علیبابا مدلهای متنباز جدید Qwen 3.5 را معرفی کرد؛ رقابت با Claude Sonnet 4.5
شرکت علیبابا مدلهای هوش مصنوعی متنباز خود تحت عنوان Qwen 3.5 را معرفی کرده است که از قدرتی فراتر از رقبای آمریکایی برخوردار هستند. این مدلها به صورت رایگان و محلی بر روی کامپیوترهای شخصی قابل استفاده هستند.
معرفی مدلها
تیم توسعه هوش مصنوعی علیبابا سری جدید مدلهای زبانی Qwen 3.5 را به بازار آورده است. این سری شامل چهار مدل زبانی بزرگ است که عملکردی معادل یا حتی بهتر از رقبای پولی خود ارائه میدهند. توسعهدهندگان سه نسخه از این مدلها را به صورت کاملاً متنباز منتشر کردهاند.
مشخصات فنی
علیبابا نسخههای Qwen 3.5 با 35 میلیارد پارامتر، 122 میلیارد پارامتر و 27 میلیارد پارامتر را تحت لایسنس آپاچی 2.0 برای استفاده تجاری رایگان در پلتفرمهای هاگینگ فیس و مدلاسکوپ قرار داده است. نسخه Qwen3.5-Flash نیز میتواند به صورت API و با قیمتی بسیار پایینتر از مدلهای آمریکایی در دسترس قرار گیرد.
عملکرد و قابلیتها
این مدلهای رایگان در بنچمارکهای مستقل موفق به شکست مدلهای قدرتمندی مانند GPT-5 Mini و کلود سونت 4.5 شدهاند. این مدلها به گونهای طراحی شدهاند که میتوانند با کمترین میزان درگیری سختافزاری، بالاترین سرعت و دقت را به کاربران ارائه دهند. به عنوان مثال، نسخه پرچمدار 35 میلیارد پارامتری تنها در هر لحظه 3 میلیارد پارامتر را برای پردازش کلمات فعال میکند.
فشردهسازی و بهینهسازی
معماری این مدلها از 256 متخصص مختلف استفاده میکند که پردازشها را بین خود تقسیم میکنند. تیم سازنده این مدلها را به گونهای فشردهسازی کرده است که حتی با کاهش حجم اطلاعات، دقت آنها تقریباً هیچ افتی را تجربه نکند و کیفیت خروجی حفظ شود.
نیازمندیهای سیستم
برای اجرای مدلهای بزرگ Qwen 3.5 نیاز به سیستمهای نسبتاً قوی وجود دارد. برای مثال، برای اجرای قدرتمندترین نسخه متنباز این هوش مصنوعی به یک کارت گرافیک با 32 گیگابایت VRAM نیاز است. اگرچه ممکن است این کارت گرافیکی برای همه در دسترس نباشد، اما اجرای یک مدل بسیار قدرتمند با چنین سیستمی قابل توجه است.
مدیریت دادهها
این مدل میتواند پنجره محتوای یک میلیون توکنی (برای خواندن و نوشتن فایلهای طولانی) را پردازش کند که پیش از این تنها با سرورهای غولپیکر ممکن بود. فناوری فشردهسازی بینظیر علیبابا به توسعهدهندگان مستقل امکان میدهد تا بدون نیاز به زیرساختهای سروری گرانقیمت، مجموعه دادههای بزرگ را در سیستمهای خانگی پردازش کنند.
مدل 27 میلیارد پارامتری این خانواده نیز برای کارایی بالاتر بهینهسازی شده است و قادر به مدیریت 800 هزار توکن به آسانی است.