中国のテクノロジー大手Alibabaが、DeepSeekの推論モデルR1に匹敵する性能を持ちながら、わずか20分の1のリソースで動作する新型AI推論モデル「QwQ-32B」を発表した。この発表を受け、香港市場におけるAlibabaの株価は8.39%上昇し、52週間の最高値を更新している。
少ないリソースで最高峰の性能を実現
QwQ-32Bは、その名が示す通り32億（32B）のパラメータを持つAI推論モデルである。対照的に、DeepSeek R1は総計671億のパラメータを持ち、推論時には37億のパラメータを活性化させる。パラメータ数の少なさは、AIモデルの効率性を示す重要な指標となる。
Alibabaの新モデルは、Transformerアーキテクチャをベースに、Rotary Positional Encodingなどの重要な改良を加えている。これにより、テキスト間の関係をより深く理解し、出力品質を向上させることに成功したという。
QwQ-32Bは最大131,072トークンの処理が可能な推論モデルであり、数学問題の解決、コーディング、外部アプリケーションでのタスク実行に特に優れているとのことだ。
ハードウェア要件の面でも大きな違いがある。DeepSeek-R1はフル実行時に1500GB以上のvRAM（16台のNVIDIA A100 GPU）を必要とするのに対し、QwQ-32Bは通常24GBのvRAMで動作可能だ。この大幅なリソース効率の向上は、企業にとってAI導入コストの低減を意味する。
強化学習によるブレークスルー
QwQ-32Bの開発における最大の革新は、強化学習（Reinforcement Learning; RL）の徹底した活用にある。AlibabaのQwenチームは、2段階の訓練プロセスを実施した。
最初の段階では、数学とコーディングタスクに特化した強化学習を実施。「従来の報酬モデルに頼るのではなく、数学問題の正確性を確保するための精度検証機と、生成されたコードが事前定義されたテストケースに合格するかどうかを評価するコード実行サーバーを活用しました」とQwenの技術文書は説明している。
第2段階では、一般的な能力向上に焦点を当てた強化学習を実施。これにより「指示への順守、人間の好みとの一致、エージェントのパフォーマンスなどの一般的な能力が向上し、数学とコーディングのパフォーマンスが大幅に低下することはなかった」という。
このアプローチが功を奏し、ベンチマークテストでは5つのうち3つでDeepSeek-R1を上回る結果を達成した。特に外部システムとの対話能力を測るベンチマークでは6%の優位性を示している。
株価急騰とオープンソースの影響力
QwQ-32Bの発表を受け、香港市場でのAlibaba株は8.39%上昇し、52週間の最高値を更新した。ニューヨーク市場では約1%下落したものの、同社の香港上場株は年初来で71%近く上昇している。
Bernsteinのアナリストによれば、「AIの発展に関する楽観的な見方がAlibaba株の大幅な上昇につながり、同社の収益を上向きに導く可能性がある」としている。
特筆すべきは、QwQ-32BがApache 2.0ライセンスの下でHugging FaceとModelScopeで公開されていることだ。これは商用および研究目的での利用が可能であり、企業は即座に自社の製品やアプリケーションに活用できる。個人ユーザーはQwen Chatを通じてアクセスすることも可能だ。これにより、開発者や企業はこれを自由に適応させ商業化できるようになり、OpenAIのo1のような独自代替品と差別化されている。
中国AI開発競争の激化と将来展望
QwQ-32Bの発表は、Alibabaが今後3年間でAIインフラに380億元（約7,700億円）を投資すると発表した直後に行われた。これは過去10年間に同社がAIとパブリッククラウドプラットフォームに投資した金額を上回る規模である。
「将来を見据え、AIによって推進されるクラウドインテリジェンスグループの収益成長は引き続き加速するでしょう」とAlibabaのCEO Eddie Wuは述べている。
中国の他のテック企業もLLM開発を優先している。先週、Tencentは「Hunyuan Turbo S」と呼ばれる「高速思考」推論モデルを導入した。これは1秒未満でプロンプトに応答し、R1の前身であるDeepSeek-V3に匹敵する出力品質を持つという。
Futurum GroupのCEO Dan Newmanは「大規模言語モデルがますますコモディティ化されている」と指摘し、「開発者はコストを削減し、ユーザーへのアクセスを改善することを目指している」と分析している。
QwenチームはQwQ-32Bを「推論能力を高めるための強化学習のスケーリングの第一歩」と位置づけ、今後の展望として「強化学習のさらなるスケーリングによるモデル知能の向上」「長時間推論のためのエージェントとRLの統合」「AGI（汎用人工知能）に向けたより高度なトレーニング技術の開発」などを挙げている。
Sources
- Qwen: QwQ-32B: Embracing the Power of Reinforcement Learning
- CNBC: Alibaba shares soar after Chinese tech giant unveils new DeepSeek rival
日本技研工業 ストレッチ ゴミ袋 半透明 乳白 45L 50枚入
13% オフ
KIOXIA(キオクシア) 旧東芝メモリ microSD 128GB UHS-I Class10 (最大読出速度100MB/s) Nintendo Switch動作確認済 国内サポート正規品 メーカー保証5年 KLMEA128G
￥1,280 (2025年3月10日 05:32 GMT +09:00 時点 - 詳細はこちら価格および発送可能時期は表示された日付/時刻の時点のものであり、変更される場合があります。本商品の購入においては、購入の時点で当該の Amazon サイトに表示されている価格および発送可能時期の情報が適用されます。)
コメント