అక్టోబర్ 8 విశ్లేషణలో SemiAnalysis 857 విడుదలల్లో 31కు ప్రచురిత భద్రతా ఫలితాలు గుర్తించింది; విడుదల వేళ ఫలితం ఉన్నవి 9 మాత్రమే అక్టోబర్ 8 విశ్లేషణలో, చైనాలోని 9 మంది డెవలపర్లు 2021 నుంచి 2026 సెప్టెంబర్ 15 వరకు చేసిన 857 విడుదలలను SemiAnalysis లెక్కించింది. 31 విడుదలలకు (3.6%) ప్రచురిత భద్రతా ఫలితం ఉంది. కేవలం 9కి (1.1%) మోడల్ విడుదల రోజున లేదా అంతకుముందే ఫలితం అందుబాటులో ఉంది.

డెవలపర్ల బహిరంగ సామగ్రిలో పరిశోధకులు కనుగొనగలిగినదాన్ని ఈ సంఖ్యలు వివరిస్తాయి. ఎన్ని మోడళ్లను ప్రైవేటుగా పరీక్షించారో లేదా ఏదైనా నిర్దిష్ట మోడల్ సురక్షితమో ఇవి చూపవు.

పెద్ద మార్పు

  • ఏమి మారింది: నిర్దిష్ట విడుదల సమూహంలోని పత్రాల లోటుకు SemiAnalysis సంఖ్య ఇచ్చింది: 857లో 9కు మాత్రమే విడుదల రోజుకల్లా ప్రజలు చదవగలిగే మోడల్-నిర్దిష్ట భద్రతా ఫలితం ఉంది.
  • ఇది ఎందుకు ముఖ్యం: విడుదలైనప్పుడు మోడల్‌ను అంచనా వేసే వారికి ఆ వెర్షన్ ఫలితాలు అవసరం. పరీక్షించామని సాధారణ హామీ ఇవ్వడం లేదా విడుదల తర్వాత ఫలితాన్ని ప్రచురించడం అదే సమయంలో అదే ప్రశ్నకు సమాధానం కాదు.
  • ఏమి గమనించాలి: తర్వాతి విడుదలల్లో ఉపయోగకరమైన సంకేతం తేదీతో, ఖచ్చితమైన మోడల్‌కు అనుసంధానమైన, వినియోగదారులకు మొదటిసారి ప్రవేశం లభించినప్పుడే అందుబాటులో ఉన్న ఫలితం. పత్రాలు బయటకు రావడంతో ఆడిట్ వెల్లడింపు రేటు మారవచ్చు; కానీ తర్వాతి ప్రచురణ విడుదల రోజున అందుబాటులో ఉన్నదాన్ని మార్చదు.

ఆడిట్ ఏమి లెక్కించింది

Alibaba, ByteDance, Tencent, Baidu, DeepSeek, Moonshot, Zhipu (Z.ai), MiniMax, StepFun సంస్థల 741 ఉత్పత్తి-మోడల్ విడుదలలు, 116 పరిశోధన-మోడల్ విడుదలలు తమ లెక్కలో ఉన్నాయని SemiAnalysis తెలిపింది. ప్రతి విడుదలకు తొలి బహిరంగ తేదీని నిర్ణయించి, దానికి సరిపోల్చగల భద్రతా ఫలితం కోసం డెవలపర్ల మోడల్ కార్డులు, విడుదల గమనికలు, సాంకేతిక నివేదికలను పరిశీలించింది.

అర్హమైన ఫలితం పేరుతో పేర్కొన్న మోడల్‌పై పరిమాణాత్మక లేదా గణనీయమైన కనుగొనికను ఇవ్వాలి. హానికర అవుట్‌పుట్, jailbreak నిరోధకత, విషపూరితత, గోప్యత, నిరాకరణ ప్రవర్తన, ప్రమాదకర సామర్థ్యాలు అంశాల్లో ఉన్నాయి. కనుగొనిక లేకుండా మోడల్‌కు భద్రతా శిక్షణ లేదా మూల్యాంకనం ఇచ్చామని చెప్పడం లెక్కలోకి రాలేదు. ప్రముఖ మోడల్‌ ఫలితాన్ని ఇతర పరిమాణాలకు లేదా తర్వాతి snapshotలకు కూడా పరిశోధకులు వర్తింపజేయలేదు.

ఈ కఠిన సరిపోలిక నియమం వల్ల denominator ముఖ్యం. 857 నమోదు చేయబడినవి variantలతో సహా విడుదలలు; సమాన సామర్థ్యమున్న 857 frontier వ్యవస్థలు కావు. వేరియంట్లకు డెవలపర్లు వేర్వేరు వివరాల స్థాయిలో పేర్లు పెడతారని SemiAnalysis పేర్కొంది. కాబట్టి ఈ సంఖ్య ఈ విడుదలల సమూహంలోని పత్రాలను పరిశీలించడానికి ఉపయోగపడుతుంది; ఒక్కో సంస్థను నమ్మదగిన రీతిలో ర్యాంక్ చేయడానికి కాదు.

ఫలితాలు ఎప్పుడు వచ్చాయి

అర్హమైన ప్రచురిత ఫలితం ఉన్న 31 విడుదలల్లో 9కు విడుదల వేళ లేదా ముందే ఫలితం ఉంది. 16 తర్వాత పత్రబద్ధమయ్యాయి; ఆ సమూహానికి మధ్యస్థ ఆలస్యం 42 రోజులు అని SemiAnalysis తెలిపింది. మిగిలిన 6కు సమయం లేదా నిర్దిష్ట మోడల్‌తో సరిపోలికను పరిశోధకులు నిర్ధారించలేకపోయారు. ఇవి ఏదో ఒక ప్రచురిత ఫలితం ఉన్న 31లో భాగమే, కానీ విడుదల-రోజు వెల్లడిగా లెక్కించలేం.

మిగిలిన సందర్భాలను కూడా జాగ్రత్తగా చెప్పాలి. సంఖ్యలు లేకుండా మూల్యాంకనం చేశామని చెప్పిన 10 విడుదలలు SemiAnalysis గుర్తించింది; డెవలపర్ పత్రాలు దొరకని, పత్రికా లేదా పెట్టుబడిదారుల కథనాల ద్వారానే తెలిసినవి మరో 3. పరిశీలించిన సామగ్రిలో 813 విడుదలలకు భద్రతా వెల్లడింపు దొరకలేదు. ఈ సమూహాలు, ఫలితాలున్న 31తో కలిపి 857 అవుతాయి.

అలాగే ఈ విశ్లేషణపై Reuters నివేదిక కంపెనీలు ప్రైవేటు పరీక్షలు చేసి ఉండవచ్చని కూడా నొక్కిచెబుతుంది. “వెల్లడింపు కనబడలేదు” అనేది ఇక్కడ పరిశీలించిన బహిరంగ రికార్డు గురించిన మాట. పరీక్ష జరగలేదని ఇది నిరూపించదు; ప్రచురించిన పరీక్ష ఒక్కటే మోడల్ అంతర్గత భద్రతను స్థాపించదు. ఈ ఆడిట్‌లో అమెరికా డెవలపర్లకు పోల్చదగిన విడుదల-స్థాయి రేటును SemiAnalysis ఇవ్వలేదు.

మోడల్‌ను ఎంచుకునే లేదా అంచనా వేసే పాఠకుడికి ఆచరణాత్మక తేడా సులభం: ఖచ్చితమైన వెర్షన్‌ను గుర్తించండి, తేదీతో మోడల్-నిర్దిష్ట ఫలితాన్ని వెతకండి, మోడల్ విడుదలైనప్పుడు అది అందుబాటులో ఉందా చూడండి. ఆ ఆధారం డెవలపర్ బహిరంగం చేసినదాన్ని చూపుతుంది. నిర్దిష్ట వినియోగానికి మోడల్ సరిపోతుందా అన్న అంచనాలో ఇది ఒక భాగం మాత్రమే.

మూలాలు మరియు మరింత చదవడానికి