![]() |
Qwen AI | cover |
Pengumuman ini disampaikan melalui akun resmi Qwen di platform X pada Senin (24/2/2025). Dengan perubahan ini, pengguna kini dapat mengakses Qwen Chat langsung melalui chat.qwen.ai, yang diperkirakan akan menjadi pusat layanan utama.
Selain mengumumkan domain baru, Qwen AI juga memberikan petunjuk akan adanya peluncuran fitur baru dalam waktu dekat.
"Sebelum kami merilis sesuatu malam ini, kami ingin memberi tahu Anda bahwa sekarang http://qwen.ai menjadi milik kami, dan Anda sekarang dapat mengunjungi Qwen chat melalui https://chat.qwen.ai . Sampai jumpa nanti!," tulis akun Qwen di X, Senin (24/2/2025).
Meskipun detail fitur tersebut belum diungkapkan, banyak pihak berspekulasi bahwa Qwen AI tengah menyiapkan pembaruan signifikan untuk meningkatkan pengalaman pengguna.
Hal ini semakin memperkuat posisi Qwen sebagai salah satu pemain utama dalam industri kecerdasan buatan yang terus berkembang. Lantas, fitur apa saja yang dikembangkan Qwen? Berikut rangkumannya:
1. Qwen 2.5
Model Qwen 2.5 terbaru telah dilatih sebelumnya dengan data berkualitas tinggi dari berbagai domain dan bahasa, yang mendukung panjang konteks hingga 128K token. Model ini menawarkan kinerja yang lebih baik dalam pengodean, matematika, preferensi manusia, dan kemampuan inti lainnya seperti mengikuti instruksi dan memahami atau menghasilkan data terstruktur.
2. Qwen-VL
Qwen-VL merupakan model bahasa visi besar dari seri Qwen. Model ini menghasilkan konten berdasarkan gambar, teks, dan kotak pembatas sebagai input. Dengan kinerja terdepan yang diverifikasi oleh berbagai tolok ukur evaluasi, Qwen-VL dapat melakukan pengenalan teks yang sangat rinci dalam bahasa Mandarin dan Inggris, membandingkan dan menganalisis gambar-gambar ini, lalu membuat cerita, memecahkan soal matematika, atau menjawab pertanyaan.
3. Qwen-Audio
Qwen-Audio sebuah sistem model bahasa audio besar dari seri Qwen. Qwen-Audio menerima teks dan beragam file audio (ucapan manusia, suara alam, musik, dan lagu) sebagai input, dan menyediakan output berbasis teks. Qwen-Audio mencapai kinerja yang mengesankan tanpa penyempurnaan khusus tugas apa pun pada set pengujian Aishell1, cochlscene, ClothoAQA, dan VocalSound.
4. Qwen2.5-Max
Qwen2.5-Max adalah model Mixture-of-Expert (MoE) berskala besar yang telah dilatih sebelumnya pada lebih dari 20 triliun token. Model ini menunjukkan kinerja terbaik dalam benchmark seperti Arena-Hard, LiveBench, LiveCodeBench, dan GPQA-Diamond, dibandingkan dengan model seperti DeepSeek V3 dan Llama 3.1.
5. Qwen2.5-Coder
Qwen2.5-Coder adalah model pengkodean sumber terbuka. Model ini mendukung hingga 128K token konteks, mencakup 92 bahasa pemrograman, dan telah mencapai peningkatan luar biasa di berbagai tugas evaluasi terkait kode, termasuk pembuatan kode, pembuatan kode multi-pemrograman, penyelesaian kode, dan perbaikan kode.
6. Qwen2.5-Math
Qwen2.5-Math adalah LLM matematika yang telah dilatih sebelumnya dan disempurnakan dengan data matematika yang disintesis. Mendukung kueri dwibahasa dalam bahasa Inggris dan Mandarin serta unggul dalam Chain-of-Thought (CoT) dan Tool-Integrated Reasoning (TIR). Qwen2.5-Math mengungguli sebagian besar model matematika 70B dalam berbagai tugas.
Sebagai catatan, setiap model dalam seri Qwen AI memiliki keunggulan tersendiri sesuai dengan bidang penggunaannya. Qwen 2.5, misalnya, menawarkan pemrosesan bahasa alami yang lebih akurat dengan dukungan hingga 128K token konteks.
Qwen-VL mampu memahami dan mengolah informasi dari gambar serta teks, memungkinkan analisis mendalam dan pembuatan konten berbasis visual. Qwen-Audio, di sisi lain, memungkinkan pemrosesan audio secara canggih, memberikan output teks dari berbagai jenis suara.
Sedangkan, Qwen2.5-Max, sebagai model Mixture-of-Expert (MoE), telah menunjukkan kinerja unggul dalam berbagai tolok ukur. Bagi para pengembang, Qwen2.5-Coder hadir dengan dukungan lebih dari 92 bahasa pemrograman dan fitur pembuatan serta penyelesaian kode yang lebih presisi.
Terakhir, Qwen2.5-Math menjadi solusi unggulan dalam bidang matematika dengan kemampuan perhitungan kompleks yang didukung oleh pendekatan Chain-of-Thought (CoT) dan Tool-Integrated Reasoning (TIR).