Alibaba Cloud hat die neueste Variante seines Flaggschiff-Modells, Qwen 3.8-27B, vorgestellt – ein weiteres Zeichen dafür, dass der Wettbewerb um offene Modelle zwischen chinesischen und US-amerikanischen Modellentwicklern weiter an Intensität gewinnt.

Das am Wochenende unter der Apache-2.0-Lizenz veröffentlichte Open-Weight-Modell ist auf Softwareentwicklung, Reasoning und langfristige Aufgaben optimiert. Alibaba erklärte, das Modell biete eine stärkere autonome Planung und eine flexible Steuerung des Reasonings, sodass Nutzer festlegen können, wie tiefgründig das Modell argumentieren soll und ob der zur Unterstützung dieser Argumentation verwendete Kontext erhalten oder gelöscht wird.

Die Veröffentlichung erfolgte wenige Tage, nachdem die US-Anbieter Meta und Nvidia ihre eigenen neuen offenen Modelle vorgestellt hatten. Sie verdeutlicht zudem die anhaltende Dynamik, KI auf Edge-Geräte zu bringen, wo die lokale Ausführung für Organisationen wichtig sein kann, die Leistung, Datenschutz und Kosten gegeneinander abwägen. Wie Meta Muse Glimmer und Nvidias Nemotron 3.5 Lightning ist die kleinere 27B-Variante von Qwen darauf ausgelegt, lokal auf einem Laptop zu laufen. Alibabas leistungsstärkstes Modell, Qwen 3.8-Max, verfügt über 2,4 Billionen Parameter und ist 88-mal größer als Qwen 3.8.

Der Schritt hin zu Edge-Implementierungen spiegelt die wachsende Aufmerksamkeit wider, die Anbieter den KI-Kosten von Unternehmen und den Bemühungen um deren Senkung widmen.

„Viele Unternehmen versuchen, ein besseres Verständnis ihrer Token-Ausgaben zu gewinnen, was sie tatsächlich aus dem Modell herausholen und welchen Nutzen es bietet“, sagte Bradley Shimmin, Analyst bei Futurum Group.

Bei Edge geht es um Kosten

Shimmin sagte, dass es für viele Unternehmen schwierig ist, die Kosten für den Zugriff auf Frontier-Modelle über APIs zu verstehen. Der lokale Betrieb von Modellen verschaffe Organisationen eine bessere Kontrolle über die Betriebskosten der Modelle.

„Es ist im Grunde eine Art, FinOps anzuwenden – die Idee, die Finanzen von KI operativ zu gestalten“, sagte Shimmin. „Aufgrund dieses erneuten Interesses an Observability und FinOps beobachten wir, wie diese Unternehmen ihre Ausgaben feinjustieren.“

Alibaba zielt auch wegen seiner Partnerschaft mit Apple auf den Edge-KI-Markt ab. Alibaba wird KI-Funktionen für in China verkaufte Apple-Geräte bereitstellen, und ein Modell, das auf Edge-Geräten laufen kann, hilft Alibaba, Apple-Nutzer im Land zu erreichen.

„Alle Apple-Nutzer in China werden wahrscheinlich Qwen statt Gemini verwenden. Für Qwen ist es daher von Vorteil, diesen Markt ins Visier zu nehmen, da er über eine große installierte Basis verfügt“, sagte Lian Jye Su, Analyst bei Omdia, einer Division von Informa TechTarget.

Der KI-Open-Source-Wettstreit

Alibabas Wettbewerb mit Meta im Bereich offener Modelle sei angesichts des Erfolgs von Metas früheren offenen Modellen keine Überraschung, sagte Su – dazu zählt die Llama-Familie, die nach ihrer Veröffentlichung im Jahr 2023 zu einer der beliebtesten offenen Modellreihen wurde.

„Man kann durchaus argumentieren, dass Meta wirklich gute Open-Weight-Modelle bauen kann“, sagte Su. „Für Alibaba ist Qwen ein sehr wichtiges Mittel, um sich selbst zu vermarkten. Sie wollen das Open-Source-Erbe weitertragen.“

Shimmin sagte, dass Alibaba und andere chinesische Anbieter im vergangenen Jahr zu wichtigen Treibern von Open Source geworden seien.

Er fügte hinzu, dass die Veröffentlichung mehrerer chinesischer offener Modelle dazu beigetragen habe, dass Meta seinen Kurs in Bezug auf seine Politik änderte, ausschließlich offene Modelle zu veröffentlichen. Dadurch finde der KI-Markt zu seinem ursprünglichen Gleichgewicht zwischen offenen und geschlossenen, proprietären Modellen zurück – ein Segment, das lange von den US-KI-Laboren Anthropic und OpenAI dominiert wurde.

„Die KI-Industrie wurde auf der Grundlage von Open-Source-Technologien aufgebaut“, sagte Shimmin. „Das Ideal von Open Source besteht in einer ökosystemweiten Zusammenarbeit – nicht in etwas, das in für Nutzer undurchsichtigen IP-Containern abgeschottet ist, während diese versuchen zu verstehen, selbst nur die Grundlagen dessen, warum ein Modell sagt, was es sagt, oder wie ihre Ausgaben verwendet werden.“