Modelo grande de código aberto da Alibaba Cloud: impulsionando a construção do ecossistema de IA e suas aplicações em múltiplos cenários

Com o surgimento em massa de modelos de código aberto, seu desempenho já é comparável ao dos modelos proprietários mais avançados da atualidade. Ao mesmo tempo, o modelo de código aberto reduz efetivamente os custos de treinamento dos modelos, permitindo que os modelos mais sofisticados sejam implantados a baixo custo e amplamente utilizados.

Na onda da era da IA, o Grupo Alibaba transformou completamente sua estratégia de desenvolvimento empresarial.

Em 24 de fevereiro de 2025, o CEO do Grupo Alibaba, Wu Yongming, anunciou que, nos próximos três anos, o Alibaba planeja investir mais de 380 bilhões de yuans na construção de infraestrutura global de serviços em nuvem e de hardware de IA, um valor que supera em muito o total investido pela empresa nessa área ao longo dos últimos dez anos.

No campo dos grandes modelos, a Alibaba Cloud já alcançou resultados notáveis. Atualmente, foram disponibilizados publicamente mais de 200 modelos diferentes, e o número de modelos derivados do Qwen ultrapassou 100 mil nas comunidades de código aberto, tanto no país quanto no exterior, superando a série Llama dos Estados Unidos e mantendo-se firmemente no topo dos grandes modelos de código aberto globais.

A equipe do Qwen, da Alibaba Cloud, revelou à revista “Business School” que, por meio do código aberto, a Alibaba Cloud está empenhada em construir um ecossistema de IA robusto, ajudando inúmeras pequenas e médias empresas e desenvolvedores de IA a utilizarem o Qwen de forma mais rápida e conveniente, promovendo a popularização e a aplicação prática das tecnologias de grandes modelos, além de contribuir para o desenvolvimento do ecossistema chinês de grandes modelos. Afinal, apenas ao estabelecer uma base sólida para os grandes modelos é possível abrir infinitas possibilidades para futuras aplicações comerciais.

Desde agosto de 2023, a Alibaba Cloud foi a primeira empresa do país a abrir em larga escala uma série de modelos grandes de código aberto, tornando-se a primeira grande empresa chinesa a adotar essa iniciativa. Além disso, conquistou repetidamente os títulos de “Campeão Global de Código Aberto” e “Campeão de Modelos Nacionais” em rankings renomados como o Chatbot Arena e o SiNan OpenCompass. Em 2024, apenas o modelo de código aberto Qwen2.5-1.5B alcançou 26,6% das downloads de modelos na maior comunidade de código aberto do mundo, a Hugging Face, ocupando o primeiro lugar mundial.

A Alibaba Cloud destaca que o código aberto reúne a sabedoria e a força de desenvolvedores de todo o mundo, promovendo a inovação e a evolução tecnológica de forma mais eficiente do que a pesquisa e o desenvolvimento independentes de uma única empresa. Por exemplo, após o lançamento do DeepSeek R1 em código aberto, surgiu um forte movimento global de replicação do R1, que impactou o modelo de inferência o1 da OpenAI e impulsionou a tecnologia de grandes modelos globais para uma nova fase de modelos de inferência.

Além disso, o código aberto favorece a construção de ecossistemas. No modelo de código aberto, qualquer pessoa pode baixar e implantar modelos de IA gratuitamente, o que impulsiona significativamente a difusão de novas tecnologias. Por exemplo, entre os seis modelos de distilamento do DeepSeek, quatro são baseados nos modelos de código aberto da Qwen; já a equipe de Fei-Fei Li também utilizou os modelos de código aberto da Qwen para treinar com sucesso um novo modelo, o s1-32B, cujo desempenho rivaliza com o dos melhores modelos de inferência, apresentando uma performance 27% superior à do o1-preview em problemas matemáticos de competição.

Além disso, o código aberto acelera o processo de industrialização da IA e facilita a implementação das tecnologias de IA em diversos setores. Para startups e pequenas e médias empresas, o uso direto de modelos de código aberto pode reduzir significativamente as barreiras técnicas e financeiras para ingressar no campo da IA; ao integrar suas próprias bases de conhecimento ou corpora, é possível desenvolver rapidamente soluções verticais adaptadas a diferentes indústrias.

Vale destacar que o QwQ-32B, lançado pela Alibaba Cloud em 6 de março de 2025, não apenas atende às necessidades corporativas, como também é fácil de usar para desenvolvedores individuais e usuários comuns, podendo ser implantado localmente em placas gráficas de consumo, reduzindo significativamente os custos de implantação e uso. Graças ao aprendizado por reforço em larga escala, esse modelo alcançou avanços expressivos em matemática, código e competências gerais, com desempenho global comparável ao do DeepSeek‑R1.

No entanto, à medida que os benefícios marginais trazidos pela Lei de Escalabilidade (Scaling Law) vão se reduzindo, as grandes empresas de modelos, representadas pela OpenAI, já estão próximas do limite imposto pelas tecnologias e recursos disponíveis, tanto em termos de acumulação de dados quanto de expansão da capacidade computacional. Por isso, buscar novos caminhos de otimização tornou-se essencial. O setor passou a adotar estratégias de otimização extrema da capacidade computacional para reduzir custos e a aperfeiçoar as etapas de aprendizado por reforço e inferência, visando treinar modelos de alto desempenho de forma mais eficiente. O lançamento do QwQ-32B reafirma, mais uma vez, o imenso potencial do aprendizado por reforço na melhoria do desempenho dos modelos.

A Alibaba Cloud afirmou que, com o surgimento contínuo de modelos de código aberto, seu desempenho já é comparável ao dos modelos proprietários mais avançados. O modelo de código aberto também reduz os custos de treinamento dos modelos, permitindo que os modelos mais sofisticados sejam implantados e aplicados a baixo custo.

Curiosamente, para enfrentar a concorrência das empresas chinesas, gigantes internacionais como Google e OpenAI também começaram a ajustar suas estratégias, adotando uma abordagem de código aberto limitado. Por exemplo, o Google, que anteriormente se concentrava no modelo fechado Gemini, recentemente tornou o Gemma 3 open source; já a OpenAI, frequentemente apelidada de CloseAI, sob a influência do ambiente de código aberto na China, teve seu CEO Sam Altman reconhecer que a estratégia de código fechado foi um erro e anunciou planos futuros de abrir o código.

Atualmente, cada vez mais empresas optam por utilizar diretamente os serviços de API padrão oferecidos pelos grandes fornecedores de modelos, sendo especialmente adequados a cenários com negócios relativamente estáveis e sem necessidade de personalizações extensas. O uso desses serviços de API é mais econômico, pois as tarifas são cobradas apenas no momento da chamada efetiva, sendo particularmente indicado para situações com picos e vales de demanda bem definidos, como sistemas de atendimento ao cliente: fora dos horários de pico diurnos, a demanda é baixa, dispensando a necessidade de desenvolver um modelo grande do zero, o que reduz significativamente os custos.

A plataforma BaiLian da Alibaba Cloud é um serviço de plataforma de grandes modelos de IA desenvolvido pela Alibaba especialmente para empresas, ajudando empresas e desenvolvedores a construir, treinar e implantar aplicativos de IA de forma mais eficiente. Atualmente, a chamada de APIs baseada nessa plataforma é a principal via de comercialização dos grandes modelos da Alibaba Cloud. A plataforma BaiLian da Alibaba Cloud oferece métodos rápidos e convenientes de acesso aos serviços, permitindo que os usuários aproveitem facilmente as capacidades dos grandes modelos da Alibaba Cloud.

Além das chamadas padrão de API, a Alibaba Cloud oferece também um conjunto completo de soluções personalizadas de IA desenvolvidas em parceria, abrangendo ajustes finos de modelos e modelos personalizados, atendendo a clientes que não possuem familiaridade com tecnologias de modelagem ou que têm necessidades de alta personalização. Para usuários que priorizam a segurança dos dados e a proteção da privacidade, a Alibaba Cloud lançou soluções de implantação privada, como a integração do modelo em uma unidade tudo-em-um, vendida diretamente aos clientes.

No processo de impulsionar a comercialização de modelos grandes de código aberto, a Alibaba Cloud vem explorando continuamente formas mais rentáveis de disponibilizar capacidades de IA.

Desde 2024, a Alibaba Cloud reduziu repetidamente os preços dos modelos da série Qwen, entre eles o preço de entrada da API Qwen-Long, que passou de 0,02 yuan por mil tokens para 0,0005 yuan por mil tokens, uma queda de 97%. Outros modelos, como Qwen-Turbo, Qwen-Plus, Qwen-Max e modelos de compreensão visual, também tiveram reduções significativas, permitindo que mais empresas e desenvolvedores acessem capacidades de IA a custos ainda mais baixos.

Vale ressaltar que a redução contínua dos custos deve-se aos avanços contínuos da Alibaba Cloud em infraestrutura de IA, especialmente na melhoria da eficiência computacional, na otimização do desempenho de rede e na aceleração da velocidade de armazenamento. Por exemplo, a Alibaba Cloud lançou a arquitetura de rede de alto desempenho HPN7.0, que suporta conexões estáveis com mais de 100 mil GPUs; o servidor AI Panjiu, que pode acomodar até 16 placas gráficas em um único nó; e o armazenamento de arquivos CPFS, com uma taxa de transferência de dados de 20 TB/s.

Além disso, a plataforma BaiLian da Alibaba Cloud já integrou mais de 200 APIs de grandes modelos, abrangendo tanto modelos abertos quanto fechados, de origem nacional e internacional. Para reduzir os custos dos usuários ao utilizar as APIs de grandes modelos de texto, a plataforma BaiLian da Alibaba Cloud lançou um novo modelo de cobrança baseado em KV Cache, que evita cálculos repetitivos por meio do armazenamento automático do contexto, diminuindo ainda mais os custos de chamada dos modelos e sendo adequado para cenários como textos longos, complementação de código, diálogos em múltiplas rodadas e resumo de textos específicos.

De modo geral, os grandes modelos de IA de código aberto enfrentam duas principais dificuldades na sua comercialização: em primeiro lugar, a falta de “aplicações‑chave” capazes de melhorar significativamente a experiência do usuário ou a eficiência, o que indica que o mercado ainda não está plenamente preparado para adotar esses grandes modelos de IA; suas aplicações e potencial ainda precisam ser mais explorados e validados. Em segundo lugar, o mercado B2B encontra‑se ainda em fase inicial de exploração, com as lideranças empresariais pouco conscientes sobre como aproveitar os grandes modelos de código aberto para gerar valor nos negócios; em comparação com os modelos fechados, é mais difícil convencê‑las a investir em soluções de IA.

Diante desses desafios e dos planos para o futuro, a Alibaba preparou‑se com uma solução completa de pilha inteira baseada na integração entre “nuvem + IA”. Por exemplo, aproveita a capacidade dos produtos da infraestrutura de IA para expandir o mercado B; ao mesmo tempo, por meio de iniciativas como a reformulação e atualização do Quark, explora o potencial de aplicação de grandes modelos no mercado C, visando criar exemplos de produtos de grande impacto e apresentar a melhor porta de entrada para a experiência em IA.

Com o contínuo avanço da tecnologia de grandes modelos, eles têm demonstrado um enorme valor e potencial de aplicação em diversos cenários.

Em janeiro de 2024, a FAW da China, em parceria com a Qwen da思锐, lançou o primeiro aplicativo de inteligência empresarial (BI) baseado em grandes modelos do setor automotivo — o GPT-BI. A FAW aproveitou as capacidades do grande modelo Qwen para promover a inteligência dos dados, transformando um vasto volume de ativos de dados inativos em recursos valiosos.

Especificamente, o GPT‑BI ajuda a FAW a gerar relatórios automáticos de dados de vendas, aumentando significativamente a eficiência do trabalho. Men Xin, vice‑presidente do Comitê de Operações da marca Hongqi da FAW, afirmou que a IA possui ainda mais aplicações práticas no dia a dia. Por exemplo, durante o desenvolvimento de veículos completos, são processados grandes volumes de dados, incluindo a compatibilidade dimensional na produção, avaliações de processos e estratégias de montagem — tarefas que antes dependiam de medições manuais. Hoje, com base nesses dados e requisitos, a Hongqi criou um modelo automático de avaliação para os seus veículos e integrou esse processo à produção em série, reduzindo etapas que antes levavam 20, 50 ou até mais de 80 dias para serem concluídas em questão de segundos ou poucos dias.

Com base em cenários de negócios reais, como o GPT‑BI, a FAW planeja ainda aproveitar seus vastos ativos de dados de alta qualidade para criar modelos grandes verticais voltados a múltiplas áreas — pesquisa e desenvolvimento, manufatura, pós‑venda, entre outras — na plataforma unificada de desenvolvimento de aplicativos de grandes modelos “Alibaba Cloud Bailian”. Assim, os grandes modelos poderão desempenhar plenamente seu papel nos processos de produção, vendas e demais etapas.

Em 11 de março de 2025, a plataforma Manus anunciou uma parceria estratégica com a equipe do modelo Qwen, da Alibaba. As duas partes irão integrar todas as funcionalidades da Manus aos modelos abertos da série Qwen, utilizando plataformas de modelos e de computação nacionais, com o objetivo de criar para os usuários chineses produtos de agentes inteligentes gerais mais criativos.

No setor, é amplamente reconhecido que a colaboração entre a Manus e a Alibaba não se limita ao uso de modelos grandes avançados; também visa encontrar uma plataforma de nuvem de alto custo‑benefício capaz de atender à enorme demanda por capacidade de computação, especialmente no mercado chinês. Essa parceria acelerará o processo de industrialização dos agentes de IA, reduzindo os custos operacionais e elevando o desempenho dos serviços por meio de soluções eficientes e econômicas de computação em nuvem.

Há pouco tempo, a renomada gigante tecnológica global Apple firmou uma parceria com a Alibaba; esta última, na qualidade de fornecedora da Apple, está desenvolvendo recursos de inteligência artificial para a versão chinesa do iPhone.

Analistas apontam que a Apple optou por colaborar com a Alibaba, por um lado devido à vantagem de capacidade computacional da plataforma Alibaba Cloud e, por outro, pelo fato de a série de modelos Qwen possuir poderosas capacidades multimodais. Para agentes de IA, além de um modelo linguístico robusto, é essencial também contar com a capacidade de compreender entradas multimodais, como visão e áudio; esse é um dos principais critérios avaliados por empresas como a Apple ao escolher parceiros de grandes modelos de IA.

Em termos de capacidade multimodal, o modelo Qwen-Vision Language da Siring tem um desempenho excepcional. Tomando como exemplo a versão mais recente, Qwen2.5-VL, esse modelo não apenas lida com entradas e saídas de texto, como também possui a capacidade de processar inputs visuais e de vídeo, incluindo a compreensão de vídeos com até 1 hora de duração.

Em comparação com a geração anterior do Qwen2-VL, este modelo recebeu diversas atualizações. Por exemplo, a capacidade aprimorada de Grounding elevou a habilidade de reconhecer eventos físicos e objetos, permitindo que o modelo associe melhor as descrições textuais aos elementos presentes em imagens ou vídeos reais. A capacidade aprimorada de OCR (reconhecimento óptico de caracteres) destaca-se ao lidar com textos complexos ou manuscritos, bem como com textos longos, sem necessidade de ajustes adicionais para tipos específicos de texto, além de apresentar desempenho superior na interpretação de textos dispostos em ângulos irregulares.

No Qwen2.5-VL, a equipe da Qwen também desenvolveu um formato de análise de documentos ainda mais abrangente — o formato QwenVL em HTML — que não apenas reconhece com precisão o texto contido nos documentos, como também extrai as informações de posicionamento dos elementos do documento (como imagens, tabelas etc.), restaurando com exatidão o layout original.

Segundo a apresentação, além de seu desempenho excepcional, esse modelo também incorpora capacidades de agente, como a geração de documentos no formato padrão JavaScript, o que é fundamental para aplicações práticas de agentes inteligentes. Somente com um formato de saída padronizado é possível que os agentes utilizem esses resultados de forma eficaz. Graças a esses recursos bem concebidos, não apenas se reforçam a funcionalidade e a praticidade do modelo, como também se oferece um forte suporte ao desenvolvimento futuro da indústria de IA.

Desde 2024, a Alibaba Cloud passou a implantar modelos de grande porte diretamente em dispositivos como smartphones, permitindo a execução local de tarefas, como a geração de resumos de voz. A parceria entre a Alibaba e a Apple adota uma arquitetura que combina o edge com a nuvem: na nuvem, são mantidos modelos de grande porte, enquanto os dispositivos contam com modelos de parâmetros reduzidos, integrados a medidas de segurança — essa é a principal direção de desenvolvimento para o futuro.

Do ponto de vista do modo de implantação, existem principalmente duas abordagens para a execução de grandes modelos em smartphones: a primeira é a implantação local, que consiste em integrar o grande modelo diretamente no aparelho ou implantar modelos menores (com escala de parâmetros entre 0,5 e 7 bilhões), destinados a tarefas sensíveis aos dados; a segunda é a combinação com a nuvem, na qual modelos mais leves são executados localmente para processar dados sensíveis, enquanto as tarefas mais complexas são enviadas à nuvem para serem tratadas por grandes modelos.

A vantagem dos grandes modelos na nuvem, como a Siring, está no seu desempenho robusto, capaz de lidar com tarefas complexas; possuem um grande número de parâmetros e apresentam excelente performance, mas enfrentam problemas de latência e de privacidade na transmissão de dados. Já os grandes modelos locais oferecem maior segurança dos dados e proteção à privacidade, com todo o processamento realizado diretamente no dispositivo, sendo suficientes para tarefas básicas; porém, devido às limitações de tamanho, seu desempenho não é tão bom quanto o dos modelos em nuvem, podendo resultar em uma experiência ligeiramente inferior.

Embora os modelos locais consigam atender às necessidades de tarefas básicas, para demandas de personalização que exijam níveis mais elevados de inteligência, os grandes modelos em nuvem continuam sendo indispensáveis. A tendência futura pode ser buscar um equilíbrio: utilizar modelos locais para garantir a segurança dos dados e respostas rápidas, ao mesmo tempo em que se recorre aos modelos em nuvem para resolver problemas mais complexos.