Alibabas neues KI-Modell kann Video und Audio auf Handys verarbeiten

Alibaba hat ein neues KI-Modell als Teil der Quen-Serie veröffentlicht. Der Tech-Riese sagt, dass dieses Modell in der Lage ist, Video, Audio, Bilder und Text zu verarbeiten. Es ist auch effizient genug, um direkt auf Laptops und Mobiltelefonen zu arbeiten.

Das Unternehmen hat erwähnt, dass das neue Modell, das auf GitHub und Hugging Face verfügbar ist, in KI-Agenten genutzt werden kann. Diese KI-Agenten werden sehbehinderten Menschen helfen, ihre Umgebung mit Hilfe von Audiobeschreibungen in Echtzeit zu navigieren.

Alibaba war mit seinen neuen Veröffentlichungen recht schnell. Der Tech-Riese setzt offenbar 2025 voll auf KI-Technologie. Nur wenige Tage nach der Veröffentlichung von DeepSeek brachte der E-Commerce-Riese eine neue Version seines Quen-Modells heraus. Anfang März veröffentlichte es auch eine neuere Version von Quart, seiner KI-Assistenten-App.

Alibaba ist nicht das einzige Unternehmen, das an multimodaler KI arbeitet. Konkurrenten wie OpenAI und Google von Alphabet Inc. haben ebenfalls generative KI-Tools vorgestellt, die verschiedene Eingabetypen wie Text und Audio verarbeiten können. Am Dienstag fügte OpenAI ChatGPT erweiterte Bildgenerierungsfunktionen hinzu und erweiterte damit seine Fähigkeiten weiter.

Das Unternehmen hat erklärt, dass es beabsichtigt, mehr in sein KI- und Cloud-Computing-Netzwerk zu investieren als in den vergangenen zehn Jahren. Alibaba will ein wichtiger Partner für Unternehmen werden, die KI in praktischen Anwendungen entwickeln und einsetzen, während die Modelle fortschrittlicher werden und mehr Rechenleistung erfordern. 

Inzwischen stellen kostengünstige KI-Dienste aus China die höherpreisigen Angebote großer US-Unternehmen in Frage und setzen deren Geschäftsmodelle unter Druck. Nicht jeder ist jedoch noch davon überzeugt, ob diese KI-Veröffentlichungen die führende westliche Technologie übertreffen oder mit ihr mithalten können.