阿里巴巴集团有限公司宣布推出新的人工智能模型系列 Qwen3,据称其性能可超越来自 OpenAI 和 Google LLC 等公司的竞争模型。
这一新产品的发布突显了自 DeepSeek Ltd. 在去年年底首次亮相以来,中国人工智能行业迅速发展的步伐。
新款 Qwen3 模型在多个领域,例如编码和数学问题上,均优于 DeepSeek 最佳模型。它将以开源许可证发布多个 Qwen3 系列模型,这些模型的参数数量范围从 600 million 到 235 billion 参数不等,参数数量大致反映了解决问题的能力。一般来说,模型参数越多,性能表现就越好。
在新推出的 Qwen3 系列中,有两款采用所谓 "mixture of experts" ( MoE ) 技术的模型,阿里巴巴表示其可以与 Google 和 Anthropic PBC 推出的最先进推理模型相媲美。推理模型旨在模仿人类思考问题的方式,花更多时间进行思考并执行事实核查以确保准确性。
通过采用 MoE 技术,人工智能模型可以通过将任务划分为更小的部分来增强其推理能力,这类似于一家公司派遣专门团队针对更具挑战性的问题的特定部分进行处理。将任务分摊至模型的不同部分,使问题解决过程更加高效。
阿里巴巴 Qwen 团队在一篇博客文章中表示:“我们已将思考模式与非思考模式无缝集成,为用户提供灵活控制思考预算的能力。这一设计使用户能够更轻松地配置针对特定任务的预算。”
阿里巴巴表示,Qwen3 模型支持 119 种语言,并在一个包含近 36 trillion Token 的数据集上进行了训练,这些 Token 是它们在接受“教学”过程中处理的基本数据单位。1 million Token 大约相当于 750,000 个单词,在本案例中,这些数据来自各种教材、代码片段、AI 生成的数据、问答对以及其它资源。
在各项基准测试中,阿里巴巴的 Qwen3 模型展现出了令人印象深刻的表现,超越了美国 AI 公司近期推出的“高端”模型,如 OpenAI 的 o3-mini 和 o4-mini 模型。
例如,在衡量模型编写代码能力的 Codeforces 基准测试中,最大的 Qwen-3-235B-A22B 模型超越了 o3-mini 以及 Google 的 Gemini 2.5 Pro 模型。它还在 AIME 数学基准测试以及评估 AI 模型推理能力的 BFCL 测试中击败了 o3-mini。
自从 DeepSeek 的 R1 推理模型在去年 12 月末首次亮相以来,虽然其开发成本仅为 OpenAI 的一小部分,却已抢占风头,此后中国科技领袖陆续推出了一系列同样强大的 AI 模型。阿里巴巴几周前刚推出了 Qwen-2.5 系列模型,并称这些模型可以处理包括文本、图像、音频和视频在内的多模态数据格式。这些模型显著轻量,设计上可直接在智能手机和笔记本电脑上运行。
强大且开源的中国 AI 模型的出现,提升了美国 AI 公司的竞争压力,尽管它们直到最近还被视为行业领导者。但如今,美国模型的地位正受到威胁,尤其是因为美国制造的模型通常在训练上投入的成本远高于中国同行。
在其最近的一次举动中,美国对 Nvidia Corp. 的 H20 GPU 实施了出口许可证,这款 GPU 专门设计以符合之前对中国的制裁规定。
OpenAI 则回应称,将在未来几个月内推出一种 “open-weights” 推理模型,这标志着其一贯将模型内部工作原理视为“黑盒”策略的巨大转变。
阿里巴巴首席执行官吴泳铭在二月份表示,该公司的主要目标是构建一个“通用人工智能”系统,最终能够超越人类的智力水平。
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
谷歌DeepMind团队开发的GraphCast是一个革命性的AI天气预测模型,能够在不到一分钟内完成10天全球天气预报,准确性超越传统方法90%的指标。该模型采用图神经网络技术,通过学习40年历史数据掌握天气变化规律,在极端天气预测方面表现卓越,能耗仅为传统方法的千分之一,为气象学领域带来了效率和精度的双重突破。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
韩国成均馆大学研究团队开发了首个机器遗忘可视化评估系统Unlearning Comparator,解决了AI"选择性失忆"技术缺乏标准化评估的问题。系统通过直观界面帮助研究人员深入比较不同遗忘方法,并基于分析洞察开发出性能优异的引导遗忘新方法,为构建更负责任的AI系统提供重要工具支持。