最新报道，11月19日，阿里通义千问在昨日（11月18日）通过官方博文宣布，经过数月的精心优化和迭代，推出了Qwen2.5-Turbo这一全新的开源AI模型，以满足社区对于更长文本处理能力的需求。
Qwen2.5-Turbo的上下文长度得到了显著提升，从原先的12.8万个扩展至100万个tokens，这一扩展相当于能够处理约100万英语单词或150万汉字的文本量，足以容纳10部长篇小说、150小时的演讲内容或30000行代码。
上下文长度（Context Length）在自然语言处理（NLP）领域中，指的是大型语言模型（LLM）在单次处理中能够考虑和生成的最大文本长度。
Qwen2.5-Turbo在1M-token的Passkey检索任务中达到了完美的100%准确率，并且在RULER长文本评估中得分高达93.1，超越了GPT-4和GLM4-9B-1M等竞争对手。
为了提升处理效率，团队引入了稀疏注意力机制，将处理100万tokens至输出第一个tokens的时间从4.9分钟大幅缩短至68秒，速度提升了4.3倍，使得Qwen2.5-Turbo在处理长文本时更加迅速和高效。
在成本控制方面，Qwen2.5-Turbo展现出了极高的经济性，每处理一百万tokens的成本仅为0.3元，能够处理的token数量是GPT-4o-mini的3.6倍，这使得Qwen2.5-Turbo成为了一个既高效又经济的长上下文处理解决方案。
尽管Qwen2.5-Turbo在多个基准测试中表现卓越，团队也清醒地认识到，在实际应用场景中，长序列任务的表现可能存在波动，且大型模型的推理成本仍有优化空间。
团队表示，他们将持续致力于提升模型的人类偏好理解能力、推理效率，并探索开发更加强大的长上下文模型。
以下是相关参考链接：
-
Qwen2.5-Turbo官方介绍
-
API文档
在线演示
