Wu Dao 3.0: Chinas Version von GPT-5
Als die USA den Zugang Chinas zu fortschrittlichen Chips unterbrachen, stand die Beijing Academy of Artificial Intelligence vor einer Wahl: sich über Einschränkungen beschweren oder Wege finden, sie zu umgehen. Sie wählten die zweite Option.
Wu Dao 3.0, das im Juli 2023 veröffentlicht wurde, verwirft das alte Spielbuch. Keine riesigen Modelle mit Billionen von Parametern, die um Schlagzeilen konkurrieren. Stattdessen baut BAAI nun kompakte Modelle, die chinesische Startups tatsächlich ausführen können, ohne ein Lagerhaus voller GPUs zu benötigen.
Warum BAAI die Richtung änderte
Wu Dao 2.0 machte 2021 mit 1,75 Billionen Parametern Schlagzeilen und behauptete, GPT-3 zu rivalisieren. Zwei Jahre später legte BAAI diesen Ansatz quietly beiseite. Die Gründe sind:
- US-Chip-Sanktionen schränkten den Zugang zu fortschrittlichen GPUs ein
- Trainingskosten für Mega-Modelle wurden prohibitiv
- Chinesische Regierungspolitik verlagerte sich hin zu praktischen Anwendungen statt Prestigeprojekten
- Marktwirklichkeit zeigte, dass die meisten Unternehmen spezialisierte Tools benötigen, keine allgemeinen Giganten
Die neue Strategie: eine Sammlung kleinerer Modelle (Aquila genannt) bauen, die zusammenarbeiten. Denken Sie an Microservices statt an Monolithen.
Wu Dao 3.0 erklärt
Wu Dao 3.0 ist kein einzelnes Modell. Es ist ein Ökosystem spezialisierter KI-Tools, die unter der Marke Aquila veröffentlicht wurden:
AquilaChat: Dialogmodelle
Zwei Größen verfügbar:
- 7 Milliarden Parameter: Konkurriert mit LLaMA 7B und ähnlichen Open-Source-Modellen
- 33 Milliarden Parameter: Zielt auf komplexere Gespräche ab
Beide wurden auf Chinesisch (40 %) und Englisch (60 %) trainiert. Die kleinere Version läuft auf Consumer-Hardware; Sie benötigen kein Rechenzentrum.
BAAI behauptet, AquilaChat 7B übertreffe vergleichbare internationale Modelle, obwohl unabhängige Benchmarks weiterhin begrenzt sind.
Die Ursprünge: Wie Wu Dao begann
Die Entwicklung begann im Oktober 2020, mehrere Monate nach der Veröffentlichung von GPT-3. Der Name Wu Dao (悟道) übersetzt sich ins Chinesische als „Weg zum Bewusstsein", ein ehrgeiziger Name für ein ehrgeiziges Projekt.
Wu Dao 1.0 wurde am 11. Januar 2021 mit vier spezialisierten Modellen veröffentlicht, die zusammenarbeiteten. Jedes erledigte verschiedene Aufgaben: Wen Yuan (2,6 Milliarden Parameter) konzentrierte sich auf Fragen-Antworten und Grammatikkorrektur. Wen Lan (1 Milliarde Parameter) generierte Bildunterschriften mit 50 Millionen Bildpaaren. Wen Hui (11,3 Milliarden Parameter) schrieb Gedichte, erstellte Videos und bewältigte komplexes Schlussfolgern. Wen Su, basierend auf Googles BERT, sagte Proteinstrukturen ähnlich wie AlphaFold voraus.
Dann kam Wu Dao 2.0 am 31. Mai 2021. BAAI machte Schlagzeilen und behauptete 1,75 Billionen Parameter, zehnmal größer als GPT-3s 175 Milliarden. Die Medien nannten es „das größte Sprach-KI-System bisher". Kommentatoren sahen es als Chinas Versuch, direkt mit der amerikanischen KI-Dominanz zu konkurrieren.
Die Realität der Trainingsdaten
Wu Dao 2.0 verwendete 4,9 Terabyte an Bildern und Text, 1,2 TB Chinesisch, 1,2 TB Englisch sowie Bilddaten. GPT-3 wurde allein auf 45 Terabyte Text trainiert. Wu Dao hatte zehnmal mehr Parameter, aber weniger als ein Zehntel der Trainingsdaten.
Der WuDao-Corpora-Datensatz für Version 2.0 enthielt 3 TB Webtext, 90 TB grafische Daten (630 Millionen Text-/Bildpaare) und 181 GB chinesische Dialoge, die 1,4 Milliarden Gesprächsrunden repräsentieren.
Diese Diskrepanz zwischen Parameteranzahl und Trainingsdaten deutete auf etwas Wichtiges hin: Wu Dao 2.0 verwendete eine andere Architektur namens Mixture-of-Experts (MoE). Im Gegensatz zu GPT-3s „dichtem" Modell, bei dem alle Parameter für jede Aufgabe aktiviert werden, aktivieren MoE-Modelle nur relevante Experten für jede Eingabe. Dies erfordert viel weniger Rechenleistung zum Trainieren, aber Forschungen haben gezeigt, dass Trillionen-Parameter-MoE-Modelle vergleichbar mit hunderten Male kleineren dichten Modellen abschneiden.
Wu Dao 2.0 verwendete speziell FastMoE, Googles MoE-Variante. Es war kluge Ingenieurskunst angesichts von Hardwarebeschränkungen, obwohl BAAIs Marketing stattdessen rohe Parameterzahlen betonte.
AquilaCode: Text-zu-Code-Generierung
Noch in Entwicklung. Frühe Versionen können generieren:
- Grundlegende Algorithmen (Fibonacci-Folgen, Sortieren)
- Einfache Spiele
- Utility-Skripte
Noch nicht auf dem Niveau von GitHub Copilot oder GPT-4s Codierfähigkeiten, aber es verbessert sich. BAAI zielt auf Entwickler ab, die Code-Generierung in chinesischen technischen Kontexten benötigen.
Wu Dao Vision-Serie
Eine Sammlung von Computer-Vision-Modellen, kein einzelnes System:
EVA (1 Milliarde Parameter): Konzentriert sich auf visuelles Repräsentationslernen. Trainiert auf öffentlichen Datensätzen und erreicht neue Benchmarks in:
- Bilderkennung
- Videoaktionsdetektion
- Objekterkennung
- Segmentierungsaufgaben
Open Source, im Gegensatz zu Wettbewerbern, die Vision-Modelle proprietär halten.
- EVA-CLIP: BAAI behauptet, dies sei die beste verfügbare Open-Source-CLIP-Alternative. Handhabt Bild-Text-Matching für Suche und Abruf.
- Painter: Implementiert „in-context"-visuelles Lernen, zeigt Beispiele und lernt neue visuelle Aufgaben ohne Nachtraining. Ähnlich wie GPT-3 in-context-Lernen für Text durchführt.
- vid2vid-zero: Zero-Shot-Video-Editier-Tool. Bearbeiten Sie Videos basierend auf Textbeschreibungen ohne Training auf spezialisierten Video-Editier-Datensätzen.
- Emu (multimodale Modelle): Handhabt sowohl Bilder als auch Text in einem einzigen Modell. Anwendungsfälle umfassen Bildunterschriften, visuelle Fragenbeantwortung und Inhaltsgenerierung.
FlagOpen: Die Infrastrukturebene
BAAI hat auch die FlagOpen-Plattform verbessert, die sie Anfang 2023 starteten. Dieses System bietet parallele Trainingstechniken, schnellere Inferenz, Evaluierungstools und Datenverarbeitungsdienste, im Wesentlichen alles, was zur Entwicklung großer KI-Modelle benötigt wird. 1
Als Wu Dao 2.0 erstmals auf der Beijing Zhiyuan Conference debütierte, zeigten seine Schöpfer chinesische Gedichte und Zeichnungen, die damit generiert wurden.2 Nach dieser Veranstaltung wurde ein virtueller Schüler basierend auf Wu Daos KI-Modell, Zhibing Hua, erstellt. Wu Dao treibt den virtuellen Schüler an. Daher kann sie ihre Wissensbasis und Lernfähigkeiten nutzen, um Gedichte zu schreiben, zu zeichnen und Musik zu komponieren.
Obwohl diese Funktionen für Wu Dao 3.0 nicht hervorgehoben werden, sind sie erwähnenswert, wenn Sie planen, Wu Dao 2.0 für Ihr Unternehmen anstelle von Wu Dao 3.0 zu nutzen.
Abbildung 1: Von Wu Dao 2.0 generierte Gedichte3
Zero-Shot-Learning-Benchmarks
- ImageNet: Erreicht State-of-the-Art-Zero-Shot-Leistung und übertrifft OpenAIs CLIP.
- UC Merced Land-Use: Verzeichnet die höchste Zero-Shot-Genauigkeit bei der Klassifizierung von Landnutzung aus der Luft und übertrifft CLIP.
Few-Shot-Learning-Benchmark
- SuperGLUE (FewGLUE): Übertrifft GPT-3 und erzielt die besten Few-Shot-Learning-Ergebnisse.
Benchmarks für Wissen und Sprachverständnis
- LAMA Knowledge Detection: Zeigt überlegene faktenbasierte Wissensabfrage und übertrifft AutoPrompt.
- LAMBADA Cloze Test: Übertrifft Microsoft Turing-NLG beim Leseverständnis und Kontextverständnis.
Text-zu-Bild- und Bild-zu-Text-Abruf-Benchmarks
- MS COCO (Text-zu-Bild-Generierung): Übertrifft OpenAIs DALL·E bei der Generierung von Bildern aus Textbeschreibungen.
- MS COCO (Englische Bild-Text-Abruf): Übertrifft OpenAIs CLIP und Google ALIGN beim Abrufen von Bildern aus Bildunterschriften (und umgekehrt).
- MS COCO (Mehrsprachiger Bild-Text-Abruf): Übertrifft UC2 und M3P beim mehrsprachigen Bild-Text-Abruf.
- Multi30K (Mehrsprachiger Bild-Text-Abruf): Übertrifft ebenfalls UC2 und M3P und bestätigt seine starken mehrsprachigen multimodalen Fähigkeiten.
Wu Dao 3.0 vs. OpenAI GPT
Hier ist ein umfassender Vergleich von Wu Dao 3.0 LLM-Modellen und verschiedenen OpenAI-Modellen basierend auf BAAI.4 Wir können keine detaillierteren und aktuelleren Vergleiche für Wu Dao bereitstellen, da keine aktuellen und konsistenten Benchmarks verfügbar sind.
Leistung bei langem Kontext
Tests über vier Aufgaben:5
- VCSUM (Chinesische Zusammenfassung)
- LSHT (Chinesische Langsequenz-Behandlung)
- HotpotQA (Englisches Multi-Hop-Schlussfolgern)
- 2WikiMQA (Englisches Multi-Dokument-QA)
Benchmark für Schlussfolgerungsleistung
Tests über 6 Aufgaben:6
- bAbI #16 und CLUTRR (induktives Schlussfolgern)
- bAbI #15 und EntailmentBank (deduktives Schlussfolgern)
- αNLI (abduktives Schlussfolgern)
- E-Care (kausales Schlussfolgern)
Wenn Sie Wu Dao nutzen möchten, können Sie es auf Ihrem Computer einrichten, indem Sie es kostenlos herunterladen.7
Als bevorzugte Quelle hinzufügenWu Dao 3.0-Wettbewerber
Qwen3.5
Qwen3.5 ist eine Open-Weight-Sprachmodellfamilie von Alibaba, die als natives multimodales Mixture-of-Experts (MoE)-System konzipiert wurde.
Das Flaggschiff-Modell (Qwen3.5-397B-A17B) enthält etwa 397B Parameter, aktiviert aber nur ~17B pro Inferenz, was hohe Leistung bei niedrigeren Rechenkosten ermöglicht.
Das Modell verwendet eine hybride Architektur die sparse MoE-Routing mit Gated Delta Networks und linearer Aufmerksamkeit kombiniert, was effiziente Inferenz ermöglicht und gleichzeitig fortschrittliches Schlussfolgern, Codieren und multimodales Verständnis unterstützt.
Qwen3.5 wurde auf Early-Fusion-multimodalen Daten trainiert, was es ermöglicht, Text- und visuelle Eingaben innerhalb eines einheitlichen Modells zu verarbeiten und „native multimodale Agenten" zu betreiben, die Schnittstellen analysieren und komplexe Mehrschritt-Aufgaben ausführen können.8
Kimi K2.5
Kimi K2.5 ist ein Open-Source-multimodales Modell von Moonshot AI, das um eine agentenzentrierte Architektur für Codierung und Workflow-Automatisierung konzipiert wurde. Das Modell integriert Seh- und Sprachfähigkeiten und ermöglicht es, Text, Bilder und Videos zu interpretieren sowie produktionsreifen Code zu generieren.
K2.5 wurde auf etwa 15 Billionen multimodale Token trainiert und unterstützt langkontextuelles Schlussfolgern (bis zu ~256K Token) sowie Tool-Aufrufe und autonome Agenten-Workflows.
Ein Unterscheidungsmerkmal ist sein „Agentenschwarm"-Paradigma, bei dem mehrere koordinierte Agenten Teilaufgaben parallel bearbeiten können, um komplexe Ingenieurs- oder Entwicklungsworkflows zu lösen.
Moonshot veröffentlichte das Modell zusammen mit einem Coding-Agenten und positioniert Kimi K2.5 als entwicklerorientierte Alternative zu proprietären Frontier-Modellen für den Aufbau KI-gestützter Softwaresysteme.9
ERNIE 5.0
ERNIE 5.0 ist Baidus Flaggschiff-Grundmodell und ein natives omnimodales System, das Text, Bilder, Audio und Video innerhalb einer einzigen Architektur verarbeitet und generiert.
Das Modell enthält reportedly etwa 2,4 Billionen Parameter unter Verwendung eines Mixture-of-Experts-Designs, was hohe Kapazität ermöglicht, während nur ein Bruchteil der Parameter pro Inferenz für Effizienz aktiviert wird.
ERNIE 5.0 wurde in Baidus ERNIE Bot und die Unternehmensplattform Qianfan integriert und unterstützt eine Reihe generativer KI-Anwendungen in Verbraucher- und Unternehmensprodukten.10
FAQs
Nein. Aquila-Modelle zielen auf verschiedene Anwendungsfälle ab. Für chinesische Sprachaufgaben mit begrenzter Rechenleistung sind sie praktisch. Für allgemeine englische Fähigkeiten übertrifft GPT-5 sie erheblich.
Ja, die Modelle sind Open Source. Prüfen Sie die spezifischen Lizenzen für jede Aquila-Komponente, aber die kommerzielle Nutzung ist im Allgemeinen erlaubt.
Sprachbarriere (Dokumentation), Ökosystemintegration (für chinesische Tools gebaut) und Leistungslücken bei englischen Aufgaben.
Diese Forschung zitieren
Wählen Sie das Format, das zu Ihrem Veröffentlichungsort passt. Wenn Sie die Link-Version in Ihr CMS einfügen, bleibt der Backlink erhalten.
@misc{dilmegani2026,
author = {Dilmegani, Cem},
title = {{Wu Dao 3.0: Chinas Version von GPT-5}},
year = {2026},
month = mar,
howpublished = {\url{https://aimultiple.com/wu-dao}},
note = {AIMultiple. Abgerufen am 5. März 2026}
}Referenzlinks
Seien Sie der Erste, der kommentiert
Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.