Alibaba présente Qwen3.5, un modèle d'experts multimodaux

Introduction

Alibaba a annoncé le lancement de Qwen3.5, un modèle d'intelligence artificielle (IA) qui peut traiter des tâches multimodales, incluant le texte et les images. Ce modèle est présenté comme capable de surpasser les performances de GPT-5.2 et Claude 4.5 Opus dans certaines tâches.

Contexte Technique

Qwen3.5 est un modèle d'experts, ce qui signifie qu'il est composé de plusieurs réseaux de neurones optimisés pour différentes tâches. Lorsqu'il reçoit une invite, il utilise 10 de ses réseaux de neurones pour générer une réponse. Ce modèle peut traiter des invites avec jusqu'à 262 144 jetons, ce qui peut être presque quadruplé avec des personnalisations. Il prend en charge plus de 210 langues et dialects, ainsi que des images comme des visualisations de données. Qwen3.5 combine des têtes d'attention quadratiques standard avec des têtes d'attention linéaires, qui nécessitent beaucoup moins de mémoire, et utilise également un réseau de delta à porte logique pour améliorer l'efficacité.

Analyse et Implications

L'annonce de Qwen3.5 soulève des attentes quant à ses capacités à traiter des tâches complexes de manière efficace. Les tests ont montré que Qwen3.5 peut surpasser GPT-5.2 et Claude 4.5 Opus dans certaines tâches, comme le test IFBench qui mesure la capacité d'un modèle de langage à suivre les instructions utilisateur. Cependant, dans d'autres cas, Qwen3.5 n'a surpassé qu'un des deux modèles. Par exemple, il a obtenu un score plus élevé que Claude 4.5 Opus sur le benchmark de raisonnement HMMT, mais a été devancé par GPT-5.2. Qwen3.5 a également démontré des capacités prometteuses dans le traitement de données multimodales, surpassant Qwen3-VL, un modèle conçu spécifiquement pour les tâches d'analyse d'images, sur plusieurs benchmarks de raisonnement visuel et de codage.

Perspective

Il est important de suivre les développements futurs de Qwen3.5, notamment en termes de déploiement et d'adoption dans différents secteurs. Les limites et les inconnues, telles que la capacité du modèle à gérer des invites plus complexes ou à intégrer davantage de types de données, seront cruciales pour déterminer son succès à long terme. De plus, la communauté devra surveiller les signaux de performance et les mises à jour du modèle pour comprendre pleinement son impact potentiel sur le paysage de l'IA.