全球首個超小型多模態(tài)AI Agent模型Octopus V3，來自斯坦福大學(xué)的NEXA AI團隊，讓Agent更加智能、快速、能耗及成本降低。

今年四月份初，NEXA AI推出了備受矚目的Octopus V2，該模型在函數(shù)調(diào)用性能上超越了GPT-4，減少了95%的推理時所需的文本量，為端側(cè)AI應(yīng)用帶來了新的可能性。其專利性核心技術(shù)“functional token”通過創(chuàng)新的函數(shù)調(diào)用方式顯著減少推理時所需的文本長度。

這種方法使得模型能夠在只有20億參數(shù)的情況下實現(xiàn)高效訓(xùn)練，并在精度和延遲方面超越了GPT-4，適應(yīng)了各種端設(shè)備的部署需求。

發(fā)布以來，Octopus V2在LLM社區(qū)獲得了廣泛關(guān)注，受到了AI領(lǐng)域大量前沿技術(shù)專家及研究者的贊賞，如Hugging Face的CTO Julien Chaumond、知名AI Newsletter Rundown AI的創(chuàng)始人 Rowan Cheung以及Figure AI的創(chuàng)始人Brett Adcock、OPPO邊緣人工智能團隊負責(zé)人Manoj Kumar，稱其“開創(chuàng)了端側(cè)AI技術(shù)新紀元”。

在知名開源AI平臺Hugging Face上，Octopus V2下載量已經(jīng)超過12000次。

在不到一個月的時間里，NEXA AI團隊發(fā)布下一代多模態(tài)AI Agent模型Octopus V3，展現(xiàn)進一步突破：具有圖像處理和多語言文本處理能力，為智能手機等端側(cè)設(shè)備真正走向AI時代鋪平了道路。

首個參數(shù)量小于10億的多模態(tài)AI Agent模型

Octopus V3不僅擁有多模態(tài)能力，在函數(shù)調(diào)用性能上遠超同類模型，可媲美GPT-4V+GPT4；而且模型參數(shù)量不到10億，具有多語言能力。

也就是說，相比傳統(tǒng)的大型語言模型，它體積更小，能耗更低，能夠更加輕松地在各種小型端設(shè)備上運行，比如樹莓派，并做到高速且準確的函數(shù)調(diào)用。

這意味著，未來AI Agent能夠廣泛應(yīng)用于智能手機、AR/VR、機器人、智能汽車等端側(cè)設(shè)備，為用戶交互體驗更加流暢、智能。

另一方面，由于V3具有多模態(tài)處理能力，可同時處理文本和圖像輸入，再加上多語言能力，也將讓用戶體驗更加豐富。

例如，在Instacart購物應(yīng)用中，用戶可以通過一張菠蘿的圖片及簡單的對話指令，讓AI Agent自動為他們搜索商品，提高了效率和用戶的體驗。

再比如，在發(fā)送郵件等場景中，Octopus V3可以根據(jù)一張具有文字的圖像，自動提取信息并填寫郵件內(nèi)容，為用戶提供更加智能、便捷的服務(wù)。

從軟件交互到智能汽車，端側(cè)AI潛力巨大

基于這些特性，Octopus V2及V3的應(yīng)用場景豐富多樣，具有廣泛的應(yīng)用前景。

除上文提到的手機場景，當Octopus V2應(yīng)用在智能汽車上時，也能帶來新的交互體驗。目前的語音助手往往難以幫助車主完成較為復(fù)雜的任務(wù)，如在駕駛途中臨時改變目的地、加入額外停靠點等。應(yīng)用Octopus V3后，AI助手能夠基于較為模糊簡單的指令快速、精準地完成相應(yīng)任務(wù)。

結(jié)合V2、V3的能力，從信息檢索、到基于指令完成設(shè)計，用戶可以在虛擬場景下獲得流暢的AI體驗：在一個社區(qū)用戶的VR場景demo中，輸入簡單的語音指令后，AI Agent能夠幫助用戶快速完成一個客廳設(shè)計，在彈指間替換沙發(fā)、改變顏色燈光等。在用戶輸入旅行指令后，用戶快速來到了日本，而AI Agent同樣可以在簡單的對話式交流中幫助用戶搜索相應(yīng)景點，提供豐富的信息。

數(shù)據(jù)顯示，全球大型語言模型市場規(guī)模正在快速增長。Granview Research報告顯示，全球大型語言模型市場規(guī)模估計為43.5億美元，并預(yù)計從2024年到2030年的復(fù)合年增長率為35.9%。同樣，邊緣人工智能市場也呈現(xiàn)出蓬勃發(fā)展的勢頭——預(yù)計從2023年到2030年，全球邊緣人工智能市場的復(fù)合年增長率為21.0%，到2030年將達到664.78億美元。

NEXA AI團隊由斯坦福大學(xué)的杰出研究人員創(chuàng)立。

創(chuàng)始人兼首席科學(xué)家Alex Chen（陳偉）正在攻讀斯坦福大學(xué)的博士學(xué)位，擁有豐富的人工智能研究經(jīng)驗，并且曾擔任斯坦福華人創(chuàng)業(yè)協(xié)會（Stanford Chinese Entrepreneurs Organization）的主席。

聯(lián)合創(chuàng)始人兼首席技術(shù)官Zack Li（李志遠）也是斯坦福大學(xué)的畢業(yè)生，并在Google和Amazon Lab126實驗室擁有4年端側(cè)AI的一線研發(fā)經(jīng)驗，同樣曾經(jīng)擔任斯坦福華人創(chuàng)業(yè)協(xié)會的主席。

斯坦福大學(xué)副教授、斯坦福技術(shù)創(chuàng)業(yè)項目副主任Charles (Chuck) Eesley擔任顧問，為團隊提供指導(dǎo)和支持。

△左：李志遠；右：陳偉

目前，NEXA AI的獨創(chuàng)性技術(shù)已申請專利保護。

NEXA AI的創(chuàng)始團隊表示，他們將繼續(xù)致力于推動端側(cè)AI技術(shù)的發(fā)展，通過開源模型提升其創(chuàng)新技術(shù)的影響力，為用戶創(chuàng)造更智能、高效的未來生活。

論文地址：https://arxiv.org/abs/2404.11459