉन्फ़िगर करने के लिए वीएलएलएम का उपयोग करें।
4. टेक्स्ट जेनरेशन, प्रश्न और उत्तर, कोड सहायता और अन्य कार्य करने के लिए मानक ओपनएआई संगत एपीआई कॉलिंग मॉडल का उपयोग करें।
5. मॉडल को एंटरप्राइज़ अनुप्रयोगों में भी एकीकृत किया जा सकता है और NVIDIA NIM माइक्रोसर्विस आर्किटेक्चर के माध्यम से तैनात किया जा सकता है।
6. जल्दी से आरंभ करने के लिए GitHub रिपॉजिटरी और Google Colab नमूना नोटबुक में दस्तावेज़ देखें।

नोट: मॉडल को चलाने के लिए 2-8 एच100 जीपीयू की आवश्यकता होती है, और ऐसे वातावरण का उपयोग करने की अनुशंसा की जाती है जो सीयूडीए का समर्थन करता है।

उत्पाद का मूल्य निर्धारण

फॉक्सब्रेन को लामा 3.1 कम्युनिटी लाइसेंस के आधार पर ओपन सोर्स के रूप में जारी किया गया है, और मॉडल वेट मुफ्त में उपलब्ध हैं (आपको हगिंग फेस पर प्राधिकरण के लिए आवेदन करना होगा)। उद्यम और डेवलपर्स लाइसेंस शुल्क का भुगतान किए बिना तैनाती और माध्यमिक विकास के लिए मॉडल डाउनलोड कर सकते हैं।

उपयोग लागत मुख्य रूप से बुनियादी ढांचे में परिलक्षित होती है: फॉक्सब्रेन को चलाने के लिए 2-8 NVIDIA H100 GPU की आवश्यकता होती है। क्लाउड सेवा प्रदाता के मूल्य निर्धारण के अनुसार, GPU किराये की लागत लगभग दसियों से सैकड़ों डॉलर प्रति घंटा है। उन परिदृश्यों के लिए जिनमें एपीआई कॉल की आवश्यकता होती है, आप टोकन उपयोग के आधार पर अपनी स्वयं की वीएलएलएम सेवा और बिल तैनात कर सकते हैं। लागत समान क्षमताओं वाले वाणिज्यिक बंद-स्रोत मॉडल की तुलना में बहुत कम है।

अनुप्रयोग परिदृश्य

• इंटेलिजेंट मैन्युफैक्चरिंग ऑप्टिमाइजेशन: फॉक्सब्रेन को उत्पादन योजना और शेड्यूलिंग, गुणवत्ता दोष विश्लेषण, उपकरण पूर्वानुमानित रखरखाव और अन्य परिदृश्यों पर लागू किया जा सकता है। विनिर्माण क्षेत्र में पेशेवर शब्दावली और प्रक्रिया प्रवाह को समझकर, इंजीनियर उत्पादन विसंगतियों का तुरंत पता लगा सकते हैं।
• बुद्धिमान आपूर्ति श्रृंखला प्रबंधन: आपूर्ति श्रृंखला डेटा का विश्लेषण करने, संभावित जोखिम बिंदुओं की पहचान करने और इन्वेंट्री प्रबंधन और लॉजिस्टिक्स शेड्यूलिंग को अनुकूलित करने के लिए मॉडल की तर्क क्षमताओं का उपयोग करें। एसएपी जैसे एंटरप्राइज़ सिस्टम के साथ एकीकरण इस मूल्य को और बढ़ाता है।
• एंटरप्राइज़ ज्ञान प्रश्नोत्तर: 128K संदर्भ विंडो के आधार पर, यह लंबे औद्योगिक दस्तावेजों, तकनीकी विशिष्टताओं और संचालन मैनुअल को संसाधित कर सकता है, और उद्यम के भीतर एक बुद्धिमान ज्ञान आधार प्रश्नोत्तर प्रणाली का निर्माण कर सकता है।
• कोड सहायता और स्वचालन: कोड निर्माण, समीक्षा और रीफैक्टरिंग में विकास टीम की सहायता करें, विशेष रूप से विनिर्माण-संबंधित स्वचालित स्क्रिप्ट और डेटा विश्लेषण पाइपलाइन निर्माण में दक्षता में सुधार करने के लिए।

लागू लोग

• एआई रिसर्च टीम: ऐसे शोधकर्ता जो ओपन सोर्स मॉडल के आधार पर तर्क क्षमताओं में सुधार पर माध्यमिक फाइन-ट्यूनिंग या अध्ययन करना चाहते हैं। फॉक्सब्रेन की कुशल प्रशिक्षण रणनीतियों और संपूर्ण प्रशिक्षण पद्धति दस्तावेजों का उच्च संदर्भ मूल्य है।
• विनिर्माण उद्यम: औद्योगिक उद्यम जिन्हें विनिर्माण डेटा को संसाधित करने और उत्पादन प्रक्रियाओं को अनुकूलित करने के लिए निजीकृत बड़े भाषा मॉडल को तैनात करने की आवश्यकता है। औद्योगिक परिदृश्यों में फॉक्सब्रेन का विशेष अनुकूलन इसे सामान्य प्रयोजन मॉडल की तुलना में अधिक उपयुक्त विकल्प बनाता है।
• सिस्टम इंटीग्रेटर्स और आईएसवी: एंटरप्राइज़ ग्राहकों के लिए एआई समाधान बनाने वाले डेवलपर्स फॉक्सब्रेन के एनवीआईडीआईए एनआईएम एकीकरण के माध्यम से कस्टम एप्लिकेशन को जल्दी से तैनात कर सकते हैं।
• शैक्षणिक संस्थान: ऐसे विद्वान और छात्र जिन्हें शिक्षण या अनुसंधान के लिए पारंपरिक चीनी बड़े भाषा मॉडल की आवश्यकता है। फ़ॉक्सब्रेन का ओपन सोर्स रिलीज़ अनुसंधान में आने वाली बाधाओं को कम करता है।

यह ध्यान दिया जाना चाहिए कि फॉक्सब्रेन अभी भी पूर्वावलोकन चरण में है, और कुछ कार्यों में अभी भी सुधार किया जा रहा है। मॉडल मुख्य रूप से पारंपरिक चीनी और औद्योगिक परिदृश्यों के लिए अनुकूलित है, और सामान्य अंग्रेजी कार्यों और अन्य क्षेत्रों में इसका प्रदर्शन समान पैमाने के सामान्य मॉडल जितना अच्छा नहीं हो सकता है। परिनियोजन के लिए कुछ निश्चित GPU बुनियादी ढांचे की आवश्यकता होती है और यह व्यक्तिगत उपयोगकर्ताओं द्वारा सीधे उपयोग के लिए उपयुक्त नहीं है।

सारांश और आउटलुक

फॉक्सब्रेन तर्क क्षमताओं के साथ ताइवान का पहला औद्योगिक-ग्रेड पारंपरिक चीनी भाषा मॉडल है। इसका मूल मूल्य 70बी पैरामीटर मॉडल को प्रशिक्षित करने में निहित है जो बेहद कम कंप्यूटिंग पावर लागत (2,688 जीपीयू दिन) पर गणित और तर्क के क्षेत्र में दुनिया के अग्रणी स्तर के करीब है। ओपन सोर्स रणनीति और एनवीआईडीआईए एनआईएम एकीकरण के माध्यम से, उद्यमों और डेवलपर्स के लिए औद्योगिक-ग्रेड एआई मॉडल का उपयोग करने की सीमा कम हो गई है। वर्तमान सीमाओं में शामिल हैं: यह अभी भी पूर्वावलोकन चरण में है, और कुछ कार्यों में अभी भी सुधार किया जा रहा है; मॉडल मुख्य रूप से पारंपरिक चीनी और औद्योगिक परिदृश्यों के लिए अनुकूलित है, और सामान्य क्षेत्रों का कवरेज समान पैमाने के सामान्य मॉडल जितना अच्छा नहीं है; एक्सेस अधिकारों के लिए एप्लिकेशन समीक्षा की आवश्यकता होती है और ये अभी तक पूरी तरह से खुले नहीं हैं।

भविष्य में ध्यान देने योग्य दिशाओं में शामिल हैं: धीरे-धीरे बढ़ाया गया औद्योगिक ज्ञान और संस्करण 2.x की डोमेन-विशिष्ट तर्क क्षमताएं, एसएपी जैसे उद्यम प्रणालियों के साथ गहरा एकीकरण, और स्मार्ट विनिर्माण और स्मार्ट शहरों जैसे परिदृश्यों के लिए मालिकाना मॉडल वेरिएंट। जैसे-जैसे फॉक्सब्रेन पूर्वावलोकन से आधिकारिक रिलीज की ओर बढ़ता है, वैश्विक विनिर्माण एआई अनुप्रयोगों में इसके प्रभाव का और विस्तार होने की उम्मीद है।

संबंधित उपकरण: <एक्सलिंक प्रकार='टूल' स्लग='क्रूवाई'>, <एक्सलिंक प्रकार='टूल' स्लग='लैंगचेन'>

संस्करण जानकारी

• पूर्व दर्शन ：मेटा लामा 3.1-70बी आर्किटेक्चर पर आधारित पूर्वावलोकन संस्करण में डेटा विश्लेषण, गणितीय तर्क, कोड निर्माण, पाठ सारांश आदि जैसी क्षमताएं हैं और यह परीक्षण के लिए भागीदारों के लिए खुला है। （2025-07）
• आंतरिक प्रशिक्षण संस्करण ：आंतरिक प्रशिक्षण संस्करण के लिए, माननीय हाई रिसर्च इंस्टीट्यूट ने बुनियादी तर्क और डेटा विश्लेषण क्षमताओं के साथ, चार सप्ताह के भीतर प्रशिक्षण पूरा करने के लिए 120 NVIDIA H100 GPU का उपयोग किया। （2025-03）