مدل جدید چندرسانه‌ای Alibaba به نام Qwen3-Omni

شرکت Alibaba مدل جدیدی ارائه کرده به نام Qwen3-Omni که توانایی کار با متن، تصویر، صدا و ویدئو را دارد (multimodal). این مدل تحت مجوز Apache 2.0 عرضه شده، که برای استفاده

مدل جدید چندرسانه‌ای Alibaba به نام Qwen3-Omni

شرکت Alibaba مدل جدیدی ارائه کرده به نام Qwen3-Omni که توانایی کار با متن، تصویر، صدا و ویدئو را دارد (multimodal). این مدل تحت مجوز Apache 2.0 عرضه شده، که برای استفاده شرکت‌ها انعطاف بیشتری دارد و رقابت را نسبت به مدل‌های بسته مانند بعضی مدل‌های Western افزایش می‌دهد.مدل جدید علی‌بابا با نام Qwen3-Omni رقابت در هوش مصنوعی چندوجهی را شدت می‌بخشد.

با ادعاهای مربوط به بنچمارک‌ها و انتشار تحت مجوز Apache 2.0، این مدل چالش تازه‌ای برای رقبای غربی ایجاد کرده و پرسش‌های جدیدی درباره پذیرش در سطح سازمانی مطرح می‌کند.علی‌بابا با معرفی Qwen3-Omni که یک مدل متن‌باز پردازش متن، تصویر، صدا و ویدئو است و به‌صورت رایگان تحت مجوز سازگار با کسب‌وکار Apache 2.0 عرضه می‌شود، مستقیماً غول‌های فناوری آمریکا را هدف قرار داده است.

انتشار این مدل، علی‌بابا را به‌عنوان جایگزینی بالقوه برای OpenAI و گوگل معرفی می‌کند، چرا که به شرکت‌ها این امکان را می‌دهد بدون هزینه، هوش مصنوعی چندوجهی را در مقیاس وسیع به کار گیرند.

علی‌بابا در یک پست وبلاگی نوشت:«Qwen3-Omni از معماری Thinker-Talker بهره می‌گیرد. Thinker وظیفه تولید متن را دارد و Talker با دریافت نمایش‌های سطح بالا از Thinker، بر تولید توکن‌های گفتاری به‌صورت جریانی تمرکز می‌کند. برای دستیابی به تأخیر بسیار پایین در استریم، Talker به‌صورت خودبازگشتی دنباله‌ای چندکدی را پیش‌بینی می‌کند.»

به گفته شرکت، Qwen3-Omni عملکردی هم‌سطح با مدل‌های تک‌وجهی سری Qwen داشته و در وظایف صوتی نتایج بهتری نشان داده است. همچنین این مدل در ۳۲ بنچمارک متن‌باز و ۲۲ بنچمارک کلی رتبه نخست را به دست آورده و حتی از مدل‌های بسته‌ای مانند Gemini 2.5 Pro گوگل، Seed-ASR و GPT-4o-Transcribe اوپن‌ای‌آی پیشی گرفته است.

اگر این نتایج دقیق باشند، شرکت‌ها می‌توانند انتظار عملکرد قوی‌تر در تشخیص گفتار، تبدیل گفتار به متن، و استدلال چندوجهی نسبت به بسیاری از مدل‌های بسته داشته باشند.

تحلیلگران می‌گویند انتشار Qwen3-Omni جایگاه علی‌بابا را در بازار متن‌باز هوش مصنوعی تقویت کرده و به گسترش اکوسیستم جهانی شرکای آن کمک می‌کند.

تولیکا شیل، معاون ارشد Kadence International، گفت:«در دسترس بودن Qwen3-Omni تحت مجوز آزاد Apache 2.0 به‌طور اساسی گزینه‌های موجود برای شرکت‌ها را تغییر می‌دهد. این کار قفل‌شدگی به فروشنده را از بین می‌برد و موانع آزمایش و شخصی‌سازی را کاهش می‌دهد—شرکت‌ها می‌توانند مدل را بدون مشکل مجوز در محیط‌های داخلی خود اجرا، بومی‌سازی و یکپارچه‌سازی کنند.»

لیان جی سو، تحلیلگر ارشد Omdia، افزود:«در حالی‌که OpenAI و گوگل هم برخی مدل‌های خود را متن‌باز کرده‌اند، از علی‌بابا کلود عقب‌تر هستند. علی‌بابا از همان روز اول خانواده مدل‌های Qwen را متن‌باز منتشر کرد و تاکنون بیش از ۳۰۰ مدل عرضه کرده است. این خانواده تاکنون بیش از ۴۰۰ میلیون بار در سراسر جهان دانلود شده است.»

به گفته او، توسعه‌دهندگان بیش از ۱۴۰ هزار مدل مشتق‌شده از Qwen روی Hugging Face ساخته‌اند و شرکت‌هایی که به دنبال گزینه‌های متن‌باز بالغ هستند، به‌طور فزاینده‌ای علی‌بابا کلود را به‌عنوان یک انتخاب پیشرو در نظر می‌گیرند.

شکل‌دهی به استراتژی هوش مصنوعی سازمانی

اگر قابلیت‌های استدلال ترکیبی، چندوجهی بودن، و نتایج قوی بنچمارک Qwen3-Omni به عملکرد واقعی منجر شود، می‌تواند دو تغییر کلیدی در استراتژی هوش مصنوعی سازمانی را تسریع کند:

1. سازمان‌ها به‌طور فزاینده به سراغ پشته‌های چندمدلی خواهند رفت و مدل‌های متن‌باز و انحصاری را ترکیب می‌کنند تا قابلیت‌ها را با وظایف تطبیق دهند.

2. انتظار می‌رود سرمایه‌گذاری بیشتری روی توانمندی‌های داخلی (MLOps، ریزتنظیم، تست ایمنی و زیرساخت) صورت گیرد تا شرکت‌ها بتوانند مدل‌های متن‌باز قدرتمند را در محیط داخلی یا ابرهای مورد اعتماد عملیاتی کنند.

سو تأکید کرد که پشتیبانی از همه انواع داده در یک مدل می‌تواند نیاز به منابع را کاهش دهد و زمان آموزش و مدیریت سیستم‌های تخصصی متعدد را کوتاه کند.

با این حال، تحلیلگران هشدار می‌دهند که بلوغ فناوری باید همراه با سازوکارهای حفاظتی باشد.

چارلی دای، معاون و تحلیلگر ارشد Forrester، گفت:«از نظر فنی، تفاوتی بین مدل‌های چینی و مدل‌های دیگر جهان وجود ندارد. چه سری GPT، چه Llama، چه Mistral یا Qwen از علی‌بابا—مدیران سازمانی باید اطمینان حاصل کنند که تدابیری برای امنیت، حریم خصوصی و رعایت مقررات وجود دارد.»

او پیش‌بینی کرد که پشتیبانی از چندمدلی همچنان محور توسعه باقی خواهد ماند:«پشتیبانی از چندمدلی حوزه کلیدی توسعه مدل و زمینه‌های فنی مرتبط، از زیرساخت داده تا برنامه‌های عامل‌محور هوش مصنوعی، در ۱۲ ماه آینده خواهد بود. انتظار داشته باشید عرضه‌های بیشتری از سوی فروشندگان پیشرو در سراسر جهان ببینید.»

در حال آماده‌سازی صفحه…