AI News
ДІЇ НЕМАПозитивнаImpact 4/10Research📺 Медіа і Контент📊 Маркетинг і Реклама

Китайська платформа Rednote представила 280B‑модель та новий алгоритм RL для довгострокових завдань

Редакція AI NewsДжерело: All about AI, Web 3.0, BCIОпубліковано Оновлено
All about AI, Web 3.0, BCI•3 місяці тому•2 перегляди•

Китайська платформа Rednote представила 280‑мільярдну параметричну модель штучного інтелекту та новий алгоритм підкріплюваного навчання для довгострокових завдань. Це демонструє зростання можливостей Китаю у галузі великомасштабного тренування моделей та може вплинути на конкурентоспроможність локальних AI‑постачальників.

ВердиктПозитивнаImpact 4/10

🔬 Це дослідження, а не готовий продукт. Для компаній до 200 людей без IT‑команди та великих обчислювальних ресурсів це не дасть практичного результату, але може стати базою для експериментів.

🎯 Чи підходить це вашому бізнесу?

Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.

Заповнити профіль · 30 секунд
Детальний розбір ↓

TL;DR

  • •280 B параметрів модель від Rednote
  • •Новий алгоритм RL з test‑time scaled value estimation та macro‑step policy optimization
  • •Дата публікації: 14 серпня 2026 р.
  • •Потребує великих обчислювальних ресурсів (оцінка понад 1000 годин роботи на A100)
  • •Ліцензія: дані не розкриті

Як це змінить ваш ринок?

Фінансові установи, які турбуються про конфіденційність клієнтських даних, тепер можуть розглядати можливість тренування власних великих моделей на локальній інфраструктурі. Це знімає головний блокер — необхідність передавати чутливу інформацію третім сторонам через зовнішні API. Якщо компанія матиме доступ до достатньої обчислювальної потужності, вона зможе отримати модель, що конкурує за ястю з провідними комерційними аналогами, але залишає дані всередині власного периметру.

Визначення: test‑time scaled value estimation — метод оцінки цінності станів під час інференсу, який масштабується зростанням обчислювальних ресурсів для покращення довгострокового планування в RL.

Для кого це і за яких умов

  • •280B модель: потрібен кластер з мінімум 8× A100 80 ГБ або еквівалентний, бюджет на обладнання понад 200 000 USD, потрібна IT‑команда з досвідом паралельного навчання, термін впровадження від 2 до 4 тижнів.
  • •Якщо таких ресурсів немає — модель залишається недоступною для прямого використання, а її цінність полягає в дослідженні та inspiraції.

Альтернативи

ПродуктЦінаДе працюєМін. вимогиКлючова різниця
Rednote 280Bдані не розкритілокально / власний кластер8× A100 80 ГБ, IT‑командаВідкриті ваги? (дані не розкриті)
GPT-4 (OpenAI)$0,03 за 1K токенів prompt / $0,06 за 1K токенів completionAPI (хмара)доступ до інтернетуПропрієтарна модель, високоясна генерація
Llama 3 70B (Meta)безкоштовно (ваги доступні)локально2× A100 40 ГБ або еквівалентВідкриті ваги, можливість fine‑tune без ліцензійних обмежень
Claude 3 Opus (Anthropic)$0,015 за 1K токенів prompt / $0,075 за 1K токенів completionAPI (хмара)доступ до інтернетуСильне пояснювання та знижений ризик генеревання шкідливого контенту

💬 Часті запитання

Чи є модель Rednote 280B доступною для завантаження?

Дані про доступність ваг та ліцензію не розкриті у публічному оголошенні, тому не можна говорити про відкрите завантаження.

Які обчислювальні ресурси потрібні для запуску моделі розміром 280 B?

Орієнтовно потрібен кластер з кількома десятками високопродуктивних графічних процесорів типу A100 або еквівалентних, що забезпечує понад 1000 годин роботи для повного навчання або інференсу при великих батчах.

Чи може цей алгоритм RL покращити результати у довгострокових задачах порівняно з традиційними методами?

Автори заявляють, що test‑time scaled value estimation з макро‑крок політики дозволяє ефективніше планувати дії на довгі горизонти, зменшуючи кількість необхідних кроків симуляції, проте незалежна перевірка ще не проведена.

Чи є ця модель кращою за вже існуючі відкриті моделі типу Llama 3?

За розміром вона значно перевершує Llama 3 70B, проте без доступу до ваг та даних про тренування порівняти яльність неможливо; великий розмір сам по собі не гарантує кращу якість без відповідної оптимізації та даних.

Як це вплине на ринок AI‑послуг у Китаї?

Оголошення сигналізує про зростання внутрішньої здатності створювати конкурентоспроможні моделі, що може зменшити залежність від західних провайдерів та стимулювати локальні інвестиції в інфраструктуру AI.

Підтекст

За цим оголошенням стоїть спроба Китаю продемонструвати свою конкурентоспроможність у галузі великих моделей, зменшуючи залежність від західних API. Rednote, як платформа зі великою аудиторією, може використовувати таку модель для генерації контенту та реклами, що зменшить витрати на сторонні сервіси. Однак деталі про ліцензування та доступність ваг не розкриті, що обмежує безпосереднє використання.

Такий розбір щоранку о 08:00

Персональний AI-дайджест для вашої галузі — щодня у Telegram

Підписатися безкоштовно
280BmodelRLtraininglong-horizontest-timescaledvalueestimationmacro-steppolicyoptimizationChineseAIRednote

AI Advisory Board

Навчіть вашу команду будувати такі AI-автоматизації

За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.

Дізнатись більше → aiadvisoryboard.me