Alibaba Cloud

Uusimmat tekoälyuutiset, mallit ja julkaisut taholta Alibaba Cloud. ['CMS 2.0', 'GLM-4.7-Flash', 'Qwen 122B', 'Qwen2.5-0.5B', 'Qwen2.5-14B', 'Qwen2.5-1.5B', 'Qwen2.5-32B', 'qwen2.5:3b', 'Qwen2.5-3B', 'Qwen2.5-72B', 'qwen2.5:7b', 'Qwen2.5-7B', 'Qwen2.5-Coder', 'Qwen2.5-Max', 'Qwen2.5-VL-3B', 'Qwen2-Math', 'Qwen 3', 'Qwen3', 'Qwen3 0.6B', 'Qwen3-0.6B', 'Qwen3 0.6B base', 'Qwen3 0.6B reasoning', 'Qwen-3 14B', 'Qwen3-14B', 'Qwen3-235B-A22B-FP8', 'Qwen3-235B-A22B-Thinking-2507', 'Qwen3 235B-Instruct', 'Qwen3-30B-A3B', 'qwen3-32b', 'Qwen3-32B', 'Qwen3-4B', 'Qwen3.5', 'Qwen3.5-122B-A17B', 'Qwen3.5-27B', 'Qwen3.5-35B-A3B', 'Qwen3.5-397B-A17B', 'qwen 3.5 4B', 'Qwen3.5-4B', 'Qwen3.5-9B', 'Qwen3.5-Flash-02-23']

Tutkimus 🇺🇸

Päättelytasojen hallinta suurissa kielimalleissa

Sebastian Raschka selittää, miten eri monimutkaisuustasojen (matala, keskitaso, korkea) päättelytilat toimivat suurissa kielimalleissa. Hän käsittelee vahvistusoppimismenetelmiä todennettavissa olevilla palkkioilla sekä mekanismeja tilojen välillä vaihtamiseen, mukaan lukien lähestymistapoja, joita käytetään malleissa kuten DeepSeek-R1, Qwen3 ja GPT-5.6.

OpenAI

DeepSeek

Moonshot AI

Sebastian Raschka27.07 · 20:04

Mallit 🇨🇳

Qwen3-Coder: Alibaba Qwenin agentiivisin koodimalli

Alibaba Qwen on julkaissut Qwen3-Coderin, lippulaivakoodimallin, jossa on 480 miljardia parametria yhteensä ja 35 miljardia aktiivista parametria. Se saavuttaa avointen mallien huipputulokset agentiivisissa koodaustehtävissä, selaimen käytössä ja työkalujen käytössä. Malli tukee 256 tuhannen tokenin kontekstia (jopa 1 miljoonaa ekstrapoloinnilla), se on koulutettu 7,5 biljoonalla tokenilla, joista 70 prosenttia on koodia, ja siinä on käytetty laajamittaista vahvistusoppimista, mukaan lukien pitkän aikavälin vahvistusoppiminen monivaiheiseen vuorovaikutukseen ympäristöissä. Mallin rinnalla on avoimen lähdekoodin Qwen Code -työkalu, joka perustuu Gemini Codeen.

Alibaba/Qwen

Alibaba Qwen27.07 · 18:03

Näytä lisää ↓