Alibabas quelloffenes KI-Modell Qwen bricht Rekorde im Denkvermögen

Das Qwen-Team bei Alibaba hat eine neue Version seines quelloffenen KI-Modells vorgestellt, das bemerkenswerte Benchmark-Ergebnisse liefert.

Introducing Qwen3-235B-A22B-Thinking-2507. In den letzten drei Monaten hat das Qwen-Team intensiv an der Verbesserung der "Denkfähigkeit" des Modells gearbeitet, um sowohl die Qualität als auch die Tiefe der Denkprozesse zu verbessern.

Das Ergebnis ist ein Modell, das in den anspruchsvollsten Bereichen wirklich glänzt: logisches Denken, komplexe Mathematik, wissenschaftliche Herausforderungen und fortgeschrittene Codierung. In Bereichen, die normalerweise menschliches Fachwissen erfordern, setzt dieses neueste Qwen-Modell nun eine neue Messlatte für Open-Source-KI.

Bei den Benchmarks für logisches Denken erreicht Qwens neuestes Open-Source-KI-Modell 92,3 Punkte bei AIME25 und 74,1 Punkte bei LiveCodeBench v6 für Codierung. Auch bei umfassenderen Fähigkeitsbewertungen schneidet es gut ab und erreicht einen Wert von 79,7 bei Arena-Hard v2, einer Metrik zur Bewertung der Übereinstimmung mit menschlichen Präferenzen.

Im Grunde handelt es sich um ein umfangreiches KI-Modell des Qwen-Teams mit insgesamt 235 Milliarden Parametern. Es verwendet jedoch eine Mixture-of-Experts (MoE)-Architektur, was bedeutet, dass nur eine Teilmenge dieser Parameter - etwa 22 Milliarden - zu einem bestimmten Zeitpunkt aktiv ist. Stellen Sie sich das System als ein riesiges Team von 128 Spezialisten vor, die auf Abruf bereitstehen, wobei nur die acht besten Experten für eine bestimmte Aufgabe tatsächlich an ihr arbeiten.

Eine der herausragenden Eigenschaften von Qwen ist seine außergewöhnliche Speicherkapazität. Das Open-Source-KI-Modell von Qwen unterstützt von Haus aus eine Kontextlänge von 262.144 Token, was bei Aufgaben, die das Verstehen umfangreicher Informationen erfordern, einen erheblichen Vorteil darstellt.

Für Entwickler und Enthusiasten hat das Qwen-Team den Einstieg in die Anwendung vereinfacht. Das Modell ist auf Hugging Face zugänglich und kann mit Tools wie sglang oder vllm eingesetzt werden, um einen persönlichen API-Endpunkt einzurichten. Das Team hebt auch sein Qwen-Agent-Framework als optimale Methode für die Nutzung der Tool-Calling-Funktionen des Modells hervor.

Um mit diesem Open-Source-KI-Schlussfolgermodell Spitzenleistungen zu erzielen, gibt das Qwen-Team mehrere Empfehlungen. Für Standardaufgaben raten sie zu einer Ausgabelänge von etwa 32.768 Token, bei hochkomplexen Problemen sollte diese jedoch auf 81.920 Token erhöht werden, damit die KI genügend Raum zum "Denken" hat. Außerdem wird empfohlen, in den Eingabeaufforderungen explizite Anweisungen zu geben, wie z. B. die Aufforderung, bei mathematischen Problemen "Schritt für Schritt zu denken", um möglichst präzise und gut organisierte Antworten zu erhalten.

Mit der Einführung dieses neuen Qwen-Modells steht eine leistungsstarke, quelloffene KI zur Verfügung, die mit führenden proprietären Modellen konkurrieren kann, insbesondere bei der Bewältigung komplizierter, intellektuell anspruchsvoller Aufgaben. Es wird faszinierend sein zu beobachten, was die Entwicklergemeinde mit dieser Technologie anstellen wird.

Siehe auch: KI-Aktionsplan: US-Führung muss unangefochten sein

Sind Sie daran interessiert, Ihr Wissen über KI und Big Data von Branchenexperten zu vertiefen? Nehmen Sie an der AI & Big Data Expo in Amsterdam, Kalifornien und London teil. Diese umfassende Veranstaltung findet parallel zu anderen wichtigen Konferenzen statt, darunter die Intelligent Automation Conference, BlockX, Digital Transformation Week und die Cyber Security & Cloud Expo.

Entdecken Sie hier weitere Veranstaltungen und Webinare zu Unternehmenstechnologien, die von TechForge unterstützt werden.