Qwen 2.5-Max 'थिंकिंग (QwQ)' जारी: LLMs में प्रतिस्पर्धा तेज हुई

AI मॉडल का "निरंतर युद्ध"

25 फ़रवरी, 2025 को सुबह 5:01 बजे, अलीबाबा ने X प्लेटफ़ॉर्म पर गहन अनुमान मॉडल QwQ-Max-Preview (जिसे Qwen चैट में "थिंकिंग (QwQ)" नाम दिया गया है) के लॉन्च की घोषणा की, जो Qwen2.5-Max पर आधारित है। इसने QwQ-Max और Qwen2.5-Max को पूरी तरह से ओपन-सोर्स भी किया। इसके अलावा, एक लाइटवेट संस्करण, QwQ-32B, जल्द ही स्थानीय परिनियोजन का समर्थन करने के लिए लॉन्च किया जाएगा, और iOS/Android के लिए मोबाइल ऐप भी योजना के चरण में हैं।

Qwen 2.5-Max का प्रदर्शन कैसा है?

हमारे परीक्षणों में, इस मॉडल का प्रदर्शन गणित, प्रोग्रामिंग और बहुविध पीढ़ी जैसे कार्यों में GPT-4o, DeepSeek-V3, Llama-3.1-405B और Claude 3.5 Sonnet के साथ प्रतिस्पर्धी है।

बेंचमार्क प्रदर्शन तुलना

• एरिना-हार्ड (वरीयता बेंचमार्क): Qwen2.5-Max ने 89.4 स्कोर किया, DeepSeek V3 (85.5) और Claude 3.5 Sonnet (85.2) से आगे।
• MMLU-Pro (ज्ञान और तर्क): Qwen2.5-Max ने 76.1 स्कोर किया, जो DeepSeek V3 (75.9) से थोड़ा अधिक है, लेकिन Claude 3.5 Sonnet (78.0) और GPT-4o (77.0) से थोड़ा पीछे है।
• GPQA-डायमंड (सामान्य ज्ञान QA): Qwen2.5-Max ने 60.1 स्कोर किया, DeepSeek V3 (59.1) को मामूली रूप से पछाड़ते हुए, जबकि Claude 3.5 Sonnet ने 65.0 के साथ बढ़त बनाई।
• LiveCodeBench (कोडिंग क्षमता): Qwen2.5-Max ने 38.7 स्कोर किया, जो DeepSeek V3 (37.6) के लगभग बराबर है, लेकिन Claude 3.5 Sonnet (38.9) से पीछे है।
• LiveBench (कुल क्षमता): Qwen2.5-Max ने 62.2 स्कोर किया, DeepSeek V3 (60.5) और Claude 3.5 Sonnet (60.3) से आगे बढ़त बनाई।

कुल मिलाकर, Qwen2.5-Max एक व्यापक AI मॉडल साबित हुआ है, जो प्राथमिकता-आधारित कार्यों और सामान्य AI क्षमताओं में उत्कृष्ट प्रदर्शन करता है, जबकि प्रतिस्पर्धी ज्ञान और कोडिंग क्षमताओं को बनाए रखता है।

इसके अतिरिक्त, Qwen2.5-Max आर्टिफैक्ट्स फ़ंक्शन के माध्यम से कोड स्निपेट, फ़ाइल पार्सिंग और छवि समझ का समर्थन करता है। एक कॉल 1 घंटे से अधिक समय तक वीडियो सामग्री को संभाल सकती है।

डेटा सत्य

1. मॉडल पुनरावृत्ति और डेटा अपडेट के बीच कैंची अंतर: पारंपरिक उपकरणों में कई दिनों का डेटा अपडेट चक्र होता है, जबकि Qwen2.5-Max 20 ट्रिलियन टोकन के पूर्व-प्रशिक्षण डेटा के साथ गतिशील ज्ञान अपडेट प्राप्त करता है।
2. तकनीकी पीढ़ी अंतर का जोखिम: Gartner भविष्यवाणी करता है कि 2025 तक, AI मॉडल का प्रदर्शन हर तीन महीने में 15% बेहतर होगा, और पिछड़े डेटा इन्फ्रास्ट्रक्चर से प्रतिस्पर्धात्मकता में दरार आएगी।

लोकप्रिय मॉडलों की रीयल-टाइम डेटा तुलना

1. लंबे पाठ प्रसंस्करण गति की तुलना

मॉडल	प्रसंस्करण गति (सेकंड/हज़ार शब्द)
Qwen 2.5-Max	0.5
GPT-4	0.6
DeepSeek-V3	0.575
Llama-3.1-405B	0.600

2. प्रशिक्षण डेटासेट आकार की तुलना

मॉडल	प्रशिक्षण डेटासेट आकार (ट्रिलियन शब्द)
Qwen 2.5-Max	2
GPT-4	1.5
DeepSeek-V3	1.8
Llama-3.1-405B	1.7

3. औसत प्रतिक्रिया समय की तुलना

मॉडल	औसत प्रतिक्रिया समय (सेकंड)
Qwen 2.5-Max	0.3
GPT-4	0.5
DeepSeek-V3	0.4
Llama-3.1-405B	0.45

4. अद्यतन आवृत्ति की तुलना

मॉडल	अद्यतन आवृत्ति
Qwen 2.5-Max	महीने में एक बार
GPT-4	तिमाही में एक बार
DeepSeek-V3	हर दो महीने में
Llama-3.1-405B	हर तीन महीने में

कौन से पहलू डेटा मॉडल के विकास को सीधे प्रभावित करते हैं?

AI प्रतियोगिता में, डेटा इन्फ्रास्ट्रक्चर की गुणवत्ता सीधे मॉडल की ऊपरी सीमा को निर्धारित करती है। रीयल-टाइम डेटा एक्सट्रैक्शन टूल तीन मुख्य क्षमताओं के माध्यम से AI टूल के विकास को प्रभावित करते हैं:

डेटा कवरेज की चौड़ाई

हालांकि Qwen2.5-Max 29 भाषाओं का समर्थन करता है, लेकिन इसका ओपन-सोर्स संस्करण अभी भी सार्वजनिक कॉर्पोरा पर निर्भर है, जिसके परिणामस्वरूप सीमित डेटा कवरेज है। इसलिए, मॉडल के डेटा की व्यापकता और सटीकता सुनिश्चित करने के लिए कई डेटा इंटरफेस और डेटा स्रोतों को एकीकृत करने वाले सूचना निष्कर्षण उपकरण की आवश्यकता है।

सूचना अद्यतन की गति

AI मॉडल का प्रदर्शन हर तीन महीने में बदलता है, लेकिन पारंपरिक क्रॉलर एंटी-क्रॉलिंग तंत्र (जैसे कैप्चा और गतिशील लोडिंग) द्वारा सीमित हैं, जिसमें कई दिनों का डेटा अपडेट चक्र है। स्पष्ट रूप से, डेटा अधिग्रहण और सूचना निष्कर्षण उपकरणों की पुनरावृत्ति क्षमताओं को डेटा की समयबद्धता सुनिश्चित करने के लिए लगातार अद्यतन करने की आवश्यकता है।

बहुविध समर्थन

AI मॉडल द्वारा बहुविध डेटा की मांग बढ़ रही है, लेकिन पारंपरिक क्रॉलर में PDF तालिकाओं को पार्स करने में 40% की त्रुटि दर है और वीडियो उपशीर्षक निकालने में 10 मिनट से अधिक समय लगता है। शक्तिशाली AI मॉडल को संरचित डेटा निष्कर्षण तकनीक को एकीकृत करना चाहिए, स्वचालित रूप से PDF तालिकाओं, वीडियो उपशीर्षक और छवि मेटाडेटा को पार्स करना चाहिए और सटीकता सुनिश्चित करनी चाहिए।

Scrapeless Deep SerpApi: LLM विकास के लिए एक अनुकूल उपकरण

यदि Qwen 2.5-Max AI के निरंतर विकास का सूत्रपात करता है, तो Scrapeless Deep SerpApi इस परिवर्तन को चलाने वाला प्रमुख हथियार है।

Deep SerpApi बड़े भाषा मॉडल (LLM) और AI एजेंटों के लिए डिज़ाइन किया गया एक समर्पित खोज इंजन है। यह वास्तविक समय, सटीक और निष्पक्ष जानकारी प्रदान करता है, जिससे AI अनुप्रयोग प्रभावी ढंग से डेटा को पुनः प्राप्त और संसाधित कर सकते हैं:

✅ इसमें 20+ Google खोज API परिदृश्य इंटरफ़ेस अंतर्निहित हैं और मुख्यधारा के खोज इंजनों के डेटा से जुड़ा हुआ है।

✅ इसमें 20+ डेटा प्रकार शामिल हैं, जैसे खोज परिणाम, समाचार, वीडियो और चित्र।

✅ यह पिछले 24 घंटों के भीतर ऐतिहासिक डेटा अपडेट का समर्थन करता है।

भविष्य की उत्पाद योजना में, हम AI डेवलपर्स की आवश्यकताओं पर पूरी तरह से विचार करेंगे। हम गतिशील वेब जानकारी को AI-संचालित समाधानों में एकीकृत करने की प्रक्रिया को सरल करेंगे और अंततः एक ALL-in-One API को महसूस करेंगे जो वेब डेटा की एक-क्लिक खोज और निष्कर्षण की अनुमति देता है। इसके अलावा, हम इस क्षेत्र में लंबे समय तक सबसे कम कीमत बनाए रखेंगे: $0.1-$0.3/1K क्वेरी।

सबसे महत्वपूर्ण घटना! 🔔 डेवलपर सपोर्ट प्रोग्राम शुरू किया गया है:

आप अपने AI टूल, अनुप्रयोगों या किसी भी परियोजना में Scrapeless को एकीकृत कर सकते हैं, जिस पर आप काम कर रहे हैं। हम Dify (Langchain, Langflow, FlowiseAI, और कई अन्य जल्द ही आ रहे हैं!) जैसे ढांचे का समर्थन करते हैं। आप अन्य तरीकों से भी Scrapeless को एकीकृत कर सकते हैं जो आपकी परियोजना के अनुकूल हों।

एक बार आपका एकीकरण पूरा हो जाने के बाद, अपने काम को GitHub या सोशल मीडिया के माध्यम से हमारे साथ साझा करें, और एकीकरण का प्रमाण प्रदान करें। बदले में, हम आपको हमारे उत्पादों के लाभों को अधिकतम करने में मदद करने के लिए 1 महीने के लिए 500K मुफ्त क्वेरी प्रदान करेंगे।

हमारे समुदाय में शामिल हों और हमारे व्यवस्थापक से विवरण प्राप्त करें: एमिली फैन!