アリババはスマートフォンでの起動用に「コンパクト」なAIモデルを発表しました

中国のテクノロジー大手Alibaba Cloudは、テキスト、画像、音声、ビデオを処理し、リアルタイムでテキストおよび音声の応答を生成できるマルチモーダルAIモデルQwen2.5-Omni-7Bを発表しました。

ニューラルネットワークは70億のパラメータを持っています。会社の代表者によると、電話やノートパソコンのような周辺機器で効率とパフォーマンスを損なうことなく実行できるとのことです。

「このユニークな組み合わせは、特にインテリジェントな音声アプリケーションにおいて、実際に利益をもたらす柔軟でコスト効果の高いAIエージェントの開発の理想的な基盤を提供します」と発表に記載されています。

Qwen2.5-Omni-7Bの適用例として、企業は視覚障害者の生活向上を挙げました。これを使うことで、彼らは周囲の環境をよりよく把握できるようになります。このモデルは、利用可能な食材を動画で分析し、料理の手順を提案することができます。

「Qwen2.5-Omni-7Bは、同等のサイズの特化型モデルと競合し、すべてのモダリティで驚異的なパフォーマンスを提供します」と、会社は強調しました。

革新性は、新しいアーキテクチャと学習に使用された高品質のデータセットによって説明されます。

Qwen2.5-Omni-7Bの競合他社とのパフォーマンス比較。データ:Alibaba Cloud.このモデルはオープンソースであり、Hugging Face、GitHub、ModelScope、Qwen Chat で入手できます。

3月にAlibabaは推論に特化したAIモデルQwQ-32を発表しました。

1月に、中国のテクノロジー大手はQwen 2.5-Maxを発表しました。それはDeepSeek-V3よりも強力だとされています。