ताओबाओ की MNN टीम ने उपकरणों पर चलाने के लिए 173 एमबी आकार का MNN-Pocket-0.3B मॉडल जारी किया

Lenovo ने चीन के आईटी नवाचार बाजार (Xinchuang) के लिए Kaitian श्रृंखला में पहला AI होस्ट सिस्टम जारी किया है। यह 1.6 लीटर का डेस्कटॉप कंप्यूटर Zhaoxin प्रोसेसर को Houmo के AI NPU के साथ जोड़ता है, जिससे लगभग 35 बिलियन पैरामीटर वाले मॉडल को स्थानीय रूप से चलाया जा सकता है।

डिवाइस में आठ-कोर Zhaoxin KX-7000 प्रोसेसर और Houmo Liqing LQ50 NPU लगा हुआ है। मानक कॉन्फ़िगरेशन में सिस्टम INT8 प्रारूप में 160 TOPS की कंप्यूटिंग शक्ति प्रदान करता है, और NPU विकल्प के साथ यह शक्ति 320 TOPS तक पहुंच सकती है। NPU में 153.6 GB/s बैंडविड्थ के साथ 24 GB समर्पित मेमोरी है। होस्ट Kylin OS पर चलता है और Lenovo के Tianxi AI Pro एजेंट के साथ प्री-इंस्टॉल किया गया है।

कंपनी ने Qwen3.5 और Qwen3.6-35B-A3B सीरीज़ सहित ओपन मॉडल का उपयोग करके डिवाइस का परीक्षण किया। 24 GB NPU और W4A8 क्वांटाइजेशन का उपयोग करते हुए, Qwen3.6-35B-A3B मॉडल ने स्थानीय आउटपुट पर प्रति सेकंड लगभग 28.99 टोकन की गति से टेक्स्ट उत्पन्न किया। सिस्टम लंबी दस्तावेज़ों और मल्टी-टर्न कार्यों को संसाधित करने के लिए 200,000 टोकन तक डेटा इनपुट का समर्थन करता है। Houmo प्लेटफॉर्म डेवलपर्स को मॉडल प्रोफाइलिंग, संकलन, निष्पादन समय प्रबंधन और क्वांटाइजेशन के लिए उपकरण प्रदान करता है।

Lenovo इस होस्ट को एक स्थायी डिजिटल कर्मचारी के रूप में प्रस्तुत करता है जिसे चौबीसों घंटे काम करने के लिए डिज़ाइन किया गया है। यह एजेंटों को स्थानीय ज्ञान की खोज, दस्तावेज़ तैयार करने और जानकारी को सारांशित करने जैसे निर्धारित कार्यों को करने की अनुमति देता है, जबकि आउटपुट प्रोसेसिंग सीधे डिवाइस पर होती है, न कि क्लाउड टोकन के माध्यम से, जिससे डेटा स्थानीय रूप से सुरक्षित रहता है। Tianxi AI Pro कार्यक्रम में, परीक्षकों ने मोबाइल ऑपरेटर एप्लिकेशन की जांच करने का एक निर्देश दिया, और डिवाइस ने टेस्ट कॉल किया, सत्यापन कोड विलंबता को मापा और एक रिपोर्ट प्रदान की।

थर्मल प्रबंधन के संबंध में, प्रोसेसर और NPU में हेक्सागोनल फ्रंट पैनल के पीछे उच्च दबाव वाले पंखों के साथ अलग वायु चैनल हैं। Lenovo बताता है कि कमरे के तापमान 25 डिग्री सेल्सियस पर होने पर आइडल मोड में केस का तापमान लगभग 33 डिग्री सेल्सियस होता है, और पूर्ण लोड पर 41 डिग्री सेल्सियस होता है। 35 डिग्री सेल्सियस के कमरे में पूर्ण लोड पर तापमान लगभग 46 डिग्री तक पहुंच जाता है। निष्क्रिय मोड में शोर का स्तर 19.4 dB और पूर्ण NPU इन्फेरेंस के दौरान लगभग 29.5 dB है। डिवाइस का वजन लगभग 1.5 किलोग्राम है और इसमें दो स्वतंत्र 2.5GbE पोर्ट लगे हैं।

यह ध्यान रखना महत्वपूर्ण है कि Kaitian होस्ट अक्टूबर में Houmo M50 और CIX P1 चिप्स के साथ पेश किए गए Lenovo AI Host P7 से अलग है।

Xiaomi कंपनी ने Xiaomi-OCR-0 मॉडल के जारी होने की घोषणा की है, जो दस्तावेज़ों को समझने के लिए एक हल्का मॉडल है। कंपनी ने 30 अक्टूबर को बताया कि इस मॉडल के वजन और इन्फेरेंस कोड Hugging Face और GitHub प्लेटफॉर्म पर उपलब्ध हैं।

इस मॉडल में 0.8 बिलियन पैरामीटर हैं और इसे एक ही सिस्टम के भीतर तीन प्रकार के कार्यों को करने के लिए डिज़ाइन किया गया है: दस्तावेज़ पार्सिंग, प्रमुख जानकारी निकालना और OCR पर विज़ुअल प्रश्नों का उत्तर देना।

पार्सिंग कार्यक्षमता में मुख्य पाठ, तालिकाओं और गणितीय सूत्रों की पहचान करना शामिल है, जो पढ़ने के क्रम में संरचित परिणाम Markdown और LaTeX के देशी प्रारूपों के समर्थन के साथ आउटपुट करता है। प्रमुख जानकारी निकालने के लिए, मॉडल चालान, रसीदें, पहचान पत्र और व्यावसायिक फॉर्म पर ध्यान केंद्रित करता है, अनुरोधित फ़ील्ड ढूंढता है और स्वचालित वर्कफ़्लो के लिए JSON प्रारूप में परिणाम प्रदान करता है।

विज़ुअल प्रश्नों के उत्तर केवल प्रतिलेखन से परे जाते हैं, जिससे क्षेत्रों के बीच खोज करना, संख्यात्मक गणना करना और दस्तावेज़ों और ग्राफ़ के आधार पर तर्क करना संभव हो जाता है।

प्रशिक्षण और प्रशिक्षण पद्धति

Xiaomi का दावा है कि यह मॉडल Qwen3.5-0.8B-Base मॉडल पर बनाया गया है और इसे लगभग 170 मिलियन OCR और दस्तावेज़ नमूनों पर प्रशिक्षित किया गया था। डेटा लेबलिंग कई विशेषज्ञ OCR मॉडलों के आम सहमति तक पहुंचने द्वारा फ़िल्टर की गई थी, जिन्होंने टेक्स्ट, तालिका और सूत्र क्षेत्रों पर आपसी सत्यापन और मतदान किया।

जटिल तालिकाओं और सूत्रों के साथ काम करते समय, टीम ने 'भविष्यवाणी, पुन: रेंडरिंग और तुलना' लूप का उपयोग किया: उम्मीदवार परिणामों को वापस छवियों में प्रस्तुत किया गया और विस्थापित पंक्तियों या लापता वर्णों का पता लगाने के लिए पिक्सेल और संरचना स्तर पर मूल के साथ तुलना की गई। सिंथेटिक जटिल मामलों में बहुभाषी पाठ, हस्तलिखित लिखावट, स्क्रीन मोइरे प्रभाव और विकृत प्रकाश व्यवस्था शामिल थे।

प्रशिक्षण प्रक्रिया तीन चरणों में हुई: पहले दृश्य क्षेत्रों को पाठ टोकन के साथ संरेखित करने के लिए पाठ स्थिरीकरण, फिर दर्जनों अरब टोकन पर OCR का निरंतर पूर्व-प्रशिक्षण, और अंत में स्ट्रक्चरल एडिटिंग डिस्टेंस और तालिका मिलान स्कोर जैसे सत्यापन योग्य पुरस्कारों के साथ मिश्रित कार्यों के लिए सुदृढीकरण शिक्षण।

परीक्षण परिणाम

OmniDocBench v1.6 बेंचमार्क पर, मॉडल ने 96.83 का परिणाम दिखाया, जिसने समग्र रूप से दूसरा स्थान प्राप्त किया, जो लीडर से केवल 0.04 अंक पीछे था, और एक बिलियन से कम पैरामीटर वाले मॉडलों में पहला बन गया। Real5-OmniDocBench टेस्ट पर, जो स्कैनिंग, मुड़े हुए कागज, स्क्रीनशॉट, प्रकाश परिवर्तन और झुके हुए फ्रेम का अनुकरण करता है, मॉडल ने 95.24 अंक प्राप्त किए। Wild-OmniDocBench पर प्रदर्शन 87.94 रहा।

मॉडल UniMER-Test के मानक सूत्र परीक्षण पर 97.84 और तालिका संरचना मूल्यांकन के लिए PubTabNet पर 92.27 प्राप्त करता है। DocVQA, InfoVQA, ChartQA, OCRBench और TextVQA के परिणामों का औसत करने पर, यह 83.2 अंक प्राप्त करता है, जो HunyuanOCR-1.5 के 76.5 और 8B MiniCPM-V-4.5 के 82.6 से बेहतर है, हालांकि यह Qwen3.5-4B के 84.9 से पीछे है। यह ध्यान रखना महत्वपूर्ण है कि सभी प्रस्तुत आंकड़े Xiaomi के अपने डेटा हैं।

Xiaomi ने बताया कि यह तकनीक पहले से ही उनके फोन पर सुपर शियाओएआई सहायक में एकीकृत है, जहां यह सीधे स्क्रीन से क्यूआर कोड, कतार संख्या, बिल विवरण और मीटिंग समय निकाल सकता है। मॉडल के वजन के अलावा, Xiaomi डेवलपर्स को ब्राउज़र में एक डेमो संस्करण, MCP सेवा और एजेंट स्किल टूलकिट प्रदान करता है।

काई-फू ली द्वारा स्थापित 01.AI ने हांगझोउ और शहर के लिन्पिंग क्षेत्र के सरकारी निवेशकों से सैकड़ों मिलियन युआन की राशि का निवेश आकर्षित किया है। इस समझौते की घोषणा 30 अक्टूबर को की गई, जो दो दिन पहले हस्ताक्षरित हुआ था।

लेनदेन की शर्तों के अनुसार, 01.AI लिन्पिंग में अपना मुख्यालय स्थापित करने और उद्यमों को आर्टिफिशियल इंटेलिजेंस को लागू करने में सहायता के लिए एक आधार बनाने की योजना बना रहा है। ये धन कंपनी के कॉर्पोरेट अनुप्रयोगों और उद्योगों के लिए विशेष एआई सिस्टम पर बढ़ते ध्यान का समर्थन करने के लिए निर्देशित हैं।

कंपनी धीरे-धीरे अंतिम उपयोगकर्ताओं पर केंद्रित सेवाओं को छोड़ रही है और कॉर्पोरेट एआई समाधानों की ओर बढ़ रही है। सार्वजनिक मॉडल प्लेटफॉर्म ने सितंबर में मॉडलों के परीक्षण संस्करण और एपीआई सेवाएं प्रदान करना बंद कर दिया। ली ने कहा कि अब कंपनी चीनी ओपन मॉडल, जैसे डीपसीक (DeepSeek), क्यूवेन (Qwen) और जीएलएम (GLM) को व्यावसायिक ग्राहकों के लिए अनुकूलित कर रही है, और इसकी लगभग आधी आय चीन के बाहर से आती है।