На фоне всеобщего внимания к китайской лаборатории DeepSeek, компания Alibaba представила новый мультизадачный ИИ Qwen2.5-VL, который способен удивить своими возможностями в обработке текста, изображений и видео. Этот шаг вновь подчеркивает растущую мощь Китая в сфере искусственного интеллекта.

 Источник изображения: innovations

Мощные мультизадачные модели Qwen2.5-VL

Qwen2.5-VL — это семейство новых моделей ИИ, предназначенных для выполнения самых разнообразных задач: от анализа документов и видео до подсчета объектов на изображениях. Но на этом возможности не заканчиваются. Как и Operator от OpenAI, Qwen2.5-VL способен взаимодействовать с программным обеспечением и выполнять команды на ПК.

Согласно тестам, флагманская модель Qwen2.5-VL-72B превосходит GPT-4 от OpenAI и другие ведущие мировые ИИ на тестах по пониманию видео, решению математических задач, анализу документов и ответам на вопросы.

Функции и особенности

• Анализ изображений и видео: Модель может извлекать данные из сканированных документов, графиков и форм, а также "понимать" видео длительностью несколько часов.
• Контроль устройств: Qwen2.5-VL способен запускать приложения на смартфонах и ПК, выполнять поиск информации и бронировать билеты.
• Оптимизация для бизнеса: Модель помогает в структурировании данных, что делает её незаменимой для корпоративных нужд, таких как анализ финансовых документов.

Ограничения в Китае

Будучи разработкой китайской компании, Qwen2.5-VL подчиняется строгим регуляциям. Например, в приложении Qwen Chat модель отказывается отвечать на вопросы, касающиеся политики, такие как критика председателя Си Цзиньпина. Это связано с требованием китайского правительства, чтобы ИИ отражали "социалистические ценности".

Контроль за компьютерами и смартфонами

Одной из наиболее впечатляющих функций Qwen2.5-VL является возможность управления устройствами. Например, модель может запустить приложение Booking.com на Android и забронировать билет. Демонстрация этих возможностей была опубликована на платформе X техническим директором Hugging Face Филиппом Шмидом.

Однако, несмотря на успех в управлении мобильными устройствами, модель показывает менее впечатляющие результаты при работе на ПК, где её возможности ограничены переключением между вкладками.

Доступность и лицензирование

Модели Qwen2.5-VL-3B и Qwen2.5-VL-7B доступны для свободного использования. Однако использование флагманской модели Qwen2.5-VL-72B требует согласования с Alibaba, если разработчики планируют использовать её для коммерческих целей в проектах с аудиторией более 100 миллионов активных пользователей.

Китай — ключевой игрок в ИИ

Qwen2.5-VL демонстрирует, что Китай активно укрепляет свои позиции в области искусственного интеллекта, соревнуясь с такими гигантами, как Google, Meta и OpenAI. Но остаётся вопрос: смогут ли эти технологические достижения перевесить репутационные проблемы, связанные с обвинениями в государственной цензуре и массовой слежке?

В любом случае, Qwen2.5-VL — это не просто инновация, а стратегический шаг в гонке за лидерство в сфере искусственного интеллекта, которая всё больше становится ареной геополитического противостояния.