阿里巴巴发布了迄今为止性能最强的人工智能模型,其规模与Moonshot的模型不相上下

路透中文
Aug 03
<a href="https://laohu8.com/S/BABA">阿里巴巴</a>发布了迄今为止性能最强的人工智能模型,其规模与Moonshot的模型不相上下

Qwen3.8-Max拥有2.4万亿个参数,规模已接近Kimi K3

该模型在AI文本和视觉模型排行榜上名次飙升,仅次于Anthropic的产品

阿里巴巴表示,该新模型仅用16天就完成了软件工程项目

Eduardo Baptista

路透北京8月3日 - 中国阿里巴巴 9988.HK 周一发布了其称之为规模最大、能力最强的人工智能模型——Qwen3.8-Max。该模型的规模与国内竞争对手Moonshot AI上月推出的产品相比仅略逊一筹。

中国科技公司——作为全球开放式AI模型领域的一支重要力量——正陷入一场激烈且瞬息万变的竞争,致力于构建更强大的系统,同时确保其运行成本不会高得令人望而却步。

Qwen3.8-Max拥有2.4万亿个参数,这些数值参数是模型从数据中学习并用于识别模式、生成答案和执行任务的。Moonshot的Kimi K3拥有2.8万亿个参数。

参数数量越多并不一定意味着模型就越优秀,但它已成为衡量先进AI系统背后计算和数据规模的一个备受关注的指标。

中国科技公司热衷于公布参数数量,以帮助其模型在开发者社区中获得关注。这些模型通常采用开放权重模式,这意味着允许开发者运行或适配系统的底层学习参数可供下载。

相比之下,OpenAI、Anthropic和谷歌 GOOGL.O 则不公布其闭源模型的参数数量。

Qwen3.8-Max在众包式模型对比平台Arena.AI上亮相,随即成为该平台文本模型排名中位列第一的中国模型,尽管其排名仍落后于Claude Fable 5以及三款Opus变体——这些模型均来自Anthropic。

但在Arena.AI针对图像及其他视觉素材分析的AI模型排行榜上,Qwen3.8-Max位列全球第二,仅次于一款Claude Fable 5变体。

Qwen3.8-Max 和 Kimi K3 均能处理文本、图像和视频,并可一次性处理多达 100 万个令牌。

令牌是数据块,通常是单词的片段或短词,数值越大意味着模型能够一次性处理大量内容,例如冗长的法律文件、庞大的软件代码库或数百页的文档。

阿里巴巴表示,其模型采用“专家混合”设计,将工作分配给系统中的专门模块,而不是针对每个请求都启动整个模型。每次仅使用950亿个参数,从而降低了成本并缩短了响应延迟。

这家科技巨头表示,该模型仅用16天就完成了一个软件工程项目。

Qwen3.8-Max预计将于下周通过阿里云的Model Studio平台发布。

At the request of the copyright holder, you need to log in to view this content

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10