Baidu: Nowe modele AI lepsze od GPT-4o

Ernie 4.5: Multimodalna Potęga

Baidu, znaczący gracz w chińskim krajobrazie technologicznym, wprowadził parę nowych modeli sztucznej inteligencji (AI). Firma odważnie twierdzi, że te nowe oferty przewyższają modele konkurentów, DeepSeek i OpenAI, w określonych testach benchmarkowych. Ten rozwój dodatkowo intensyfikuje trwającą konkurencję w szybko rozwijającej się dziedzinie dużych modeli językowych (LLM). W niedzielę Baidu publicznie udostępniło swój najnowszy multimodalny model podstawowy, Ernie 4.5, oraz swój inauguracyjny multimodalny model rozumowania, Ernie X1, udostępniając je na swojej stronie internetowej.

Ernie 4.5, dzięki swoim rozległym możliwościom multimodalnym obejmującym obrazy, dźwięk i wideo, wykazał lepszą wydajność w porównaniu z GPT-4o OpenAI. Ta przewaga została zaobserwowana na szeregu platform benchmarkowych, w tym na znaczących CCBench i OCRBench, jak szczegółowo opisano w oświadczeniu opublikowanym przez Baidu na platformie WeChat. Ponadto firma twierdzi, że możliwości przetwarzania tekstu modelu podstawowego Ernie 4.5 nie tylko przewyższają możliwości DeepSeek V3, ale także osiągają poziom wydajności z grubsza porównywalny z GPT-4.5 OpenAI, na podstawie serii ocen benchmarkowych.

Pionierska Rola Baidu i Wzrost Konkurencji

Baidu ma zaszczyt być pierwszą dużą chińską firmą technologiczną, która wprowadziła LLM w Chinach. Ten pionierski ruch nastąpił w marcu 2023 roku, podążając za falą ekscytacji wywołaną premierą ChatGPT OpenAI. Jednak początkowa przewaga Baidu była w ciągu ostatnich dwóch lat coraz bardziej kwestionowana przez innych wschodzących graczy AI w Chinach. Niedawny strategiczny manewr giganta wyszukiwania, mający na celu wzmocnienie jego pozycji na chińskim rynku AI, następuje w czasie, gdy DeepSeek zapoczątkował trend open-source. Jednocześnie giganci branży, tacy jak Alibaba, Tencent i ByteDance, agresywnie zabiegają o użytkowników biznesowych i konsumenckich dla swoich modeli AI.

Ernie X1: Wydajność i Ceny

Chociaż Baidu nie ujawniło konkretnych wyników benchmarkowych dla swojego nowo wprowadzonego modelu rozumowania, Ernie X1, firma stwierdziła, że „zapewnia wydajność na poziomie DeepSeek R1 za połowę ceny”. To stwierdzenie sugeruje znaczącą przewagę konkurencyjną pod względem opłacalności.

Dla firm, które chcą zintegrować możliwości Ernie X1, ceny dostępu do jego interfejsu programowania aplikacji (API) są następujące: 2 juany (około 0,28 USD) za milion tokenów wejściowych i 8 juanów za milion tokenów wyjściowych. Dla kontrastu, DeepSeek obecnie pobiera opłaty w wysokości 0,55 USD za milion tokenów wejściowych i 2,19 USD za milion tokenów wyjściowych za swój DeepSeek-reasoner, który jest napędzany przez model rozumowania R1. Warto zauważyć, że DeepSeek, start-up z siedzibą w Hangzhou, niedawno podniósł ceny API w odpowiedzi na znaczny wzrost popytu.

Zwrot Baidu w Kierunku Open Source

Robin Li Yanhong, założyciel, prezes i dyrektor generalny Baidu, ogłosił w zeszłym miesiącu znaczące oświadczenie dotyczące przyszłości Ernie 4.5. Ujawnił, że model zostanie udostępniony jako open source od 30 czerwca. Ta decyzja stanowi znaczące odejście od jego wcześniejszego, niezachwianego poparcia dla rozwoju AI o zamkniętym kodzie źródłowym, oznaczając zwrot o 180 stopni w jego podejściu.

Li rozwinął tę strategiczną zmianę podczas telekonferencji z analitykami w lutym, stwierdzając: „Jedną z rzeczy, których nauczyliśmy się od DeepSeek, jest to, że udostępnianie najlepszych modeli jako open source może znacznie pomóc w ich adaptacji”. Wyjaśnił dalej: „Kiedy model jest open source, ludzie naturalnie chcą go wypróbować z ciekawości, co pomaga w szerszym przyjęciu”. To uznanie korzyści płynących z rozwoju open-source podkreśla ewoluującą strategię Baidu w konkurencyjnym krajobrazie AI.

Wyniki Biznesowe Baidu w Kontekście Postępów w Dziedzinie AI

Pomimo znaczącego postępu, jaki Baidu poczynił w dziedzinie sztucznej inteligencji, ogólna działalność firmy boryka się z trudnościami z powodu słabszych przychodów z reklam. Ostatnie raporty finansowe wskazują, że łączne przychody Baidu za czwarty kwartał spadły o 2 procent rok do roku. Co więcej, przychody za cały rok również odnotowały spadek o 1 procent. Dane te podkreślają wyzwania, przed którymi stoi Baidu, równoważąc inwestycje w najnowocześniejszą technologię AI z potrzebą utrzymania dobrych wyników finansowych.

Rozszerzenie Kluczowych Aspektów

Aby zapewnić bardziej kompleksowe zrozumienie, zagłębmy się w niektóre z kluczowych aspektów ogłoszenia Baidu i szerszy kontekst krajobrazu AI w Chinach.

Znaczenie Multimodalności:

Nacisk na „multimodalne” możliwości zarówno w Ernie 4.5, jak i Ernie X1 jest kluczowy. Tradycyjne LLM koncentrowały się głównie na przetwarzaniu tekstu. Jednak zdolność do przetwarzania i rozumienia informacji z różnych modalności – obrazów, dźwięku i wideo – otwiera szeroki wachlarz nowych możliwości. Obejmuje to:

• Ulepszone Rozpoznawanie Obrazów: Modele AI mogą teraz nie tylko identyfikować obiekty na obrazach, ale także rozumieć kontekst i relacje między nimi.
• Ulepszona Transkrypcja i Analiza Dźwięku: Transkrypcja języka mówionego z większą dokładnością, a nawet wykrywanie niuansów, takich jak emocje i intencje w nagraniach audio.
• Rozumienie Wideo: Analizowanie treści wideo w celu identyfikacji scen, akcji, a nawet przewidywania przyszłych zdarzeń.

Debata o Open-Source:

Decyzja Robina Li o udostępnieniu Ernie 4.5 jako open source jest znaczącym wydarzeniem w trwającej debacie między rozwojem AI o zamkniętym i otwartym kodzie źródłowym.

• Zamknięte Źródło (Closed-Source): Zwolennicy tego podejścia argumentują, że pozwala ono na lepszą kontrolę nad technologią, zapewniając jej odpowiedzialne użytkowanie i zapobiegając nadużyciom. Pozwala również firmom chronić swoją własność intelektualną i utrzymać przewagę konkurencyjną.
• Otwarte Źródło (Open-Source): Zwolennicy rozwoju open-source uważają, że sprzyja on współpracy, przyspiesza innowacje i promuje przejrzystość. Pozwala badaczom i programistom na całym świecie przyczyniać się do rozwoju technologii AI.

Zwrot Baidu w kierunku open-sourcingu, przynajmniej w przypadku Ernie 4.5, sugeruje uznanie rosnącego impetu ruchu open-source i jego potencjalnych korzyści.

Krajobraz Konkurencyjny:

Wyścig AI w Chinach jest intensywny, a liczne firmy rywalizują o dominację.

• Alibaba: LLM Tongyi Qianwen firmy Alibaba jest głównym konkurentem, a firma aktywnie integruje AI w swoich różnych jednostkach biznesowych, w tym w handlu elektronicznym, przetwarzaniu w chmurze i logistyce.
• Tencent: LLM Hunyuan firmy Tencent to kolejny znaczący gracz, a firma wykorzystuje AI do ulepszania swoich platform mediów społecznościowych, oferty gier i usług w chmurze.
• ByteDance: Firma macierzysta TikTok, ByteDance, również intensywnie inwestuje w AI, wykorzystując ją do zasilania swoich algorytmów rekomendacji i opracowywania nowych produktów.
• DeepSeek: DeepSeek jest potężnym konkurentem w przestrzeni LLM.

Wpływ Cen:

Agresywna strategia cenowa Baidu dla Ernie X1, obniżająca ceny DeepSeek o połowę, jest wyraźnym sygnałem zamiaru zdobycia udziału w rynku. Ta wojna cenowa może potencjalnie przynieść korzyści firmom i konsumentom, czyniąc technologię AI bardziej dostępną i przystępną cenowo.

Szersze Implikacje:

Postępy Baidu w dziedzinie AI, wraz z intensywną konkurencją na chińskim rynku, mają daleko idące implikacje:

• Postęp Technologiczny: Szybkie tempo innowacji napędza rozwój coraz bardziej wyrafinowanych modeli AI o szerszych możliwościach.
• Wpływ Gospodarczy: AI ma potencjał przekształcenia różnych branż, zwiększając produktywność, tworząc nowe miejsca pracy i potencjalnie zmieniając globalny krajobraz gospodarczy.
• Wpływ Społeczny: Powszechne przyjęcie AI rodzi ważne pytania etyczne i społeczne, które należy rozwiązać, w tym kwestie związane z uprzedzeniami, prywatnością i wypieraniem miejsc pracy.

Dalsze Rozwinięcie Strategii Baidu

Strategia Baidu wydaje się być wieloaspektowa, obejmując zarówno innowacje technologiczne, jak i pozycjonowanie na rynku.

1. Sprawność Technologiczna:

• Koncentracja na Multimodalności: Baidu wyraźnie priorytetowo traktuje rozwój multimodalnych modeli AI, dostrzegając potencjał tej technologii do odblokowania nowych zastosowań i możliwości.
• Ciągłe Doskonalenie: Wprowadzenie Ernie 4.5 i Ernie X1 demonstruje zaangażowanie Baidu w ciągłe badania i rozwój, stale przesuwając granice wydajności AI.
• Przyjęcie Open-Source: Decyzja o udostępnieniu Ernie 4.5 jako open source sygnalizuje gotowość do współpracy z szerszą społecznością AI i przyczynienia się do wspólnego rozwoju tej dziedziny.

2. Pozycjonowanie na Rynku:

• Konkurencyjne Ceny: Agresywne ceny Ernie X1 to strategiczny ruch mający na celu przyciągnięcie użytkowników i zdobycie udziału w rynku w wysoce konkurencyjnym krajobrazie LLM.
• Kierowanie do Firm: Koncentracja na dostępie do API sugeruje, że Baidu aktywnie kieruje swoją ofertę do firm, które chcą zintegrować AI w swojej działalności.
• Rozwiązywanie Słabości: Firma przyznaje się do swoich wyzwań, takich jak spadek przychodów z reklam, i stara się je rozwiązać, wykorzystując swoje postępy w dziedzinie AI do dywersyfikacji oferty i poszukiwania nowych źródeł przychodów.

3. Wizja Długoterminowa:

• Przywództwo w Dziedzinie AI: Działania Baidu sugerują wyraźną ambicję zostania liderem w globalnym krajobrazie AI, nie tylko w Chinach.
• Technologia Transformacyjna: Firma wydaje się postrzegać AI jako technologię transformacyjną, która ma potencjał przekształcenia jej działalności i przyczynienia się do szerszego postępu społecznego.
• Zdolność Adaptacji: Gotowość Baidu do dostosowania swojej strategii, czego dowodem jest zwrot w kierunku rozwoju open-source, świadczy o jej elastyczności i reagowaniu na zmieniającą się dynamikę branży AI.

W istocie, Baidu pozycjonuje się jako główna siła w rewolucji AI, łącząc innowacje technologiczne ze strategicznymi manewrami rynkowymi, aby osiągnąć swoje ambitne cele. Postępy firmy i trwająca konkurencja na chińskim rynku AI będą uważnie obserwowane, ponieważ mają one znaczący wpływ na przyszłość AI na całym świecie.