Çin ChatGPT-nin rəqibi olan yeni süni intellekt modelini təqdim etdi

Alibaba şirkətinin Qwen tədqiqat qrupu, böyük açıq mənbəli dil modelinə yeni bir əlavə etdi: Qwen3-Next. Yay aylarında müxtəlif modellər təqdim etdikdən sonra, qrup indi performans və səmərəliliyi birləşdirən hibrid arxitektura əsaslanan modeli ictimaiyyətə təqdim edib. Yalnız 3 milyard aktiv parametrdən istifadə edərək, Qwen3-Next, 80 milyard parametrli strukturu ilə uzun mətnləri emal etməkdə yüksək səmərəlilik nümayiş etdirir.

Tamamilə pulsuz olan Qwen3-Next modelinin iki versiyası - "Instruct" və "Thinking" - Apache 2.0 lisenziyası altında Hugging Face, ModelScope, Kaggle və Alibaba Cloud platformalarında əldə olunabilir. Bundan əlavə, Qwen Chat platformasında birbaşa istifadə edilə bilər. Yeni model Gated DeltaNet və Gated Attention yanaşmalarını birləşdirir. DeltaNet təbəqələri uzun mətnlərin sürətli oxunmasını təmin edərkən, Gated Attention təbəqələri daha dəqiq və ətraflı idarəetmə imkanı verir. Bu hibrid yanaşma modeli həm sürət, həm də dəqiqlik baxımından üstün edir.

Modelin ən diqqətçəkən texniki xüsusiyyətlərindən biri yalnız 3 milyard aktiv parametrlə işləməsidir. Bu, 15 trilyon token üzərində təlim keçmiş modelin əvvəlki versiyası Qwen3-32B-yə nisbətən daha aşağı hardware dəyəri ilə həm təlim keçməsinə, həm də işlədilməsinə imkan verir. Uzun kontekstli testlərdə 32.000 token və daha çoxluqda 10 dəfəyə qədər sürət artımı təmin edir. Qwen3-Next 256.000 tokenlik kontekst pəncərələrini dəstəkləyir və RoPE miqyaslama metodları ilə 1 milyon tokenə qədər yoxlanılıb. Performans testlərində nəticələr Qwen3-32B-dən üstün olub. Məntiqi düşüncəyə yönəlmiş "Thinking" versiyası Gemini-2.5-Flash-Thinking kimi qapalı mənbəli modelləri geridə qoyub. "Instruct" modeli isə 235 milyard parametrli Qwen3-ün əsas modelinə bərabər uzun kontekstli performans göstərib.

Qwen qrupu Qwen3-Next modelinin həm miqyaslı, həm də sərfəli bir həll olduğunu vurğulayaraq, seriyadakı növbəti addım olan Qwen3.5 üzərində çalışdıqlarını da açıqlayıb.