استارتاپ فرانسوی هوش مصنوعی، پلِیاس، در اواخر سال گذشته با معرفی خانواده مدل‌های زبانی کوچک Pleias 1.0 که کاملاً بر اساس داده‌های عمومی و آزاد ساخته شده‌اند، تحولی در این حوزه ایجاد کرد. اکنون این شرکت از عرضه دو مدل جدید استدلالی کوچک به‌طور متن‌باز خبر داده است که به‌ویژه برای تولید محتوا با استفاده از تکنیک‌های بازیابی و استناد طراحی شده‌اند. این دو مدل اصلی شامل Pleias-RAG-350M و Pleias-RAG-1B هستند که به شکلی بهینه‌سازی شده برای پردازش در CPU عرضه شده‌اند و در مجموع چهار نوع قابل استقرار به بازار ارائه می‌شوند.
مدل‌های جدید پلِیاس بر اساس فناوری‌های Pleias 1.0 و با مجوز آزاد Apache 2.0 ارائه شده‌اند که به سازمان‌ها اجازه می‌دهد آن‌ها را برای مقاصد تجاری خود به‌کار ببرند. تکنیک بازیابی و افزایش تولید محتوا (RAG) به‌طور گسترده‌ای مورد استفاده قرار می‌گیرد تا مدل‌های زبان بزرگ (LLMs) نظیر GPT-4 از OpenAI یا Gemini 2.5 از گوگل را به پایگاه‌های داده خارجی متصل کند. این کار به‌ویژه برای سازمان‌هایی که می‌خواهند چت‌بات‌ها و برنامه‌های هوش مصنوعی بسازند که به سیاست‌ها و کاتالوگ‌های محصولات داخلی خود ارجاع دهند، ضروری است.
مدل‌های خانواده پلِیاس-RAG با هدف انتقال دقت و کارایی در مدل‌های زبانی کوچک توسعه یافته‌اند و به مدیران، توسعه‌دهندگان و محققان کمک می‌کنند تا بدون به خطر انداختن قابلیت‌های چندزبانه و جریان‌های استدلال ساختاری، گزینه‌های کم‌هزینه‌تری نسبت به مدل‌های بزرگ‌تر پیدا کنند. این مدل‌ها به‌طور خاص برای بازارهای اروپایی طراحی شده‌اند و دارای قابلیت استناد داخلی به منابع با استفاده از نقل‌قول‌های مستقیم هستند که به روند استدلال مدل‌ها اجازه می‌دهد به شکل مؤثرتری عمل کنند.
به‌زودی، پلِیاس بر این باور است که این مدل‌ها می‌توانند به‌عنوان ابزارهای رسمی برای استدلال ساختاری در شبکه‌های جستجو، ابزارهای آموزشی و سیستم‌های پشتیبانی کاربر مورد استفاده قرار گیرند. این تلاش‌ها به‌طور کلی نشان‌دهنده تغییر رویکرد پلِیاس به سمت معرفی مدل‌های زبانی کوچک به‌عنوان ابزارهای مشخص‌تری در دنیای هوش مصنوعی است.
در نهایت، پلِیاس با دو مدل Pleias-RAG-350M و 1B اعلام کرده است که می‌تواند یک رقابت جدی با مدل‌های بزرگ‌تر ایجاد کند، به‌ویژه در زمینه‌های چندزبانه و در محیط‌های محدودی که تجارت‌های کوچک در آن فعالیت می‌کنند. از طرفی، تغییرات مداوم در بازار و نیاز به استفاده از تکنولوژی‌های جدید نشان‌دهنده یکتایی این مدل‌ها در حل چالش‌های موجود در فضای هوش مصنوعی است.