Sand.ai ने $100M से अधिक की फंडिंग प्राप्त की, जुलाई 2026 में ओपन-सोर्स MoE वीडियो मॉडल लॉन्च करने की योजना

iconKuCoinFlash
साझा करें
AI summary iconसारांश
ME AI संदेश, एनिमेशन द्वारा मॉनिटर किए जाने पर, वीडियो जनरेशन बड़े मॉडल कंपनी Sand.ai (जनवरी 2024 में स्थापित) ने एक अरब डॉलर से अधिक की कुल फंडिंग के दो चरणों की घोषणा की है। निवेशकों में Look Capital, Lollapalooza Capital (वांग हुईवेन का पारिवारिक कार्यालय), Jiukun Venture Capital, Matrix Partners, MSA Capital, Innovation Works, Yuanma Capital, IDG, Baidu Ventures जैसे कई प्रमुख संस्थान शामिल हैं। इस फंडिंग चक्र के लिए Starhan Capital फाइनेंशियल एडवाइजर के रूप में कार्य कर रहा है। Sand.ai के संस्थापक Cao Yue ने साक्षात्कार में कहा कि टीम हमेशा से मुख्यधारा के Diffusion रास्ते के बजाय, असहमति के रूप में माना जाने वाला स्वयं-पुनर्जनित (Autoregressive) वीडियो जनरेशन रास्ता अपनाती रही है। उनके पहले लॉन्च किए गए Magi-1 मॉडल ने Google DeepMind की Physics-IQ भौतिक सत्यता परीक्षण सूची में पहला स्थान बनाए हुए है। वीडियो जनरेशन के “लागत, गति, प्रभाव” के असंभव त्रिकोण को पार करने के लिए, Sand.ai ने पिछले वर्ष MoE (मिश्रित विशेषज्ञ) आर्किटेक्चर की खोज में स्विच किया, और 2026 के जुलाई (Q3) में MoE आर्किटेक्चर पर आधारित नई पीढ़ी का वीडियो जनरेशन मॉडल लॉन्च करने की योजना है, जो कुशल निष्पादन और वर्तमान में सबसे बड़े पैरामीटर स्केल के साथ-साथ मुफ्त स्रोत (open source) होगा। व्यावसायिक पहलू में, Sand.ai मॉडल और उत्पाद पर दोहरी-चक्र रणनीति अपना रहा है। इसका जनवरी 2024 में लॉन्च किया गया संगीत Agent उत्पाद VidMuse, केवल 2 महीनों में 1000 मिलियन USD ARR प्राप्त कर चुका है। साथ ही, इसका open source MagiAttention ऑपरेटर लाइब्रेरी, देश के लगभग सभी मल्टीमॉडल मॉडल टीमों द्वारा प्रयोग किया जा रहा है, और NVIDIA की औपचारिक सिफारिश प्राप्त कर चुका है। “वर्ल्ड मॉडल” की संकल्पना के संबंध में, Cao Yue का मानना है कि यह अभी GPT-1 से पहले (GPT-1 से पहले) के समय में है, प्रत्यक्षणों (data) और मार्गदर्शन (route) में कोई समझौता हुआ है। उनका कहना है कि, “वीडियो” “वर्ल्ड मॉडल” में पहुँचने के सबसे महत्वपूर्ण प्रत्यक्षण (data modality) है, और मॉडल को मानव-पूर्व-अवधारण (human priors) को स्पष्ट मॉडलिंग (explicit modeling) के माध्यम से स्थिति-चर (state variables) प्रवेश करवाने के बजाय, “वीडियो” के मूल प्रत्यक्षण (Pixels/Frames) का पूर्वानुमान (predicting) करके, स्वयं प्रक्रिया (physics laws) सीखनी होगी। (स्रोत: BlockBeats)
डिस्क्लेमर: इस पेज पर दी गई जानकारी थर्ड पार्टीज़ से प्राप्त की गई हो सकती है और यह जरूरी नहीं कि KuCoin के विचारों या राय को दर्शाती हो। यह सामग्री केवल सामान्य सूचनात्मक उद्देश्यों के लिए प्रदान की गई है, किसी भी प्रकार के प्रस्तुतीकरण या वारंटी के बिना, न ही इसे वित्तीय या निवेश सलाह के रूप में माना जाएगा। KuCoin किसी भी त्रुटि या चूक के लिए या इस जानकारी के इस्तेमाल से होने वाले किसी भी नतीजे के लिए उत्तरदायी नहीं होगा। डिजिटल संपत्तियों में निवेश जोखिम भरा हो सकता है। कृपया अपनी वित्तीय परिस्थितियों के आधार पर किसी प्रोडक्ट के जोखिमों और अपनी जोखिम सहनशीलता का सावधानीपूर्वक मूल्यांकन करें। अधिक जानकारी के लिए, कृपया हमारे उपयोग के नियम और जोखिम प्रकटीकरण देखें।