সামায়া স্টার্লিং আর্থিক বেনচমারকেতে Claude Fable 5.1-এর চেয়ে ভালো পারফরম্যান্স দেখায়, খরচ মাত্র এক-একাদশাংশ, যা প্রমাণ করে যে ছোট মডেলগুলিকে তাদের হার্নেসের সাথে কো-ট্রেনিং করলে নির্দিষ্ট ডোমেইনে আধিপত্য বিস্তার করা সম্ভব।
এআই দিয়ে তৈরি সারাংশ। প্রেক্ষাপট ও নির্ভুলতার জন্য মূল প্রতিবেদন দেখুন।
এটি ফিডে পাওয়া অংশবিশেষ। এটি সংক্ষিপ্ত বা প্রকাশকের মূল ভাষায় হতে পারে।
Samaya AI has released Samaya Sterling, a post-trained model for agentic financial research. Sterling is built on NVIDIA’s Nemotron 3.5 Lightning, a 30B mixture-of-experts model with 3B active parameters. On Samaya’s FrontierFinance benchmark, it scores 58.9%. Claude Fable 5.1 scores 55.9%. Each Sterling question costs $0.61, against $6.89 for Fable 5.1. For developers, the takeaway is a concrete recipe: co-train a small model with its harness, and it can win in a narrow domain. TL;DR Size: 30B total, 3B active (MoE). Base model context: up to 1M tokens. Sterling’s serving context: not disclosed. Runs on: the base model fits a single H100 80GB in BF16 (256K context). Sterling’s serving hardware: not disclosed. Performance: beats every high-quality system on the FrontierFinance leaderboard on quality per dollar (self-reported). Best: 58.9% on FrontierFinance (60.6% in high-effort mode), vs 55.9% for Claude Fable 5.1. Worst: 45.2% on the hardest third of FrontierFinance questions. What is Samaya Sterling? Samaya Sterling is a LoRA post-trained version of Nemotron 3.5 Lightning, tuned to work as a financial research agent. It plans research, calls finance tools, gathers evidence and hands findings to a separate report writer. According to Maithra Raghu’s X announcement, it started as a 2-person effort on agentic orchestration efficiency. How does the harness support a 3B-active model? Samaya team adapted its production finance harness for a small model. Detailed guidance was stripped from the system prompt and tool descriptions. Tools were merged to shorten the prompt. Two helper models manage context. A condenser shortens long tool results. A compactor summarizes the trace as it grows. A research budget caps how long the agent works. After that, the report writer answers from what was found. How was Sterling trained? Training used LoRA on Tinker, Thinking Machines Lab’s training API. It ran in 4 stages: SFT on synthetic traces: Samaya generated 968 synthe
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।
Audio8-TTS-Realistic একটি ছোট, ওপেন-সোর্স ভয়েস ক্লোনিং মডেল যা বহুভাষিক নির্ভুলতা এবং কম ডিপ্লয়মেন্ট খরচের মধ্যে ভারসাম্য বজায় রাখে, যা এটিকে ডেভেলপারদের জন্য একটি ব্যবহারিক হাতিয়ার হিসেবে প্রতিষ্ঠিত করে।
Baseten-এর নতুন joey-1 মডেলটি রাউটিং এবং নিরাপত্তা যাচাইয়ের জন্য অত্যন্ত সাশ্রয়ী এবং দ্রুত শ্রেণিবিন্যাস (classification) প্রদান করে, যা উচ্চ-আয়তনের AI অ্যাপ্লিকেশনের খরচ উল্লেখযোগ্যভাবে কমায়।
প্রাইম ইন্টেলেক্টের নতুন কার্নেল একটি দ্রুত ব্যাকওয়ার্ড পাস যুক্ত করে MoE মডেলগুলোর দক্ষতাপূর্ণ প্রশিক্ষণ সম্ভব করে, যা মানদণ্ড ফ্রেমওয়ার্কের তুলনায় GPU ঘণ্টা সর্বোচ্চ ৫৫% পর্যন্ত কমিয়ে দেয়।