Qwen-এর ৩ বিলিয়ন ডাউনলোড: Alibaba-এর AI কৌশল
৩ বিলিয়ন ডাউনলোডের আড়ালে Qwen: AI মডেল থেকে বৈশ্বিক অবকাঠামো হয়ে ওঠার লড়াই
বিকল্প শিরোনাম
Alibaba-এর ৩ বিলিয়ন ডাউনলোড: সংখ্যার চেয়ে বড় যে ecosystem
স্ট্যান্ডফার্স্ট
Alibaba বলছে, ছয় মাসে তার Qwen পরিবারের মডেলগুলো ৩ বিলিয়নের বেশি বার ডাউনলোড হয়েছে। সংখ্যাটি ৩ বিলিয়ন ব্যবহারকারীর প্রমাণ নয়; কিন্তু Hugging Face-এর স্বাধীন তথ্য বলছে, Qwen এখন এমন এক ভিত্তিমডেল, যার ওপর দ্রুতগতিতে তৈরি হচ্ছে নতুন মডেল, স্থানীয় AI ব্যবস্থা ও বাণিজ্যিক অ্যাপ্লিকেশন। এই উত্থান তাই জনপ্রিয়তার চেয়ে বেশি—এটি cloud, developer ecosystem এবং চীন–যুক্তরাষ্ট্রের প্রযুক্তিগত প্রভাব বিস্তারের গল্প।
মাহবুব আহমেদ। বিশেষ প্রযুক্তি বিষয়ক প্রতিবেদন
ডাউনলোডের রেকর্ড, নাকি নতুন ক্ষমতার কাঠামো?
কৃত্রিম বুদ্ধিমত্তার প্রতিযোগিতা এতদিন প্রধানত একটি প্রশ্ন ঘিরে আবর্তিত হয়েছে—কার মডেল সবচেয়ে বুদ্ধিমান?
Alibaba-এর Qwen সেই প্রশ্নের পাশে আরেকটি প্রশ্ন দাঁড় করিয়েছে: বিশ্বের অসংখ্য ডেভেলপার নিজেদের AI তৈরি করতে কার মডেলকে ভিত্তি হিসেবে বেছে নিচ্ছেন?
Alibaba-এর দেওয়া তথ্য অনুযায়ী, ২০২৬ সালের আগস্ট পর্যন্ত আগের ছয় মাসে Qwen পরিবারের open-weight মডেলগুলো বিশ্বজুড়ে ৩ বিলিয়নের বেশি বার ডাউনলোড হয়েছে। কোম্পানিটি আরও বলেছে, তারা ৪৬০টির বেশি মডেল উন্মুক্ত করেছে এবং Qwen ecosystem-এ ৩ লাখের বেশি derivative model—অর্থাৎ Qwen-কে ভিত্তি করে পরিবর্তিত, বিশেষায়িত বা পুনর্বিন্যস্ত মডেল—তৈরি হয়েছে। Bloomberg-এর প্রতিবেদনটি পুনঃপ্রকাশকারী Business Standard এই সংখ্যাগুলো Alibaba-এর ই-মেইল বিবৃতির বরাতে জানিয়েছে।
কিন্তু ৩ বিলিয়ন ডাউনলোডকে ৩ বিলিয়ন মানুষ, এমনকি ৩ বিলিয়ন সক্রিয় ডেভেলপার হিসেবেও দেখা যাবে না।
একটি স্বয়ংক্রিয় সফটওয়্যার pipeline একই মডেল বারবার ডাউনলোড করতে পারে। একজন ডেভেলপার একই মডেলের বিভিন্ন সংস্করণ, quantization বা fine-tuned edition নামাতে পারেন। কোনো cloud service বা deployment system প্রতিবার নতুন করে ফাইল টানলেও download counter বাড়তে পারে।
ফলে এটি মানুষের সংখ্যা নয়, বরং model artifact কতবার প্রযুক্তিগত ব্যবস্থার মধ্যে প্রবেশ করেছে—তার একটি অসম্পূর্ণ সূচক।
তারপরও সংখ্যাটি তাৎপর্যহীন নয়। কারণ স্বাধীন তথ্যও একই প্রবণতা দেখাচ্ছে: Qwen শুধু আলোচনায় নেই, এটি ক্রমশ সফটওয়্যার ও AI deployment pipeline-এর ভেতরে বসে যাচ্ছে।
Alibaba-এর দাবি স্বাধীন তথ্যে কতটা সমর্থিত?
Alibaba-এর মোট ৩ বিলিয়ন ডাউনলোডের পূর্ণ হিসাব—কোন platform থেকে কত, একই artifact-এর পুনরাবৃত্ত download বাদ দেওয়া হয়েছে কি না—প্রকাশ্যে বিস্তারিত দেওয়া হয়নি। ফলে সংখ্যাটি স্বাধীনভাবে সম্পূর্ণ পুনর্গঠন করা সম্ভব নয়।
তবে Alibaba-এর দাবি থেকে আলাদা করে Hugging Face-এর তথ্য শক্তিশালী সমর্থন দিচ্ছে।
Hugging Face-এর ১৪ আগস্ট প্রকাশিত State of Open Models: Summer 2026 প্রতিবেদনে বলা হয়েছে, ২০২৬ সালের জানুয়ারি থেকে আগস্টের পর্যবেক্ষণকালে Qwen-এর ঘোষিত parameter-সংবলিত repository-গুলো প্রায় ২০৪ কোটি ৫০ লাখ download পেয়েছে; সব Qwen repository ধরলে সংখ্যা প্রায় ২০৬ কোটি ১০ লাখ।
একই প্রতিবেদনের হিসাবে:
Google-ভিত্তিক derivative model ছিল ৮২,৫০৬টি।
Hugging Face-এ Qwen-ভিত্তিক derivative ছিল ১,৫১,৪৪৮টি।
Qwen-এর মোট derivative footprint Meta-র তুলনায় প্রায় ২ দশমিক ৬ গুণ।
শুধু Llama repository-এর তুলনায় Qwen derivatives প্রায় ৪ দশমিক ৭ গুণ।
২০২৬ সালের প্রথম সাত মাসে প্রতিদিন গড়ে প্রায় ১৮০–২১০টি নতুন Qwen-derived repository যোগ হয়েছে।
এখানেই Alibaba-এর ৩ লাখ derivative-এর দাবি এবং Hugging Face-এর ১ লাখ ৫১ হাজারের বেশি যাচাইযোগ্য repository-র মধ্যে পার্থক্যটি গুরুত্বপূর্ণ। Alibaba সম্ভবত Hugging Face-এর বাইরের ModelScope, অন্যান্য model hub এবং নিজস্ব ecosystem-ও হিসাবের মধ্যে ধরেছে। কিন্তু কোম্পানিটি platform-ভিত্তিক পূর্ণ breakdown প্রকাশ না করায় ৩ লাখের মোট সংখ্যাটি আপাতত কোম্পানির দাবি হিসেবেই উল্লেখ করা সমীচীন।
ডাউনলোড কেন adoption-এর নিখুঁত মাপকাঠি নয়
Hugging Face নিজেই সংবাদমাধ্যমকে download data ব্যাখ্যার ক্ষেত্রে সতর্ক করেছে।
তাদের হিসাবে, platform-এর প্রায় ১ দশমিক ৫ শতাংশ repository মোট download-এর ৯৯ দশমিক ২ শতাংশ নিয়ন্ত্রণ করে। অনেক পুরোনো, ছোট ও স্থিতিশীল model স্বয়ংক্রিয় system-এর অংশ হওয়ায় বছরের পর বছর বিপুল download পায়। বিপরীতে নতুন কোনো frontier model ব্যাপক আলোচনার জন্ম দিলেও বাস্তব ব্যবহারে দ্রুত প্রবেশ নাও করতে পারে।
Hugging Face-এর ভাষ্য অনুযায়ী, একটি ‘like’ দেখাতে পারে কোন মডেলটি নিয়ে মানুষ উত্তেজিত; download বরং দেখায় কোন মডেলটি কোনো pipeline-এর মধ্যে যুক্ত হয়েছে। দুটির কোনোটিই সরাসরি মানুষের সংখ্যা বা বাস্তব অর্থনৈতিক মূল্য পরিমাপ করে না।
আরও তাৎপর্যপূর্ণ হলো, এক বিলিয়নের কম parameter-যুক্ত ছোট মডেলগুলো ঘোষিত parameter-সংবলিত মডেলের সর্বকালের download-এর ৮৩ শতাংশ পেয়েছে। ১০০ বিলিয়নের বেশি parameter-এর মডেলের ভাগ মাত্র ১ শতাংশ। অর্থাৎ Qwen-এর বিশালতম মডেলগুলো যতটা সংবাদ তৈরি করে, তার বাস্তব বিস্তারে ছোট সংস্করণগুলোর ভূমিকা সম্ভবত তার চেয়ে বেশি।
Qwen-এর শক্তি তাই একটিমাত্র শক্তিশালী flagship নয়; বরং একই পরিবারের মধ্যে ছোট local model থেকে শুরু করে বিশাল cloud-scale model পর্যন্ত বিস্তৃত পরিসর।
মডেল নয়, একটি নির্মাণভিত্তি
Closed model ব্যবহারের প্রচলিত পদ্ধতিতে একটি প্রতিষ্ঠান সাধারণত API-তে request পাঠায়। মডেলের মূল weights, training system এবং deployment environment মডেল নির্মাতার নিয়ন্ত্রণে থাকে। গ্রাহক সুবিধা পান, কিন্তু মডেলটির ওপর তাঁর নিয়ন্ত্রণ সীমিত।
Open-weight পদ্ধতিতে developers trained weights ডাউনলোড করে নিজেদের infrastructure-এ চালাতে পারেন। তাঁরা মডেলকে:
নির্দিষ্ট ভাষা বা শিল্প খাতের জন্য fine-tune করতে পারেন;
কম শক্তিশালী hardware-এ চালানোর জন্য quantize করতে পারেন;
হাসপাতাল, ব্যাংক বা প্রতিষ্ঠানের private network-এ স্থাপন করতে পারেন;
coding, robotics, translation বা customer service-এর জন্য বিশেষায়িত করতে পারেন;
নতুন মডেলের ভিত্তি হিসেবে ব্যবহার করতে পারেন।
Quantization-এর মাধ্যমে একটি মডেলের সংখ্যাগত precision কমিয়ে তার memory ও computing requirement কমানো হয়। অনেক ক্ষেত্রে এতে সামান্য performance sacrifice-এর বিনিময়ে model-টি laptop, workstation কিংবা edge device-এ চালানো সম্ভব হয়।
Hugging Face জানিয়েছে, Qwen-এর ২৮,৫৩১টি GGUF conversion-এর মধ্যে Alibaba নিজে প্রকাশ করেছে মাত্র ৫৪টি। বাকিগুলো তৈরি করেছে community। GGUF হলো local inference-এর জন্য বহুল ব্যবহৃত একটি format। ২০২৬ সালের মাঝামাঝি Qwen-এর GGUF সংস্করণগুলো মাসে প্রায় ৩ কোটি ৯৬ লাখ download পাচ্ছিল—Google-এর Gemma-র প্রায় দ্বিগুণ এবং Meta-র Llama-র পাঁচ গুণেরও বেশি।
এখানে মূল মডেলটি পণ্য হলেও community তার distribution, optimization এবং specialization layer হয়ে উঠছে।
প্রথাগত platform economics-এর ভাষায় এটি একটি পরোক্ষ network effect: বেশি ব্যবহারকারী বেশি derivative তৈরি করেন; বেশি derivative নতুন ব্যবহারকারীর জন্য ecosystem-টিকে আরও উপযোগী করে; তারপর সেই ব্যবহারকারীরাও নতুন tool বা model যোগ করেন।
বিনামূল্যের weights থেকে Alibaba-এর লাভ কোথায়?
Alibaba নিছক উদারতার কারণে এত মডেল উন্মুক্ত করছে—এমন ধারণা অসম্পূর্ণ।
একটি open-weight model developers নিজেদের server-এ চালাতে পারলেও বড় পরিসরে training, fine-tuning এবং inference-এর জন্য বিপুল computing power দরকার। Alibaba একই সঙ্গে cloud computing, model-development platform, data infrastructure এবং AI accelerator ecosystem বিক্রি করে।
অর্থাৎ Qwen যত বেশি ব্যবহৃত হবে, Alibaba Cloud-এর সম্ভাব্য বাজারও তত বড় হতে পারে। সব ব্যবহারকারী Alibaba-এর cloud নেবেন না; কিন্তু model family-টি যদি একটি developer standard হয়ে ওঠে, তার সঙ্গে সম্পর্কিত hosting, enterprise support, managed inference ও customization service বিক্রির সুযোগ তৈরি হয়।
Alibaba-এর প্রধান নির্বাহী Eddie Wu ২০২৫ সালে Qwen-কে “AI যুগের operating system” হিসেবে গড়ে তোলার লক্ষ্য ঘোষণা করেছিলেন। একই সময়ে কোম্পানিটি তিন বছরে AI ও cloud infrastructure-এ ৩৮০ বিলিয়ন ইউয়ান বিনিয়োগের পরিকল্পনার কথা জানায়। Alibaba Cloud-এর ঘোষণায় model, cloud ও computing infrastructure-কে একই বাণিজ্যিক কৌশলের অংশ হিসেবে উপস্থাপন করা হয়।
তবে openness-এর সঙ্গে monetization-এর সম্পর্কও বদলাচ্ছে। Reuters আগস্টে জানায়, Alibaba তার Qwen3.8-Max-এর বড় বাণিজ্যিক ব্যবহারকারীদের কাছ থেকে revenue share নেওয়ার পরিকল্পনা বিবেচনা করছে। প্রতিবেদন প্রকাশের সময় শর্ত ও হার চূড়ান্ত বা প্রকাশ্য ছিল না।
এর অর্থ, weights উন্মুক্ত হলেই ভবিষ্যতের সব ব্যবহার বিনা খরচে বা বাধাহীন থাকবে—এমন নিশ্চয়তা নেই। প্রতিটি model-এর license আলাদাভাবে পরীক্ষা করতে হবে।
‘Open-source’ ও ‘open-weight’ এক বিষয় নয়
Alibaba এবং বহু সংবাদমাধ্যম Qwen-কে open-source হিসেবে বর্ণনা করলেও প্রযুক্তিগতভাবে ‘open-weight’ শব্দটি অধিক নির্ভুল।
Open Source Initiative-এর ব্যাখ্যা অনুযায়ী, শুধু trained weights প্রকাশ করলেই কোনো AI system সম্পূর্ণ open-source হয় না। পূর্ণাঙ্গ openness-এর জন্য training code, data সম্পর্কে পর্যাপ্ত তথ্য এবং model পুনর্গঠন ও পরীক্ষা করার বাস্তব উপায়ও গুরুত্বপূর্ণ। OSI বলছে, শুধু weights পাওয়া গেলে মডেল চালানো ও fine-tune করা সম্ভব হলেও তার training data, bias বা নির্মাণপ্রক্রিয়া সম্পূর্ণ audit করা যায় না।
Qwen-এর বহু সংস্করণ Apache 2.0-এর মতো উদার license-এ এসেছে। এতে বাণিজ্যিক ব্যবহার ও modification তুলনামূলক সহজ। কিন্তু Qwen পরিবারের সব model একই license বা একই মাত্রার transparency দেয় না। অতএব পুরো পরিবারকে এককভাবে ‘সম্পূর্ণ open-source’ বলা বিভ্রান্তিকর হতে পারে।
চীনের open-model কৌশল
Qwen-এর উত্থান Alibaba-এর একক সাফল্য হলেও এটি বৃহত্তর চীনা কৌশলের অংশ।
Hugging Face-এর Spring 2026 analysis অনুযায়ী, আগের এক বছরে platform-এর download-এর ৪১ শতাংশ ছিল চীনে তৈরি model-এর। মাসিক ও সামগ্রিক download—দুই হিসাবেই চীন যুক্তরাষ্ট্রকে ছাড়িয়ে যায় বলে প্রতিবেদনটি জানায়।
২০২৫ সালের শুরুতে DeepSeek-এর উত্থানের পর Baidu, Tencent, Alibaba, Moonshot, Z.ai এবং অন্য চীনা প্রতিষ্ঠানগুলো দ্রুত open-weight release বাড়ায়। এর ফলে কম খরচে শক্তিশালী AI model পাওয়া যাচ্ছে এমন দেশ ও ব্যবসার জন্য, যারা মার্কিন proprietary API-এর খরচ, ব্যবহারনীতি অথবা data-location নিয়ে উদ্বিগ্ন।
যুক্তরাষ্ট্রের কংগ্রেস-নিযুক্ত U.S.–China Economic and Security Review Commission-এর একটি ২০২৬ সালের working paper এই ব্যবস্থাকে দুটি feedback loop হিসেবে ব্যাখ্যা করেছে: ব্যাপক adoption দ্রুত community improvement ঘটায়; সেই improvement আবার নতুন adoption তৈরি করে। একই সঙ্গে manufacturing, robotics ও logistics-এ model deployment বাস্তব জগতের বিশেষায়িত data ও অভিজ্ঞতা তৈরির সুযোগ দেয়।
তবে প্রতিবেদনটি একটি মার্কিন সরকারি কমিশনের কৌশলগত বিশ্লেষণ—তাই এর ভূরাজনৈতিক দৃষ্টিভঙ্গি ও প্রাতিষ্ঠানিক অবস্থান মাথায় রেখেই পড়তে হবে।
সুবিধার সঙ্গে ঝুঁকিও স্থানান্তরিত হয়
Open-weight model developer-কে স্বাধীনতা দেয়—কিন্তু operational responsibility-ও তাঁর ওপর চাপিয়ে দেয়।
নিজস্ব server-এ Qwen চালালে সংবেদনশীল তথ্য Alibaba-এর API-তে পাঠাতে হয় না। এটি privacy, data sovereignty এবং vendor lock-in কমানোর দিক থেকে গুরুত্বপূর্ণ। আবার hardware, cybersecurity, model monitoring, software update এবং misuse prevention-এর ব্যয়ও তখন ব্যবহারকারী প্রতিষ্ঠানকেই বহন করতে হয়।
Stanford Cyber Policy Center-এর DigiChina প্রকল্পের open-weight AI বিষয়ক বিশ্লেষণ তিনটি উদ্বেগ চিহ্নিত করেছে:
training ও fine-tuning-এ চীনের রাজনৈতিক ও নিয়ন্ত্রক কাঠামোর সম্ভাব্য প্রভাব;
cloud API ব্যবহার করলে data কোথায় সংরক্ষিত বা প্রক্রিয়াকৃত হচ্ছে;
model ও তার community-produced derivative-এ cybersecurity vulnerability।
গুরুত্বপূর্ণ পার্থক্য হলো, model নিজের বিশ্বস্ত infrastructure-এ চালালে data সরাসরি Alibaba-এর কাছে যাওয়ার কথা নয়। কিন্তু Alibaba বা অন্য provider-এর app, API কিংবা managed cloud service ব্যবহার করলে data governance-এর প্রশ্ন আবার ফিরে আসে।
রাজনৈতিকভাবে সংবেদনশীল বিষয়ে bias বা censorship-এর ঝুঁকিও উড়িয়ে দেওয়া যায় না। একই সঙ্গে এটাও সত্য, open weights থাকায় independent researcher ও developer কিছু guardrail পরীক্ষা, পরিবর্তন বা প্রতিস্থাপন করতে পারেন—closed API-তে যা অনেক কঠিন। তবে মূল training data অস্বচ্ছ থাকলে bias-এর উৎস পুরোপুরি শনাক্ত করা সম্ভব হয় না।
আরেকটি অনিশ্চয়তা রাষ্ট্রের নীতি। Reuters জুলাইয়ে জানিয়েছিল, চীনা কর্তৃপক্ষ ভবিষ্যতের সবচেয়ে উন্নত AI model-এর বিদেশি access সীমিত করার সম্ভাবনা নিয়ে প্রযুক্তি প্রতিষ্ঠানের সঙ্গে আলোচনা করেছে। কোনো চূড়ান্ত বিধিনিষেধ ঘোষিত হয়নি। তবু ঘটনাটি দেখায়, open-model ecosystem-ও ভূরাজনীতি থেকে মুক্ত নয়।
AI-তে ‘জয়’ এখন একমাত্রিক নয়
Closed frontier model নির্মাতারা সাধারণত সর্বোচ্চ capability, নিরাপদ managed service, সহজ API এবং নির্ভরযোগ্য enterprise support বিক্রি করে। এতে centralized control থাকে এবং model update দ্রুত সবার কাছে পৌঁছানো যায়।
Open-weight ecosystem অন্য ধরনের প্রভাব তৈরি করে। সেখানে মূল নির্মাতা সব application নিয়ন্ত্রণ করেন না; বরং হাজারো developer তার model-কে ভাষা, hardware, শিল্প খাত এবং স্থানীয় প্রয়োজন অনুযায়ী নতুন রূপ দেন।
এ কারণে ডাউনলোডে এগিয়ে থাকা মানেই Qwen সব benchmark-এ সেরা, সব enterprise-এর জন্য নিরাপদতম কিংবা সবচেয়ে বেশি মানুষ ব্যবহার করছে—এমন নয়। ChatGPT, Gemini বা Anthropic-এর পণ্যভিত্তিক ব্যবহারকারীর সংখ্যার সঙ্গে Qwen model download তুলনাও সমজাতীয় তুলনা নয়।
কিন্তু Qwen-এর derivative footprint একটি গুরুত্বপূর্ণ পরিবর্তনের প্রমাণ দেয়: Alibaba শুধু শেষ ব্যবহারকারীর প্রশ্নের উত্তর দেওয়ার জন্য AI তৈরি করছে না; তারা অন্যদের AI তৈরির প্রাথমিক স্তরটি দখল করতে চাইছে।
৩ বিলিয়ন ডাউনলোড একটি বড় শিরোনাম। কিন্তু দীর্ঘমেয়াদে আরও গুরুত্বপূর্ণ প্রশ্ন হতে পারে—পরবর্তী প্রজন্মের কত ভাষাভিত্তিক model, industrial agent, coding tool, robot কিংবা enterprise system-এর ভেতরে Qwen-এর প্রযুক্তিগত বংশধারা থেকে যাবে।
কারণ AI-এর পরবর্তী ক্ষমতাধর প্রতিষ্ঠানটি শুধু সবচেয়ে জনপ্রিয় chatbot-এর মালিক নাও হতে পারে। সেটি হতে পারে সেই প্রতিষ্ঠান, যার model-এর ওপর বাকিরা নিজেদের প্রযুক্তি নির্মাণ করে।
আমরা যা জানি / যা এখনো অস্পষ্ট
আমরা যা জানি
Alibaba বলেছে, ছয় মাসে Qwen model family ৩ বিলিয়নের বেশি global download পেয়েছে।
কোম্পানিটির হিসাবে Qwen ecosystem-এ ৪৬০টির বেশি মূল model এবং ৩ লাখের বেশি derivative রয়েছে।
Hugging Face স্বাধীনভাবে ২০২৬ সালে প্রায় ২০৪–২০৬ কোটি Qwen download এবং ১,৫১,৪৪৮টি Qwen-based derivative repository শনাক্ত করেছে।
Hugging Face-এ Qwen-এর derivative footprint Meta ও Google-এর তুলনায় বড়।
চীনে তৈরি model আগের এক বছরে Hugging Face download-এর ৪১ শতাংশ দখল করেছে।
Qwen-এর ব্যাপক adoption-এর বড় অংশ ছোট model, quantized build এবং community conversion-এর সঙ্গে যুক্ত।
যা এখনো অস্পষ্ট
Alibaba-এর ৩ বিলিয়ন হিসাবের platform-ভিত্তিক পূর্ণ breakdown প্রকাশিত হয়নি।
download-এর কত অংশ স্বতন্ত্র developer, কত অংশ automated system বা পুনরাবৃত্ত download—তা জানা যায়নি।
৩ লাখ derivative-এর মধ্যে কতটি সক্রিয়, মৌলিক বা production environment-এ ব্যবহৃত—তার নিরীক্ষিত হিসাব নেই।
Qwen3.8-Max-এর সম্ভাব্য revenue-sharing license-এর চূড়ান্ত শর্ত তখনো প্রকাশ্যে নিশ্চিত ছিল না।
বিপুল download দীর্ঘমেয়াদে Alibaba Cloud-এর revenue, enterprise market share বা user dependence-এ কতটা রূপ নেবে, তা এখনো নির্ধারিত নয়।
উৎস ও যাচাই নোট
প্রতিবেদনটি ১৮ আগস্ট ২০২৬ পর্যন্ত হালনাগাদ। Alibaba-এর ৩ বিলিয়ন download, ৪৬০টির বেশি model এবং ৩ লাখ derivative-এর সংখ্যা কোম্পানির নিজস্ব দাবি; পূর্ণ independent audit প্রকাশিত হয়নি। দাবিটির দিকনির্দেশ Hugging Face-এর repository ও download data দিয়ে cross-check করা হয়েছে। Open-weight ও open-source-এর পার্থক্য OSI-এর সংজ্ঞা অনুসারে ব্যাখ্যা করা হয়েছে। ভূরাজনৈতিক ও governance বিশ্লেষণে Reuters, Stanford DigiChina এবং USCC-এর প্রতিবেদন ব্যবহার করা হয়েছে।
প্রধান সূত্র
#AlibabaAI #QwenAI #OpenWeightAI #ArtificialIntelligence #AIInfrastructure #ChineseAI #HuggingFace #TechNews
এখনও কোনো মন্তব্য নেই। আলোচনাটি শুরু করুন।