Wu Dao 3.0: Chinas multimodales KI-Modellfamilie
Als die USA China den Zugang zu fortschrittlichen Chips abschnitten, stand die Beijing Academy of Artificial Intelligence vor einer Wahl: sich über Beschränkungen beschweren oder sie umgehen. Sie entschieden sich für die zweite Option.
Wu Dao 3.0, veröffentlicht im Juli 2023, wirft das Drehbuch über Bord. Keine massiven Billionen-Parameter-Modelle, die um Schlagzeilen konkurrieren. Stattdessen baut BAAI jetzt kompakte Modelle, die chinesische Startups tatsächlich betreiben können, ohne ein Lager voller GPUs zu benötigen.
Warum BAAI die Richtung änderte
Wu Dao 2.0 sorgte 2021 mit 1.75 Billionen Parametern für Schlagzeilen und behauptete, mit GPT-3 zu konkurrieren. Zwei Jahre später legte BAAI diesen Ansatz stillschweigend auf Eis. Die Gründe sind:
- US-Chip-Sanktionen schränkten den Zugang zu fortschrittlichen GPUs ein
- Trainingskosten für Mega-Modelle wurden unerschwinglich
- Chinesische Regierungspolitik verlagerte sich von Prestigeprojekten zu praktischen Anwendungen
- Marktrealität zeigte, dass die meisten Unternehmen spezialisierte Werkzeuge benötigen, keine Allzweck-Riesen
Die neue Strategie: eine Sammlung kleinerer Modelle (genannt Aquila) aufbauen, 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, das unter der Marke Aquila veröffentlicht wurde:
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 mit chinesischen (40 %) und englischen (60 %) Texten trainiert. Die kleinere Version läuft auf Consumer-Hardware; Sie benötigen kein Rechenzentrum.
BAAI behauptet, AquilaChat 7B übertreffe vergleichbare internationale Modelle, obwohl unabhängige Benchmarks bislang 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) bedeutet auf Chinesisch „Weg zur Erkenntnis“, ein ambitionierter Name für ein ambitioniertes Projekt.
Wu Dao 1.0 wurde am 11. Januar 2021 mit vier spezialisierten Modellen veröffentlicht, die zusammenarbeiteten. Jedes übernahm unterschiedliche Aufgaben: Wen Yuan (2.6 Milliarden Parameter) konzentrierte sich auf Fragenbeantwortung und Grammatikkorrektur. Wen Lan (1 Milliarde Parameter) erzeugte Bildunterschriften mithilfe von 50 Millionen Bildpaaren. Wen Hui (11.3 Milliarden Parameter) schrieb Gedichte, erstellte Videos und übernahm komplexes logisches Denken. Wen Su, aufbauend auf Googles BERT, sagte Proteinstrukturen ähnlich wie AlphaFold vorher.
Dann kam Wu Dao 2.0 am 31. Mai 2021. BAAI sorgte für Schlagzeilen und behauptete 1.75 Billionen Parameter – zehnmal mehr als GPT-3s 175 Milliarden. Die Medien nannten es „das bisher größte KI-Sprachsystem“. Kommentatoren sahen darin 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 mit 45 Terabyte Text trainiert. Wu Dao hatte zehnmal so viele Parameter, aber weniger als ein Zehntel der Trainingsdaten.
Der WuDao-Corpora-Datensatz für Version 2.0 enthielt 3 TB Webtext, 90 TB Grafikdaten (630 Millionen Text-Bild-Paare) und 181 GB chinesische Dialoge, die 1.4 Milliarden Gesprächsrunden repräsentieren.
Dieses Missverhältnis zwischen Parameterzahl und Trainingsdaten deutete auf etwas Wichtiges hin: Wu Dao 2.0 verwendete eine andere Architektur namens Mixture-of-Experts (MoE). Anders als bei GPT-3s „dichtem“ Modell, bei dem alle Parameter für jede Aufgabe aktiviert werden, aktivieren MoE-Modelle für jede Eingabe die relevanten Experten. Das erfordert weniger Rechenleistung für das Training, doch die Forschung hat gezeigt, dass Billionen-Parameter-MoE-Modelle vergleichbar mit hundertfach kleineren dichten Modellen abschneiden.
Wu Dao 2.0 verwendete speziell FastMoE, entwickelt von der Tsinghua University/BAAI. Es war clevere Ingenieurskunst zur Umgehung von Hardware-Beschränkungen, auch wenn das Marketing von BAAI stattdessen die reinen Parameterzahlen betonte.
AquilaCode: Text-zu-Code-Generierung
Noch in Entwicklung. Frühe Versionen können Folgendes generieren:
- Grundlegende Algorithmen (Fibonacci-Folgen, Sortieren)
- Einfache Spiele
- Hilfsskripte
Noch nicht auf dem Niveau der Programmierfähigkeiten von GitHub Copilot oder GPT-4, aber es wird besser. BAAI zielt auf Entwickler ab, die Codegenerierung 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 mit öffentlichen Datensätzen und erreicht neue Benchmarks in:
- Bilderkennung
- Erkennung von Aktionen in Videos
- 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. Übernimmt Bild-Text-Abgleich für Suche und Abruf.
- Painter: Implementiert visuelles „In-Context“-Lernen, zeigt ihm Beispiele, und es erlernt neue visuelle Aufgaben ohne erneutes Training. Ähnlich wie GPT-3 In-Context-Lernen für Text durchführt.
- vid2vid-zero: Zero-Shot-Videobearbeitungstool. Bearbeitet Videos basierend auf Textbeschreibungen ohne Training mit speziellen Videobearbeitungs-Datensätzen.
- Emu (multimodale Modelle): Verarbeitet sowohl Bilder als auch Text in einem einzigen Modell. Anwendungsfälle umfassen Bildunterschriften, visuelle Fragenbeantwortung und Inhaltserstellung.
FlagOpen: Die Infrastrukturschicht
BAAI hat außerdem die Plattform FlagOpen verbessert, die Anfang 2023 eingeführt wurde. Dieses System bietet parallele Trainingstechniken, schnellere Inference, Evaluierungstools und Datenverarbeitungsdienstprogramme – im Wesentlichen alles, was für die Entwicklung großer KI-Modelle benötigt wird. 1
Als Wu Dao 2.0 erstmals auf der Beijing Zhiyuan Conference vorgestellt wurde, präsentierten seine Entwickler chinesische Gedichte und Zeichnungen, die es generiert hatte.2 Nach dieser Veranstaltung wurde eine virtuelle Studentin auf Basis von Wu Daos KI-Modell erschaffen: Zhibing Hua. Wu Dao treibt die virtuelle Studentin an. Daher kann sie ihre Wissensbasis und ihre 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 Wu Dao 2.0 für Ihr Unternehmen nutzen möchten statt Wu Dao 3.0.
Abbildung 1: Von Wu Dao 2.0 generierte Gedichte2
Intelligenz-Benchmarks
Obwohl die Intelligenz-Benchmarks von Wu Dao 3.0 nicht ohne Weiteres verfügbar sind, ist das Übertreffen des Stands der Technik (SOTA) der Branchenstandard. Sie können auf die Intelligenz-Benchmarks für Wu Dao 2.0 in der Pressemitteilung von BAAI zugreifen.3
Zero-Shot-Lern-Benchmarks
- ImageNet: Erreicht eine Zero-Shot-Leistung auf dem neuesten Stand der Technik und übertrifft OpenAIs CLIP.
- UC Merced Land-Use: Verzeichnet die höchste Zero-Shot-Genauigkeit bei der Klassifizierung der Landnutzung aus der Luft und übertrifft CLIP.
Few-Shot-Lern-Benchmark
- SuperGLUE (FewGLUE): Übertrifft GPT-3 und erzielt die besten Few-Shot-Lernergebnisse.
Wissens- und Sprachverständnis-Benchmarks
- LAMA Knowledge Detection: Demonstriert überlegene Abfrage faktischen Wissens und übertrifft AutoPrompt.
- LAMBADA-Cloze-Test: Übertrifft Microsoft Turing-NLG im Leseverständnis und Kontextverständnis.
Text-zu-Bild- und Bild-zu-Text-Retrieval-Benchmarks
- MS COCO (Text-zu-Bild-Generierung): Übertrifft OpenAIs DALL·E bei der Generierung von Bildern aus Textbeschreibungen.
- MS COCO (englischer Bild-Text-Abruf): Übertrifft OpenAIs CLIP und Google ALIGN beim Abrufen von Bildern anhand von 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 damit seine starken mehrsprachigen multimodalen Fähigkeiten.
Wu Dao 3.0 vs. OpenAI GPT
Hier ist ein umfassender Vergleich der Wu Dao 3.0 LLM-Modelle und verschiedener OpenAI-Modelle basierend auf BAAI.4 Wir können keine detaillierteren und aktuelleren Vergleiche für Wu Dao liefern, da keine aktuellen und konsistenten Benchmarks verfügbar sind.
Leistung bei langem Kontext
Getestet über vier Aufgaben hinweg:4
- VCSUM (chinesische Zusammenfassung)
- LSHT (Verarbeitung langer chinesischer Sequenzen)
- HotpotQA (englisches mehrstufiges Denken)
- 2WikiMQA (englische QA über mehrere Dokumente)
Denkleistungs-Benchmark
Getestet über 6 Aufgaben hinweg:4
- bAbI #16 und CLUTRR (induktives Denken)
- bAbI #15 und EntailmentBank (deduktives Denken)
- αNLI (abduktives Denken)
- E-Care (kausales Denken)
Wenn Sie Wu Dao nutzen möchten, können Sie es auf Ihrem Computer einrichten, indem Sie es kostenlos herunterladen.5
Wu Dao 3.0 Wettbewerber
Qwen3.5
Qwen3.5 ist eine Open-Weight-Familie großer Sprachmodelle von Alibaba, die als natives multimodales Mixture-of-Experts-System (MoE) konzipiert ist.
Das Flaggschiff-Modell (Qwen3.5-397B-A17B) enthält etwa 397B Parameter, aktiviert aber pro Inference nur ~17B, was hohe Leistung bei niedrigeren Rechenkosten ermöglicht.
Das Modell verwendet eine hybride Architektur, die spärliches MoE-Routing mit Gated Delta Networks und linearer Attention kombiniert, und ermöglicht so effiziente Inference bei gleichzeitiger Unterstützung von fortgeschrittenem Denken, Coding und multimodalem Verständnis.
Qwen3.5 wird mit frühen fusion-multimodalen Daten trainiert, wodurch es Text und visuelle Eingaben in einem einheitlichen Modell verarbeiten und „native multimodale Agenten“ antreiben kann, die über Schnittstellen nachdenken und komplexe mehrstufige Aufgaben ausführen können.6
Kimi K2.5
Kimi K2.5 ist ein Open-Source-multimodales Modell von Moonshot KI, das um eine agentenzentrierte Architektur für Coding und Workflow-Automatisierung herum konzipiert ist. Das Modell integriert Vision- und Sprachfähigkeiten und kann Text, Bilder und Videos interpretieren und gleichzeitig produktionsreifen Code generieren.
K2.5 wurde mit rund 15 Billionen multimodalen Token trainiert und unterstützt logisches Denken über lange Kontexte (bis zu ~256K Token) sowie Tool-Calling und autonome Agenten-Workflows.
Ein Unterscheidungsmerkmal ist sein „Agentenschwarm“-Paradigma, bei dem mehrere koordinierte Agenten Teilaufgaben parallel bearbeiten können, um komplexe Engineering- 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.7
ERNIE 5.0
ERNIE 5.0 ist das Flaggschiff-Foundation-Modell von Baidu und ein nativ omni-modales System, das Text, Bilder, Audio und Video innerhalb einer einzigen Architektur verarbeitet und generiert.
Das Modell enthält Berichten zufolge rund 2.4 Billionen Parameter mit einem Mixture-of-Experts-Design, was eine hohe Kapazität ermöglicht, während pro Inference nur ein Bruchteil der Parameter aktiviert wird, um Effizienz zu gewährleisten.
ERNIE 5.0 wurde in Baidus ERNIE Bot und die Unternehmensplattform Qianfan integriert und unterstützt eine Reihe generativer KI-Anwendungen in Verbraucher- und Unternehmensprodukten.8
Als bevorzugte Quelle hinzufügenFAQs
Nein. Aquila-Modelle zielen auf andere Anwendungsfälle ab. Für chinesische Sprachaufgaben mit begrenzter Rechenleistung sind sie praktisch. Bei allgemeinen Englischfähigkeiten übertrifft GPT-5 sie deutlich.
Ja, die Modelle sind Open Source. Prüfen Sie die spezifischen Lizenzen für jede Aquila-Komponente, aber die kommerzielle Nutzung ist in der Regel erlaubt.
Sprachbarriere (Dokumentation), Ökosystem-Integration (auf chinesische Tools ausgelegt) 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 and Ermut, Sıla},
title = {{Wu Dao 3.0: Chinas multimodales KI-Modellfamilie}},
year = {2026},
month = mar,
howpublished = {\url{https://aimultiple.com/wu-dao}},
note = {AIMultiple. Abgerufen am 5. März 2026}
}Ergebnisse und Zeitstempel von 24 Datenpunkten. Laden Sie die Zusammenfassungsdaten aus den Diagrammen und Tabellen dieses Artikels als ZIP-Datei herunter, die 2 CSV-Dateien enthält.
Möchten Sie die granularen Daten dahinter? Premium beitreten
Änderungsprotokoll
6 AktualisierungenEin neuer Abschnitt, Wu Dao 3.0 competitors, wurde dem Artikel hinzugefügt.
Referenzlinks
Cems Arbeit bei AIMultiple wurde von führenden globalen Publikationen wie Business Insider, Forbes, Morning Brew und Washington Post, von globalen Unternehmen wie Deloitte und HPE, von NGOs wie dem World Economic Forum und von supranationalen Organisationen wie der European Commission zitiert. [1], [2], [3], [4], [5]
Im Laufe seiner Karriere war Cem als Tech-Berater, Tech-Einkäufer und Tech-Unternehmer tätig. Er beriet Unternehmen bei ihren Technologieentscheidungen bei McKinsey & Company und Altman Solon über mehr als ein Jahrzehnt. Er veröffentlichte außerdem einen McKinsey-Bericht zur Digitalisierung.
Er leitete Technologiestrategie und -beschaffung eines Telekommunikationsunternehmens und berichtete dabei direkt an den CEO. Außerdem verantwortete er das kommerzielle Wachstum des Deep-Tech-Unternehmens Hypatos, das innerhalb von zwei Jahren von 0 einen siebenstelligen jährlich wiederkehrenden Umsatz und eine neunstellige Bewertung erreichte. Cems Arbeit bei Hypatos wurde von führenden Technologiepublikationen wie TechCrunch und Business Insider aufgegriffen.
Cem spricht regelmäßig auf internationalen Technologiekonferenzen. Er absolvierte die Bogazici University als Computeringenieur und hat einen MBA von der Columbia Business School.
Zuvor arbeitete sie als Personalvermittlerin in Projektmanagement- und Beratungsunternehmen. Sıla hat einen Master of Science in Sozialpsychologie und einen Bachelor of Arts in Internationalen Beziehungen.
Seien Sie der Erste, der kommentiert
Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.