![](\"https:\/\/cdn.digin.lt\/files\/post\/content\/2026\/08\/cover-6a758cfb071299055bd33dbc.avif\")
<\/p>\n\u201eByteDance\u201c tyliai prad\u0117jo mokyti tikr\u0105 mil\u017ein\u0105: dirbtinio intelekto model\u012f, turint\u012f ma\u017edaug 10 trilijon\u0173 parametr\u0173. Tai dr\u0105sus \u017eingsnis, \u012ftraukiantis bendrov\u0119 \u012f pasaulini\u0173 var\u017eyb\u0173 d\u0117l DI modeli\u0173 masto ir paj\u0117gum\u0173 centr\u0105.<\/p>\n
Pasak su \u0161iuo klausimu susipa\u017einusi\u0173 \u0161altini\u0173, i\u0161ankstinis modelio mokymas jau vyksta. \u0160is etapas, kai modelis apdoroja mil\u017eini\u0161kus neapdorot\u0173 duomen\u0173 kiekius ir mokosi atpa\u017einti d\u0117sningumus, paprastai trunka nuo trij\u0173 iki \u0161e\u0161i\u0173 m\u0117nesi\u0173, o tik po to atliekamas tikslinamasis mokymas ir rengiamasi vie\u0161am pristatymui. Parametrai yra vidiniai modelio nustatymai, kuriais u\u017ekoduojamos \u017einios. Jie neatskleid\u017eia viso vaizdo, ta\u010diau pla\u010diai naudojami kaip trumpas b\u016bdas \u012fvertinti DI modelio dyd\u012f ir potencial\u0105.<\/p>\n
Kod\u0117l mastas toks svarbus? Didesni modeliai gali u\u017efiksuoti daugiau niuans\u0173 ir geriau prisitaikyti prie \u012fvairi\u0173 u\u017eduo\u010di\u0173, nors gr\u0105\u017ea n\u0117ra tiesin\u0117, o efektyvumas i\u0161lieka labai svarbus. Prane\u0161ama, kad \u201eByteDance\u201c siekiamas 10 trilijon\u0173 parametr\u0173 tikslas \u0161\u012f model\u012f padaryt\u0173 daugiau nei tris kartus didesn\u012f u\u017e \u201eKimi K3\u201c, 2,8 trilijono parametr\u0173 sistem\u0105 i\u0161 Kinijos startuolio, ir gerokai didesn\u012f u\u017e ankstesnius vietinius sprendimus, tokius kaip \u201eLongCat-2.0\u201c ir \u201eV4-Pro\u201c, kuri\u0173 kiekvienas siekia apie 1,6 trilijono parametr\u0173.<\/p>\n
<\/p>\n
Tiesiogiai lyginti su pirmaujan\u010diomis JAV sukurtomis sistemomis vis dar sud\u0117tinga. Tokios bendrov\u0117s kaip \u201eAnthropic\u201c ir \u201eOpenAI\u201c retai skelbia tikslius savo pa\u017eangiausi\u0173 modeli\u0173 parametr\u0173 skai\u010dius. Nepriklausomi vertinimai rodo, kad pa\u017eangus \u201eAnthropic\u201c modelis \u201eMithos 5\u201c gali tur\u0117ti apie a\u0161tuonis trilijonus parametr\u0173, o \u201eFable 5\u201c – beveik penkis trilijonus. Jei \u0161ie skai\u010diavimai pasitvirtins, naujasis \u201eByteDance\u201c projektas pateks \u012f t\u0105 pa\u010di\u0105 kategorij\u0105 kaip ir sud\u0117tingiausios \u201eAnthropic\u201c dirbtinio intelekto sistemos.<\/p>\n
\u0160ioje istorijoje yra ir dar vienas sluoksnis: logistika bei kaina. Tokio masto mokymas yra brangus ir reikalauja daug energijos. Kinijos technologij\u0173 bendrov\u0117s skuba trumpinti k\u016brimo ciklus ir i\u0161 savo technologini\u0173 infrastrukt\u016br\u0173 i\u0161spausti daugiau efektyvumo, siekdamos pasi\u016blyti galingas sistemas be nevaldomai augan\u010di\u0173 veiklos s\u0105naud\u0173. Tai pragmati\u0161kas atsakas \u012f negailesting\u0105 rink\u0105.<\/p>\n
Ar vien parametr\u0173 skai\u010dius nulems nugal\u0117tojus, kol kas lieka atviras klausimas, ta\u010diau \u201eByteDance\u201c \u017eingsnis ai\u0161kiai parodo, kaip pasislinko konkurencijos riba: nuo i\u0161mani\u0173 mokslini\u0173 straipsni\u0173 prie pramoninio masto in\u017einerijos ir diegimo.<\/p>\n
Tik\u0117tina, kad sulauksime daugiau prane\u0161im\u0173 ir laipsni\u0161k\u0173 patobulinim\u0173, o ne vieno lemiamo prover\u017eio. Tikroji kova vyks d\u0117l to, kaip \u0161ios sistemos bus derinamos, ple\u010diamos ir integruojamos \u012f produktus, kuriais \u017emon\u0117s i\u0161 ties\u0173 naudojasi.<\/p>\n","protected":false},"excerpt":{"rendered":"\u201eByteDance\u201c tyliai prad\u0117jo mokyti tikr\u0105 mil\u017ein\u0105: dirbtinio intelekto model\u012f, turint\u012f ma\u017edaug 10 trilijon\u0173 parametr\u0173. Tai dr\u0105sus \u017eingsnis, \u012ftraukiantis…\n","protected":false},"author":2,"featured_media":249735,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","_share_on_mastodon":"0"},"categories":[17],"tags":[13193,36678,81,36676,36677,295,35428,36680,37,39,36,38,40,36679,9775,46],"class_list":["post-249734","post","type-post","status-publish","format-standard","has-post-thumbnail","category-verslas","tag-anthropic","tag-10-trilijonu-parametru","tag-business","tag-bytedance","tag-di-modelis","tag-dirbtinis-intelektas","tag-generatyvinis-di","tag-kinijos-technologijos","tag-lietuva","tag-lietuviu","tag-lithuania","tag-lithuanian","tag-lt","tag-modeliu-mokymas","tag-openai","tag-verslas"],"share_on_mastodon":{"url":"https:\/\/pubeurope.com\/@lt\/117064477201236111","error":""},"_links":{"self":[{"href":"https:\/\/www.europesays.com\/lt\/wp-json\/wp\/v2\/posts\/249734","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.europesays.com\/lt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.europesays.com\/lt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/lt\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/lt\/wp-json\/wp\/v2\/comments?post=249734"}],"version-history":[{"count":0,"href":"https:\/\/www.europesays.com\/lt\/wp-json\/wp\/v2\/posts\/249734\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/lt\/wp-json\/wp\/v2\/media\/249735"}],"wp:attachment":[{"href":"https:\/\/www.europesays.com\/lt\/wp-json\/wp\/v2\/media?parent=249734"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.europesays.com\/lt\/wp-json\/wp\/v2\/categories?post=249734"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.europesays.com\/lt\/wp-json\/wp\/v2\/tags?post=249734"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}