通義靈碼は、最新の推論モデルQwen2.5-Maxを発表しました。開発者向けに、強力なプログラミングと数学的能力を提供します。Qwen2.5-Maxは、20兆個を超えるトークンを用いた事前学習データと、綿密に設計された事後学習方案により、卓越した性能を発揮します。

2月25日、アリババはQwen2.5-Maxベースの推論モデルQwQ-Max-Previewを発表し、最新の推論モデルQwQ-MaxとQwen2.5-Maxを全面的にオープンソース化する計画を発表しました。今回発表されたQwQ-Max-Previewはプレビュー版であり、アリババは正式版を近日中にリリースし、Apache2.0ライセンスの下で全面的にオープンソース化するとしています。従来とは異なり、今回のオープンソース化はモデル自体だけでなく、Qなど、より小さなバージョンも含みます。

人工知能分野において、言語モデルの急速な発展は、音声理解言語モデル（SULMs）への注目を集めています。最近、西北工業大学ASLP研究所は、学術資源が限られた状況下で、音声理解モデルを効果的に訓練し活用する方法を探求し、学術界の研究とイノベーションを促進することを目的としたオープン音声理解モデルOSUMを発表しました。OSUMモデルはWhisperエンコーダーとQwen2言語モデルを融合し、音声認識（ASR）、タイムスタンプ付きなど8種類の音声タスクに対応しています。

阿里云通義千問は、新しいビジョンモデルQwen2.5-VLをオープンソース化し、3B、7B、72Bの3つのサイズバリアントを発表しました。その中でも、フラッグシップモデルであるQwen2.5-VL-72Bは、13の権威ある評価で視覚理解において1位を獲得し、GPT-4oとClaude 3.5を上回りました。阿里云公式の説明によると、新しいQwen2.5-VLは画像の内容をより正確に解析でき、画期的に1時間以上のビデオ理解に対応できるようになりました。このモデルはビデオ内で特定のイベントを検索し、ビデオの不…

DeepSeek R1に続き、アリババクラウドの通義千問チームは、最新のオープンソースモデルQwen2.5-1Mを発表し、再び業界の注目を集めています。今回発表されたQwen2.5-1Mシリーズには、Qwen2.5-7B-Instruct-1MとQwen2.5-14B-Instruct-1Mの2つのオープンソースモデルが含まれています。これは通義千問が初めて、100万トークンのコンテキスト長をネイティブサポートするモデルを発表したものであり、推論速度も大幅に向上しています。

本日、阿里云通義チームは、新たな数理推論プロセス報酬モデルQwen2.5-Math-PRMを発表しました。72Bと7Bの2つのサイズが提供され、同種のオープンソースプロセス報酬モデルを大幅に上回る性能を示し、特に推論エラーの識別において顕著な成果を上げています。特に7Bバージョンは、業界で広く利用されているGPT-4oを上回る驚異的な成果を達成し、阿里云の数理推論モデル開発における重要な一歩となりました。

アリババ達摩院は先日、Valley2というマルチモーダル大規模言語モデルを発表しました。このモデルはECシーン向けに設計されており、拡張可能な視覚言語アーキテクチャを通じて、様々な分野のパフォーマンス向上と、ECおよび短編動画シーンにおける応用範囲の拡大を目指しています。Valley2はLLMのバックボーンとしてQwen2.5を採用し、SigLIP-384ビジョンエンコーダーとMLP層、畳み込み演算を組み合わせることで、効率的な特徴変換を実現しています。

マイクロソフトは最近、Hugging FaceプラットフォームでPhi-4という小型言語モデルを発表しました。このモデルのパラメータ数はわずか140億ですが、複数の性能テストで優れたパフォーマンスを示し、OpenAIのGPT-4oやQwen2.5、Llama-3.1などの著名なモデルを上回っています。以前行われたアメリカ数学コンテストAMCのテストでは、Phi-4は91.8点を獲得し、Gemini Pro1を大きく上回りました。

アリババクラウドは、VS CodeとJetBrains IDEsの両方の開発ツールをサポートする初のAIプログラミング製品である、新たな通義靈碼AIプログラマーを正式にリリースしました。このAIプログラマーは、従来のプログラミング支援ツールよりも強力な機能を備え、開発者がより効率的にコーディングタスクを完了できるように支援します。通義靈碼AIプログラマーは、会話形式による協調作業を通じて、ゼロからの業務要件開発、問題解決、および大量の単体テストなどを容易に実現します。

グローバル化の進展に伴い、ニューラル機械翻訳（NMT）技術は言語間のコミュニケーションにおいてますます重要な役割を果たしています。現在の翻訳ツールは技術文書や簡単なテキストの処理において優れた性能を発揮していますが、文学作品翻訳においては依然として多くの課題に直面しています。文学作品には比喩や隠喩など、文化的・感情的な意味合いが豊かな表現が多く含まれており、従来の翻訳システムではその深層的な意味を正確に伝えることが難しいことがしばしばあります。この課題を克服するため、テンセント研究チームはDRT-o1という新たな翻訳システムを発表しました。このシステムは

アリババは最近、QVQ-72Bという新しい多モーダル推論モデルを発表しました。このモデルはQwen2-VL-72Bをベースに構築されており、強力な言語能力と視覚能力を融合することで、より複雑な推論と分析タスクを処理できます。これは、アリババが多モーダルAI分野で新たなブレークスルーを達成したことを意味します。QVQ-72Bは、視覚推論、数学、科学の問題において顕著な性能向上を示しており、特に複数ステップの推論タスクにおいてその能力を発揮します。つまり、このモデルはテキスト情報だけでなく、画像情報も理解し、複数ステップを経て処理できるということです。

Qwenチームは先日、最新開発のマルチモーダル推論モデルQVQのオープンソース化を発表しました。これは、人工知能における画像理解と複雑な問題解決能力において重要な一歩を踏み出したことを意味します。このモデルはQwen2-VL-72Bをベースに構築されており、言語と視覚情報を組み合わせることでAIの推論能力を向上させることを目指しています。MMMU評価において、QVQは70.3の高得点を獲得し、また複数の数学関連ベンチマークテストにおいて、Qwen2-VL-72B-Instructと比較して顕著な性能向上を示しました。

阿里云百煉大規模モデルサービスプラットフォームは最近、「音声ビデオリアルタイムインタラクション」機能をリリースしました。これにより、ユーザーはプログラミング知識がなくても、多様なAIアプリケーションを簡単に構築できるようになりました。この新機能により、ユーザーはAIモデルをWeb、iOS、Androidアプリケーションに迅速に統合し、他の人と共有することができます。ユーザーは簡単な手順でインテリジェントエージェントアプリケーションを構築できます。まずインテリジェントエージェントアプリケーションを作成し、次に阿里云百煉プラットフォームで必要なテキスト、音声、またはビジュアル理解の大規模モデルを選択して設定します。プラットフォームには200種類以上の、以下のような大規模モデルが用意されています。

近年、機械学習モデルはビジョンと言語タスクにおいて需要が高まっていますが、多くのモデルは膨大な計算資源を必要とし、個人デバイスでは効率的に動作しません。特にノートパソコン、コンシューマー向けGPU、モバイルデバイスなどの小型デバイスは、ビジョン言語タスクの処理において大きな課題に直面しています。Qwen2-VLを例にとると、優れた性能を誇る一方で、ハードウェア要件が高く、リアルタイムアプリケーションでの利用可能性を制限しています。そのため、リソースの少ない環境でも動作する軽量モデルの開発が求められています。

アリババは先日、最新開発の画像生成モデルQwen2vl-Fluxをオープンソース化すると発表しました。このモデルは、編集、融合、混合など複数の機能を備えているだけでなく、ユーザーが入力した画像やテキストに基づいて、高い類似性を持つ新しい画像を生成できます。Qwen2vl-Fluxは強力な画像変換機能を提供します。ユーザーは画像を1枚入力するだけで、テキストプロンプトは不要です。モデルは元の画像に基づいて、複数の類似画像を生成します。例えば、ユーザーが人物写真をアップロードすると、モデルは様々な角度からの画像を生成できます。

阿里雲百煉プラットフォームは先日、最大100万トークン（約100万単語、150万漢字に相当）の超長文コンテキストを処理できる、Qwen2.5-Turbo大規模言語モデルのリリースを発表しました。Qwen2.5-Turboモデルは通義千問チームによって開発されました。