让开，DeepSeek。城里出现了一位新的 AI 冠军——而且它是美国的。
周四，Ai2，这家总部位于西雅图的非营利 AI 研究机构发布了一款模型，声称其表现优于 DeepSeek V3，这是中国 AI 公司 DeepSeek 的主要系统之一。
根据Ai2的内部测试，名为Tulu 3 405B的Ai2模型在特定AI基准测试中也击败了OpenAI的GPT-4o。此外，与GPT-4o（甚至DeepSeek V3）不同，Tulu 3 405B是开源的，这意味着从头复制它所需的所有组件均可免费获取并采用宽松许可协议。
Ai2 的一位发言人告诉 TechCrunch，该实验室认为 Tulu 3 405B “凸显了美国在引领全球最佳生成式 AI 模型开发方面的潜力。”
“这一里程碑是开放 AI 未来的关键时刻，巩固了美国在竞争性开源模型领域的领导地位，”该发言人说。“随着此次发布，Ai2 推出了一款强大的、由美国开发的 DeepSeek 模型替代品——这不仅标志着 AI 发展的一个关键转折点，也展示了美国可以在不依赖科技巨头的情况下，凭借具有竞争力的开源 AI 实现领先。”
Tulu 3 405B 是一个相当大的模型。根据 Ai2 的说法，它包含 4050 亿个参数，训练时需要 256 块 GPU 并行运行。参数大致对应于模型的解题能力，参数更多的模型通常比参数较少的模型表现更好。
根据 Ai2 的说法，要在 Tulu 3 405B 上获得具有竞争力的性能，关键在于一种称为“可验证奖励强化学习”的技术。可验证奖励强化学习（RLVR）在具有“可验证”结果的任务上训练模型，例如数学问题解决和遵循指令。
Ai2声称，在PopQA基准测试（一组从维基百科获取的1.4万个专业知识问题）中，Tulu 3 405B不仅击败了DeepSeek V3和GPT-4o，还击败了Meta的Llama 3.1 405B模型。在包含小学水平数学应用题的GSM8K测试中，Tulu 3 405B在其同类模型中取得了最高性能。
用户可以通过Ai2的聊天机器人网页应用试用Tulu 3 405B，训练该模型的代码已上传至GitHub以及AI开发平台Hugging Face。趁热打铁——赶在下一个能打破基准测试纪录的旗舰级AI模型出现之前赶紧体验。