Alibaba Qwen3.8-Flash-Nextని విడుదల చేసింది: సమర్థవంతమైన AI యొక్క నూతన శకం

Alibaba యొక్క Qwen బృందం Qwen3.8-Flash-Nextని అధికారికంగా విడుదల చేసింది. ఇది సాంప్రదాయ ఖర్చు కంటే చాలా తక్కువ ఖర్చుతో అత్యుత్తమ పనితీరును అందించడానికి రూపొందించబడిన వినూత్నమైన మల్టీమోడల్ Mixture-of-Experts (MoE) మోడల్. రాబోయే Qwen4 కోసం ఒక ఆర్కిటెక్చరల్ ప్రివ్యూగా పనిచేసే ఈ మోడల్, పారామీటర్లు ఎలా యాక్టివేట్ చేయబడతాయి మరియు నిల్వ చేయబడతాయి అనే అంశాన్ని ఆప్టిమైజ్ చేయడం ద్వారా చాలా పెద్ద LLMల ఆధిపత్యాన్ని సవాలు చేస్తోంది.

విప్లవాత్మక ఆర్కిటెక్చర్: N-gram ఎంబెడ్డింగ్ ఆవిష్కరణ

Qwen3.8-Flash-Next లోని అద్భుతమైన సాంకేతిక విజయం ఏమిటంటే, ఇది స్కేల్ మరియు సామర్థ్యం (efficiency) మధ్య సమతుల్యతను ప్రత్యేకంగా నిర్వహిస్తుంది. ఈ మోడల్ మొత్తం 125 బిలియన్ పారామీటర్లను కలిగి ఉన్నప్పటికీ, ఇది ప్రతి టోకెన్‌కు కేవలం 6 బిలియన్ పారామీటర్లను మాత్రమే యాక్టివేట్ చేసే స్పార్స్ MoE విధానాన్ని ఉపయోగిస్తుంది. ఇది డెన్సర్ మోడల్స్‌లో ఉండే విస్తృతమైన జ్ఞానాన్ని కోల్పోకుండానే, అత్యంత వేగవంతమైన ఇన్‌ఫరెన్స్‌ను (inference) అనుమతిస్తుంది.

పూర్తి స్థాయి Qwen4 విడుదల కోసం సిద్ధం చేయబడిన ఒక కీలక ఆవిష్కరణ ఏమిటంటే, 51-బిలియన్ పారామీటర్ల N-gram ఎంబెడ్డింగ్ లేయర్‌ను చేర్చడం. ఈ లేయర్ ఒక "ఫ్రేజ్ డిక్షనరీ" (phrase dictionary) వలె పనిచేస్తుంది, ఇది సాధారణ పద సమూహాలను స్వతంత్ర ఎంట్రీలుగా నిల్వ చేస్తుంది. ముఖ్యంగా, ఈ లేయర్ ఖరీదైన GPU మెమరీలో కాకుండా సాధారణ సిస్టమ్ RAMలో ఉండేలా రూపొందించబడింది, దీనివల్ల మోడల్‌ను నడపడానికి అవసరమైన హార్డ్‌వేర్ ఖర్చు గణనీయంగా తగ్గుతుంది. అంతేకాకుండా, ఈ మోడల్ సహజంగానే 262,144-టోకెన్ల భారీ కాంటెక్స్ట్ విండోను సపోర్ట్ చేస్తుంది మరియు YaRN ద్వారా దీనిని పది లక్షల (one million) టోకెన్ల వరకు పెంచుకునే సామర్థ్యాన్ని కలిగి ఉంది.

కోడింగ్ మరియు ఉత్పాదకతలో దిగ్గజాలను అధిగమించడం

తక్కువ యాక్టివ్ పారామీటర్ల సంఖ్య ఉన్నప్పటికీ, Qwen3.8-Flash-Next తరచుగా DeepSeek-V4-Flash (284B పారామీటర్లు) మరియు Anthropic యొక్క Claude Opus 4.6 (Max) వంటి చాలా పెద్ద పోటీదారులను అధిగమిస్తూ బెంచ్‌మార్క్ ఫలితాలను అందిస్తోంది. ఈ మోడల్ "ఏజెంటిక్" (agentic) పనులలో ప్రత్యేక బలాన్ని ప్రదర్శిస్తుంది—అంటే సమస్యలను పరిష్కరించడానికి ఒక AI స్వతంత్రంగా సంక్లిష్టమైన సాఫ్ట్‌వేర్ వాతావరణంలో పనిచేయవలసి వచ్చే సందర్భాలు.

ప్రత్యేక బెంచ్‌మార్క్‌లలో, Flash-Next SWE-bench Proలో 62.5 మరియు DeepSWEలో 58.7 స్కోరు సాధించి, DeepSeek మరియు Claude రెండింటినీ అధిగమించింది. ప్రొఫెషనల్ వర్క్‌ఫ్లోలలో ఈ పనితీరు వ్యత్యాసం మరింత స్పష్టంగా కనిపిస్తుంది; CoWorkBenchలో, Flash-Next 73.9 స్కోరు సాధించింది, ఇది DeepSeek-V4-Flash సాధించిన 45.1 స్కోరు కంటే దాదాపు రెట్టింపు. JobBenchలో, ఇది 55.7 స్కోరు సాధించింది, ఇది మునుపటి Qwen3.7-Plus మోడల్ సాధించిన 27.6 కంటే భారీ ఎత్తున పెరిగింది.

విప్లవాత్మక ధరలు మరియు పోటీ వాతావరణం

Alibaba కేవలం తెలివితేటలతోనే కాకుండా, అత్యంత తక్కువ ఖర్చుతో కూడిన సామర్థ్యంతో (cost-efficiency) కూడా పోటీ పడుతోంది. QwenCloud ద్వారా Qwen3.8-Flash పేరుతో అందుబాటులోకి వస్తున్న ఈ ప్రొడక్షన్ వెర్షన్, ప్రతి మిలియన్ ఇన్‌పుట్ టోకెన్లకు $0.16 మరియు ప్రతి మిలియన్ అవుట్‌పుట్ టోకెన్లకు $0.47 అనే అద్భుతమైన ధర వద్ద లభిస్తుంది. దీనిని పోల్చి చూస్తే, ఈ మోడల్ ఫ్లాగ్‌షిప్ Qwen3.8-Max అంతటి పనితీరును అందిస్తుంది, కానీ దాని ఖర్చు సుమారు పన్నొకవ వంతు మాత్రమే.

ఈ దూకుడు ధరల వ్యూహం OpenAI మరియు Anthropic వంటి పాశ్చాత్య AI దిగ్గజాలపై విపరీతమైన ఒత్తిడిని పెంచుతోంది. తన పూర్వ మోడల్ ఖర్చులో తొమ్మిదవ వంతు ఖర్చుతో శిక్షణ పొందిన మోడల్ కూడా కోడింగ్ మరియు ఆఫీస్ పనులలో మెరుగైన ఫలితాలను ఇవ్వగలదని నిరూపించడం ద్వారా, పరిశ్రమలో ఒక మార్పును Alibaba సూచిస్తోంది: AI భవిష్యత్తు అతిపెద్ద మోడల్స్‌కు కాకుండా, అత్యంత సమర్థవంతమైన ఆర్కిటెక్చర్ కలిగిన మోడల్స్‌కు చెందవచ్చు.

ముఖ్య అంశాలు

  • ఆర్కిటెక్చరల్ ప్రివ్యూ: Qwen3.8-Flash-Next అనేది 51B N-gram ఎంబెడ్డింగ్ లేయర్‌ను పరిచయం చేస్తుంది, ఇది GPUపై ఆధారపడటాన్ని తగ్గించడానికి సిస్టమ్ RAMని ఉపయోగిస్తుంది, ఇది Qwen4 ఆర్కిటెక్చర్‌కు ఒక పూర్వగామి.
  • బెంచ్‌మార్క్ ఆధిపత్యం: ఈ మోడల్ ఏజెంటిక్ కోడింగ్ (SWE-bench Pro) మరియు ప్రొఫెషనల్ ఉత్పాదకత (CoWorkBench)లో Claude Opus 4.6 మరియు DeepSeek-V4-Flash వంటి పెద్ద ప్రత్యర్థుల కంటే మెరుగైన పనితీరును కనబరుస్తుంది.
  • అత్యంత తక్కువ ఖర్చుతో కూడిన సామర్థ్యం: ప్రతి టోకెన్‌కు కేవలం 6B యాక్టివ్ పారామీటర్లతో, ఈ మోడల్ ఫ్లాగ్‌షిప్ మోడల్స్ ఖర్చులో చాలా తక్కువ ధరకే అత్యున్నత స్థాయి తెలివితేటలను అందిస్తుంది, ఇది ప్రస్తుత AI ధరల విధానాన్ని మార్చివేస్తోంది.