Alibaba plant Modell mit 10 Billionen Parametern
Alibaba kündigt an, die Qwen-Modelle auf bis zu 10 Billionen Parameter zu skalieren, und stellt den neuen KI-Chip Zhenwu V900 vor.
Alibaba bereitet Modell mit 10 Billionen Parametern vor
Das Unternehmen hat seine Pläne für die nächsten Generationen seiner Modelle vorgestellt: Qwen 4 befindet sich derzeit im Training, während Qwen 4.5 und Qwen 5 geplant sind, auf 5–10 Billionen Parameter skaliert zu werden. Zum Vergleich: Das aktuelle Qwen 3.8 Max umfasst 2,4 Billionen Parameter.
Parallel dazu stellte Alibaba einen neuen KI-Chip vor, den Zhenwu V900, der dreimal leistungsstärker ist als die vorherige Generation. Auf Basis dieses Chips plant das Unternehmen, Cluster mit bis zu 500.000 GPUs zu errichten und bis 2032 eine Rechenzentrums-Leistungskapazität von 20 GW zu erreichen.
Warum das wichtig ist
AnalyseDie Skalierung der Parameter und die Entwicklung proprietärer Chips unterstreichen Alibabas Ambition, vollständige Unabhängigkeit in der KI-Infrastruktur zu erlangen und die Führung im Markt für große Sprachmodelle zu übernehmen.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
Teil II. Architektur von KI-Agenten: Vom Modell zu Gedächtnis und Tools
Tiefes technisches Eintauchen: Tokenisierung, KV-Cache, Determinismus beim Sampling, Trainings-Stack, Quantisierung, Kontext-Engineering, Security-Stack, produktives RAG, ReAct sowie Multi-Agenten-Swarm-Systeme.
Frontier-Modelle
Die leistungsstärkste Klasse künstlicher Intelligenz an der Spitze der globalen Forschung (Claude 3.7 Sonnet, OpenAI o3/GPT-4.5, Gemini 2.0 Pro), die die Grenzen moderner Fähigkeiten in Bezug auf Reasoning, Autonomie und Coding definiert.
LLM (Large Language Model – Großes Sprachmodell)
Eine fundamentale Klasse neuronaler Netzwerkarchitekturen auf Basis autoregressiver Transformer, die Wahrscheinlichkeitsverteilungen für nachfolgende Tokens vorhersagt und emergente Fähigkeiten im abstrakten Denken, in der Code-Synthese sowie im logischen Schlussfolgern zeigt.
Thinking Machines veröffentlicht Inkling 2 Small: ein 594B-MoE-Modell, das andere Modelle feinabstimmen kann
Thinking Machines hat Inkling 2 Small vorgestellt, ein MoE-Modell mit 594B Parametern, das unter offenen Modellen in mehreren Benchmarks führt und autonom Qwen3.5-4B feinabstimmen konnte.