O novo modelo de IA do Alibaba pode processar vídeo e áudio em celulares

A Alibaba lançou um novo modelo de IA como parte da série Quen. O gigante da tecnologia diz que este modelo é capaz de processar vídeo, áudio, imagens e texto. Ele também é eficiente o suficiente para funcionar diretamente em laptops e telefones celulares.

A empresa mencionou que o novo modelo, disponível no GitHub e no Hugging Face, pode ser utilizado em agentes de IA. Esses agentes de IA ajudarão as pessoas com deficiência visual a navegar em seus arredores com a ajuda de descrições de áudio em tempo real.

A Alibaba tem sido bastante rápida com seus novos lançamentos. O gigante da tecnologia está aparentemente apostando tudo na tecnologia de IA em 2025. Poucos dias após o lançamento do DeepSeek, o gigante do comércio eletrônico lançou uma nova versão de seu modelo Quen. No início de março, também lançou uma versão mais recente do Quart, seu aplicativo de assistente de IA.

A Alibaba não é a única empresa trabalhando em IA multimodal. Concorrentes como a OpenAI e a Google da Alphabet Inc. também introduziram ferramentas de IA generativa que podem lidar com diferentes tipos de entrada, como texto e áudio. Na terça-feira, a OpenAI adicionou recursos avançados de geração de imagens ao ChatGPT, expandindo ainda mais suas capacidades.

A empresa declarou que planeja investir mais em sua rede de computação em nuvem e IA do que nos últimos dez anos. A Alibaba visa se tornar um parceiro-chave para empresas que desenvolvem e aplicam IA em configurações práticas, à medida que os modelos se tornam mais avançados e exigem mais poder de computação. 

Enquanto isso, serviços de IA de baixo custo da China estão desafiando as ofertas de preços mais altos das principais empresas dos EUA, colocando pressão em seus modelos de negócios. No entanto, nem todos ainda estão convencidos de que esses lançamentos de IA superam ou igualam a tecnologia de ponta ocidental.