Alibaba prépare un modèle d'IA de 10 billions de paramètres
Alibaba annonce son intention de porter les modèles Qwen à 10 billions de paramètres et dévoile la nouvelle puce IA Zhenwu V900.
Alibaba prépare un modèle d'IA de 10 billions de paramètres
L'entreprise a partagé ses plans pour les prochaines générations de modèles : Qwen 4 est actuellement en cours d'entraînement, tandis que Qwen 4.5 et Qwen 5 sont prévus pour être étendus à 5-10 billions de paramètres. À titre de comparaison, l'actuel Qwen 3.8 Max contient 2,4 billions de paramètres.
En parallèle, Alibaba a introduit une nouvelle puce IA, la Zhenwu V900, qui offre une puissance trois fois supérieure à celle de la génération précédente. Sur la base de cette puce, l'entreprise prévoit de construire des clusters pouvant atteindre 500 000 GPU et d'atteindre une capacité de puissance des centres de données de 20 GW d'ici 2032.
Pourquoi c'est important
AnalyseLa montée en échelle des paramètres et le développement de puces propriétaires démontrent l'ambition d'Alibaba d'assurer une indépendance totale dans l'infrastructure IA et de s'imposer comme leader sur le marché des grands modèles de langage.
Discuter dans la communauté
Partagez vos questions et vos idées avec les développeurs
Lié dans l'écosystème
Guides pratiques, terminologie clé et compétences d'agents
Partie II. Architecture des agents IA : du modèle à la mémoire et aux outils
Immersion technique approfondie : tokenisation, cache KV, déterminisme de l'échantillonnage, stack d'entraînement, quantification, ingénierie contextuelle, stack de sécurité, RAG en production, ReAct et systèmes swarm multi-agents.
Modèles de pointe (Frontier Models)
La classe d'intelligence artificielle la plus puissante à l'avant-garde de la recherche mondiale (Claude 3.7 Sonnet, OpenAI o3/GPT-4.5, Gemini 2.0 Pro), définissant les limites actuelles des capacités de raisonnement, d'autonomie et de codage.
LLM (Large Language Model - Grand modèle de langage)
Classe fondamentale d'architectures de réseaux neuronaux basée sur le transformateur autorégressif, qui prédit la distribution probabiliste des tokens suivants et démontre des propriétés émergentes de pensée abstraite, de synthèse de code et de raisonnement logique.
Thinking Machines lance Inkling 2 Small : un modèle MoE de 594B capable d’affiner d’autres modèles
Thinking Machines a présenté Inkling 2 Small, un modèle MoE de 594B paramètres qui domine parmi les modèles ouverts sur plusieurs tâches et a démontré la capacité d’affiner Qwen3.5-4B de manière autonome.