Las descargas de Tongyi Qianqian Qwen superaron los 40 millones, "engendrando" más de 50.000 niños Modelos.

No BS dejar primero probar Qwen aquí：

Inaugurada la Conferencia Yunqi de la "Gala del Festival de Primavera" de computación en nube, ¡el gran modelo Tongyi Qwen volvió a hacer estallar toda la escena!
Cosas sabias informó el 19 de septiembre, Hangzhou, hoy en día, Ali Cloud lanzó el más fuerte del mundo de código abierto gran modelo Qwen2.5-72B, el rendimiento "medida cruzada" más allá de Llama3.1-405B, y luego en el trono del mundo de código abierto gran modelo.
A continuación se resumen los resultados de los trabajos de este proyecto

Qwen2.5-72B supera a Llama-405B en muchas pruebas acreditadas.

Al mismo tiempo, una gran serie de modelos Qwen2.5 se hicieron de código abierto, incluyendo: el modelo de lenguaje Qwen2.5, el modelo de lenguaje visual Qwen2-VL-72B, el modelo de programación Qwen2.5-Coder, y el modelo matemático Qwen2.5-Math, etc., con un total acumulado de más de 100 en las estanterías, y algunos de ellos alcanzando el rendimiento de la GPT-4o para establecer un nuevo récord mundial.
"Es un jueves de locos", "Producto épico" ...... En las pocas horas transcurridas desde su lanzamiento, Qwen2.5 ha desatado un frenesí de discusiones en las redes sociales nacionales e internacionales, y desarrolladores de todo el mundo se han unido al equipo de pruebas.

▲Qwen2.5 es un tema candente en las redes sociales nacionales e internacionales.

Qwen2.5-Math, por ejemplo, combina el reconocimiento visual con Qwen2.5-Math. Al introducir una captura de pantalla de una pregunta de opción múltiple geométricamente similar, Qwen2.5-Math reconoce rápidamente el significado de la pregunta y da la solución correcta y la respuesta "B", que es a la vez precisa y rápida. La precisión y la velocidad son asombrosas.
Es la primera vez que veo Qwen2.5-Math en la web.

▲Qwen2.5-Prueba de matemáticas

En solo un año y medio, desde abril de 2023, Qwen se ha convertido en un grupo de modelaje de talla mundial, solo superado por Llama.
Según los últimos datos publicados por Zhou Jingren, CTO de AliCloud, a mediados de septiembre de 2024, el número acumulado de descargas de modelos de código abierto de Tongyi Qwen ha superado los 40 millones, y se han derivado más de 50.000 modelos de gran tamaño.

▲Qwen serie derivada grandes modelos de más de 50.000

¿Cuáles son las mejoras específicas de rendimiento de Qwen 2.5? ¿Cuáles son los aspectos más destacados de los 100 nuevos modelos de código abierto? El Qwen2.5 es el primero de su clase en el mundo, y es el primero de su clase en China.
Dirección del blog: https://qwenlm.github.io/blog/qwen2.5/
Dirección del proyecto: https://huggingface.co/spaces/Qwen/Qwen2.5

▲El blog oficial publica los clústeres del modelo Aliyun Qwen 2.5

01.A la cabeza de la lista mundial de nuevo, Qwen2.5 cross-volume Catching up with Llama3.1-405B

Veamos en concreto el rendimiento de Qwen2.5.
El modelo Qwen2.5 admite hasta 128K de longitud de contexto, puede generar hasta 8K de contenido y es compatible con más de 29 idiomas, lo que significa que puede ayudar a los usuarios a escribir artículos de 10.000 palabras.
No sólo eso, basándose en 18T de datos de tokens de preentrenamiento, Qwen2.5 tiene más de 18% de mejora de rendimiento global en comparación con Qwen2, con más conocimientos y habilidades de programación y matemáticas más fuertes.

Zhou Jingren, director de tecnología de AliCloud, explica Qwen2.5

El modelo estrella, Qwen2.5-72B, obtuvo puntuaciones de 86,8, 88,2 y 83,1 en las pruebas de referencia MMLU-rudex (que examina los conocimientos generales), MBPP (que examina la capacidad de codificación) y MATH (que examina la capacidad matemática).
Qwen2.5, con sus 72.000 millones de parámetros, supera incluso a Llama3.1-405B, con sus 405.000 millones de parámetros, "en órdenes de magnitud".
Llama3.1-405B fue lanzado por Meta en julio de 2024, y en más de 150 conjuntos de pruebas de referencia, igualó o incluso superó al entonces modelo SOTA (el mejor de la industria) GPT-4o, desencadenando la afirmación de que "el modelo de código abierto más fuerte es el modelo más fuerte".
Qwen2.5-72B-Instruct, la versión de seguimiento de Qwen2.5, superó a Llama3.1-405B en MMLU-redux, MATH, MBPP, LiveCodeBench, Arena-Hard, AlignBench, MT-Bench, MultiPL-E y otras evaluaciones autorizadas. 405B.
Fotos

▲Qwen2.5-72B situación de evaluación del modelo

Qwen2.5 vuelve a ser el modelo de código abierto más sólido del mundo, contribuyendo a la tendencia del sector de "código abierto sobre código cerrado".
Se trata de AliCloud tras la serie de código abierto Tongyi Qianqian Qwen2 en junio de este año, alcanzando al entonces modelo de código abierto más fuerte Llama3-70B, y luego lanzando una serie de versiones de código abierto.
Se ha convertido en un ritmo familiar en la comunidad de desarrolladores de IA que cada nuevo rey que aparece es pronto superado por una nueva versión de Tongyi.
Tras la apertura de Qwen2.5 en la noche del 18 de septiembre, muchos desarrolladores estaban tan entusiasmados que no durmieron y lo probaron primero.
No estoy seguro de poder hacerlo.

Los desarrolladores nacionales e internacionales debaten acaloradamente sobre Qwen2.5

02.La mayor comunidad de modelos de la historia del mundo
Lo más importante es comprender bien lo que ocurre en el mundo y cómo funciona.

La comunidad de modelado de código abierto Qwen2.5 es la mayor que ha existido nunca.
Zhou Jingren, CTO de AliCloud, anunció en la conferencia de Yunqi que la serie Qwen2.5 sumaba más de 100 modelos de código abierto en las estanterías, adaptándose plenamente a las necesidades de desarrolladores y pymes en diversos escenarios.
Esto responde a las peticiones de muchos desarrolladores, que llevan mucho tiempo "urgiendo" en los principales medios sociales.

▲Los promotores nacionales e internacionales piden más Qwen2.5

1, modelo lingüístico: de 0,5B a 72B siete tamaños, de escenarios de uso final a escenarios de uso industrial cobertura total
Qwen2.5 ofrece siete tamaños de modelos lingüísticos de código abierto: 0,5B, 1,5B, 3B, 7B, 14B, 32B y 72B, todos los cuales han obtenido resultados SOTA en las pistas correspondientes.
Fotos

▲El Qwen2.5 de múltiples tamaños satisface las necesidades de diversos escenarios

Dadas sus avanzadas capacidades en Procesamiento del Lenguaje Natural (PLN) y comprensión de la codificación, Qwen2.5 de Alibaba Cloud está diseñado para manejar una amplia gama de aplicaciones. Estos son algunos escenarios específicos en los que se puede utilizar Qwen2.5:

  • Mejor servicio al cliente: Qwen2.5 puede emplearse en chatbots para interacciones más parecidas a las humanas, respondiendo eficazmente a las consultas de los clientes y ofreciéndoles soluciones.
  • Creación de contenidos: El modelo puede ayudar a generar artículos, publicaciones en redes sociales y otros contenidos escritos, ahorrando tiempo a los creadores de contenidos.
  • Ayuda a la programación: Con su serie especializada Qwen2.5-Coder, puede ayudar a los desarrolladores sugiriéndoles fragmentos de código, ayuda para la depuración y automatización de determinadas tareas de codificación.
  • Educación y Aprendizaje: Qwen2.5 puede utilizarse para desarrollar herramientas educativas como plataformas de aprendizaje interactivas que ofrecen explicaciones, responden a las preguntas de los alumnos e incluso califican las tareas.
  • Servicios de traducción: Dado su dominio de múltiples idiomas, puede prestar servicios de traducción en tiempo real para salvar las distancias lingüísticas en la comunicación internacional.
  • Investigación y desarrollo: En investigación, Qwen2.5 puede procesar grandes cantidades de datos de texto para ayudar a descubrir patrones, resumir hallazgos y generar informes.
  • Asistencia jurídica: El modelo puede leer documentos jurídicos, extraer información relevante e incluso redactar documentos jurídicos básicos, lo que ahorra tiempo a los profesionales del Derecho.
  • Asistencia sanitaria: Qwen2.5 puede utilizarse para responder a preguntas habituales sobre salud, proporcionar información médica y ayudar a gestionar los datos de los pacientes.
  • Marketing y publicidad: Puede ayudar a crear contenidos de marketing personalizados, textos publicitarios y campañas en redes sociales dirigidas a públicos específicos.
  • Análisis de datos: Qwen2.5 puede procesar y analizar grandes conjuntos de datos para proporcionar información y ayudar a tomar decisiones basadas en datos.
  • Informes automatizados: El modelo puede generar informes procesando datos e información en diversas áreas, lo que resulta especialmente útil en el análisis financiero y empresarial.
  • Desarrollo de juegos: Qwen2.5 puede ayudar a crear diálogos y narraciones interactivas para personajes de videojuegos con el fin de mejorar la participación de los jugadores.
  • Asistente virtual: Impulsa asistentes virtuales que pueden gestionar horarios, establecer recordatorios y proporcionar asesoramiento personalizado.
  • Comercio electrónico: Qwen2.5 puede ayudar a generar descripciones de productos, gestionar las consultas de los clientes y crear experiencias de compra personalizadas.
  • Soporte multilingüe: Puede utilizarse en aplicaciones globales que requieran una interacción multilingüe, como la atención al cliente internacional o la localización de contenidos.

Estas versiones ayudan a los desarrolladores a equilibrar la capacidad y el coste del modelo, y a adaptarse a diversos escenarios. Por ejemplo, 3B es el tamaño de oro para adaptarse a los teléfonos móviles y otros dispositivos finales, 32B es el más esperado por los desarrolladores para ser el "rey de la rentabilidad", y 72B es el rey del rendimiento de los escenarios de grado industrial y de grado de investigación científica.
Dirección del blog: https://qwenlm.github.io/zh/blog/qwen2.5-llm/
2、Modelo multimodal: el modelo visual comprende 20 minutos de vídeo, el modelo audiolingüe admite 8 idiomas
Qwen2-VL-72B, el esperado modelo de lenguaje visual a gran escala, ha sido publicado hoy oficialmente en código abierto.
Qwen2-VL puede reconocer imágenes con distintas resoluciones y relaciones de aspecto, comprender vídeos largos de más de 20 minutos, tener la capacidad de regular las inteligencias visuales de teléfonos móviles y dispositivos, y superar el nivel GPT-4o de comprensión visual.

▲Modelo de lenguaje visual a gran escala Qwen2-VL-72B de código abierto

Qwen2-VL-72B se convirtió en el modelo de comprensión visual de código abierto con mayor puntuación en la evaluación global autorizada LMSYS Chatbot Arena Leaderboard.

Qwen2-VL-72B es el modelo de comprensión visual de código abierto con mayor puntuación.

El modelo de lenguaje de audio a gran escala Qwen2-Audio es un modelo de código abierto capaz de comprender la voz humana, la música y el sonido natural, soportar el chat de voz, el análisis de mensajes de audio y admitir más de 8 idiomas y dialectos, y es líder mundial en el índice de evaluación de la corriente principal.
Dirección del blog: http://qwenlm.github.io/blog/qwen2-vl/
3, modelo especial: debut del modelo matemático de código abierto más avanzado, a la altura del GPT-4o
Qwen2.5-Coder para programación y Qwen2.5-Math para matemáticas también se anunciaron como código abierto en esta Conferencia Cloud Habitat.
Entre ellos, Qwen2.5-Math es la serie de modelos matemáticos de código abierto más avanzada hasta la fecha, esta vez de código abierto de 1,5B, 7B, 72B tres tamaños y modelo de recompensa matemática Qwen2.5-Math-RM.

▲Qwen2.5-Math código abierto

El modelo insignia Qwen2-Math-72B-Instruct supera a modelos propios como GPT-4o y Claude 3.5 en tareas descendentes relacionadas con las matemáticas.
Qwen2.5-Coder, que se entrenó con hasta 5,5T de tokens de datos relacionados con la programación, se abrió el mismo día en las versiones 1.5B y 7B, y se abrirá en el futuro en la versión 32B.

Código abierto ▲Qwen2.5-Coder

Dirección del blog:
https://qwenlm.github.io/zh/blog/qwen2.5-math/
https://qwenlm.github.io/zh/blog/qwen2.5-coder/
Además, cabe mencionar que Qwen-Max, el modelo insignia de Tongyiqianqian, se ha actualizado por completo, acercándose o incluso superando a GPT-4o en más de diez puntos de referencia autorizados, como MMLU-Pro, MATH, etc., y está en línea en el sitio web oficial de Tongyiqianqian y Tongyi APP. Los usuarios también pueden llamar a las API de Qwen-Max a través de la plataforma de refinamiento AliCloud Hundred.
Fotos

▲Qwen-Max realiza una actualización integral

Since the release of the first generation of the Tongyi Qianqian large model in April 2023, AliCloud has enabled Chinese enterprises to use the large model at low cost, which in turn has driven today’s Qwen2.5 series to be “more and more useful”.
Qwen2.5 series models cover the basic version, command-following version, quantitative version, which is iterated in real-world scenarios.

03.¡Qwen ha superado los 40 millones de descargas! Han nacido más de 50.000 "bebés".

After a year and a half of rapid development, Tongyi Qwen has become a world-class model group second only to Llama.
Zhou Jingren announced two sets of the latest data to confirm this:
First, the number of model downloads, as of early September 2024, the cumulative downloads of Tongyi Qianwen’s open source models have exceeded 40 million, which is the result of developers and SMEs voting with their feet;
The second is the number of derived models, as of early September, the total number of Tongyi’s native and derived models exceeded 50,000, second only to Llama.

▲Tongyi Thousand Questions open source model cumulative downloads exceeded 40 million

So far, the “10,000 models with the same source” has become a significant trend in the development of China’s large model industry.
What is the concept? The Chinese open source not only ranks first in the world in terms of performance, but also in terms of ecological expansion. Open source communities, ecological partners, and developers at home and abroad have become the “tap water” of Tongyi Chienqin, which has become the first big model adopted by many enterprises, and also the longest-used big model.
As early as August 2023, Aliyun open-sourced the 7 billion parameter model of Tongyi Qwen to free commercialization, and then this year’s Qwen1.5, Qwen2, Qwen2.5 released one after another, so that developers can quickly use the most advanced model at the same time, to obtain greater control and tuning space, thus becoming the preferred choice of more enterprises.
At the beginning of July, engineers from Hugging Face, the world’s largest open source community, had tweeted to certify that Tongyi is the most rolled-up big model in China. And through AliCloud, Tongyi Big Model has served more than 300,000 customers in various industries. In the just past second quarter of 2024 (corresponding to Q1 of Alibaba’s fiscal year 2025), Aliyun’s AI-related product revenues realized triple-digit growth.

▲Tongyi Big Model serves more than 300,000 customers

What did Aliyun do right?
In my opinion, unlike the foreign big manufacturers Microsoft and ChatGPT strong binding, Amazon AWS convergence of three-party model to do the underlying infrastructure, Aliyun integrated the advantages of the two, at the outset, chose to AI infrastructure services and self-research big model two-handedly.
Focusing on self-research models, Ali Cloud is the only cloud giant in China that is firmly clear about model open source and openness, and has spared no effort to make a huge investment in model breakthroughs, ecological compatibility, developer services, etc., so as to make Tongyi big models step by step into the core circle of the world’s AI competition.

04.Conclusión: Todos los modelos tienen el mismo origen Momento Cuenca Industria

Open source models are catching up with or even catching up with closed source models. From Meta’s Llama-405B in July to AliCloud’s Qwen2.5-72B today, the landscape of “all models from the same source” is taking shape. The one and a half year surge of the Tongyi Qianqi large model has allowed many industries and enterprises to realize lower cost AI scale landing, and the industry is entering a new watershed moment.

FAQS

  1. Q: What are the different model sizes available for Qwen2.5? A: Qwen2.5 offers a range of models from 0.5B to 72B parameters, providing options for various applications and requirements.
  2. Q: How does Qwen2.5 support programming tasks? A: Qwen2.5 includes a specialized series called Qwen2.5-Coder, designed to enhance code generation, inference, and debugging, with support for up to 128K tokens.
  3. Q: What is the training data like for Qwen2.5? A: Qwen2.5 is pre-trained on a vast dataset covering up to 18 trillion tokens, ensuring a broad understanding of language.
  4. Q: Is Qwen2.5 suitable for use in education? A: Yes, Qwen2.5’s capabilities in natural language processing make it suitable for educational tools, including interactive learning platforms.
  5. Q: How does Qwen2.5 perform in benchmarks compared to other models? A: Qwen2.5 currently ranks third in multimodal benchmarks, outperforming models like Llama3.1 in several areas.
  6. Q: What languages does Qwen2.5 support? A: Qwen2.5 supports multiple languages, including but not limited to Python, Java, and C++.
  7. Q: Can Qwen2.5 generate code in multiple programming languages? A: Yes, Qwen2.5-Coder is capable of generating code in various programming languages, catering to the needs of different developers.
  8. Q: How does Qwen2.5 handle long contexts? A: Qwen2.5 supports context lengths up to 32K, which is beneficial for improving the accuracy of code completion and inference.
  9. Q: Is Qwen2.5 open source? A: While the open source version of Qwen2.5 has not yet been released, detailed documentation and examples are available on platforms like GitHub.
  10. Q: What are some real-world application scenarios for Qwen2.5? A: Qwen2.5 can be utilized in customer service chatbots, content creation, programming assistance, education, translation services, legal assistance, healthcare support, marketing, data analytics, automated reporting, game development, virtual assistants, e-commerce, and multilingual support across various industries.