Alibaba Cloud memamerkan sejumlah solusi kecerdasan buatan (AI) dalam gelaran Alibaba Cloud Developer Summit 2025 bertajuk AI FORWARD yang diselenggarakan di Jakarta, Selasa (21/1).
Salah satu yang dipamerkan dalam gelaran tersebut adalah Large Language Model (LLM) terbaru mereka, yakni Qwen 2.5.
“Model baru kami Qwen 2.5 berada di jajaran atas Huggingface. Kita telah menjadi nomor satu sejak lama. Dan model Qwen ini telah diunduh sekitar 100 juta kali,” ujar Rocky Liu, Regional Solution Director, Principal Solution Architect Alibaba Cloud Intelligence, di Jakarta, Selasa (21/1).
Seri Qwen 2.5 memiliki ukuran mulai dari 7 miliar hingga 72 miliar parameter. Model ini dapat diakses melalui API di platform pengembangan AI generatif mereka, Model Studio.
Selain itu, model API multimodal seperti model vision understanding seperti Qwen-VL; model visual generation Wanx2.1 yang dikenal juga sebagai Tongyi Wanxiang; dan audio language model Qwen-Audio juga tersedia untuk diakses oleh para developer.
Para pengembang juga dapat memanfaatkan Tongyi Lingma, asisten coding AI milik Alibaba Cloud yang didukung oleh model Qwen 2.5-coder.
AI Programmer ini menawarkan fitur-fitur seperti penyelesaian dan optimasi kode, bantuan debugging, pencarian potongan kode, dan pembuatan batch unit test.
Dengan teknologi ini, developer disebut dapat merasakan pengalaman coding yang lebih efisien dan lancar, sehingga meningkatkan produktivitas mereka.
“Ini dapat melengkapi coding. Dengan merujuk pada konteks code Anda, fitur ini akan secara otomatis menghasilkan code. Platform ini sudah diunduh lebih dari 9 juta kali,” ujar Liu.
Selain menyediakan berbagai model dengan rentang penggunaan yang cukup luas, sejumlah perangkat pengembangan AI baru juga dapat diakses oleh developer di seluruh dunia melalui Model Studio.
Perangkat ini termasuk Workflow, yang bisa dimanfaatkan untuk membagi tugas-tugas kompleks menjadi subtugas guna meningkatkan kontrol alur kerja. Selain itu, pengembang juga bisa memanfaatkan Agent yang mendukung kolaborasi multi-agen untuk perencanaan dan eksekusi tugas.
Kemudian, pengembang juga bisa memanfaatkan perangkat lainnya seperti RAG (Retrieval-Augmented Generation) yang meningkatkan akurasi dan keandalan model AI generatif dengan sumber eksternal; Batch Reasoning yang menghasilkan respons secara bersamaan untuk beberapa input yang perintah; AutoEval (Automated Model Evaluation), serta layanan model deployment dan application observability yang akan tersedia di akhir bulan ini.