阿里通義千問昨日(11 月 18 日)發(fā)布博文,宣布在經(jīng)過數(shù)月的優(yōu)化和打磨后,針對社區(qū)中對更長上下文長度(Context Length)的要求,推出了 Qwen2.5-Turbo 開源 AI 模型。
Qwen2.5-Turbo 將上下文長度從 12.8 萬個擴展至 100 萬個 tokens,這一改進相當于約 100 萬英語單詞或 150 萬漢字,可以容納 10 部完整小說、150 小時的演講稿或 30000 行代碼。
注:上下文長度(Context Length)是指在自然語言處理(NLP)中的大型語言模型(LLM)在一次處理過程中能夠考慮和生成的文本的最大長度。
該模型在 1M-token 的 Passkey 檢索任務中實現(xiàn)了 100% 準確率,RULER 長文本評估得分為 93.1,超越了 GPT-4 和 GLM4-9B-1M。
團隊通過整合稀疏注意力機制(sparse attention mechanisms),將處理 100 萬 tokens 到輸出第一個 tokens 的時間,從 4.9 分鐘縮短至 68 秒,速度提升達 4.3 倍,這一進步顯著提高了模型的響應效率,使其在處理長文本時更加迅速。
Qwen2.5-Turbo 的處理成本保持在每百萬個 tokens 0.3 元,能夠處理 3.6 倍于 GPT-4o-mini 的 token 數(shù)量。這讓 Qwen2.5-Turbo 在經(jīng)濟性上具備了更強的競爭力,成為高效、經(jīng)濟的長上下文處理解決方案。
盡管 Qwen2.5-Turbo 在多個基準測試中表現(xiàn)優(yōu)異,團隊仍然意識到在真實場景中的長序列任務表現(xiàn)可能不夠穩(wěn)定,且大型模型的推理成本需要進一步優(yōu)化。