அலிபாபாவின் Qwen ஆராய்ச்சி ஆய்வகம் வெள்ளிக்கிழமை Qwen 3.8 27B ஐ வெளியிட்டது, இது Apache 2.0-உரிமம் பெற்ற, ஒரு நியாயமான குறிப்பிட்ட லேப்டாப்பில் இயங்கும், பார்வை திறன் கொண்ட பெரிய மொழி மாதிரி - மற்றும், ஆய்வகத்தின் சொந்த வரையறைகளின்படி, அதன் முன்னோடி மட்டுமல்ல, சமீபத்திய மே மாதத்தின் வலுவான க்யூவெயிட் மாடலை விடவும் சிறப்பாக செயல்படுகிறது.

இந்த வெளியீடு டெவலப்பர் வட்டங்களில் இந்த மாதத்தில் அதிகம் விவாதிக்கப்பட்ட மாடல் வெளியீடுகளில் ஒன்றாக மாறியுள்ளது. ஞாயிற்றுக்கிழமை வெளியான சைமன் வில்லிசன், ஒரு முக்கிய சுயாதீன AI ஆராய்ச்சியாளர் மற்றும் பதிவர், நூற்றுக்கணக்கான ஆதரவுகளுடன் ஹேக்கர் நியூஸின் முதல் பக்கத்தை அடைந்தது, வாசகர்கள் மாதிரியின் திறன்கள் மற்றும் அதன் அசாதாரண இயல்புநிலை உள்ளமைவு பற்றி விவாதித்தனர். For more context on this story, see our ongoing AI news.

Qwen 3.8 27B இல் புதிதாக என்ன இருக்கிறது

இந்த மாடல் அலிபாபாவின் ஓப்பன்-வெயிட்ஸ் வரிசையில் சமீபத்தியது, மிகவும் பெரிய Qwen 3.8 2.4T-A95B கலவை-ஆஃப்-நிபுணர்கள் வெளியீட்டிற்கு சில வாரங்களுக்குப் பிறகு வருகிறது. Qwen இன் சுய-அறிக்கை அளவுகோல்களின்படி, 27B மாடல் Qwen 3.6 27B மற்றும் மூடிய எடை Qwen 3.7-Plus இரண்டையும் விட ஆதாயங்களைக் காட்டுகிறது - அதன் பெயர் இருந்தபோதிலும், இந்த ஆண்டின் தொடக்கத்தில் எந்த அளவிலும் Qwen இன் வலிமையான செயல்திறன் கொண்ட ஒரு மாதிரியாக இருந்தது.

மாடல் அதிகபட்ச சூழல் நீளம் 262,144 டோக்கன்களை ஆதரிக்கிறது, பார்வை உள்ளீடுகளைக் கையாளுகிறது மற்றும் மூன்று நிலைகளில் பகுத்தறிவு ஆழத்தை சரிசெய்யும் `xhigh`, `medium` மற்றும் `low` அளவுருக்கான அதிகாரப்பூர்வ ஆதரவுடன் அனுப்புகிறது.

அந்த முதல் அமைப்பே — `xhigh`, தொழிற்சாலை இயல்புநிலை — இது வெளியீட்டின் பேசுபொருளாக மாறியுள்ளது.

அதிக சிந்தனை பிரச்சனை

128ஜிபி மேக்புக் ப்ரோ மற்றும் என்விடியா டிஜிஎக்ஸ் ஸ்பார்க்கில் எல்எம் ஸ்டுடியோவின் 17ஜிபி Q4_K_M அளவுக்கேற்ற கட்டமைப்பைப் பயன்படுத்தி மாடலைச் சோதித்த வில்லிசன், இயல்புநிலையை "அதிகமான சிந்தனையை" உருவாக்குவதாக விவரித்தார்.

ஒரு குறிப்பிடத்தக்க உதாரணத்தில், சைக்கிள் ஓட்டும் பெலிக்கனின் SVG ஐ வரையுமாறு அவர் மாடலிடம் கேட்டார். இயல்புநிலை `xhigh` பகுத்தறிவு முயற்சியுடன், மாடல் 3,223 டோக்கன் வெளியீட்டை உருவாக்க 22,276 காரண டோக்கன்களை செலவழித்தது - இந்த செயல்முறையானது அவரது வன்பொருளில் 21 நிமிடங்கள் எடுத்தது. இதன் விளைவாக, "இதுவரை சிறந்த பெலிகன் SVG" என்று அவர் குறிப்பிட்டார், சரியான சைக்கிள் வடிவியல், சட்டத்தின் இருபுறமும் கால்கள் மற்றும் சுவையான விளக்கப்பட பின்னணியுடன் உள்நாட்டில் இயங்கும் ஒரு மாதிரியுடன் அவர் உருவாக்க முடிந்தது.

பரிமாற்றம் வெளிப்படையானது: பெரும்பாலான பணிகளுக்கு 21 நிமிடங்கள் என்பது நடைமுறைக்கு மாறான காத்திருப்பு. பகுத்தறிவு முடக்கப்பட்ட அதே ப்ராம்ட்டை மீண்டும் இயக்குவது 137 வினாடிகளில் - பத்தில் ஒரு பங்கு நேரத்திற்குள் - இதே வெளியீட்டு நீளத்தில் பதிலை உருவாக்கியது.

அற்பமான எளிய தூண்டுதல்கள் கூட நடத்தையைத் தூண்டுகின்றன. "ஒரு வட்டத்தின் svg ஐ வரையவும்" என்று கேட்கப்பட்டால், மாடலின் தர்க்கத் தடத்தை எடையுள்ள தட்டு விருப்பங்கள், Bauhaus ஸ்டைலிங், அடுக்கு வளையங்கள் மற்றும் அனிமேஷன் அணுகுமுறைகள் மூலம் திறக்கப்பட்டது — ஒரு XML குறிச்சொல் தேவைப்படும் வடிவத்திற்கு பல நிமிட ஆலோசனை.

வில்லிசனின் தீர்ப்பு: மாதிரி சிறப்பாக உள்ளது, ஆனால் இயல்புநிலை உள்ளமைவு "மாடலை இயக்குவதற்கு முற்றிலும் நல்ல வழி அல்ல, குறிப்பாக நுகர்வோர் வன்பொருளில்." பயனர்கள் `நடுத்தர` அல்லது `குறைந்த` பகுத்தறிவு முயற்சிக்கு மாறலாம் அல்லது நீட்டிக்கப்பட்ட சிந்தனையை முழுவதுமாக முடக்கலாம்.

உள்ளூர் AI இன் உந்தம்

ஃபிரான்டியர் கிளவுட் மாடல்களுக்கும் உள்நாட்டில் இயங்கக்கூடிய திறந்த மாடல்களுக்கும் இடையிலான திறன் இடைவெளி எவ்வளவு விரைவாகக் குறைந்துள்ளது என்பதை இந்த வெளியீடு அடிக்கோடிட்டுக் காட்டுகிறது. லேப்டாப்பில் இயங்கும் 17ஜிபி கோப்பு, குறிப்பிட்ட ஆக்கப்பூர்வமான பணிகளில், நீண்ட காலத்திற்கு முன்பு தேவைப்பட்ட தரவு மைய அளவிலான மாதிரிகளுக்குப் போட்டியாக முடிவுகளைத் தருகிறது.

இது 2026 ஆம் ஆண்டை வரையறுத்த சீன ஆய்வகங்களின் ஓப்பன் வெயிட்ஸ் வேகத்தையும் தொடர்கிறது. டெவலப்பர் மைண்ட்ஷேர்க்காக Meta, DeepSeek மற்றும் Moonshot AI வெளியீடுகளுடன் போட்டியிடும் அலிபாபாவின் க்வென் குடும்பம் இந்த ஆண்டு உலகளவில் அதிகம் பதிவிறக்கம் செய்யப்பட்ட மாடல் வரிசைகளில் ஒன்றாக உள்ளது. Qwen 3.8 27B இன் இன்டிபென்டன்ட் பெஞ்ச்மார்க் முடிவுகள் இன்னும் குவிந்து வருகின்றன, மேலும் ஆய்வகத்தின் சுய-அறிக்கை எண்கள் மூன்றாம் தரப்பு சரிபார்ப்புக்காக காத்திருக்கின்றன என்று வில்லிசன் வெளிப்படையாக எச்சரித்தார்.

பயனர்களுக்கான நடைமுறை வழிகாட்டுதல்

மாதிரியைக் கருத்தில் கொண்ட டெவலப்பர்கள் மற்றும் ஆர்வலர்களுக்கு, ஆரம்பகால சோதனையில் இருந்து வெளிவரும் ஒருமித்த கருத்து நேரடியானது: Qwen 3.8 27B என்பது பார்வை அல்லது நீண்ட ஆவணங்களை உள்ளடக்கிய உள்ளூர் AI பணிச்சுமைகளுக்கு ஒரு வலுவான இயல்புநிலை தேர்வாகும், ஆனால் பகுத்தறிவு முயற்சி பணிக்கு ஏற்றதாக இருக்க வேண்டும். சிக்கலான பகுப்பாய்வு `xhigh` என்பதை நியாயப்படுத்தலாம்; தினசரி கேள்விகள் மற்றும் விரைவான வரைவுகள் `நடுத்தரம்` அல்லது அதற்குக் கீழே உள்ளவற்றில் வேகமாகவும் மலிவாகவும் இருக்கும்.

எல்எம் ஸ்டுடியோ போன்ற கருவிகள் மூலம் மாடலை இயக்கும் பயனர்கள் இயல்புநிலை சூழல் சாளரத்தை 8,192 டோக்கன்களில் இருந்து உயர்த்த வேண்டும் - வில்லிசன், மாடலின் நீட்டிக்கப்பட்ட சிந்தனையானது, முழு 262,144-டோக்கன் சூழலுடன் அதை ஏற்றுவதற்கு முன், சாதாரண பிரச்சனைகளில் கூட அந்த பட்ஜெட் தீர்ந்துவிட்டது.

திறந்த மாதிரி பந்தயத்தின் அடுத்த கட்டத்தைப் பற்றி வெளியீடு என்ன சமிக்ஞை செய்கிறது என்பது பெரிய கேள்வி: பகுத்தறிவு-பாணி மாதிரிகள் வழக்கமாக மாறும்போது, ​​​​உள்ளமைவு இயல்புநிலைகள் உண்மையான பயன்பாட்டு விளைவுகளுடன் தயாரிப்பு முடிவுகளாக மாறுகின்றன - மேலும் Qwen இன் `xhigh` இயல்புநிலை ஏற்கனவே அதிகம் விவாதிக்கப்பட்ட எடுத்துக்காட்டு.

திறந்த எடைகளுக்கான மைல்கல்

திறந்த எடை ஆய்வகங்கள் இப்போது சிறிய அளவில் என்ன வழங்க முடியும் என்பதில் இந்த வெளியீடு ஒரு மைல்கல்லைக் குறிக்கிறது. பார்வை திறன், 262,144-டோக்கன் சூழல் சாளரம் மற்றும் ஒரு நுகர்வோர் மடிக்கணினியில் பொருந்தக்கூடிய ஒரு தொகுப்பில் உள்ள போட்டி பகுத்தறிவு செயல்திறன் இரண்டு ஆண்டுகளுக்கு முன்பு Apache-2.0-உரிமம் பெற்ற மாடலில் நினைத்துப் பார்க்க முடியாததாக இருந்திருக்கும். லோக்கல்-முதல் பயன்பாடுகளை உருவாக்கும் டெவலப்பர்களுக்கு - தரவு தனியுரிமை, தாமதம் அல்லது ஆஃப்லைன் செயல்பாடு கிளவுட் ஏபிஐகளை விலக்கும் - நடைமுறை விருப்பங்கள் விரைவான கிளிப்பில் மேம்படுகின்றன.

வில்லிசனின் சோதனையானது சுற்றுச்சூழலுக்கான முதிர்ச்சிப் புள்ளியையும் எடுத்துக்காட்டுகிறது: உள்ளூர் மாடல்களைச் சுற்றியுள்ள கருவிகள், LM ஸ்டுடியோவின் ஒரே கிளிக்கில் GGUF பதிவிறக்கங்கள் முதல் உள்ளமைக்கக்கூடிய பகுத்தறிவு அளவுருக்கள் வரை, ஒரு மாதிரியின் சிந்தனை ஆழத்தை சரிசெய்வது இப்போது ஆராய்ச்சிப் பயிற்சியை விட வழக்கமான பயனர் முடிவாகும். வரவிருக்கும் நாட்களில் சுதந்திரமான அளவுகோல்கள் குவிந்து வருவதால், அதன் திறந்த மற்றும் மூடிய போட்டியாளர்களுக்கு எதிராக Qwen 3.8 27B சரியாக எங்கு இறங்குகிறது என்ற படம் கூர்மையடையும் - ஆனால் ஆரம்ப வரவேற்பு வரிசையில் மற்றொரு வலுவான நுழைவை பரிந்துரைக்கிறது, இது அலிபாபாவை உலகின் மிகவும் தொடர்ச்சியான திறந்த மாதிரி வெளியீட்டாளர்களில் ஒருவராக மாற்றியுள்ளது.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →