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

Alibaba hat ein neues KI-Modell der Quen-Serie vorgestellt. Laut dem Technologiekonzern kann dieses Modell Videos, Audio, Bilder und Texte verarbeiten. Es ist zudem so effizient, dass es direkt auf Laptops und Mobiltelefonen eingesetzt werden kann.

Das Unternehmen gab bekannt , dass das neue Modell, das auf GitHub und Hugging Face verfügbar ist, in KI-Systemen eingesetzt werden kann. Diese KI-Systeme helfen Sehbehinderten, sich mithilfe von Audiobeschreibungen in Echtzeit in ihrer Umgebung zurechtzufinden. 

Alibaba hat seine neuen Produkte in rasantem Tempo veröffentlicht. Der Technologiekonzern setzt offenbar ab 2025 voll auf KI-Technologie. Nur wenige Tage nach dem Release von DeepSeek brachte der E-Commerce-Riese eine neue Version seines Quen-Modells heraus. Bereits Anfang März veröffentlichte Alibaba zudem eine neuere Version von Quart, seiner KI-Assistenten-App.

Alibaba ist nicht das einzige Unternehmen, das an multimodaler KI arbeitet. Konkurrenten wie OpenAI und Googles Mutterkonzern Alphabet Inc. haben ebenfalls generative KI-Tools vorgestellt, die verschiedene Eingabetypen wie Text und Audio verarbeiten können. Am Dienstag erweiterte OpenAI ChatGPT um fortschrittliche Bildgenerierungsfunktionen und baute damit dessen Fähigkeiten weiter aus.

Das Unternehmen hat angekündigt, mehr in sein KI- und Cloud-Computing-Netzwerk zu investieren als im vergangenen Jahrzehnt. Alibaba will ein wichtiger Partner für Unternehmen werden, die KI in der Praxis entwickeln und anwenden, da die Modelle immer komplexer werden und mehr Rechenleistung benötigen. 

Unterdessen fordern kostengünstige KI-Dienste aus China die teureren Angebote großer US-Unternehmen heraus und setzen deren Geschäftsmodelle unter Druck. Allerdings sind noch nicht alle davon überzeugt, ob diese KI-Lösungen die westliche Spitzentechnologie übertreffen oder ihr ebenbürtig sind.