Ugrás a tartalomra

AI hírek, hogy ne maradj le

2026. október 28., szerda · frissítve 22:52
Vissza a hírekhez
Mistral (LinkedIn)2026. okt. 21. 13:33üzlet

Mérnöki AI-modellekhez és szimulációkhoz társul a Mistral és az NVIDIA

Nyílt modellekkel és ipari teljesítménymérésekkel gyorsítják a mérnöki szimulációkat.

0
Engineering simulations are expensive, time-consuming and often require significant manual effort.

A Mistral és az NVIDIA új együttműködést indított, amelynek célja a mesterséges intelligencia gyakorlati alkalmazása az ipari mérnöki folyamatokban. A partnerség keretében a Mistral nyílt súlyozású modelljeit, köztük a Mistral Large 4 rendszert ötvözik az NVIDIA hardveres gyorsítóplatformjával.

A megállapodás kulcseleme nyílt teljesítménymérési tesztek (benchmarkok) létrehozása a fizikai AI-modellek és az önállóan dolgozó AI-ügynökök számára. Ezek a tesztek a repülőgépiparban, az autóiparban és a félvezetőgyártásban mérik majd az AI-eszközök pontosságát, az összetett munkafolyamatok végrehajtását, valamint a számítási költségeket és a sebességet.

Az eredeti szöveg (Mistral (LinkedIn))
Engineering simulations are expensive, time-consuming and often require significant manual effort. That's why we're announcing a new collaboration with NVIDIA to bring AI to industrial engineering. The goal? To help enterprises move from AI experimentation to real-world engineering applications, with results they can trust. Mistral brings frontier open-weight models, including Mistral Large 4, and deep expertise in physics AI - powered by the NVIDIA accelerated computing platform, to help companies across a broad range of industries design, simulate and test complex products faster using AI. A central part of the collaboration is to establish open benchmarks for physics AI models and for agentic AI in computer-aided engineering (CAE) and electronic design automation (EDA), across aerospace, automotive and semiconductors. These benchmarks will assess the accuracy of physics AI models, as well as agents' ability to use engineering tools, complete multistep workflows and produce technically correct results - while measuring execution time and computational cost. The combination of open models, accelerated computing and standardized benchmarks is an important step toward making AI a trusted part of engineering.

Az oldal magától nem használ sütit. A hozzájárulásoddal a látogatottságot a Google Analytics, a Facebook-hirdetéseink eredményét a Meta pixel méri. Részletek