टोंगयी लिंगमा ने अपने नवीनतम अनुमान मॉडल क्वेन2.5-मैक्स को लॉन्च करने की घोषणा की है, जो डेवलपर्स को शक्तिशाली प्रोग्रामिंग और गणितीय क्षमताओं का समर्थन प्रदान करता है। क्वेन2.5-मैक्स ने 20 ट्रिलियन से अधिक टोकन के पूर्व-प्रशिक्षण डेटा का उपयोग किया है, और सावधानीपूर्वक डिज़ाइन किए गए प्रशिक्षण के बाद के समाधान के साथ, उत्कृष्ट प्रदर्शन दिखाता है।

25 फ़रवरी को, अलीबाबा ने Qwen2.5-Max पर आधारित निष्कर्षण मॉडल QwQ-Max-Preview लॉन्च करने की घोषणा की, और अपनी नवीनतम निष्कर्षण मॉडल QwQ-Max और Qwen2.5-Max को पूरी तरह से ओपन सोर्स करने की योजना बनाई है। QwQ-Max-Preview एक प्रिव्यू संस्करण है, अलीबाबा ने कहा कि आधिकारिक संस्करण जल्द ही लॉन्च होगा और Apache2.0 लाइसेंस के तहत पूरी तरह से ओपन सोर्स होगा। पिछले संस्करणों के विपरीत, इस बार ओपन सोर्सिंग में न केवल मॉडल ही शामिल है, बल्कि Q जैसे छोटे संस्करण भी शामिल हैं।

कृत्रिम बुद्धिमत्ता के क्षेत्र में, भाषा मॉडलों के तेजी से विकास ने वॉइस अंडरस्टैंडिंग लैंग्वेज मॉडल (SULMs) में व्यापक रुचि उत्पन्न की है। हाल ही में, उत्तर पश्चिम औद्योगिक विश्वविद्यालय के ASLP प्रयोगशाला ने ओपन वॉइस अंडरस्टैंडिंग मॉडल OSUM जारी किया, जिसका उद्देश्य यह अन्वेषण करना है कि सीमित शैक्षणिक संसाधनों के संदर्भ में वॉइस अंडरस्टैंडिंग मॉडल को प्रभावी ढंग से कैसे प्रशिक्षित और उपयोग किया जाए, जिससे शैक्षणिक समुदाय के अनुसंधान और नवाचार को बढ़ावा मिले। OSUM मॉडल Whisper एन्कोडर और Qwen2 भाषा मॉडल का समावेश करता है, 8 प्रकार के वॉइस कार्यों का समर्थन करता है, जिसमें वॉइस रिकग्निशन (ASR), टाइमस्टैम्प के साथ शामिल है।

अली क्लाउड ने एक नया दृश्य मॉडल Qwen2.5-VL ओपन-सोर्स किया है, और 3B, 7B और 72B के तीन आकार संस्करण लॉन्च किए हैं। इसमें, फ्लैगशिप संस्करण Qwen2.5-VL-72B ने 13 प्रमुख परीक्षणों में दृश्य समझ का खिताब जीता, जिसने GPT-4o और Claude3.5 को पीछे छोड़ दिया। अली क्लाउड के आधिकारिक विवरण के अनुसार, नया Qwen2.5-VL छवि सामग्री को अधिक सटीकता से解析 कर सकता है, और 1 घंटे से अधिक की वीडियो समझ का समर्थन कर सकता है। यह मॉडल वीडियो में विशिष्ट घटनाओं को खोज सकता है, और वीडियो की अनियमितताओं को समझ सकता है।

DeepSeek R1 के बाद, अली क्लाउड की टोङ्ति कियानवेन टीम ने अभी हाल ही में अपने नवीनतम ओपन-सोर्स मॉडल Qwen2.5-1M की घोषणा की, जिसने फिर से उद्योग में ध्यान आकर्षित किया। इस रिलीज़ में Qwen2.5-1M श्रृंखला में दो ओपन-सोर्स मॉडल शामिल हैं: Qwen2.5-7B-Instruct-1M और Qwen2.5-14B-Instruct-1M। यह टोङ्ति कियानवेन द्वारा पहले बार लाया गया मॉडल है जो मूल रूप से एक मिलियन टोकन संदर्भ लंबाई का समर्थन करता है, और निष्पादन गति में महत्वपूर्ण सुधार किया गया है।

आज, अली क्लाउड की टोंगी टीम ने पूरी तरह से नए गणितीय तर्क प्रक्रिया इनाम मॉडल Qwen2.5-Math-PRM का आधिकारिक रूप से शुभारंभ किया। यह मॉडल 72B और 7B दो आकारों में उपलब्ध है, और इसके प्रदर्शन ने समान खुली स्रोत प्रक्रिया इनाम मॉडल की तुलना में स्पष्ट रूप से बेहतर परिणाम दिए हैं, विशेष रूप से तर्क की गलतियों की पहचान में। Qwen2.5-Math-PRM का 7B संस्करण ने उद्योग में प्रचलित GPT-4o को आश्चर्यजनक रूप से पार किया, यह उपलब्धि अली क्लाउड के तर्क मॉडल के विकास में महत्वपूर्ण कदम को दर्शाती है।

हाल ही में माइक्रोसॉफ्ट ने Hugging Face प्लेटफॉर्म पर Phi-4 नामक छोटे भाषा मॉडल को जारी किया है, इस मॉडल की पैरामीटर संख्या केवल 14 अरब है, लेकिन यह कई प्रदर्शन परीक्षणों में उत्कृष्टता दिखाई है, जिसमें कई प्रसिद्ध मॉडल, जैसे OPENAI का GPT-4o और अन्य समान ओपन-सोर्स मॉडल जैसे Qwen2.5 और Llama-3.1 को पार किया है। अमेरिका के गणित प्रतियोगिता AMC के परीक्षण में, Phi-4 ने 91.8 अंक प्राप्त किए, जो Gemini Pro1 से स्पष्ट रूप से बेहतर है।

अली क्लाउड ने आधिकारिक रूप से अपने नए तोंग यि लिंग मा एआई प्रोग्रामर का लॉन्च किया, जो VS कोड और जेटब्रेन आईडीईएस विकास उपकरणों का समर्थन करने वाला पहला एआई प्रोग्रामिंग उत्पाद है। यह एआई प्रोग्रामर टूल पारंपरिक सहायक प्रोग्रामिंग उपकरणों की तुलना में अधिक शक्तिशाली क्षमताएँ रखता है, जो डेवलपर्स को अधिक कुशलता से कोडिंग कार्यों को पूरा करने में मदद करता है। तोंग यि लिंग मा एआई प्रोग्रामर संवाद सहयोग के माध्यम से आसानी से शुरू से व्यावसायिक आवश्यकताओं के विकास, समस्या समाधान और इकाई परीक्षण बैच पूरा कर सकता है।

वैश्वीकरण के निरंतर गहराने के साथ, तंत्रिका मशीन अनुवाद (NMT) तकनीक अंतर-भाषाई संचार में越来越 महत्वपूर्ण भूमिका निभा रही है। हालाँकि वर्तमान अनुवाद उपकरण तकनीकी दस्तावेज़ और सरल पाठ के मामले में उत्कृष्ट प्रदर्शन करते हैं, साहित्यिक पाठ के अनुवाद में अभी भी कई चुनौतियों का सामना करना पड़ता है। साहित्यिक काम अक्सर सांस्कृतिक और भावनात्मक रूप से समृद्ध अभिव्यक्तियों जैसे रूपक और उपमा शामिल करते हैं, पारंपरिक अनुवाद प्रणाली अक्सर उनके गहरे अर्थ को सटीक रूप से व्यक्त करने में असमर्थ होती है। इस कमी को पूरा करने के लिए, टेन cents अनुसंधान टीम ने DRT-o1 नामक नए अनुवाद प्रणाली को लॉन्च किया। यह प्रणाली शामिल है

अलीबाबा ने हाल ही में QVQ-72B नामक एक नया बहु-मोड तर्क मॉडल लॉन्च किया है, जो Qwen2-VL-72B पर आधारित है, जिसमें शक्तिशाली भाषा और दृश्य क्षमताओं का समावेश है, जो अधिक जटिल तर्क और विश्लेषणात्मक कार्यों को संभाल सकता है, जो बहु-मोड AI क्षेत्र में एक नई प्रगति का संकेत है। QVQ-72B ने दृश्य तर्क, गणित और विज्ञान की समस्याओं में उल्लेखनीय सुधार दिखाया है, विशेष रूप से बहु-चरण तर्क कार्यों में। इसका मतलब है कि यह मॉडल न केवल पाठ जानकारी को समझ सकता है, बल्कि छवि जानकारी को भी समझ सकता है और बहु-चरण

Qwen टीम ने हाल ही में अपने नवीनतम विकसित मल्टी-मोडल इंफरेंस मॉडल QVQ को ओपन-सोर्स करने की घोषणा की है, जो कृत्रिम बुद्धिमत्ता के दृश्य समझ और जटिल समस्या-समाधान क्षमताओं में महत्वपूर्ण कदम के रूप में काम करता है। यह मॉडल Qwen2-VL-72B पर आधारित है, जिसका उद्देश्य भाषा और दृश्य जानकारी को जोड़कर AI की विवेचनात्मक क्षमताओं को बढ़ाना है। MMMU परीक्षण में, QVQ ने 70.3 का उच्च स्कोर प्राप्त किया, और कई गणितीय संबंधित मानक परीक्षणों में Qwen2-VL-72B-Instruct की तुलना में महत्वपूर्ण प्रदर्शन में सुधार दिखाया।

अलीबाबा क्लाउड बैरलियन बड़े मॉडल सेवा मंच ने हाल ही में "ऑडियो-वीडियो रियल-टाइम इंटरैक्शन" सुविधा शुरू की है, जिससे उपयोगकर्ता बिना किसी प्रोग्रामिंग ज्ञान के मल्टी-मोडल AI अनुप्रयोग आसानी से बना सकते हैं। यह नई सुविधा उपयोगकर्ताओं को वेब, iOS और एंड्रॉइड अनुप्रयोगों में तेजी से AI मॉडलों को एकीकृत करने और दूसरों के साथ साझा करने की अनुमति देती है। उपयोगकर्ता स्मार्ट एजेंट अनुप्रयोग बनाने के लिए साधारण चरणों का पालन कर सकते हैं: सबसे पहले एक नया स्मार्ट एजेंट अनुप्रयोग बनाएं, फिर अलीबाबा क्लाउड बैरलियन मंच पर आवश्यक पाठ, आवाज या दृश्य समझ के बड़े मॉडलों को चुनें और कॉन्फ़िगर करें। मंच 200 से अधिक बड़े मॉडलों की पेशकश करता है, जिसमें

हाल के वर्षों में, दृश्य और भाषा कार्यों के लिए मशीन लर्निंग मॉडल के अनुप्रयोग की मांग तेजी से बढ़ी है, लेकिन अधिकांश मॉडल को बड़े परिकलन संसाधनों की आवश्यकता होती है, जिससे वे व्यक्तिगत उपकरणों पर प्रभावी ढंग से चल नहीं पाते। विशेष रूप से, जैसे लैपटॉप, उपभोक्ता स्तर के GPU और मोबाइल उपकरणों जैसे छोटे उपकरणों को दृश्य-भाषा कार्यों को संभालने में बड़े पैमाने पर चुनौतियों का सामना करना पड़ता है। Qwen2-VL के मामले में, जबकि इसकी प्रदर्शन उत्कृष्ट है, हार्डवेयर के प्रति इसकी उच्च आवश्यकता इसकी रियल-टाइम अनुप्रयोगों में उपयोगिता को सीमित करती है। इसलिए, कम संसाधनों पर चलने के लिए एक हल्के मॉडल का विकास करना महत्वपूर्ण हो गया है,

हाल ही में, अलीबाबा ने अपने नवीनतम विकसित इमेज जनरेशन मॉडल Qwen2vl-Flux को ओपन-सोर्स करने की घोषणा की, जो न केवल संपादन, फ्यूजन और मिश्रण जैसी कई सुविधाएँ प्रदान करता है, बल्कि उपयोगकर्ता द्वारा इनपुट की गई इमेज या टेक्स्ट के आधार पर उच्च समानता वाली नई इमेज भी जनरेट कर सकता है। Qwen2vl-Flux शक्तिशाली इमेज चेंजिंग क्षमताएँ प्रदान करता है। उपयोगकर्ताओं को केवल एक इमेज इनपुट करनी होती है, बिना किसी टेक्स्ट संकेत के, और मॉडल मूल इमेज के आधार पर कई समान इमेज जनरेट कर सकता है। उदाहरण के लिए, यदि उपयोगकर्ता एक व्यक्ति की फोटो अपलोड करता है, तो मॉडल विभिन्न कोणों से कई छवियाँ उत्पन्न कर सकता है।

अली क्लाउड बाई लिआन प्लेटफॉर्म ने हाल ही में Qwen2.5-Turbo मिलियन लंबी पाठ मॉडल लॉन्च करने की घोषणा की। Qwen2.5-Turbo मॉडल को टोंग यि कियान वें टीम द्वारा विकसित किया गया है, जो 1000000 टोकन तक के सुपर लंबे संदर्भ को संभालने का समर्थन करता है, जो कि 1000000 अंग्रेजी शब्दों या 1500000 चीनी अक्षरों के बराबर है।

15 नवंबर को, अली टोंगयी प्रयोगशाला ने कोड मोड लॉन्च किया, जो उपयोगकर्ताओं को सरल दैनिक भाषा निर्देशों के माध्यम से विभिन्न एप्लिकेशन बनाने की अनुमति देता है, जिसमें छोटी गेम, डेटा चार्ट, वेबसाइट और रिज्यूमे शामिल हैं। उपयोगकर्ताओं को बस टोंगयी वेब संस्करण (tongyi.ai) पर जाना है, और इस नए इंटरएक्टिव तरीके का अनुभव शुरू करने के लिए इनपुट बॉक्स में "कोड मोड" पर क्लिक करना है।

बड़ी भाषा मॉडल (LLM) के उदय ने कृत्रिम बुद्धिमत्ता के अनुप्रयोगों में क्रांति ला दी है, लेकिन वे तालिका डेटा को संसाधित करने में स्पष्ट रूप से कमी रखते हैं। झेजियांग यूनिवर्सिटी के कम्प्यूटेशनल इनोवेशन रिसर्च इंस्टीट्यूट की शोध टीम ने इस समस्या को लक्षित करते हुए TableGPT2 नामक एक नया मॉडल प्रस्तुत किया है, जो सीधे और प्रभावी रूप से तालिका डेटा को एकीकृत और संसाधित कर सकता है, व्यापार बुद्धिमत्ता (BI) और अन्य डेटा संचालित अनुप्रयोगों के लिए नई संभावनाएं खोलता है। TableGPT2 का मुख्य नवाचार इसके अद्वितीय टेबल इनकोडर में निहित है, जो कि

हाल ही में, एक ओपन-सोर्स मल्टी-मोडल आर्टिफिशियल इंटेलिजेंस मॉडल Molmo ने उद्योग में व्यापक ध्यान आकर्षित किया है। यह Qwen2-72B के आधार पर, OpenAI के CLIP को दृश्य प्रसंस्करण इंजन के रूप में उपयोग करते हुए, अपने उत्कृष्ट प्रदर्शन और नवोन्मेषक कार्यों के साथ पारंपरिक व्यावसायिक मॉडलों के प्रभुत्व को चुनौती दे रहा है। Molmo की प्रमुख विशेषता इसकी प्रभावी प्रदर्शन क्षमता है। हालांकि इसका आकार अपेक्षाकृत छोटा है, लेकिन इसकी प्रसंस्करण क्षमता बड़े प्रतिद्वंद्वियों के साथ तुलना करने के लिए पर्याप्त है जो आकार में दस गुना अधिक हैं। यह छोटा लेकिन सटीक डिज़ाइन दृष्टिकोण मॉडल की दक्षता को भी बढ़ाता है।