3月27日，阿里通义千问Qwen2.5-Omni正式开源。这是通义系列模型中首个端到端全模态大模型，可同时处理文本、图像、音频和视频等多种输入，并实时生成文本与自然语音合成输出。相较于动辄数千亿参数的闭源大模型，Qwen2.5-Omni以7B（70亿）的小尺寸让全模态大模型在产业上的广泛应用成为可能，在手机上就能快速部署和应用。
在权威的多模态融合任务OmniBench等测评中，Qwen2.5-Omni刷新业界纪录，全维度远超Google的Gemini-1.5-Pro等同类模型。
Qwen2.5-Omni以接近人类的多感官方式“立体”认知世界并与之实时交互，还能通过音视频识别情绪，在复杂任务中提供更智能、更自然的反馈与决策。具体来说，Qwen2.5-Omni支持文本、图像、音频和视频等多种输入形式，可同时感知所有模态输入，并以流式处理方式实时生成文本与自然语音响应。目前，开发者和企业可免费下载商用Qwen2.5-Omni。
据介绍，从2023年起，通义团队就陆续开发了覆盖0.5B、1.5B、3B、7B、14B、32B、72B、110B等参数的200多款“全尺寸”大模型，囊括文本生成模型、视觉理解/生成模型、语音理解/生成模型、文生图及视频模型等全模态。截至目前，海内外AI开源社区中，千问Qwen的衍生模型数量突破10万，稳居全球第一开源模型阵营。
近期，我国头部大模型公司加快模型更新迭代。3月26日，DeepSeek宣布其V3模型完成小版本升级，目前版本号DeepSeek-V3-0324，用户登录官方网页、App、小程序进入对话界面后，关闭深度思考即可体验。如非复杂推理任务，选择新版本V3模型可提供速度更流畅、效果全面提升的对话体验。
3月21日，腾讯推出自研深度思考模型混元T1正式版，混元T1沿用混元Turbo S架构，不仅“秒回”“吐字快”，还擅长处理超长文本，推理能力更上一层楼。目前，腾讯元宝App已同时接入DeepSeek-V3-0324最新版和混元T1正式版。
3月6日，阿里云发布并开源全新的推理模型通义千问QwQ-32B。通过大规模强化学习，千问QwQ-32B在数学、代码及通用能力上实现质的飞跃，整体性能比肩DeepSeek-R1。在保持领先性能的同时，千问QwQ-32B还大幅降低了部署使用成本，在消费级显卡上也能实现本地部署。
2月25日，阿里云视频生成大模型万相2.1（Wan）开源，同时支持文生视频和图生视频任务。14B版本万相模型在指令遵循、复杂运动生成、物理建模、文字视频生成等方面表现突出，在权威评测集Vbench中，万相2.1以总分86.22%大幅超越Sora、Luma、Pika等国内外模型，稳居榜首位置。1.3B版本万相模型不仅超过了更大尺寸的开源模型，甚至还和一些闭源的模型结果接近，同时能在消费级显卡运行，仅需8.2GB显存就可以生成480P视频，适用于二次模型开发和学术研究。
（文章来源：上海证券报）
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
