Η κινεζική τεχνολογική εταιρεία Alibaba παρουσίασε τη Δευτέρα τη σειρά μοντέλων τεχνητής νοημοσύνης Qwen3, τα οποία – σύμφωνα με την εταιρεία – μπορούν να ανταγωνιστούν ή και να ξεπεράσουν, σε ορισμένες περιπτώσεις, τα κορυφαία μοντέλα της Google και της OpenAI.
Δείτε επίσης: Η Alibaba θα επενδύσει $ 52 δισ. σε AI και cloud computing
Τα περισσότερα από τα μοντέλα αυτά είναι – ή σύντομα θα είναι – διαθέσιμα για λήψη με “ανοιχτή” άδεια στις πλατφόρμες ανάπτυξης AI Hugging Face και GitHub. Το μέγεθός τους κυμαίνεται από 0,6 δισεκατομμύρια έως 235 δισεκατομμύρια παραμέτρους. (Οι παράμετροι σχετίζονται με την ικανότητα επίλυσης προβλημάτων ενός μοντέλου· γενικά, όσο περισσότερες είναι, τόσο καλύτερη είναι η απόδοση.)
Η άνοδος σειρών μοντέλων προερχόμενων από την Κίνα, όπως η Qwen, έχει αυξήσει την πίεση προς αμερικανικά εργαστήρια όπως η OpenAI να αναπτύξουν πιο ισχυρές τεχνολογίες AI. Παράλληλα, έχει ωθήσει τους υπεύθυνους χάραξης πολιτικής να θεσπίσουν περιορισμούς που αποσκοπούν στο να περιορίσουν την πρόσβαση των κινεζικών εταιρειών AI σε εξειδικευμένα chips για την εκπαίδευση των μοντέλων.
Σύμφωνα με την Alibaba, τα μοντέλα Qwen3 είναι “υβριδικά” – μπορούν να αφιερώσουν χρόνο για να επεξεργαστούν σύνθετα προβλήματα ή να απαντήσουν άμεσα σε απλά αιτήματα. Η ικανότητα “συλλογιστικής” επιτρέπει στα μοντέλα να ελέγχουν την ακρίβεια των απαντήσεών τους, παρόμοια με το o3 της OpenAI, αλλά αυτό συνοδεύεται από αυξημένη καθυστέρηση στην απόκριση.
Ορισμένα από τα μοντέλα υιοθετούν επίσης την αρχιτεκτονική “mixture of experts” (MoE), η οποία μπορεί να είναι πιο αποδοτική υπολογιστικά για την απάντηση ερωτημάτων. Η MoE διασπά τα καθήκοντα σε υποκαθήκοντα και τα αναθέτει σε μικρότερα, εξειδικευμένα μοντέλα «ειδικών».
Δείτε ακόμα: Κίνα: Apple και Alibaba συνεργάζονται για να φέρουν το AI σε χρήστες iPhone;
Σύμφωνα με την Alibaba, τα μοντέλα Qwen3 υποστηρίζουν 119 γλώσσες και εκπαιδεύτηκαν σε ένα σύνολο δεδομένων σχεδόν 36 τρισεκατομμυρίων tokens. (Τα tokens είναι οι βασικές μονάδες δεδομένων που επεξεργάζεται ένα μοντέλο· 1 εκατομμύριο tokens αντιστοιχεί περίπου σε 750.000 λέξεις.) Η εκπαίδευση περιλάμβανε σχολικά βιβλία, ζεύγη ερωτήσεων-απαντήσεων, αποσπάσματα κώδικα, δεδομένα που δημιουργήθηκαν από AI και άλλα.
Αυτές οι βελτιώσεις, σε συνδυασμό με άλλες, ενίσχυσαν σημαντικά τις δυνατότητες του Qwen3 σε σύγκριση με τον προκάτοχό του, Qwen2, σύμφωνα με την Alibaba. Παρότι κανένα από τα μοντέλα Qwen3 δεν φαίνεται να ξεπερνά ξεκάθαρα τα κορυφαία σύγχρονα μοντέλα, όπως τα o3 και o4-mini της OpenAI, αποτελούν ωστόσο ιδιαίτερα ισχυρές επιλογές.
Στην πλατφόρμα προγραμματιστικών διαγωνισμών Codeforces, το μεγαλύτερο μοντέλο της σειράς Qwen3 — το Qwen-3-235B-A22B — καταφέρνει να ξεπεράσει ελαφρώς το o3-mini της OpenAI και το Gemini 2.5 Pro της Google. Το Qwen-3-235B-A22B υπερέχει επίσης του o3-mini στην πιο πρόσφατη έκδοση του AIME, ενός απαιτητικού μαθηματικού δείκτη αξιολόγησης, καθώς και στο BFCL, ένα τεστ που μετρά την ικανότητα ενός μοντέλου να «συλλογίζεται» πάνω σε προβλήματα.
Ωστόσο, το Qwen-3-235B-A22B δεν είναι διαθέσιμο στο κοινό — τουλάχιστον προς το παρόν.
Δείτε επίσης: Ευπάθεια του Alibaba Cloud επιτρέπει μεταφόρτωση δεδομένων
Ένα ενδιαφέρον στοιχείο που σχετίζεται με τα παραπάνω είναι ότι η στρατηγική της Alibaba να βασιστεί σε υβριδικές αρχιτεκτονικές όπως τα Mixture of Experts (MoE) και να εκπαιδεύσει τα μοντέλα της σε τεράστιους όγκους δεδομένων (36 τρισεκατομμύρια tokens) δείχνει μια σαφή πρόθεση να ανταγωνιστεί ευθέως τους κολοσσούς της Δύσης, όπως η OpenAI και η Google. Το γεγονός ότι το Qwen-3-235B-A22B ξεπερνά τα μοντέλα τους σε συγκεκριμένα benchmarks — ειδικά σε τομείς που απαιτούν υψηλό επίπεδο λογικής σκέψης και μαθηματικής ικανότητας — δείχνει ότι η Κίνα δεν στοχεύει απλώς να ακολουθήσει τις εξελίξεις στην τεχνητή νοημοσύνη, αλλά να ηγηθεί σε κρίσιμους τομείς.
Πηγή: techcrunch
