Dots Studio: Dots3-Note Preview (free)

dots3-note Preview er Dots Studios lette medlem av den multimodale dots3-familien. Produsenten oppgir en mixture-of-experts-modell med 280B parametere totalt, 16B aktive parametere og støtte for inntil 512K tokener i konteksten. Den tar imot tekst, bilder, video og lyd og produserer tekst, med generell kunnskap, instruksjoner, resonnering, koding og agentorientert arbeid blant de oppgitte oppgavene.

Språkryggraden har ett tett lag og 45 ekspertlag, med åtte rutede eksperter valgt fra 256 ved siden av en delt ekspert. Oppmerksomheten kombinerer 13 lag med sparsom oppmerksomhet og 33 lag med glidende vinduer. Produsenten oppgir separate bilde- og lydkodere og et delt prediksjonslag. Disse komponentene støtter multimodal forståelse; modellens utdata er fortsatt tekst fremfor genererte bilder, tale eller video.

Ved visuell analyse bør du oppgi bildet, siden eller diagrammet og spørre om egenskapen som påvirker beslutningen. En nyttig dokumentoppgave kan sammenligne en synlig tabell med et skriftlig krav og returnere den relevante raden, tolkningen og eventuell manglende informasjon. For video bør du identifisere hendelsen eller sekvensen som skal undersøkes; produsentens inndataeksempel tar med lydsporet når klippet har et.

For lyd bør du angi om oppgaven trenger en transkripsjon eller en forklaring av materialet, og oppgi eventuelle navn eller faguttrykk som trengs for tolkningen. En sammensatt oppgave kan bruke opptaket sammen med skriftlig bakgrunn og be om funn organisert etter spørsmålet de besvarer. Resultatet er en tekstleveranse som applikasjonen kan presentere eller behandle.

Produsentens samtalemal skiller mellom resonnering og et direkte svar. Aktivering av resonnering legger til et resonneringstrinn; deaktivering returnerer svaret direkte. Det dokumenterte eksemplet bruker temperature 1.0 og top-p 0.95. Velg oppgaven og ønsket resultat eksplisitt, og la det være nok genereringsplass til svaret fremfor å behandle en eksempeltildeling av tokener som modellens absolutte utdatagrense.

Ved en kodeoppgave bør du oppgi relevant kildekode, forventet atferd og en observert feil eller ønsket endring. Be om den foreslåtte leveransen og kontrollene som vil vurdere den. I en tilkoblet agentarbeidsflyt foreslår modellen verktøyinteraksjoner, og applikasjonen utfører dem og returnerer resultater. Produsenten publiserer en dedikert tolker for verktøykall; applikasjonen rundt modellen stiller de faktiske verktøyene og tilgangen deres til rådighet.

Interaktivt arbeid kan kreve utforskning, tilpasning og oppdateringer av oppgavens arbeidsminne. Hold en kompakt oversikt over målet, bekreftede funn og den uavklarte betingelsen. Be neste samtalerunde identifisere hva nytt belegg endrer, og hva som skal bli stående i denne oversikten. Lagring av oversikten og utførelse av handlinger tilhører applikasjonen rundt modellen.

Produsenten publiserer separate BF16- og FP8-modellfiler og oppskrifter for lokal drift med forskjellige konfigurerte kontekstlengder. En konfigurert kontekstlengde i drift er forskjellig fra modellspesifikasjonen på 512K. Behold Preview-utgaven og skillene i presisjon når du identifiserer modellen, og be om et sluttresultat som angir funnet, den foreslåtte endringen og belegget arbeidsflyten faktisk samlet inn.