av无码动漫一区二区精品,久久综合给合色97,亚洲成亚洲成网中文字幕,久久青青草原国产免费频观

大年初一，阿里發(fā)出大模型新年第一彈。

1月29日凌晨1點(diǎn)半，阿里云通義千問旗艦版模型Qwen2.5-Max正式升級(jí)發(fā)布。據(jù)其介紹，Qwen2.5-Max模型是阿里云通義團(tuán)隊(duì)對(duì)MoE模型的最新探索成果，預(yù)訓(xùn)練數(shù)據(jù)超過20萬億tokens，展現(xiàn)出極強(qiáng)勁的綜合性能，在多項(xiàng)公開主流模型評(píng)測基準(zhǔn)上錄得高分，全面超越了目前全球領(lǐng)先的開源MoE模型以及最大的開源稠密模型。

與Qwen2.5-Max進(jìn)行對(duì)比的模型，就包括了最近火爆海內(nèi)外的DeepSeek旗下的V3模型。受新模型的影響，阿里巴巴美股拉升，一度漲超7%，收盤錄得6.71%的漲幅，報(bào)96.03美元/股。

最近幾天，DeepSeek沖擊了美股的投資邏輯，導(dǎo)致英偉達(dá)等巨頭股價(jià)大幅震蕩。

據(jù)央視新聞消息，當(dāng)?shù)貢r(shí)間1月28日，美國多名官員回應(yīng)DeepSeek對(duì)美國的影響，表示DeepSeek是“偷竊”，正對(duì)其影響開展國家安全調(diào)查。

就在前一天，美國總統(tǒng)特朗普還稱DeepSeek是很積極的技術(shù)成果。

無論是在硅谷、華爾街及白宮掀起軒然大波的DeepSeek，還是阿里通義千問新發(fā)布的大模型，國產(chǎn)大模型最近的密集創(chuàng)新成果表明，中國人工智能的進(jìn)步與追趕，已經(jīng)極大程度改變了全球AI的行業(yè)格局。

阿里新模型性能全球領(lǐng)先

阿里通義千問團(tuán)隊(duì)表示，Qwen2.5-Max采用超大規(guī)模MoE（混合專家）架構(gòu)，基于超過20萬億token的預(yù)訓(xùn)練數(shù)據(jù)及精心設(shè)計(jì)的后訓(xùn)練方案進(jìn)行訓(xùn)練。

據(jù)介紹，Qwen2.5-Max在知識(shí)、編程、全面評(píng)估綜合能力的以及人類偏好對(duì)齊等主流權(quán)威基準(zhǔn)測試上，展現(xiàn)出全球領(lǐng)先的模型性能。指令模型是所有人可直接對(duì)話體驗(yàn)到的模型版本，在Arena-Hard、LiveBench、LiveCodeBench、GPQA-Diamond及MMLU-Pro等基準(zhǔn)測試中，Qwen2.5-Max比肩Claude-3.5-Sonnet，并幾乎全面超越了GPT-4o、DeepSeek-V3及Llama-3.1-405B。

同時(shí)，基座模型反映模型裸性能，由于無法訪問GPT-4o和Claude-3.5-Sonnet等閉源模型的基座模型，通義團(tuán)隊(duì)將Qwen2.5-Max與目前領(lǐng)先的開源MoE模型DeepSeek V3、最大的開源稠密模型Llama-3.1-405B，以及同樣位列開源稠密模型前列的Qwen2.5-72B進(jìn)行了對(duì)比。結(jié)果顯示，在所有11項(xiàng)基準(zhǔn)測試中，Qwen2.5-Max全部超越了對(duì)比模型。

記者還注意到，除了發(fā)布Qwen2.5-Max以外，1月28日，阿里還開源了全新的視覺理解模型Qwen2.5-VL，推出了3B、7B、72B三個(gè)尺寸版本。其中，旗艦版Qwen2.5-VL-72B在13項(xiàng)權(quán)威評(píng)測中奪得視覺理解冠軍，全面超越GPT-4o與Claude3.5。

阿里巴巴股價(jià)走勢

受新模型的影響，阿里巴巴美股拉升，一度漲超7%，收盤錄得6.71%的漲幅，報(bào)96.03美元/股。Qwen2.5-Max的發(fā)布引發(fā)了資本市場關(guān)于重估中國AI資產(chǎn)的討論。如果將阿里巴巴美股上市后的股價(jià)走勢時(shí)間軸拉長，其股價(jià)在2020年摸到311.046美元的高位后，便進(jìn)入了下行的通道。業(yè)內(nèi)人士分析，阿里云不僅發(fā)布了與全球頂尖模型比肩甚至更優(yōu)的模型，而且具備完整的云生態(tài)，或能形成類似去年北美云計(jì)算服務(wù)商的投資邏輯。

DeepSeek以外，大廠大模型也值得關(guān)注

最近幾天，大家的注意力都在DeepSeek上，但有國內(nèi)頭部大模型廠商的核心技術(shù)骨干告訴證券時(shí)報(bào)記者，包括阿里通義千問、字節(jié)豆包、騰訊混元在內(nèi)的互聯(lián)網(wǎng)大廠大模型能力其實(shí)并不差，只是DeepSeek作為創(chuàng)業(yè)公司，和互聯(lián)網(wǎng)大廠在發(fā)展戰(zhàn)略上有所不同。DeepSeek作為純技術(shù)驅(qū)動(dòng)的公司，代碼和訓(xùn)練方法完全開源，而互聯(lián)網(wǎng)大廠往往出于商業(yè)化等方面的考量不會(huì)完全開源。

“DeepSeek出圈的原因主要還是跟金融市場相關(guān)。從基座能力上看，其實(shí)沒有那么強(qiáng)，對(duì)我們的沖擊也沒有那么大。”該技術(shù)骨干告訴記者，美國股市上漲的邏輯主要是AI和英偉達(dá)芯片，但DeepSeek讓人們發(fā)現(xiàn)可能不需要這么多英偉達(dá)的卡，就能做出來性能差不多的模型?！岸疫€開源了，所以DeepSeek才這么受關(guān)注?！痹摷夹g(shù)骨干表示。

與此同時(shí)，DeepSeek主要是在文本生成能力和理解能力方面比較強(qiáng)，尤其擅長中文語境下的長文本和復(fù)雜語境，DeepSeek V3和R1暫無多模態(tài)生成能力。有行業(yè)從業(yè)者向記者表示，以豆包等為代表的大廠模型都屬于多模態(tài)大模型，在大語言模型基礎(chǔ)上融合了圖片、音頻、視頻等多種模態(tài)，對(duì)算力底座要求更高，不僅要支持大規(guī)模訓(xùn)練任務(wù)，還要確保端側(cè)應(yīng)用的實(shí)時(shí)性和高效性。

因此，DeepSeek除了通過創(chuàng)新架構(gòu)與優(yōu)化算法降低訓(xùn)練成本外，還能更加聚焦于大語言模型領(lǐng)域。一名國內(nèi)大模型高管在分析DeepSeek的成功時(shí)就指出，有相對(duì)充裕的卡（算力資源）,沒有融資壓力，前面幾年只做模型不做產(chǎn)品，這些都讓DeepSeek更加純粹和聚焦，能夠在工程技術(shù)和算法上有所突破。

前述國內(nèi)頭部大模型廠商的核心技術(shù)骨干還透露，1月22日字節(jié)發(fā)布的豆包大模型1.5Pro，在多個(gè)測評(píng)基準(zhǔn)上領(lǐng)先于許多頭部的模型，“我們的壓力不來自于DeepSeek，而是豆包，只是豆包1.5Pro沒有出圈，大家沒注意到?！痹摷夹g(shù)骨干說。

DeepSeek面臨“蒸餾”爭議

記者注意到，字節(jié)研究團(tuán)隊(duì)還表示，豆包1.5Pro通過高效標(biāo)注團(tuán)隊(duì)與模型自提升相結(jié)合的方式持續(xù)優(yōu)化數(shù)據(jù)質(zhì)量，嚴(yán)格遵循內(nèi)部標(biāo)準(zhǔn)，不使用任何其他模型的數(shù)據(jù)，確保數(shù)據(jù)來源的獨(dú)立性和可靠性，也即沒有通過“蒸餾”其他模型來走捷徑。

所謂“蒸餾”，指的是一種開發(fā)者用來優(yōu)化小型模型的方法，是一種在深度學(xué)習(xí)和機(jī)器學(xué)習(xí)領(lǐng)域廣泛應(yīng)用的技術(shù)，簡單理解就是用預(yù)先訓(xùn)練好的復(fù)雜模型輸出的結(jié)果，作為監(jiān)督信號(hào)再去訓(xùn)練另外一個(gè)簡單的模型。這樣可以大幅減少計(jì)算資源消耗，讓小模型在特定任務(wù)中以低成本取得類似效果。

DeepSeek的技術(shù)文檔表示，R1模型使用了數(shù)據(jù)蒸餾技術(shù)（Distillation）生成的高質(zhì)量數(shù)據(jù)提升了訓(xùn)練效率。周二，白宮人工智能和加密貨幣事務(wù)負(fù)責(zé)人大衛(wèi)·薩克斯在接受該媒體采訪時(shí)宣稱，DeepSeek“有可能”竊取了美國的知識(shí)產(chǎn)權(quán)才得以崛起。他還表示，未來幾個(gè)月美國領(lǐng)先的人工智能公司將采取措施，試圖防止“蒸餾”。據(jù)金融時(shí)報(bào)報(bào)道，OpenAI稱它發(fā)現(xiàn)DeepSeek使用了OpenAI專有模型來訓(xùn)練自己的開源模型的證據(jù)，但拒絕進(jìn)一步透露其證據(jù)的細(xì)節(jié)。

不過多名業(yè)內(nèi)人士表示，“蒸餾”雖然存在一定爭議，但其實(shí)是大模型訓(xùn)練中一種常用的方法。由于訓(xùn)練復(fù)雜模型需要投入大量資源，并雇用專業(yè)人員教導(dǎo)模型如何生成符合人類表達(dá)方式的回答，耗錢耗時(shí)間，而“蒸餾”則可以避免這個(gè)問題。因此，無論是在中國還是美國，初創(chuàng)公司和學(xué)術(shù)機(jī)構(gòu)使用ChatGPT等具有人類反饋優(yōu)化的商業(yè)大語言模型輸出數(shù)據(jù)來訓(xùn)練自己的模型，被視為一種普遍的、“默而不宣”的現(xiàn)象。

由中國科學(xué)院深圳先進(jìn)技術(shù)研究院、北大等機(jī)構(gòu)聯(lián)合發(fā)表的論文《大語言模型的蒸餾量化》中，研究者就提到除了Claude、豆包和Gemini之外，當(dāng)前知名的開閉源大語言模型均表現(xiàn)出了較高的“蒸餾”水平。研究人員普遍認(rèn)為，“蒸餾”能夠使模型訓(xùn)練的效率更好、成本更低，但會(huì)使模型的獨(dú)特性下降，且過度“蒸餾”也會(huì)導(dǎo)致模型性能下降。

校對(duì)：王朝全