BEIJING – Alibaba, telah terjadi meluncurkan Qwen2.5-Max pada 29 Januari 2025 lalu menjadi pengumuman besar kedua pada dunia Teknologi AI dari China minggu ini.
Sebelumnya, model DeepSeek R1 dengan bobot terbuka (open-weight) menggemparkan dunia pasca diklaim tambahan unggul kemudian lebih banyak hemat biaya dibandingkan pesaingnya dari Amerika Serikat.
Kini, Alibaba mengklaim bahwa Qwen2.5-Max, yang mana juga bersifat sebagian open-source, bahkan tambahan mengesankan—melewati berbagai model pesaing di berbagai uji coba yang tersebut diadakan perusahaan.
“Dalam uji benchmark seperti Arena-Hard, LiveBench, LiveCodeBench, GPQA-Diamond, dan juga MMLU-Pro, Qwen2.5-Max sebanding dengan [Claude-3.5-Sonnet dari Anthropic], kemudian hampir sepenuhnya melampaui [GPT-4o dari OpenAI], DeepSeek-V3, juga [Llama-3.1-405B dari Meta],” tulis perwakilan Alibaba pada pernyataan yang digunakan diterjemahkan di dalam WeChat pada 28 Januari 2024.
Pengumuman ini datang di area sedang ketidakpastian bagi perusahaan teknologi Amerika. Setelah peluncuran DeepSeek R1, chatbot Artificial Intelligence yang disebutkan dengan cepat melampaui Asisten Percakapan GPT serta menjadi perangkat lunak gratis paling sejumlah diambil di tempat Apple App Store AS.
Klaim DeepSeek bahwa merekan mencapai hasil tambahan baik dengan biaya pelatihan kemudian operasional yang tersebut sangat lebih lanjut rendah mengejutkan dunia.
Dampaknya sangat besar, menyebabkan kerugian hingga USD1 triliun pada valuasi perusahaan teknologi terkemuka seperti Nvidia, yang mana kehilangan USD589 miliar—menjadikannya kerugian lingkungan ekonomi terbesar pada sejarah satu hari di tempat AS.
Keberhasilan DeepSeek juga memicu persaingan di area di negeri antara perusahaan Artificial Intelligence terkemuka di dalam China. Hal ini menggerakkan pemilik TikTok, ByteDance, untuk memperbarui model Doubao, serta kemungkinan besar menggalakkan Alibaba untuk segera mengumumkan model Artificial Intelligence terbarunya.
OpenAI menuduh bahwa DeepSeek sudah menjiplak bagian dari model OpenAI untuk melatih sistemnya sendiri.
