موجة تخفيض أسعار النماذج الكبيرة، مجموعة تونغ يي كيان وين تساعد تطبيقات الذكاء الاصطناعي على الازدهار
في 21 مايو، أعلنت شركة Tongyi Qianwen عن خفض كبير لأسعار استدعاء API لنماذجها التجارية والمفتوحة المصدر. حيث انخفض سعر الإدخال للنموذج الرئيسي من مستوى GPT-4، Qwen-Long، من 0.02 يوان/ك إلى 0.5 يوان/مليون توكن، بانخفاض يصل إلى 97%.
في 9 مايو السابق، أصدرت "تونغ يي" نموذجًا مفتوح المصدر بحجم معلمات يصل إلى 110 مليار Qwen1.5-110B. لقد أظهر هذا النموذج أداءً ممتازًا في العديد من اختبارات المعايير، متجاوزًا بعض النماذج الكبيرة المفتوحة الشهيرة، وتصدر قائمة معينة من النماذج الكبيرة المفتوحة.
استراتيجية "خفض الأسعار + مفتوح المصدر" أصبحت توافقاً عالمياً بين شركات النماذج الكبيرة. وهذا يساعد في حل مشكلتين رئيسيتين تواجه مطوري تطبيقات الذكاء الاصطناعي: ارتفاع أسعار واجهات برمجة التطبيقات (API) وضعف جودة النماذج المفتوحة المصدر، مما يدفع إلى انتشار تطبيقات الذكاء الاصطناعي بشكل واسع.
مؤخراً، قدمت العديد من شركات النماذج الكبيرة منتجات بأسعار منخفضة أو خفضت الأسعار. منذ مايو، كانت تكلفة واجهة برمجة التطبيقات لنموذج MoE الذي أطلقته شركة كمية مفتوح المصدر تساوي فقط واحد في المئة من نموذج معروف. قامت شركة AI بتخفيض سعر استدعاء نموذج النسخة الشخصية بنسبة 80%. أطلقت شركة دولية كبيرة نموذجاً جديداً بأداء مماثل ولكن بسعر مخفض للنصف. تم تسعير النموذج الرئيسي لمنصة المساعد الذكي فقط بـ 0.0008 يوان / k Tokens. أعلنت شركة محرك البحث عن توفير النموذجين الرئيسيين بشكل مجاني بالكامل. قامت شركة تقنية الصوت بفتح واجهة برمجة تطبيقات مجانية.
أسعار واجهة برمجة التطبيقات للنماذج الكبيرة قد انخفضت عمومًا، وقد يكون ذلك نتيجة للتقدم في تقنيات الاستدلال وانخفاض التكاليف. وهذا يوفر للمطورين المزيد من الخيارات، مما يساعد على زيادة استخدام النماذج الكبيرة في التطوير.
أطلقت تونغ يي أيضًا نماذج متعددة بأحجام مختلفة من المعلمات لتلبية احتياجات السيناريوهات المختلفة. يمكن نشر النموذج الصغير على الأجهزة المحمولة، بينما يدعم النموذج الكبير التطبيقات على مستوى المؤسسات، ويسعى النموذج المتوسط إلى تحقيق التوازن بين الأداء والكفاءة. بالإضافة إلى ذلك، تم فتح المصادر لنماذج متعددة الوسائط مثل الرؤية والصوت والشيفرة. ستدفع هذه المبادرات بتطبيق النماذج الكبيرة في سيناريوهات أوسع.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
انخفضت تكلفة تطوير تطبيقات الذكاء الاصطناعي مفتوح المصدر بشكل كبير بنسبة 97% في 通义千问.
موجة تخفيض أسعار النماذج الكبيرة، مجموعة تونغ يي كيان وين تساعد تطبيقات الذكاء الاصطناعي على الازدهار
في 21 مايو، أعلنت شركة Tongyi Qianwen عن خفض كبير لأسعار استدعاء API لنماذجها التجارية والمفتوحة المصدر. حيث انخفض سعر الإدخال للنموذج الرئيسي من مستوى GPT-4، Qwen-Long، من 0.02 يوان/ك إلى 0.5 يوان/مليون توكن، بانخفاض يصل إلى 97%.
في 9 مايو السابق، أصدرت "تونغ يي" نموذجًا مفتوح المصدر بحجم معلمات يصل إلى 110 مليار Qwen1.5-110B. لقد أظهر هذا النموذج أداءً ممتازًا في العديد من اختبارات المعايير، متجاوزًا بعض النماذج الكبيرة المفتوحة الشهيرة، وتصدر قائمة معينة من النماذج الكبيرة المفتوحة.
استراتيجية "خفض الأسعار + مفتوح المصدر" أصبحت توافقاً عالمياً بين شركات النماذج الكبيرة. وهذا يساعد في حل مشكلتين رئيسيتين تواجه مطوري تطبيقات الذكاء الاصطناعي: ارتفاع أسعار واجهات برمجة التطبيقات (API) وضعف جودة النماذج المفتوحة المصدر، مما يدفع إلى انتشار تطبيقات الذكاء الاصطناعي بشكل واسع.
مؤخراً، قدمت العديد من شركات النماذج الكبيرة منتجات بأسعار منخفضة أو خفضت الأسعار. منذ مايو، كانت تكلفة واجهة برمجة التطبيقات لنموذج MoE الذي أطلقته شركة كمية مفتوح المصدر تساوي فقط واحد في المئة من نموذج معروف. قامت شركة AI بتخفيض سعر استدعاء نموذج النسخة الشخصية بنسبة 80%. أطلقت شركة دولية كبيرة نموذجاً جديداً بأداء مماثل ولكن بسعر مخفض للنصف. تم تسعير النموذج الرئيسي لمنصة المساعد الذكي فقط بـ 0.0008 يوان / k Tokens. أعلنت شركة محرك البحث عن توفير النموذجين الرئيسيين بشكل مجاني بالكامل. قامت شركة تقنية الصوت بفتح واجهة برمجة تطبيقات مجانية.
أسعار واجهة برمجة التطبيقات للنماذج الكبيرة قد انخفضت عمومًا، وقد يكون ذلك نتيجة للتقدم في تقنيات الاستدلال وانخفاض التكاليف. وهذا يوفر للمطورين المزيد من الخيارات، مما يساعد على زيادة استخدام النماذج الكبيرة في التطوير.
أطلقت تونغ يي أيضًا نماذج متعددة بأحجام مختلفة من المعلمات لتلبية احتياجات السيناريوهات المختلفة. يمكن نشر النموذج الصغير على الأجهزة المحمولة، بينما يدعم النموذج الكبير التطبيقات على مستوى المؤسسات، ويسعى النموذج المتوسط إلى تحقيق التوازن بين الأداء والكفاءة. بالإضافة إلى ذلك، تم فتح المصادر لنماذج متعددة الوسائط مثل الرؤية والصوت والشيفرة. ستدفع هذه المبادرات بتطبيق النماذج الكبيرة في سيناريوهات أوسع.