Dots Studio: Dots3-Note Preview (free)

dots3-note Preview est le membre léger de la famille multimodale dots3 de Dots Studio. Le producteur décrit un modèle à mélange d’experts comptant 280 milliards de paramètres au total, dont 16 milliards actifs, et prenant en charge jusqu’à 512K jetons de contexte. Il reçoit du texte, des images, de la vidéo et de l’audio et produit du texte; les connaissances générales, les instructions, le raisonnement, la programmation et le travail orienté agents figurent parmi ses tâches annoncées.

La structure linguistique comporte une couche dense et 45 couches d’experts, avec huit experts routés choisis parmi 256, en plus d’un expert partagé. Son attention combine 13 couches d’attention parcimonieuse et 33 couches à fenêtre glissante. Le producteur indique des encodeurs distincts pour la vision et l’audio ainsi qu’une couche de prédiction partagée. Ces composants permettent la compréhension multimodale; la sortie du modèle demeure du texte plutôt que des images, de la parole ou des vidéos générées.

Pour une analyse visuelle, fournissez l’image, la page ou le graphique et posez une question sur la caractéristique qui influe sur la décision. Une tâche documentaire utile peut comparer un tableau visible à une exigence écrite et renvoyer la ligne pertinente, l’interprétation et toute information manquante. Pour la vidéo, indiquez l’événement ou la séquence à examiner; l’exemple d’entrée du producteur inclut la piste audio lorsque le clip en possède une.

Pour l’audio, précisez si la tâche exige une transcription ou une explication du contenu et fournissez les noms ou termes du domaine nécessaires à l’interprétation. Une tâche combinée peut utiliser l’enregistrement avec un contexte écrit et demander des constats organisés selon les questions auxquelles ils répondent. Le résultat est un livrable textuel que l’application peut présenter ou traiter.

Le gabarit de conversation du producteur distingue la réflexion de la réponse directe. Activer la réflexion ajoute une étape de raisonnement; la désactiver renvoie directement la réponse. L’exemple documenté utilise une température de 1,0 et top-p de 0,95. Choisissez explicitement la tâche et le résultat souhaité et laissez assez d’espace de génération pour la réponse plutôt que de traiter une allocation de jetons donnée en exemple comme la limite stricte de sortie du modèle.

Pour une tâche de programmation, fournissez la source pertinente, le comportement attendu et une défaillance observée ou un changement demandé. Demandez le livrable proposé et les vérifications qui permettraient de l’évaluer. Dans un flux d’agent connecté, le modèle propose des interactions avec des outils; l’application les exécute et renvoie les résultats. Le fabricant publie un analyseur d’appels d’outils dédié; l’application environnante fournit les outils réels et leurs accès.

Le travail interactif peut exiger de l’exploration, de l’adaptation et des mises à jour de la mémoire de travail de la tâche. Gardez un dossier compact de l’objectif, des constats confirmés et de la condition non résolue. Demandez au tour suivant de déterminer ce que les nouveaux éléments changent et ce qui doit rester dans ce dossier. La persistance du dossier et l’exécution des actions relèvent de l’application entourant le modèle.

Le producteur publie des livrables BF16 et FP8 distincts ainsi que des recettes locales de mise en service avec différentes longueurs de contexte configurées. Une longueur de mise en service configurée est distincte de la spécification du modèle de 512K. Conservez les distinctions d’édition Preview et de précision pour identifier le modèle, et demandez un résultat final indiquant le constat, le changement proposé et les éléments réellement recueillis par le flux.