d3-ultra একটি একক, ওপেন-ওয়েট মডেল প্রদান করে যা রাউটিং, শ্রেণিবিন্যাস এবং ভিজ্যুয়াল কাজ একই সাথে পরিচালনা করে, ফলে একাধিক বিশেষায়িত মডেলের পরিবর্তে একটি দক্ষ কল ব্যবহার করে AI অবকাঠামো সরল করে তোলে।
এআই দিয়ে তৈরি সারাংশ। প্রেক্ষাপট ও নির্ভুলতার জন্য মূল প্রতিবেদন দেখুন।
এটি ফিডে পাওয়া অংশবিশেষ। এটি সংক্ষিপ্ত বা প্রকাশকের মূল ভাষায় হতে পারে।
The vLLM Semantic Router team has released d3-ultra, a 27B multimodal decision model under Apache-2.0. The d3-ultra decision model does not generate text. It reads an input once and returns a probability for every answer to every question. For developers, that means routing, classification, visual grounding and video checks from 1 open-weight call. TL;DR Size: 26.09B parameters (dense, including a 0.46B vision encoder); 131,072 tokens of context per question. Runs on: tested on 1 AMD Instinct MI325X with BF16 weights; no official quantized variant is listed yet. Performance: highest SR-Text score of the 6 decision models in the team’s own private test. Best: 97.8 on SR-Text tools and automation (chance-corrected accuracy). Worst: 54.6% on SR-Box (9 domains), 5.0 points below its sibling d3-turbo. What is d3-ultra? d3-ultra is a System One decision model from vLLM Semantic Router that answers typed questions with probabilities. It is the newest member of Decision 3.0, a family that spans 0.6B to 27B. You send a state (text or JSON, plus images or videos) and a set of questions. Each question has a type: Choice: pick 1 of several options. Yes / No: return the probability of yes. Score: rate on a scale. Box: locate something in an image or a video moment. Track: follow a target across a whole video. Images can also sit inside questions and options. A quiz can show a photo, then offer 4 etchings as answers. How does d3-ultra work? The core idea is state once. The model reads the input once per request and answers every question from that single read. The config shows a Qwen3.5-architecture backbone with 64 layers. 48 are linear-attention layers and 16 are full-attention layers. The card does not name its base checkpoint. vLLM’s recipe says the sibling d3 was trained from Qwen3.8-27B. Box answers always return exactly 1 box with a confidence. A confidence near 0 means the target is not in the picture. Questions over 131,072 tokens fail with max_length_
উৎসের বিশ্বাসযোগ্যতা, শব্দ ও সত্তার ভিত্তিতে ১–১২ স্কেলে স্বয়ংক্রিয়ভাবে সাজানোর সহায়ক। উচ্চ: ৯–১২; মাঝারি: ৬–৮; নিম্ন: ১–৫। এটি জরুরিতা বা খবরের সত্যতা নির্ধারণ করে না এবং সম্পাদকীয় অনুমোদন নয়।
Baidu-এর ওপেন-সোর্স Unlimited OCR 2 একটি একক GPU-তে বিশাল নথির দক্ষ এবং একক অনুরোধে বিশ্লেষণ সম্ভব করে, যা বৃহৎ পরিসরে টেক্সট নিষ্কাশনের বাধা উল্লেখযোগ্যভাবে কমিয়ে দেয়।
OpenAI-এর GPT-6.1 Terra এজেন্ট API খরচ অর্ধেক করে দিয়েছে, যা ব্যবসার জন্য উচ্চ-আয়তন স্বয়ংক্রিয়তা উল্লেখযোগ্যভাবে সস্তা করে তুলছে।
এমআইটির ক্লাইমেট সপ্তাহ NYC ২০২৬-এ উল্লেখযোগ্য উপস্থিতি তার সক্রিয় ভূমিকা তুলে ধরে, যা বৈশ্বিক স্টেকহোল্ডারদের সংযোগ করে জলবায়ু সমাধান দ্রুততর করতে এবং সমষ্টিগত কার্যক্রমকে উত্সাহিত করতে।