डिपसिकको चर्चापछि अलिबाबाले ल्यायो नयाँ एआई मोडल, आफै कम्प्युटर र फोन चलाउन सक्ने !
माघ १६, २०८१ १८:३७
काठमाडौं । चिनियाँ प्रविधि कम्पनी अलिबाबाको क्यूवेन (Qwen) टोलीले नयाँ आर्टिफिसियल इन्टेलिजेन्स (एआई) मोडल सार्वजनिक गरेको छ । चिनियाँ कम्पनी डिपसिकले ल्याएको एआई मोडलले चर्चा पाए लगत्तै अलिबाबाले सोमबार नयाँ एआई मोडल सार्वजनिक गरेको हो ।
यस मोडलले कम्प्युटर र मोबाइल फोन चलाउन सक्ने बताइएको छ । क्यूवेन २.५-भीएल (Qwen2.5-VL) नाम दिइएको यो एआई मोडलले टेक्स्ट र इमेजको विश्लेषण गर्न, फाइलहरू बुझ्न, भिडिओ हेर्न र इमेजमा भएका वस्तु गन्न सक्ने दाबी गरिएको छ । यो ठ्याक्कै ओपनएआईको नयाँ मोडल अपरेटर जस्तो देखिन्छ । यसका विशेषता पनि अपरेटरसँग मिल्छन् ।
कम्पनीका अनुसार यो मोडलले ओपनएआईको जीपीटी-४ओ, एन्थ्रोपिकको क्लाउडी ३.५ सोनेट र गुगलको जेमिनाई २.० फ्ल्याशलाई विभिन्न परीक्षणमा पछि पारेको छ । यो मोडलले भिडिओ बुझ्ने, गणितीय समस्या समाधान गर्ने, डकुमेन्ट विश्लेषण गर्ने र प्रश्नको जवाफ दिने जस्ता काममा उत्कृष्ट प्रदर्शन गरेको दाबी गरिएको छ ।
अलिबाबाले क्यूवेन च्याट एपमा यो मोडल परीक्षणको लागि उपलब्ध गराएको छ । साथै यसलाई एआई प्लेटफर्म हगिङ फेसबाट डाउनलोड गर्न सकिन्छ ।
क्यूवेन २.५-भीएलले ग्राफ र चार्ट विश्लेषण गर्न, स्क्यान गरिएका बिल र फारमबाट डेटा निकाल्न तथा लामो भिडिओहरू बुझ्न सक्ने बताइएको छ । यसले चलचित्र र टिभी सिरियलका पात्रहरूका साथै विभिन्न प्रडक्ट पनि पहिचान गर्न सक्छ ।
चिनियाँ कम्पनीले विकास गरेकाले यो मोडल केही निश्चित विषयमा छलफल गर्न अस्वीकार गर्ने गरेको प्रयोगकर्ताको अनुभव छ । उदाहरणका लागि ‘सी जिनपिङका गल्तीहरू’ बारे सोध्दा यसले इरोर मेसेज देखाउँछ । चीनको इन्टरनेट नियामकले देशमा विकास गरिएका मोडलको परीक्षण गर्छ र तिनीहरूको प्रतिक्रिया ‘समाजवादी मूल्यमान्यता’ अनुरूप हुनुपर्ने नियम बनाएको छ । त्यसैले चिनियाँ एआई प्रणालीहरू ताइवानको स्वायत्तता जस्ता विषयहरूमा प्रतिक्रिया दिन अस्वीकार गर्छन् ।
Don’t Miss @Alibaba_Qwen 2.5 VL! Despite all the Deepseek Hype, Qwen just dropped the best open Multimodal! Qwen 2.5 VL is a Vision Language Model that can control your computer, similar to the @OpenAI operator, extract structured information from charts, and more!!
— Philipp Schmid (@_philschmid) January 27, 2025
TL;DR;
3️⃣… pic.twitter.com/GeEGVdl0tI
यो मोडलको सबैभन्दा रोचक विशेषता भनेको यसले कम्प्युटर र मोबाइल दुवैमा सफ्टवेयरसँग अन्तरक्रिया गर्न सक्नु हो । हगिङ फेसका प्राविधिक प्रमुख फिलिप स्च्मिडले एक्समा एक भिडिओ पोस्ट गरेका छन् । उक्त पोस्टमा क्यूवेन २.५-भीएलले एन्ड्रोइडको लागि बुकिङ डटकम एप खोलेर चोङकिङबाट बेइजिङको लागि उडान बुक गरेको देखाइएको छ ।
LMAO Qwen 2.5 VL can perform Computer Use, out of the box, taking on OpenAI Operator HEAD ON! 🐐 pic.twitter.com/lwMECXzNSu
— Vaibhav (VB) Srivastav (@reach_vb) January 27, 2025
अर्को भिडिओमा क्यूवेन २.५-भीएलले लिनक्स डेस्कटपमा एपहरू कन्ट्रोल गरेको देखिन्छ । क्यूवेनको परीक्षणले यो मोडलले वास्तविक कम्प्युटर वातावरणको नक्कल गर्ने ओएसवर्ल्ड (OSWorld) बेन्चमार्कमा कमजोर प्रदर्शन गरेको देखाउँछ ।
क्यूवेन २.५-भीएल सिरिजमा दुई ओटा साना मोडलहरू पनि छन् - क्यूवेन २.५-भीएल-३बी र क्यूवेन २.५-भीएल-७बी । यी दुवैलाई परीक्षणको लागि उपलब्ध गराइएको छ । तर, प्रमुख मोडल क्यूवेन २.५-भीएल-७२बी भने अलिबाबाको विशेष लाइसेन्स अन्तर्गत उपलब्ध छ । यसलाई व्यावसायिक प्रयोग गर्नका लागि १०० मिलियन भन्दा बढी मासिक सक्रिय प्रयोगकर्ता भएका कम्पनी र डेभलपरले अलिबाबाबाट अनुमति लिनुपर्नेछ ।
पछिल्लो अध्यावधिक: माघ १६, २०८१ १८:४४
