Qwen4-Max i Alibaba-s ul kostot e detyrave me 60%

foto

Alibaba ka lançuar Qwen4-Max, një model kryesor me 2.4 trilion parametra, duke pretenduar se ul koston mesatare të kryerjes së detyrave profesionale me 62% krahasuar me paraardhësin e tij, ndërsa prezanton masa mbrojtëse shtesë kundër aftësive sulmuese të sigurisë kibernetike dhe përdorimeve të tjera me rrezik të lartë.

foto

“Sipas Work360 — një standard referimi pronësor që vlerëson performancën në detyra sfiduese të industrisë në 721 fusha të specializuara — Qwen4-Max tejkalon paraardhësin e tij, Qwen3.8-Max, në përgjithësi, ndërsa përdor 35% më pak tokena në modalitetin e arsyetimit me përpjekje të lartë dhe ul koston mesatare për detyrë me rreth 60%”, tha Alibaba në një postim në blog.

foto

Njoftimi i ekipit Qwen e vendos koston mesatare të detyrës në 1.67 dollarë për Qwen4-Max, krahasuar me 4.43 dollarë për Qwen3.8-Max, duke përfaqësuar një ulje prej 62%.

“Alibaba ka publikuar kilometrazhin që ka përshkuar në rrugën e vet dhe fatura e blerësit varet nga rruga që përshkon blerësi”, tha Gogia.

Yash Kadakia, themelues dhe CTO i Brigadës së Sigurisë, tha se ndërmarrjet duhet të matin përfundimin me sukses të detyrave dhe jo vetëm çmimet e simboleve.

“Një ndërmarrje duhet të përcaktojë kostot për të përfunduar me sukses 1,000 detyra të vërteta biznesi, jo kostot për të gjeneruar një milion tokena”, tha Kadakia.

Alibaba përmendi gjithashtu përmirësime në kodim dhe vlerësime agjentësh, duke përfshirë Code Arena dhe Agents’ Last Exam. Në një demonstrim të prodhimit të automobilave, kompania tha se Qwen4-Max uli kohën e programimit manual të pjesës së punës nga afërsisht 475 minuta në 24 minuta.

Krahas shifrave të kostos, Alibaba përcaktoi ndryshime në atë që modeli mëson rreth hakerimit në fazën e të dhënave të trajnimit.

“Për sigurinë kibernetike, ne filtrojmë të dhënat sipas qëllimit specifik të secilës detyrë, duke ruajtur të dhënat për detyra mbrojtëse siç janë verifikimi i cenueshmërisë, zbulimi dhe ndreqja, ndërsa heqim të dhënat për detyra sulmuese që synojnë rritjen e aftësive të sulmit”, thuhet në postimin në blog të Alibaba-s.

Kompania tha se kontrollet e sigurisë së kodit të shtuara gjatë trajnimit e rritën pjesën e funksioneve që kalonin testet e funksionalitetit dhe sigurisë në Last Secure Code Bench nga 22% në 31.8%. Ekspertët e saj të brendshëm të sigurisë zbuluan se aftësitë mbrojtëse të modelit ishin “përmirësuar ndjeshëm”, shtoi postimi.

Kadakia vuri në pikëpyetje nëse njohuritë e sigurisë kibernetike sulmuese dhe mbrojtëse mund të ndahen në mënyrë të besueshme përmes filtrimit të të dhënave të trajnimit.

“Një nga sfidat themelore me inteligjencën artificiale të sigurisë kibernetike është se njohuritë sulmuese dhe mbrojtëse janë kryesisht të njëjta njohuri”, tha ai, duke vënë në dukje se të kuptuarit e injektimit SQL është i nevojshëm si për ta shfrytëzuar ashtu edhe për ta parandaluar atë.

Gogia tha se dallimi kërkon validim të pavarur, duke rekomanduar që CISO-të të kërkojnë vlerësime nga vlerësues qeveritarë ose ekipe të jashtme të kuqe të themeluara, në vend që të mbështeten vetëm në testimet e brendshme të Alibaba-s.

Njoftimi vjen pas një hetimi në tetor nga kompania kanadeze e inteligjencës artificiale Cohere, e cila raportoi se një model i mëparshëm i Alibaba-s, Qwen3.8-Flash-Next, u përpoq të dërgonte një skedar testimi në një destinacion ruajtjeje Alibaba Cloud në Pekin gjatë një testi sigurie. Cohere tha se sandbox-i i saj bllokoi kërkesën.

Një hetim i mëvonshëm nga Check Point e përsëriti sjelljen 64 herë dhe gjeti 52 hoste të ndryshëm destinacioni. Ai sugjeroi që sjellja e paparashikueshme e modelit ishte një shpjegim më i mundshëm sesa një derë e pasme e konfiguruar qëllimisht.

Incidenti përfshinte një model eksperimental, jo Qwen4-Max.

Përveç kësaj, vlerësuesit qeveritarë kanë filluar të testojnë modelet kineze në mënyrë të pavarur. Në korrik, Qendra Amerikane për Standardet dhe Inovacionin e IA-së zbuloi se masat mbrojtëse në GLM-5.2 të Z.ai lejonin ndihmë me zhvillimin e shfrytëzimit kibernetik të agjentëve. Gogia tha se CISO-të duhet ta trajtojnë filtrin e Alibaba-s “si një premtim derisa një vlerësues qeveritar ose një ekip i jashtëm i themeluar i red ta ketë testuar atë”.

Për ndërmarrjet jashtë Kinës, Gogia tha se shtrirja gjeografike e shërbimit global të Alibaba-s, politikat e ruajtjes së shpejtë dhe juridiksioni që rregullon të dhënat e ruajtura duhet të merren në konsideratë përpara se të vendoset modeli për ngarkesa pune të ndjeshme. Ai vuri në dukje ruajtjen e shpejtë deri në 30 ditë dhe ruajtjen më të gjatë të përmbajtjes së shënuar, duke përfshirë edhe marrëveshjet me mbajtje zero.

Kadakia tha se ndërmarrjet duhet të shqyrtojnë se ku përpunohen kërkesat, dokumentet e marra, rezultatet e mjeteve dhe regjistrat, kush mund t’i qaset atyre dhe çfarë lejesh kanë agjentët në të gjitha sistemet e brendshme.

“Rreziku më i madh me inteligjencën artificiale të ndërmarrjeve nuk është më thjesht informacioni që punonjësit shkruajnë në një chatbot. Është ajo që një agjent autonom mund të ketë në dispozicion, çfarë vendimesh mund të marrë dhe çfarë veprimesh mund të ekzekutojë në sistemet e lidhura të ndërmarrjeve”, tha ai.

Alibaba gjithashtu planifikon të nxjerrë në shitje modele më të vogla Qwen4 me pesha të hapura. Kadakia tha se zhvilluesit që modifikojnë këto modele përmes rregullimeve të hollësishme nuk duhet të supozojnë se masat mbrojtëse origjinale të sigurisë do të mbeten të paprekura.

“Trajnimi për sigurinë nuk është një pronë e përhershme e një modeli”, tha ai, duke rekomanduar testime të reja kundërshtare dhe kontrolle mbi aksesin në mjete për versionet e personalizuara. Në mënyrë të ngjashme, Gogia rekomandoi rivlerësimin e çdo modeli të modifikuar në vend që të trashëgoheshin automatikisht garancitë e sigurisë së modelit origjinal.