Kinijos DI modeliai vejasi JAV varžovus ir keičia pasaulinių lenktynių eigą

„Alibaba“ ↗ 0.10% debesų kompiuterijos padalinio „Qwen“ komanda išleido eksperimentinį atvirojo kodo modelį „QVQ-72B-Preview“, kuris sujungia vaizdinį supratimą su nuoseklaus mąstymo logika. Tai buvo vienas pirmųjų žingsnių srityje, kuri vėliau tapo itin konkurencinga multimodalinių DI sistemų rinka.

Vaizdo modelis, kuris mąsto garsiai

2024 m. gruodį išleistas „QVQ-72B-Preview“ yra sukurtas vaizdo ir kalbos modelio „Qwen2-VL-72B“ bei „QwQ“ mąstymo architektūros pagrindu. Taip buvo sukurta sistema, galinti analizuoti vaizdus pasitelkiant nuoseklų loginį mąstymą. Šis 72 milijardų parametrų modelis surinko 70,3 % „Multimodal Massive Multi-task Understanding“ teste ir pademonstravo puikius rezultatus „MathVision“ bei „OlimpiadBench“ (olimpiadinio lygio dvikalbiame tiksliųjų mokslų teste).simonwillison+2

Modelis buvo išleistas su „Qwen“ licencija „Hugging Face“ ir kitose platformose, leidžiant kūrėjams jį atsisiųsti ir paleisti lokaliai. Pradžioje jis palaikė tik vieno etapo dialogus su vaizdo įvestimi ir neapdorojo vaizdo įrašų.huggingface+1

„Qwen“ komanda pripažino trūkumus ir pažymėjo, kad atliekant kelių etapų vaizdinį mąstymą modelis gali palaipsniui prarasti dėmesį vaizdo turiniui ir pradėti haliucinuoti.alibabacloud+1

Platesnės atvirojo kodo strategijos dalis

„QVQ-72B-Preview“ pasirodė kaip viena iš „Alibaba“ platesnės atvirojo kodo DI strategijos dalių, kuri nuo to laiko pastebimai paspartėjo. Iki 2026 m. kovo mėn. „Qwen“ modelių šeima „Hugging Face“ platformoje iš viso buvo atsisiųsta 942 mln. kartų, tai yra daugiau nei dvigubai viršija kitų aštuonių konkurentų bendrą atsisiuntimų skaičių. „Alibaba“ ir toliau leido vis galingesnius modelius, įskaitant pavyzdinį 2,4 trilijono parametrų „Qwen3.8-Max“ 2026 m. liepą ir „Qwen3.8-27B“ 2026 m. rugpjūtį.etnownews+2

Strateginė atvirųjų parametrų reikšmė

Šis išleidimas puikiai iliustravo skirtingas strategijas, kurios šiuo metu apibrėžia pasaulines DI lenktynes. Kol JAV laboratorijos, tokios kaip „OpenAI“ ir „Anthropic“, sutelkė dėmesį į uždarus, per API prieinamus modelius, Kinijos laboratorijos, įskaitant „Alibaba“, pasirinko atvirųjų parametrų modelius, kuriuos kiekvienas gali atsisiųsti, keisti ir įsidiegti. Kaip pažymima vienoje analizėje, saugumo sistemos, teikiančios pirmenybę centralizuotai API kontrolei, gali netyčia sudaryti nepalankias sąlygas atvirojo kodo alternatyvoms, sukurdamos tam tikrą reguliacinį barjerą, saugantį uždarų modelių teikėjus. Šiame kontekste kiekvienas Kinijos laboratorijų išleistas atvirojo kodo modelis yra ne tik techninis pasiekimas, bet ir strateginis žingsnis kovoje dėl to, kaip DI bus platinamas visame pasaulyje.nextbigwhat+1