تا دیروز همه می‌گفتن آموزش دادنِ مدل‌های لبه‌ی فناوری فقط کار غول‌های گردن‌کلفتیه که صد هزار تا چیپ خفن دارن، اما بچه‌های استارتاپ مجیک (Magic) قشنگ زدند زیر میز

تا دیروز همه می‌گفتن آموزش دادنِ مدل‌های لبه‌ی فناوری فقط کار غول‌های گردن‌کلفتیه که صد هزار تا چیپ خفن دارن، اما بچه‌های استارتاپ مجیک (Magic) قشنگ زدند زیر میز! اونا بدون داشتن اون همه سخت‌افزار غول‌آسا و فقط با اتکا به کارایی الگوریتمی، فرمولی پیاده کردن که با ۵۰ برابر پردازش کمتر، قدرتش به پای پیش‌آموزش مدل DeepSeek V4 Pro می‌رسه. ته ماجرا اینه که کل قضیه رو با نصف توان محاسباتی لازم برای GPT-3 و هزینه‌ای در حدود ۵۰۰ هزار دلار روی تراشه‌های GB200 جمع‌وجور کردن و تموم شد رفت.