Alibaba stellt sein neues KI-Modell vor und behauptet, es übertrifft DeepSeek-V3

Alibaba gab am Mittwoch, dem ersten Tag des chinesischen Mondjahres, eine neue Version seines Qwen 2.5-KI-Modells bekannt. Das chinesische Technologieunternehmen argumentierte, dass Qwen 2.5 das hochgelobte DeepSeek-V3 übertrifft. 

Alibaba postete auf seinem offiziellen WeChat-Konto, dass Qwen 2.5-Max fast alle KI-Modelle, einschließlich GPT-40, DeepSeek-V3 und Llama-3.1-405B, übertroffen hat. Die Nachricht des Unternehmens kam in der Folge der Veröffentlichung von DeepSeeks KI-Assistent (DeepSeek-V3) am 10. Januar und der Veröffentlichung seines R1-Modells am 20. Januar. 

Die jüngste Veröffentlichung von DeepSeeks R1-Modell hat einen Schock in den Aktienkursen US-amerikanischer Tech-Unternehmen ausgelöst, insbesondere bei Nvidia. DeepSeek behauptete, das R1-Modell mit nur 6 Milliarden US-Dollar erstellt zu haben, im Vergleich zu den Milliardenbeträgen, die andere US-Tech-Unternehmen im KI-Bereich ausgeben. 

Das Technologieunternehmen sorgte auch für Dynamik auf dem eigenen Heimatmarkt, wobei andere chinesische Tech-Unternehmen eilig Updates für ihre KI-Modelle veröffentlichten. Ein Bericht von Reuters ergab, dass ByteDance zwei Tage nach der Veröffentlichung von DeepSeek-R1 ein Update für sein Flaggschiff-KI-Modell veröffentlichte. Das Mutterunternehmen von TikTok behauptete, es übertriffe Microsofts OpenAI o1 in Tests, die messen, wie gut KI-Modelle komplexe Anweisungen verstehen und darauf reagieren.

Alibaba veröffentlicht seine neue Version des Qwen2.5 KI-Modells

Der Aufschwung von DeepSeek V3 hat die gesamte KI-Community auf große MoE-Modelle aufmerksam gemacht. Gleichzeitig haben wir an Qwen2.5-Max gearbeitet, einem großen MoE-LLM, das auf massiven Daten vortrainiert und mit kuratierten SFT- und RLHF-Methoden nachtrainiert wurde. Es erreicht wettbewerbsfähige… pic.twitter.com/oHVl16vfje

— Qwen (@Alibaba_Qwen) Januar 28, 2025

Das chinesische Technologieunternehmen gab am Montag bekannt, dass das neue KI-Modell Qwen2.5-VL eine Reihe von Text- und Bildanalyseaufgaben ausführen kann. Das Unternehmen sagte auch, dass Qwen2.5 dem Modell ähnlich sei, das OpenAIs kürzlich gestarteten Operator antreibt. Das KI-Modell kann Videos verstehen, Dateien analysieren und Objekte auf Bildern zählen sowie einen PC steuern.

Laut Benchmarking-Tests, die vom Qwen-Team durchgeführt wurden, ist das Qwen2.5-VL-Modell überlegen gegenüber OpenAIs GPT-40, Anthropics Claude 3.5 Sonnet und Googles Gemini 2.0 Flash. Das neue KI-Modell könnte seine Konkurrenten im Video-Verständnis, in der Mathematik, bei der Dokumentenanalyse und bei Frage-Antwort-Bewertungen schlagen.

Alibaba bestätigte, dass Qwen2.5-VL zum Testen in seiner Qwen Chat-App und zum Herunterladen von der KI-Entwicklerplattform Hugging Face verfügbar ist. Das Qwen-Team sagte, dass das KI-Modell Diagramme und Grafiken analysieren, Daten aus Scans von Rechnungen und Formularen extrahieren und „mehrstündige Videos verstehen“ kann. Das KI-Modell kann auch IPs aus Filmen und TV-Serien sowie eine Vielzahl von Produkten erkennen.

Das Qwen-Team gab bekannt, dass das Modell in Qwen Chat bestimmte Einschränkungen bezüglich der Themen hatte, die diskutiert werden konnten, da die KI von einem chinesischen Unternehmen entwickelt wurde. Laut dem Team bewertet Chinas Internet-Regulierungsbehörde viele im Land entwickelte Modelle, um sicherzustellen, dass ihre Antworten „die grundlegenden sozialistischen Werte verkörpern“. Mehrere chinesische KI-Unternehmen, wie Ernie, weichen auch Antworten auf Themen aus, die den Zorn der Regulierungsbehörden erregen könnten oder als zu sensibel eingestuft werden. 

Qwens Team enthüllt die Fähigkeiten von Qwen2.5-VL

Das Entwicklungsteam von Qwen2.5-VL enthüllte, dass eine der interessanten Funktionen des KI-Modells seine Fähigkeit ist, mit Software sowohl auf PCs als auch auf mobilen Geräten zu interagieren. Philipp Schmid, technischer Leiter bei Hugging Face, zeigte das KI-Modell beim Starten der Booking.com-App für Android und beim Buchen eines Flugs von Chongqing nach Peking. 

„Trotz des ganzen DeepSeek-Hype hat Qwenn gerade das beste offene Multimodale veröffentlicht! Qwen 2.5 VL ist ein Vision-Language-Modell, das Ihren Computer steuern kann, ähnlich wie der OpenAI Operator, strukturierte Informationen aus Diagrammen extrahieren kann und mehr!!“

– Philipp Schmid, Tech Lead bei Hugging Face

Vaibhav Srivastav, Data Scientist bei Hugging Face, zeigte wie das Qwen2.5-VL-Modell Apps auf einem Linux-Desktop steuert, aber nicht viel mehr als das Umschalten von Tabs erreichen konnte. Die Demonstration stimmte mit Qwens Benchmarking überein, das zeigte, dass Qwen2.5-VL im OSWorld, einem Benchmark, der eine echte Computerumgebung nachahmen soll, schlecht abschnitt.

Das chinesische KI-Technologieunternehmen gab auch bekannt, dass die beiden kleineren, weniger ausgefeilten Modelle der Qwen2.5VL-Serie, Qwen2.5-VL-3B und Qwen2.5-VL-7B, unter permissiven Lizenzen verfügbar waren. Das Flaggschiff Qwen2.5-VL-7B bleibt weiterhin unter Alibabas benutzerdefinierter Lizenz, die erfordert, dass Firmen und Entwickler mit mehr als 100 Millionen monatlich aktiven Nutzern die Erlaubnis von Qwen oder Alibaba einholen, bevor sie das KI-Modell kommerziell einsetzen.