Китай с нов удар по OpenAI: Alibaba пусна ИИ, който може да контролира компютри и смартфони

Най-голямата звезда в китайската индустрия за изкуствен интелект през последните дни е DeepSeek, но и другите технологичните гиганти не бездействат: подразделението Qwen на Alibaba представи серията големи езикови модели Qwen2.5-VL, които могат да управляват компютър и смартфон, също както виртуалния асистент OpenAI Operator.

Най-мощният модел от серията Qwen2.5-VL превъзхожда основните си американски конкуренти, включително OpenAI GPT-4o, Anthropic Claude 3.5 Sonnet и Google Gemini 2.0 Flash в редица тестове, включително в гледане и „разбиране“ на видеоклипове, решаване на математически задачи, анализ на документи и отговаряне на въпроси, твърдят разработчиците.

ИИ-моделът може да бъде тестван в приложението Qwen Chat на Alibaba и е достъпен за изтегляне от платформата Hugging Face. Моделът анализира диаграми и графики, извлича данни от счетоводни документи, разглежда часове видео и разпознава откъси от филми и телевизионни сериали – възможно е той да е бил обучен с помощта на произведения, защитени с авторски права. Подобно на други китайски ИИ-модели, той отказва да коментира политиките на Пекин.

Една от най-интересните характеристики на Qwen2.5-VL е възможността за управление на компютри и мобилни устройства.

В един пример моделът стартира приложение за Android и резервира самолетни билети. В друг пример на ИИ-модела беше възложено да управлява компютър с Linux, но той можеше да извършва само основни действия, като например да превключва разделите в браузъра. Базовите версии на Qwen2.5-VL-3B и Qwen2.5-VL-7B са достъпни под отворен лиценз без ограничения, докато водещата версия Qwen2.5-VL-72B изисква собствениците на платформи с повече от 100 милиона потребители да получат разрешение от Alibaba Qwen, преди да внедрят модела с търговска цел.