El nuevo modelo de IA de Alibaba puede procesar video y audio en teléfonos

Alibaba ha lanzado un nuevo modelo de IA como parte de la serie Quen. El gigante tecnológico dice que este modelo es capaz de procesar video, audio, imágenes y texto. También es lo suficientemente eficiente como para funcionar directamente en portátiles y teléfonos móviles.

La empresa ha mencionado que el nuevo modelo, disponible en GitHub y Hugging Face, puede ser utilizado en agentes de IA. Estos agentes de IA ayudarán a las personas con discapacidad visual a navegar por su entorno con la ayuda de descripciones de audio en tiempo real.

Alibaba ha sido bastante rápida con sus nuevos lanzamientos. El gigante tecnológico aparentemente se está volcando por completo en la tecnología de IA en 2025. Apenas días después del lanzamiento de DeepSeek, el gigante del comercio electrónico lanzó una nueva versión de su modelo Quen. A principios de marzo, también lanzó una versión más reciente de Quart, su aplicación de asistente de IA.

Alibaba no es la única empresa trabajando en IA multimodal. Competidores como OpenAI y Google de Alphabet Inc. también han introducido herramientas de IA generativa que pueden manejar diferentes tipos de entrada como texto y audio. El martes, OpenAI agregó funciones avanzadas de generación de imágenes a ChatGPT, expandiendo aún más sus capacidades.

La empresa ha declarado que planea invertir más en su red de IA y computación en la nube que en la última década. Alibaba tiene como objetivo convertirse en un socio clave para las empresas que desarrollan y aplican IA en entornos prácticos a medida que los modelos se vuelven más avanzados y requieren más poder de cómputo. 

Mientras tanto, los servicios de IA de bajo costo de China están desafiando las ofertas de mayor precio de las principales empresas de EE. UU., ejerciendo presión sobre sus modelos de negocio. Sin embargo, no todos están convencidos de si estos lanzamientos de IA superan o igualan la tecnología occidental de vanguardia.