AI公司过去曾对行业领导者Openai进行衡量。不再。既然中国的Deepseek已成为领先者，它已成为击败的人。

周一，DeepSeek将AI行业置于头脑中，造成数十亿美元的损失在华尔街，同时提出了有关某些美国初创企业和风险投资的效率效率的问题。

现在，两家新的AI强国进入了戒指：西雅图的艾伦AI研究所和中国阿里巴巴；两者都声称他们的模型与DeepSeek V3相当或更好。

艾伦AI研究所，这是一家美国的研究组织视觉模型名为Molmo，今天推出了新版本的Tülu3，这是一种免费的开源4050亿个参数大语言模型。

保罗·艾伦（Paul Allen）的非营利组织在一家保罗·艾伦（Paul Allen）的非营利组织中说：“我们很高兴宣布Tülu3 405B的推出，这是最大的开放式培训后培训食谱的首次应用。”博客文章。 “通过此版本，我们证明了以405b参数量表应用的训练后食谱的可扩展性和有效性。”

对于那些喜欢比较尺寸的人，Meta的最新LLM， call-3.3， 有700亿参数，迄今为止最大的模型为 Call-3.1 405b - 与Tülu3相同的大小。

该模型是如此之大，以至于需要非凡的计算资源，需要32个节点，并并行运行256个GPU进行培训。

艾伦学院（Allen Institute）在建立模型时撞到了几个障碍。 Tülu3的巨大规模意味着该团队必须将工作量分成数百个专业的计算机芯片，其中240个芯片处理培训过程，而另外16个则进行了实时操作。

即使具有这种庞大的计算能力，该系统也经常崩溃并需要全天候监督以保持其运行。

Tülu3的突破以其新颖的增强学习为中心，并具有可验证的奖励（RLVR）框架，该框架在数学推理任务中表现出了特殊的力量。

每次RLVR迭代大约需要35分钟，推理需要550秒，重量转移25秒和训练1,500秒，而AI在每轮比赛中解决问题方面都变得更好。

通过可验证的奖励（RLVR）的加强学习是一种训练方法，似乎是一种复杂的辅导系统。

AI收到了特定的任务，例如解决数学问题，并就其答案是否正确获得了即时反馈。

但是，与传统的AI培训（例如Openai用于培训Chatgpt的培训），在该培训的情况下，人类反馈可以是主观的，RLVR只能在可靠地产生正确正确的答案时奖励AI，类似于数学老师确切地知道学生的解决方案的确切解决方案对还是错。

这就是为什么该模型如此擅长数学和逻辑问题，但不是在其他任务等其他任务（例如创意写作，角色扮演或事实分析）上最好的。

该模型可在艾伦AI的游乐场，一个UI的免费网站，类似于Chatgpt和其他AI聊天机器人。

我们的测试证实了这么大的模型可以期待什么。

它非常擅长解决问题和应用逻辑。我们提供了来自许多数学和科学基准的不同随机问题，它能够输出良好的答案，与示例答案相比，甚至更容易理解提供的基准.

但是，它在其他不涉及数学的与逻辑语言相关的任务中失败了，例如以特定单词结尾的句子。

另外，Tülu3不是多模式。取而代之的是，它坚持最了解的内容 - 撰写文字。这里没有花哨的图像产生或嵌入式思想链的技巧。

从好的方面来说，界面是免费使用的，需要通过Allen AI的操场或下载重量以在本地运行。

该模型可通过拥抱脸，替代方案从80亿个参数到4050亿个参数版本。

中国科技巨头进入竞争

同时，中国并没有依靠Deepseek的桂冠。

在所有的哈伯布中，阿里巴巴掉了QWEN 2.5-MAX，一种大规模的语言模型，接受了超过20万亿代币的训练。

这家中国科技巨头在农历新的一年中发布了该模型，就在DeepSeek R1破坏了市场之后的几天。

基准测试显示，使用Arena-Hard，LiveBench，LiveCodeBench和GPQA-Diamond等基准评估，包括编码，数学，推理和一般知识在内的QWEN 2.5-MAX的表现优于DeepSeek V3，包括编码，数学，推理和一般知识。

该模型根据该模型的卡，对GPT-4O和Claude 3.5-Sonne等行业领导者的竞争成果表现出来。

阿里巴巴通过其云平台提供了该模型开放式火，允许开发人员使用熟悉的工具和方法将其集成。

该公司的文档显示了实施的详细示例，这表明推动了广泛采用。

但是阿里巴巴的Qwen聊天网站门户是一般用户的最佳选择，对于那些可以在那里创建帐户的人来说，似乎非常令人印象深刻。它可能是当前可用的最通用的AI聊天机器人界面。

Qwen聊天允许用户完美地生成文本，代码和图像。它还支持Web搜索功能，工件，甚至支持一个非常好的视频生成器，都可以免费使用。

它还具有独特的功能，用户可以选择两个不同的模型来相互作战以提供最佳响应。

总体而言，Qwen的UI比Allen AI的UI更通用。

在文本响应中，在涉及语言分析的创意写作和推理任务中，Qwen2.5-Max被证明比Tülu3更好。例如，它能够生成以特定单词结尾的短语。

它的视频生成器是一个不错的补充，可以说与Kling或Luma Labs之类的报价相当 - 绝对比Sora所能做出的好。

此外，它的图像生成器提供了逼真而宜人的图像，比Openai的Dall-E 3具有明显的优势，但显然在Flux或Midjourney等顶级模型后面。

DeepSeek，Qwen2.5-Max和Tülu3的三重发行刚刚为开源AI世界提供了一段时间的最大增强。

DeepSeek已经通过早期建立R1推理模型来转向头部Qwen技术用于蒸馏，证明开源AI可以以一小部分成本与十亿美元的科技巨头相匹配。

现在Qwen2.5-Max提高了赌注。如果DeepSeek遵循其既定的剧本（Lever Qwen's Architecture），那么下一个推理模型就会打出更大的拳头。

尽管如此，对于艾伦学院来说，这可能是一个很好的机会。 Openai正在启动其O3推理模型，一些行业分析师估计，该模型可能使用户付出损失每个查询$ 1,000.

如果是这样，Tülu3的到来可能是一个很棒的开源替代方案，尤其是对于由于安全问题或监管要求而警惕中国技术的开发人员。

编辑乔什·奎特纳（Josh Quittner）和塞巴斯蒂安·辛克莱（Sebastian Sinclair）