通义千问（Qwen）

Qwen（通义千问），阿里巴巴旗下的旗舰大语言模型系列，提供聊天、图像视频理解、图像生成、文档处理与工具调用等综合 AI 能力。

Qwen-Image-2.1 开源：紧凑高效、统一生成与编辑的图像模型

Qwen 开源 Qwen-Image-2.1，一个 7B 视觉生成组件的统一图像模型，把文生图、图像编辑和透明图生成/编辑整合到同一架构里。关键改进包括：混合粒度注意力 + KV cache 复用提升多参考图编辑的推理效率；原生生透明通道支持，可从 prompt 决定输出普通图或 RGBA 透明图，还能从真实照片抠主体；支持最多 10 张参考图做组合生成（群像、虚拟试穿、室内设计）；局部编辑支持圆圈标注、手绘标记、原图+mask 双输入，并可用于连续帧生成简短视频；人像身份与商品一致性有专门优化；任务覆盖扩展到全景图、信息图和分镜。 官方附 Qwen-Image-Bench 对比数据，称其在开源与闭源模型间具备竞争力。对图像生成、设计工作流、电商内容制作和开源模型使用者有直接实用价值。
评论点赞收藏9 天前

阿里发布 Qwen 3.8 Omni Flash 全模态模型

通义千问发布 Qwen3.8-Omni-Flash 全模态模型，主打 1M token 上下文、音视频 Agent 能力与实时交互。相比 Qwen3.5-Omni-Plus 平均提升 25%，音频输入成本降 98%、音视频输入降 93%。 亮点包括 Agentic 长视频理解（省 45.7% token 且准确率反升）、可控制视频描述、会议端到端识别与行动项生成、从视频做深度研究报告、MV 创作/短剧翻译/长片解说等音视频生产工作流，以及开放源码 Qwen-Live Harness 与 MM-Plugins。 此外还展示了用大模型自主优化小模型（12 小时将 Qwen2.5-Omni-3B 四川话识别 CER 从 25.79% 降到 15.30%）、Video2Note 与 Omni Skill Creator 等创新方向。 对关注多模态 Agent、实时交互和模型自优化的读者有较高信息密度。
评论点赞收藏12 天前

Qwen3.8-Flash-Next：新架构迈向极致成本效率

Qwen 发布 Qwen3.8-Flash-Next 模型，采用 GDN+QSA 混合注意力、Gated Residual、N-gram Embedding 等新架构，125B 参数仅激活 6B，训练成本降至 Qwen3.7-Plus 的 1/9。 在 SWE-bench Pro、CoWorkBench 等基准上超越 Claude-Opus-4.6，API 定价 0.16 美元/百万输入 token。
评论点赞收藏34 天前

Qwen3.8-Max：编程与协作的新标杆

Qwen团队发布2.4万亿参数模型Qwen3.8-Max，首次开源Max级模型权重。模型在自主编程测试中连续16天独立完成项目开发（265个提交），5天复现并超越研究论文，24小时竞赛击败87%人类队伍。 芯片设计优化从8298门降至678门。
评论点赞收藏58 天前

Qwen-Image-3.0：内容丰富、细节逼真、知识深厚

Qwen 发布第三代图像生成模型 Qwen-Image-3.0，核心定位从美观转向实用。支持 4.5k token 输入，可一次性生成包含复杂排版的多格漫画、试卷及嵌套 UI 界面。 具备 10px 小字精准渲染能力，能处理学术论文公式与手写批注。原生支持 12 种语言及主流网页、游戏界面模拟，结合联网检索可生成带实时信息的图表。
评论点赞收藏71 天前

Qwen-AgentWorld：面向通用智能体的语言世界模型

通义千问发布Qwen-AgentWorld，首个覆盖终端、搜索、GUI等七个领域的原生语言世界模型。 模型通过三阶段训练，在模拟真实环境交互上超越GPT-5.4等前沿模型，并提供可控仿真强化学习方案。
评论点赞收藏96 天前

Qwen-Robot Suite：面向物理世界智能的基础模型套件

阿里云发布Qwen-Robot Suite，包含导航、操作和世界模型三个基础模型，旨在打通大语言模型与物理控制之间的壁垒。文章详细介绍了各模块的技术架构、训练数据规模及在真实机器人上的零样本部署效果，展示了从感知到行动的完整闭环能力。
评论点赞收藏105 天前

Qwen3.7-Max：Agent能力的边界

阿里云发布Qwen3.7-Max模型，主打Agent能力。通过35小时自主优化内核等长程任务展示其多步执行与推理能力，并在多项代码、通用Agent及推理基准测试中超越或持平Opus-4.6等竞品。
评论点赞收藏133 天前

Qwen3.5实时翻译：视听结合，精准多语种

阿里通义千问发布Qwen3.5-LiveTranslate-Flash实时翻译模型。基于Qwen3.5-Omni架构，支持音视频多模态输入，语言覆盖从18扩至60种。 引入Readable Unit技术降低延迟至2.8秒，支持实时声音克隆和热词增强。提供了详细的离线与实时性能对比、模型架构图解及Python WebSocket API代码示例，涵盖国际会议、直播、旅行等场景。
评论点赞收藏133 天前

Qwen-Scope：面向Qwen 3.5系列的官方稀疏自编码器工具

Qwen团队发布Qwen-Scope，为Qwen3和3.5系列模型提供官方稀疏自编码器(SAEs)。该工具通过解耦隐藏层特征，实现推理控制、数据分类与合成、训练优化及评估去重。 文章展示了在减少重复生成、提升长尾能力等方面的具体应用案例，强调可解释性不仅是分析工具，更是推动模型进化的核心引擎。
评论点赞收藏152 天前

Qwen3.6-27B：具备旗舰级编程能力的27B稠密模型

阿里云通义千问团队开源Qwen3.6-27B稠密多模态模型。该模型在多项主流编程基准测试中超越了前代397B参数的MoE旗舰模型，同时保持易于部署的优势。 文章提供了详细的性能对比数据、API使用示例以及与OpenClaw、Claude Code等工具的集成指南。
评论点赞收藏160 天前

Qwen3.6-Plus：迈向现实世界智能体

阿里云发布Qwen3.6-Plus模型，重点增强智能体编程能力，提供1M上下文窗口，并在多项代码、推理和多模态基准测试中提升性能，同时开放API供开发者集成。
评论点赞收藏180 天前

Qwen3.5-Omni发布：迈向原生全模态AGI，性能超越Gemini 3.1 Pro

阿里发布Qwen3.5-Omni多模态大模型，支持文本、图像、音视频原生理解与生成。相比上一代，上下文窗口扩展至256k，新增语义中断、实时搜索、语音克隆及ARIA流式对齐技术。 在215个音频/音视频基准测试中达到SOTA，部分指标超越Gemini 3.1 Pro，并提供离线与实时API。
评论点赞收藏182 天前

Qwen3.5：迈向原生多模态智能体

阿里云发布Qwen3.5开源模型，采用混合架构实现高效推理，在视觉语言、代码代理和多模态理解上表现强劲，对标GPT-5.2和Claude 4.5等前沿模型。
评论点赞收藏226 天前

Qwen3-Coder-Next：面向编码Agent的高效MoE模型技术报告

Qwen团队发布Qwen3-Coder-Next，基于Qwen3-Next架构，专为编码Agent和本地开发设计。通过大规模可验证编码任务和强化学习进行Agent训练，在SWE-Bench等基准测试中表现优异，以3B活跃参数实现媲美更大模型的效率与性能平衡。
评论点赞收藏238 天前

Qwen3语音识别与强制对齐模型正式开源

Qwen团队开源Qwen3-ASR系列语音识别模型及Qwen3-ForcedAligner强制对齐模型。包含1.7B和0.6B两种规模的ASR模型，支持52种语言和方言，在多项基准测试中达到开源SOTA水平，性能媲美商业API。 同时发布的0.6B对齐模型在时间戳预测精度和效率上优于现有主流方案。提供完整的推理框架和Demo演示。
评论点赞收藏243 天前

Qwen3-Max-Thinking 发布：性能对标 GPT-5.2，引入自适应工具与测试时扩展策略

阿里云发布 Qwen3-Max-Thinking 旗舰推理模型，通过扩大参数规模和强化学习，在知识、STEM、推理及智能体编程等19项基准测试中表现优异，部分指标超越 GPT-5.2-Thinking 和 Gemini 3 Pro。 模型引入了自适应工具使用能力（搜索、记忆、代码解释器）和基于经验累积的测试时扩展策略，显著提升推理效率。目前已在 Qwen Chat 上线，并提供兼容 OpenAI 和 Anthropic 协议的 API。
评论点赞收藏246 天前

Qwen3-TTS系列模型开源：支持语音设计、克隆与生成

Qwen团队开源Qwen3-TTS系列模型，包含1.7B和0.6B两个版本。该模型采用自研12Hz多码本语音编码器，支持语音克隆、基于自然语言指令的语音设计及多语言生成。 实测在语音克隆、音色控制和长文本生成上达到SOTA水平，具备极低延迟的双轨流式生成能力，支持10种主流语言及方言，并提供多种预设音色。
评论点赞收藏250 天前

登录芦苇

登录后关注作者、收藏内容和参与讨论。

热门话题

人工智能12,865 人关注AI 会怎样改变日常工作？产品思考8,243 人关注怎样判断一个产品值得长期做？独立开发5,917 人关注一个人如何持续完成作品？
关于芦苇 · 联系我们 · © 2026 芦苇