Alibaba Qwen3.8-Flash-Next ಅನ್ನು ಅನಾವರಣಗೊಳಿಸಿದೆ: ದಕ್ಷ AI ನ ಹೊಸ ಯುಗ
Alibaba ನ Qwen ತಂಡವು ಅಧಿಕೃತವಾಗಿ Qwen3.8-Flash-Next ಅನ್ನು ಬಿಡುಗಡೆ ಮಾಡಿದೆ. ಇದು ಸಾಂಪ್ರದಾಯಿಕ ವೆಚ್ಚದ ಒಂದು ಸಣ್ಣ ಭಾಗದಲ್ಲಿ ಅತ್ಯುತ್ತಮ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ನೀಡಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ಕ್ರಾಂತಿಕಾರಿ ಮಲ್ಟಿಮೋಡಲ್ Mixture-of-Experts (MoE) ಮಾಡೆಲ್ ಆಗಿದೆ. ಮುಂಬರುವ Qwen4 ಗಾಗಿ ಒಂದು ವಾಸ್ತುಶಿಲ್ಪದ ಮುನ್ನೋಟವಾಗಿ (architectural preview) ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಈ ಮಾಡೆಲ್, ಪ್ಯಾರಾಮೀಟರ್ಗಳನ್ನು ಹೇಗೆ ಸಕ್ರಿಯಗೊಳಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಉತ್ತಮಗೊಳಿಸುವ ಮೂಲಕ ದೊಡ್ಡದಾದ LLMಗಳ ಪ್ರಾಬಲ್ಯಕ್ಕೆ ಸವಾಲು ಹಾಕುತ್ತದೆ.
ಕ್ರಾಂತಿಕಾರಿ ವಾಸ್ತುಶಿಲ್ಪ: N-gram ಎಂಬೆಡ್ಡಿಂಗ್ ನಾವೀನ್ಯತೆ
Qwen3.8-Flash-Next ನ ಪ್ರಮುಖ ತಾಂತ್ರಿಕ ಸಾಧನೆಯೆಂದರೆ ಅದರ ವಿಶಿಷ್ಟವಾದ ಪ್ರಮಾಣ (scale) ಮತ್ತು ದಕ್ಷತೆಯ (efficiency) ಸಮತೋಲನ. ಈ ಮಾಡೆಲ್ 125 ಬಿಲಿಯನ್ ಒಟ್ಟು ಪ್ಯಾರಾಮೀಟರ್ಗಳನ್ನು ಹೊಂದಿದ್ದರೂ, ಇದು ಪ್ರತಿ ಟೋಕನ್ಗೆ ಕೇವಲ 6 ಬಿಲಿಯನ್ ಪ್ಯಾರಾಮೀಟರ್ಗಳನ್ನು ಮಾತ್ರ ಸಕ್ರಿಯಗೊಳಿಸುವ 'sparse MoE' ವಿಧಾನವನ್ನು ಬಳಸುತ್ತದೆ. ಇದು ಹೆಚ್ಚು ಸಾಂದ್ರತೆಯುಳ್ಳ (denser) ಮಾಡೆಲ್ಗಳಲ್ಲಿ ಕಂಡುಬರುವ ಜ್ಞಾನದ ವ್ಯಾಪ್ತಿಯನ್ನು ಕಳೆದುಕೊಳ್ಳದೆ ಹೆಚ್ಚಿನ ವೇಗದ ಇನ್ಫರೆನ್ಸ್ (inference) ಅನ್ನು ಅನುಮತಿಸುತ್ತದೆ.
ಪೂರ್ಣ ಪ್ರಮಾಣದ Qwen4 ಬಿಡುಗಡೆಗಾಗಿ ಯೋಜಿಸಲಾದ ಒಂದು ಪ್ರಮುಖ ನಾವೀನ್ಯತೆಯೆಂದರೆ 51-ಬಿಲಿಯನ್ ಪ್ಯಾರಾಮೀಟರ್ ಹೊಂದಿರುವ N-gram ಎಂಬೆಡ್ಡಿಂಗ್ ಲೇಯರ್ನ ಸೇರ್ಪಡೆ. ಈ ಲೇಯರ್ ಒಂದು "phrase dictionary" ರೀತಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ, ಇದು ಸಾಮಾನ್ಯ ಪದಗಳ ಗುಂಪುಗಳನ್ನು ಸ್ವತಂತ್ರ ಎಂಟ್ರಿಗಳಾಗಿ ಸಂಗ್ರಹಿಸುತ್ತದೆ. ಮುಖ್ಯವಾಗಿ, ಈ ಲೇಯರ್ ದುಬಾರಿ GPU ಮೆಮೊರಿಗಿಂತ ಸಾಮಾನ್ಯ ಸಿಸ್ಟಮ್ RAM ನಲ್ಲಿ ಇರಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ, ಇದು ಮಾಡೆಲ್ ಅನ್ನು ಚಲಾಯಿಸಲು ಬೇಕಾಗುವ ಹಾರ್ಡ್ವೇರ್ ವೆಚ್ಚವನ್ನು ಗಣನೀಯವಾಗಿ ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಇದಲ್ಲದೆ, ಈ ಮಾಡೆಲ್ 262,144-ಟೋಕನ್ನ ಬೃಹತ್ ಕಾಂಟೆಕ್ಸ್ಟ್ ವಿಂಡೋವನ್ನು (context window) ನೈಸರ್ಗಿಕವಾಗಿ ಬೆಂಬಲಿಸುತ್ತದೆ ಮತ್ತು YaRN ಮೂಲಕ ಒಂದು ಮಿಲಿಯನ್ ಟೋಕನ್ಗಳವರೆಗೆ ವಿಸ್ತರಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ.
ಕೋಡಿಂಗ್ ಮತ್ತು ಉತ್ಪಾದಕತೆಯಲ್ಲಿ ದೈತ್ಯರನ್ನು ಮೀರಿಸುವ ಸಾಧನೆ
ಸಕ್ರಿಯ ಪ್ಯಾರಾಮೀಟರ್ಗಳ ಸಂಖ್ಯೆ ಕಡಿಮೆ ಇದ್ದರೂ ಸಹ, Qwen3.8-Flash-Next ಮಾಡೆಲ್ DeepSeek-V4-Flash (284B ಪ್ಯಾರಾಮೀಟರ್ಗಳು) ಮತ್ತು Anthropic ನ Claude Opus 4.6 (Max) ನಂತಹ ದೊಡ್ಡ ಪ್ರತಿಸ್ಪರ್ಧಿಗಳಿಗಿಂತ ಹೆಚ್ಚಿನ ಬೆಂಚ್ಮಾರ್ಕ್ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುತ್ತಿದೆ. ಈ ಮಾಡೆಲ್ "agentic" ಕಾರ್ಯಗಳಲ್ಲಿ ವಿಶೇಷ ಸಾಮರ್ಥ್ಯವನ್ನು ತೋರಿಸುತ್ತದೆ—ಅಂದರೆ, ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು AI ಸ್ವತಂತ್ರವಾಗಿ ಸಂಕೀರ್ಣ ಸಾಫ್ಟ್ವೇರ್ ಪರಿಸರಗಳನ್ನು ಬಳಸಿಕೊಳ್ಳಬೇಕಾದ ಸಂದರ್ಭಗಳು.
ವಿಶೇಷ ಬೆಂಚ್ಮಾರ್ಕ್ಗಳಲ್ಲಿ, Flash-Next ಮಾಡೆಲ್ SWE-bench Pro ನಲ್ಲಿ 62.5 ಮತ್ತು DeepSWE ನಲ್ಲಿ 58.7 ಸ್ಕೋರ್ ಮಾಡಿದೆ, ಇದು DeepSeek ಮತ್ತು Claude ಎರಡನ್ನೂ ಮೀರಿಸಿದೆ. ವೃತ್ತಿಪರ ಕೆಲಸದ ಹರಿವಿನಲ್ಲಿ (professional workflows) ಈ ಕಾರ್ಯಕ್ಷಮತೆಯ ವ್ಯತ್ಯಾಸವು ಇನ್ನೂ ಎದ್ದು ಕಾಣುತ್ತದೆ; CoWorkBench ನಲ್ಲಿ, Flash-Next 73.9 ಸ್ಕೋರ್ ಮಾಡಿದೆ, ಇದು DeepSeek-V4-Flash ನ 45.1 ಕ್ಕಿಂತ ಸುಮಾರು ಎರಡರಷ್ಟು ಹೆಚ್ಚು. JobBench ನಲ್ಲಿ, ಇದು 55.7 ಸ್ಕೋರ್ ಮಾಡಿದೆ, ಇದು ಹಿಂದಿನ Qwen3.7-Plus ಮಾಡೆಲ್ ದಾಖಲಿಸಿದ 27.6 ಕ್ಕಿಂತ ದೊಡ್ಡ ಜಿಗಿತವಾಗಿದೆ.
ಕ್ರಾಂತಿಕಾರಿ ಬೆಲೆ ಮತ್ತು ಸ್ಪರ್ಧಾತ್ಮಕ ಪರಿಸರ
Alibaba ಕೇವಲ ಬುದ್ಧಿವಂತಿಕೆಯ ಮೇಲೆ ಮಾತ್ರವಲ್ಲದೆ, ಅತ್ಯಂತ ಕಡಿಮೆ ವೆಚ್ಚದ ದಕ್ಷತೆಯ ಮೇಲೂ ಸ್ಪರ್ಧಿಸುತ್ತಿದೆ. QwenCloud ಮೂಲಕ Qwen3.8-Flash ಆಗಿ ಲಭ್ಯವಿರುವ ಇದರ ಪ್ರೊಡಕ್ಷನ್ ವರ್ಷನ್, ಪ್ರತಿ ಮಿಲಿಯನ್ ಇನ್ಪುಟ್ ಟೋಕನ್ಗಳಿಗೆ ಕೇವಲ $0.16 ಮತ್ತು ಪ್ರತಿ ಮಿಲಿಯನ್ ಔಟ್ಪುಟ್ ಟೋಕನ್ಗಳಿಗೆ $0.47 ರಂತೆ ಬೆಲೆ ನಿಗದಿಪಡಿಸಲಾಗಿದೆ. ಇದನ್ನು ಗಮನಿಸಿದರೆ, ಈ ಮಾಡೆಲ್ ತನ್ನ flagship Qwen3.8-Max ಮಾದರಿಯಷ್ಟೇ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ನೀಡುತ್ತದೆ, ಆದರೆ ಅದರ ವೆಚ್ಚವು ಸುಮಾರು ಹನ್ನೆರಡರ ಒಂದು ಭಾಗ ಮಾತ್ರವಾಗಿರುತ್ತದೆ.
ಈ ಆಕ್ರಮಣಕಾರಿ ಬೆಲೆ ತಂತ್ರವು OpenAI ಮತ್ತು Anthropic ನಂತಹ ಪಾಶ್ಚಿಮಾತ್ಯ AI ನಾಯಕರ ಮೇಲೆ ಭಾರಿ ಒತ್ತಡವನ್ನು ಹೇರುತ್ತದೆ. ತನ್ನ ಹಿಂದಿನ ಮಾಡೆಲ್ನ ಒಂಬತ್ತರ ಒಂದು ಭಾಗದ ವೆಚ್ಚದಲ್ಲಿ ತರಬೇತಿ ಪಡೆದ ಮಾಡೆಲ್, ಕೋಡಿಂಗ್ ಮತ್ತು ಕಚೇರಿ ಕೆಲಸಗಳಲ್ಲಿ ಶ್ರೇಷ್ಠ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡಬಲ್ಲದು ಎಂದು ಸಾಬೀತುಪಡಿಸುವ ಮೂಲಕ, Alibaba ಉದ್ಯಮದಲ್ಲಿನ ಬದಲಾವಣೆಯನ್ನು ಸೂಚಿಸುತ್ತಿದೆ: AI ನ ಭವಿಷ್ಯವು ಅತಿದೊಡ್ಡ ಮಾಡೆಲ್ಗಳಿಗೆ ಸೇರಿದ್ದಲ್ಲ, ಬದಲಾಗಿ ಅತ್ಯಂತ ದಕ್ಷ ವಾಸ್ತುಶಿಲ್ಪವನ್ನು ಹೊಂದಿರುವ ಮಾಡೆಲ್ಗಳಿಗೆ ಸೇರಿದೆ.
ಪ್ರಮುಖ ಅಂಶಗಳು
- ವಾಸ್ತುಶಿಲ್ಪದ ಮುನ್ನೋಟ: Qwen3.8-Flash-Next ಮಾಡೆಲ್ 51B N-gram ಎಂಬೆಡ್ಡಿಂಗ್ ಲೇಯರ್ ಅನ್ನು ಪರಿಚಯಿಸುತ್ತದೆ, ಇದು GPU ಅವಲಂಬನೆಯನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಸಿಸ್ಟಮ್ RAM ಅನ್ನು ಬಳಸುತ್ತದೆ, ಇದು Qwen4 ವಾಸ್ತುಶಿಲ್ಪದ ಮುನ್ಸೂಚನೆಯಾಗಿದೆ.
- ಬೆಂಚ್ಮಾರ್ಕ್ ಪ್ರಾಬಲ್ಯ: ಈ ಮಾಡೆಲ್ agentic ಕೋಡಿಂಗ್ (SWE-bench Pro) ಮತ್ತು ವೃತ್ತಿಪರ ಉತ್ಪಾದಕತೆಯಲ್ಲಿ (CoWorkBench) Claude Opus 4.6 ಮತ್ತು DeepSeek-V4-Flash ನಂತಹ ದೊಡ್ಡ ಪ್ರತಿಸ್ಪರ್ಧಿಗಳನ್ನು ಮೀರಿಸುತ್ತದೆ.
- ಅತ್ಯಂತ ಕಡಿಮೆ ವೆಚ್ಚದ ದಕ್ಷತೆ: ಪ್ರತಿ ಟೋಕನ್ಗೆ ಕೇವಲ 6B ಸಕ್ರಿಯ ಪ್ಯಾರಾಮೀಟರ್ಗಳೊಂದಿಗೆ, ಈ ಮಾಡೆಲ್ ಪ್ರಮುಖ ಮಾಡೆಲ್ಗಳ ವೆಚ್ಚದ ಒಂದು ಸಣ್ಣ ಭಾಗದಲ್ಲಿ ಉನ್ನತ ಮಟ್ಟದ ಬುದ್ಧಿವಂತಿಕೆಯನ್ನು ನೀಡುತ್ತದೆ, ಇದು ಪ್ರಸ್ತುತ AI ಬೆಲೆ ಮಾರುಕಟ್ಟೆಯನ್ನು ಬದಲಾಯಿಸುತ್ತಿದೆ.