अलीयून ओपन सोर्स बड़ा मॉडल: AI इकोसिस्टम के निर्माण और विभिन्न परिदृश्यों में अनुप्रयोगों को बढ़ावा देना

ओपन सोर्स मॉडल के बड़ी संख्या में उदय के साथ, उनका प्रदर्शन वर्तमान के सबसे अग्रणी क्लोज़्ड-सोर्स मॉडल के समान हो गया है। साथ ही, ओपन सोर्स मॉडल के माध्यम से मॉडल ट्रेनिंग की लागत में काफी कमी आई है, जिससे सबसे उन्नत मॉडलों को कम लागत पर तैनात किया जा सकता है और उनका व्यापक रूप से इस्तेमाल किया जा सकता है।

AI युग के इस लहर के तहत, अलीबाबा समूह ने अपनी व्यवसाय विकास रणनीति में पूरी तरह से परिवर्तन कर दिया है।

24 फरवरी 2025 को, अलीबाबा समूह के CEO वू योंगमिंग ने घोषणा की कि अगले तीन वर्षों में, अली वैश्विक क्लाउड सेवाओं और AI हार्डवेयर इंफ्रास्ट्रक्चर के निर्माण में 380 बिलियन युआन से अधिक का निवेश करेगा; यह निवेश कंपनी के पिछले दस वर्षों में इस क्षेत्र में किए गए कुल निवेश से भी कहीं अधिक है।

बड़े मॉडल के क्षेत्र में, अलीयून ने उल्लेखनीय परिणाम हासिल किए हैं। वर्तमान में, अलीयून ने 200 से अधिक विभिन्न मॉडल ओपन सोर्स किए हैं, और तंगी चियनवेन (Qwen) के व्युत्पन्न मॉडलों की संख्या घरेलू और विदेशी ओपन सोर्स समुदायों में 100,000 को पार कर गई है, जिससे यह अमेरिकी लामा श्रृंखला के मॉडलों को पीछे छोड़कर वैश्विक ओपन सोर्स बड़े मॉडल की शीर्ष स्थिति पर कायम है।

अलीयून टोंगयी चियानवेन टीम ने मैगज़ीन ‘बिज़नेस स्कूल’ को बताया कि ओपन सोर्स के ज़रिए, अलीयून एक मज़बूत AI इकोसिस्टम तैयार करने का प्रयास कर रहा है, ताकि बड़ी संख्या में छोटे और मझोले व्यवसायों तथा AI डेवलपर्स को टोंगयी चियानवेन का उपयोग जल्दी और आसानी से करने में मदद मिले, जिससे बड़े मॉडल तकनीक के व्यापक प्रचार और वास्तविक उपयोग को बढ़ावा मिले और चीन के बड़े मॉडल इकोसिस्टम के निर्माण में सहायता मिले। क्योंकि केवल एक मज़बूत बड़े मॉडल के आधार का निर्माण ही भविष्य में वाणिज्यिक उपयोग के लिए अनंत संभावनाएँ पैदा कर सकता है।

अगस्त 2023 से, अलीयून ने देश में पहली बार बड़े पैमाने पर बड़े मॉडल का ओपन-सोर्स लॉन्च किया, इस तरह वह देश की पहली बड़ी कंपनी बन गई जिसने बड़े पैमाने पर ओपन-सोर्स लॉन्च किया है, और उसे चैटबॉट एरीना, सिनान ओपनकॉम्पास जैसी प्रतिष्ठित सूचकांकों में कई बार “वैश्विक ओपन-सोर्स चैंपियन” और “घरेलू मॉडल चैंपियन” के खिताब से भी सम्मानित किया गया। 2024 में, केवल Qwen2.5-1.5B एक ही ओपन-सोर्स मॉडल ने हगिंग फेस जैसे विश्व के सबसे बड़े ओपन-सोर्स समुदाय में मॉडल डाउनलोड की संख्या का 26.6% हिस्सा लेकर विश्व में पहला स्थान हासिल किया।

अलीयून ने बताया कि ओपन सोर्स विश्वभर के डेवलपर्स की बुद्धिमत्ता और ताकत को एकजुट करता है, जिससे एक अकेली कंपनी द्वारा स्वतंत्र रूप से विकसित किए जाने की तुलना में तकनीकी नवाचार और इतिवृत्त को अधिक कुशलता से आगे बढ़ाया जा सकता है। उदाहरण के लिए, डीपसीक ने R1 को ओपन सोर्स करने के बाद, विश्वभर में R1 की प्रतिकृति का एक बड़ा तरल उठा, जिसने OpenAI के o1 रीजनिंग मॉडल पर असर डाला और वैश्विक बड़े मॉडल तकनीक को रीजनिंग मॉडल के नए चरण में पहुंचाया।

इसके अलावा, ओपन सोर्स पारिस्थितिकी तंत्र के निर्माण में मददगार है। ओपन सोर्स मॉडल के तहत, कोई भी AI मॉडल को मुफ्त में डाउनलोड और इंस्टॉल कर सकता है, जिससे नई तकनीकों के व्यापक प्रसार में महत्वपूर्ण योगदान मिलता है। जैसे DeepSeek के छह डिस्टिलेशन मॉडलों में से चार Qwen के ओपन सोर्स मॉडल पर आधारित हैं; ली फेईफेई की टीम ने भी Qwen के ओपन सोर्स मॉडल के आधार पर, एक नया मॉडल s1-32B बनाया है, जिसका प्रदर्शन अग्रणी इन्फरेंस मॉडलों के समकक्ष है, और गणितीय समस्याओं के प्रतियोगिताओं में इसका प्रदर्शन o1-preview की तुलना में 27% अधिक है।

इसके अलावा, ओपन सोर्स AI के औद्योगीकरण की प्रक्रिया को गति देता है और विभिन्न क्षेत्रों में AI तकनीक के लागू होने को बढ़ावा देता है। शुरुआती उद्यमों और छोटे एवं मझोले उद्यमों के लिए, ओपन सोर्स मॉडल का सीधे उपयोग करने से AI क्षेत्र में प्रवेश करने के लिए तकनीकी और वित्तीय बाधाएं काफी कम हो जाती हैं, और अपने ज्ञान भंडार या भाषा डेटाबेस के साथ मिलाकर, विभिन्न क्षेत्रों के लिए उपयुक्त ऊर्ध्वाधर समाधानों का तेजी से विकास किया जा सकता है।

विशेष रूप से उल्लेखनीय है कि, अलीबाबा क्लाउड द्वारा 6 मार्च, 2025 को जारी QwQ-32B न केवल उद्यमों के लिए उपयुक्त है, बल्कि व्यक्तिगत डेवलपर्स और आम उपयोगकर्ताओं के लिए भी आसानी से उपयोग करने योग्य है, और यह उपभोक्ता स्तर के ग्राफिक्स कार्ड पर स्थानीय रूप से तैनात किया जा सकता है, जिससे तैनाती और उपयोग की लागत में काफी कमी आती है। बड़े पैमाने पर सशक्तीकरण अध्ययन के माध्यम से, यह मॉडल गणित, कोड और सामान्य क्षमताओं में एक महत्वपूर्ण छलांग लगाता है, और इसका समग्र प्रदर्शन DeepSeek-R1 के समान है।

हालाँकि, स्केलिंग लॉ (Scaling Law) के कारण मार्जिनल लाभ धीरे-धीरे कम होता जा रहा है, और ओपनएआई के अनुरूप बड़े मॉडल वाली कंपनियाँ डेटा संचय तथा कंप्यूटिंग पावर के संचय के मामले में वर्तमान तकनीकी एवं संसाधन स्थितियों के अनुसार अधिकतम सीमा तक पहुँच चुकी हैं। इसलिए, नए अनुकूलन मार्गों की खोज करना महत्वपूर्ण हो गया है। उद्योग जगत ने कंप्यूटिंग पावर के अत्यधिक अनुकूलन के माध्यम से लागतों को कम करना शुरू कर दिया है, साथ ही सशक्तीकरण अध्ययन और तर्क चरणों में सुधार करके उच्च प्रदर्शन वाले मॉडलों को अधिक कुशल तरीके से प्रशिक्षित करना शुरू कर दिया है। QwQ-32B के लॉन्च ने मॉडल के प्रदर्शन को बढ़ाने में सशक्तीकरण अध्ययन की विशाल क्षमता को एक बार फिर से साबित कर दिया है।

अली बादल ने कहा कि ओपन सोर्स मॉडल के लगातार उदय के साथ, इनका प्रदर्शन सबसे अग्रणी क्लोज़्ड-सोर्स मॉडल के समान हो गया है। ओपन सोर्स मॉडल के फॉर्मेट ने मॉडल ट्रेनिंग की लागत को भी कम कर दिया है, जिससे सबसे अत्याधुनिक मॉडल को कम लागत में तैनात और उपयोग किया जा सकता है।

दिलचस्प बात यह है कि चीनी कंपनियों से आने वाली प्रतिस्पर्धा से निपटने के लिए, Google और OpenAI जैसे अंतरराष्ट्रीय दिग्गज भी अपनी रणनीति में बदलाव करने लगे हैं और सीमित स्तर पर ओपन सोर्स करने का प्रयास कर रहे हैं। उदाहरण के लिए, Google ने पहले बंद स्रोत मॉडल Gemini पर ध्यान केंद्रित किया था, लेकिन हाल ही में Gemma 3 को ओपन सोर्स कर दिया है; जबकि OpenAI, जिसे कभी CloseAI कहा जाता था, चीन के ओपन सोर्स पर्यावरण के प्रभाव के बाद, उसके CEO सैम ऑल्टमैन ने स्वीकार किया है कि बंद स्रोत की रणनीति गलत थी और भविष्य में ओपन सोर्स करने की योजना की घोषणा की है।

वर्तमान में, अधिक से अधिक कंपनियाँ मानक API सेवाओं का उपयोग करने की ओर झुक रही हैं, जो बड़े मॉडल निर्माताओं द्वारा प्रदान की जाती हैं; यह विशेष रूप से उन मामलों में उपयुक्त है जहाँ व्यवसाय अपेक्षाकृत स्थिर है और बड़ी मात्रा में अनुकूलन की आवश्यकता नहीं है। API सेवाओं का उपयोग करना अधिक किफायती है, क्योंकि इनका खर्च केवल वास्तविक उपयोग के समय ही लगता है; यह विशेष रूप से ऐसे मामलों के लिए उपयुक्त है जहाँ आवश्यकता में स्पष्ट तरंगों का आकार होता है, जैसे कि ग्राहक सेवा प्रणाली। दिन के भीड़ वाले घंटों के अलावा, अन्य समय में आवश्यकता कम होती है, इसलिए बड़े मॉडल को शुरू से विकसित करने की आवश्यकता नहीं होती है, जिससे लागत में काफी कमी आती है।

अलीयून बाईलेन प्लेटफ़ॉर्म, अली का एक विशेष एआई बड़े मॉडल सेवा प्लेटफ़ॉर्म है जो कंपनियों के लिए तैयार किया गया है, जो कंपनियों और डेवलपर्स को एआई एप्लिकेशन का अधिक कुशलता से निर्माण, प्रशिक्षण और तैनाती में सहायता प्रदान करता है। वर्तमान में, इस प्लेटफ़ॉर्म पर आधारित एपीआई कॉल अलीयून बड़े मॉडल के वाणिज्यीकरण का मुख्य माध्यम है। अलीयून बाईलेन प्लेटफ़ॉर्म तेज़ और सुविधाजनक सेवा एक्सेस तरीके प्रदान करता है, जिससे उपयोगकर्ता अलीयून के बड़े मॉडल की क्षमताओं का आसानी से लाभ उठा सकते हैं।

स्टैंडर्ड API कॉल के अलावा, अलीबाबा क्लाउड संयुक्त विकास के साथ AI के एक पूरे कस्टमाइज़्ड समाधान सेवाओं की पेशकश करता है, जिसमें मॉडल माइक्रो-फ़िनिंग और कस्टम मॉडल आदि शामिल हैं, ताकि ऐसे ग्राहकों की ज़रूरतों को पूरा किया जा सके जो मॉडल तकनीक से अनभिज्ञ हैं या अत्यधिक कस्टमाइज़ेशन की आवश्यकता रखते हैं। डेटा सुरक्षा और गोपनीयता की आवश्यकता वाले उपयोगकर्ताओं के लिए, अलीबाबा क्लाउड ने निजी विकास विधि पेश की है, जैसे कि मॉडल को एकीकृत मशीन में एकीकृत करके ग्राहकों को सीधे बेचना।

सोर्स कोड आधारित बड़े मॉडल के वाणिज्यीकरण की प्रक्रिया को आगे बढ़ाते हुए, अलीबाबा क्लाउड निरंतर रूप से अधिक लागत प्रभावी AI क्षमताओं के खुलापन के तरीकों की खोज कर रहा है।

2024 से, अलीयून ने बार-बार तंगई चियानवेंग श्रृंखला मॉडल की कीमतों में कटौती की है; इसमें Qwen-Long API इनपुट की कीमत 0.02 युआन/हजार टोकन से घटाकर 0.0005 युआन/हजार टोकन कर दी गई है, जो कि 97% की कटौती है। अन्य मॉडल जैसे Qwen-Turbo, Qwen-Plus, Qwen-Max और विज़ुअल अंडरस्टैंडिंग मॉडल आदि की कीमतों में भी भारी कटौती की गई है, जिससे अधिक से अधिक व्यवसाय और डेवलपर्स कम लागत पर AI क्षमताएं प्राप्त कर सकें।

गौरतलब है कि लागत में लगातार कमी अलीयून के AI इंफ्रास्ट्रक्चर में लगातार हो रही प्रगति के कारण हुई है, खासकर कंप्यूटिंग दक्षता बढ़ाने, नेटवर्क प्रदर्शन को अनुकूलित करने और स्टोरेज की गति बढ़ाने जैसे क्षेत्रों में। उदाहरण के लिए, अलीयून ने 100,000 से अधिक GPU के स्थिर कनेक्शन का समर्थन करने वाला उच्च-प्रदर्शन वाला नेटवर्क आर्किटेक्चर HPN7.0, एक ही मशीन में 16 कार्डों का अधिकतम समर्थन करने वाला पानजिउ AI सर्वर और 20TB/s की डेटा थ्रूपुट वाली CPFS फ़ाइल स्टोरेज पेश किया है।

इसके अलावा, अलीयून बेलियन प्लेटफ़ॉर्म में 200 से अधिक बड़े मॉडल API एकीकृत हैं, जो देश-विदेश के प्रमुख ओपन सोर्स और क्लोज़्ड सोर्स मॉडलों को कवर करते हैं। उपयोगकर्ताओं के लिए टेक्स्ट बड़े मॉडल API का उपयोग करने की लागत कम करने के लिए, अलीयून बेलियन प्लेटफ़ॉर्म ने एक नया KV Cache चार्जिंग मोड पेश किया है, जो स्वचालित रूप से संदर्भ को कैश करके दोहरी गणना से बचाता है, जिससे मॉडल कॉल की लागत और भी कम हो जाती है; यह लंबे टेक्स्ट, कोड कम्प्लीशन, बहु-राउंड डायलॉग, विशिष्ट टेक्स्ट समरी आदि दृश्यों के लिए उपयुक्त है।

कुल मिलाकर, AI ओपन सोर्स बड़े मॉडल को वाणिज्यीकरण के दौरान दो प्रमुख चुनौतियों का सामना करना पड़ रहा है: पहला, ऐसे “किलर एप्लिकेशन” की कमी है जो उपयोगकर्ता अनुभव या दक्षता में उल्लेखनीय सुधार ला सके; इसका मतलब है कि बाजार अभी तक AI बड़े मॉडल के लिए पूरी तरह से तैयार नहीं है, और इसके एप्लिकेशन क्षेत्र तथा संभावनाओं को आगे बढ़ाकर खोजने और सत्यापित करने की आवश्यकता है। दूसरा, B2B बाजार अभी भी प्रारंभिक खोज के चरण में है; कंपनियों के प्रबंधन को ओपन सोर्स बड़े मॉडल के जरिए व्यापारिक मूल्य प्राप्त करने की समझ कम है, और बंद सोर्स मॉडल की तुलना में AI समाधानों में निवेश करने के लिए उन्हें समझाना अधिक कठिन है।

इन चुनौतियों और भविष्य की योजनाओं के मद्देनजर, अली ने “क्लाउड + AI” के एकीकृत फुल-स्टैक समाधान के माध्यम से तैयारी की है। उदाहरण के लिए, AI इंफ्रास्ट्रक्चर की उत्पादक्षमता का उपयोग करके B-साइड मार्केट का विस्तार किया जा रहा है। साथ ही, क्वार्क के पुनर्डिज़ाइन और अपग्रेड जैसे प्रयासों के माध्यम से, C-साइड मार्केट में बड़े मॉडल के एप्लिकेशन की संभावनाओं की खोज की जा रही है, ताकि एक घटनाक्रम वाले उत्पाद का नमूना तैयार किया जा सके और AI अनुभव का सर्वोत्तम प्रवेश बिंदु प्रदर्शित किया जा सके।

बड़े मॉडल तकनीक के लगातार विकास के साथ, इसका कई परिदृश्यों में भारी एप्लिकेशन मूल्य और संभावनाएं सामने आई हैं।

जनवरी 2024 में, चीन के फ़ास्ट ने तोंगयी कियानवें के साथ मिलकर ऑटोमोबाइल उद्योग का पहला बड़े मॉडल पर आधारित वाणिज्यिक बुद्धिमत्ता (BI) एप्लिकेशन — GPT-BI — लॉन्च किया। फ़ास्ट ने कियानवें के बड़े मॉडल की क्षमताओं का उपयोग करके डेटा को बुद्धिमान बनाया है, जिससे बड़ी मात्रा में सोया हुआ डेटा संपत्ति मूल्यवान संसाधनों में बदल गई है।

विशेष रूप से, GPT-BI ने FAW को बिक्री डेटा के लिए स्वचालित रिपोर्ट तैयार करने में सहायता प्रदान की है, जिससे कार्यक्षमता में काफी वृद्धि हुई है। FAW होंगछी ब्रांड ऑपरेशन कमेटी के उपाध्यक्ष मेन शिन ने कहा कि AI के वास्तविक कार्य में और भी कई अनुप्रयोग स्थल हैं। उदाहरण के लिए, पूरे वाहन के विकास के दौरान, बहुत अधिक डेटा का उपयोग किया जाता है, जिसमें कार उत्पादन के आकार के मिलान, तकनीकी समीक्षा, असेंबली रणनीति आदि शामिल हैं; इन चरणों में पहले मानवीय माप का आश्रय लिया जाता था। अब, होंगछी इन डेटा और आवश्यकताओं के आधार पर होंगछी कारों के लिए स्वचालित मूल्यांकन मॉडल तैयार करती है और पूरे वाहन के उत्पादन प्रक्रिया में इसे शामिल करती है, जिससे जो चरण पहले 20 दिन, 50 दिन या यहाँ तक कि 80 दिन से भी अधिक समय लेते थे, वे अब कार्यपटल पर सेकंड या दिन के स्तर तक समय में कम हो गए हैं।

GPT-BI जैसे वास्तविक व्यावसायिक परिदृश्यों के आधार पर, फियाट ने बड़ी मात्रा में उच्च गुणवत्ता वाले डेटा संपदा का उपयोग करते हुए, “अलीबाबा क्लाउड बाइलेन” के एकल-स्थान वाले बड़े मॉडल एप्लिकेशन विकास प्लेटफॉर्म पर अनुसंधान और विकास, विनिर्माण, बिक्री के बाद सेवा आदि के कई क्षेत्रों के लिए ऊर्ध्वाधर बड़े मॉडल बनाने की योजना बनाई है, ताकि बड़े मॉडल उत्पादन, बिक्री आदि चरणों में पूरी तरह से अपनी उपयोगिता साबित कर सकें।

11 मार्च 2025 को, Manus प्लेटफॉर्म ने अली के Tongyi Qianwen टीम के साथ रणनीतिक सहयोग की घोषणा की। दोनों पक्ष तोंगयी क्वानवेन श्रृंखला के ओपन-सोर्स मॉडल के आधार पर, चीनी मॉडल और कंप्यूटिंग शक्ति प्लेटफॉर्म पर Manus की सभी कार्यक्षमताओं को साकार करेंगे, ताकि चीनी उपयोगकर्ताओं के लिए अधिक रचनात्मक और सामान्य बुद्धिमान एजेंट उत्पाद तैयार किए जा सकें।

उद्योग में आमतौर पर माना जाता है कि Manus और अली का सहयोग न केवल उन्नत बड़े मॉडल का उपयोग करने का एक तरीका है, बल्कि भारी कंप्यूटिंग शक्ति की आवश्यकता को पूरा करने के लिए उच्च लागत प्रदर्शन वाले क्लाउड प्लेटफॉर्म की खोज का भी एक तरीका है, विशेष रूप से चीनी बाजार में। दोनों पक्षों का सहयोग AI बुद्धिमान एजेंट के औद्योगिकीकरण की प्रक्रिया को गति देगा, कुशल और किफायती क्लाउड कंप्यूटिंग समाधानों के माध्यम से परिचालन लागतों को कम करेगा और सेवा प्रदर्शन को बढ़ाएगा।

कुछ समय पहले, विश्व प्रसिद्ध तकनीकी दिग्गज एप्पल ने अली के साथ सहयोग किया, जिसके तहत अली चीनी संस्करण iPhone के लिए कृत्रिम बुद्धिमत्ता सुविधाओं का विकास कर रहा है।

विश्लेषकों का कहना है कि एप्पल ने अलीबाबा के साथ सहयोग करने का फैसला लिया है, जिसका एक कारण तो अलीबाबा क्लाउड प्लेटफ़ॉर्म की कंप्यूटिंग क्षमता का दबदबा है, वहीं दूसरा कारण है तंगई क्वियान मॉडल सीरीज़ की मजबूत मल्टी-मोडल क्षमता। AI इंटेलिजेंट एजेंट के लिए, शक्तिशाली भाषा मॉडल के अलावा, विज़ुअल, ऑडियो आदि जैसे मल्टी-मोडल इनपुट्स को समझने की क्षमता भी आवश्यक है; यही वह महत्वपूर्ण मानदंड है जिसे एप्पल जैसी कंपनियाँ AI बड़े मॉडल के लिए भागीदार चुनते समय ध्यान में रखती हैं।

मल्टीमोडल क्षमता के मामले में, तोंगयी चियनवेन Qwen-Vision लैंग्वेज मॉडल बेहतरीन प्रदर्शन करता है। नवीनतम संस्करण Qwen2.5-VL का उदाहरण लें, यह मॉडल न केवल पाठ इनपुट और आउटपुट को संभालता है, बल्कि दृश्य और वीडियो इनपुट को भी संभालने की क्षमता रखता है, जिसमें 1 घंटे तक के वीडियो को समझना भी शामिल है।

पिछली पीढ़ी के Qwen2-VL की तुलना में, इस मॉडल में कई अपडेट किए गए हैं। उदाहरण के लिए, बढ़ी हुई ग्राउंडिंग क्षमता से भौतिक घटनाओं और वस्तुओं की पहचान की क्षमता में सुधार हुआ है, जिससे मॉडल शब्दों के वर्णन और वास्तविक चित्र या वीडियो में मौजूद तत्वों के बीच बेहतर रूप से संबंध स्थापित कर सकता है। बढ़ी हुई OCR (ऑप्टिकल कैरेक्टर रिकोग्निशन) क्षमता जटिल या हस्तलिखित पाठ और लंबे पाठ के साथ बेहतरीन प्रदर्शन करती है, इसके लिए किसी विशेष प्रकार के पाठ के लिए अतिरिक्त ट्यूनिंग की आवश्यकता नहीं होती है, और यह विकृत कोणों वाले पाठ के साथ काम करने में भी बेहतर प्रदर्शन करती है।

Qwen2.5-VL में, तुंगयी चियान्वेंग टीम ने एक और व्यापक दस्तावेज़ विश्लेषण प्रारूप — QwenVL HTML प्रारूप का भी डिज़ाइन किया है, जो दस्तावेज़ में मौजूद पाठ की सटीक पहचान करने के साथ-साथ दस्तावेज़ तत्वों (जैसे चित्र, तालिकाएँ आदि) की स्थिति की जानकारी भी निकालता है, ताकि दस्तावेज़ के पृष्ठ लेआउट को सटीक रूप से बहाल किया जा सके।

जानकारी के अनुसार, यह मॉडल अपनी शक्तिशाली प्रदर्शन के अलावा, एजेंट क्षमताओं से भी लैस है; जैसे कि मानक JS प्रारूप में दस्तावेज़ आउटपुट देना, जो स्मार्ट एजेंटों के वास्तविक उपयोग के लिए अत्यंत महत्वपूर्ण है। केवल मानकीकृत आउटपुट प्रारूप के साथ ही स्मार्ट एजेंट इन परिणामों का प्रभावी रूप से उपयोग कर सकते हैं। इन सूक्ष्म डिज़ाइनों के माध्यम से, न केवल मॉडल की कार्यक्षमता और उपयोगिता में वृद्धि हुई है, बल्कि भविष्य में AI उद्योग के विकास को भी मजबूत समर्थन प्रदान किया गया है।

2024 से, अलीयून ने बड़े मॉडल को सीधे फोन जैसे डिवाइस पर तैनात करना शुरू कर दिया है, ताकि स्थानीय कार्यों का संचालन संभव हो सके, जैसे कि आवाज़ का सारांश तैयार करना। अली और एप्पल के बीच का सहयोग एक एंड-क्लाउड एकीकृत आर्किटेक्चर पर आधारित है; क्लाउड में बड़े मॉडल होते हैं, जबकि डिवाइस पर छोटे पैरामीटर वाले मॉडल का निर्धारण किया जाता है, और सुरक्षा उपायों को भी जोड़ा जाता है। यह भविष्य की मुख्य विकास दिशा है।

डिप्लॉयमेंट मोड के लिहाज से, फ़ोन पर बड़े मॉडल के डिप्लॉयमेंट के मुख्य रूप से दो तरीके हैं: पहला है लोकल डिप्लॉयमेंट, जिसमें बड़े मॉडल को फ़ोन में इनबिल्ट किया जाता है, या छोटे मॉडल (जैसे 0.5B से 7B पैरामीटर स्केल) को डिप्लॉय किया जाता है, ताकि डेटा संवेदनशील कार्यों को निष्पादित किया जा सके; दूसरा है क्लाउड-बेस्ड इंटीग्रेशन, जिसमें लोकल रनिंग छोटे मॉडल संवेदनशील डेटा को प्रोसेस करते हैं, जबकि जटिल कार्यों को नेटवर्क के जरिए क्लाउड पर बड़े मॉडल को सबमिट करके प्रोसेस किया जाता है।

क्लाउड-आधारित बड़े मॉडल के प्रमुख फायदे हैं: शक्तिशाली प्रदर्शन, जटिल कार्यों को संभालने की क्षमता, अधिक पैरामीटर और अच्छा प्रदर्शन; हालाँकि, इनमें विलंबता और डेटा ट्रांसफर से जुड़ी गोपनीयता संबंधी समस्याएँ भी होती हैं। वहीं, स्थानीय बड़े मॉडल बेहतर डेटा सुरक्षा और गोपनीयता की गारंटी देते हैं; सभी प्रोसेसिंग डिवाइस पर ही होती है, और बुनियादी कार्यों के लिए यह पर्याप्त होता है। हालाँकि, आकार की सीमाओं के कारण इनका प्रदर्शन क्लाउड-आधारित मॉडल के मुकाबले कम होता है, जिससे उपयोगकर्ता अनुभव थोड़ा कम हो सकता है।

हालाँकि स्थानीय मॉडल बुनियादी कार्यों की आवश्यकताओं को पूरा कर सकते हैं, लेकिन अधिक बुद्धिमत्ता स्तर वाली अनुकूलित आवश्यकताओं के लिए, क्लाउड-आधारित बड़े मॉडल अभी भी अपरिहार्य हैं। भविष्य के विकास का रुझान संतुलन खोजने का हो सकता है: स्थानीय मॉडल का उपयोग डेटा सुरक्षा और त्वरित प्रतिक्रिया सुनिश्चित करने के लिए किया जाता है, जबकि क्लाउड-आधारित मॉडल को जटिल समस्याओं को हल करने के लिए इस्तेमाल किया जाता है।