阿里通义开源多模态推理模型 HumanOmniV2

26 日「源创会」北京站，聊聊 AI 大模型与底层技术 >>> 阿里云推出大规模视觉语言模型Qwen-VL，并宣布直接开源。 开源地址 ModelScope魔搭社区： Qwen-VL：https://modelscope.cn/models/qwen/Qwen-VL/summary Qwen-VL-Chat：https://modelscope.cn/m

今天，阿里云举办通义千问发布会，开源通义千问720亿参数模型Qwen-72B。 地址：https://modelscope.cn/models/qwen/Qwen-72B/ 据介绍，Qwen-72B在10个权威基准测评创下开源模型最优成绩，成为业界最强开源大模型，性能超越开源标杆Llama 2-70

通义实验室首个音频生成模型 ThinkSound 现已正式开源，将打破“静音画面”的想象力局限。 该模型首次把多模态大模型的思维链推理引入音频生成领域，让AI可以像专业音效师一样逐步思考，捕捉视觉细节，生成与画面同步的

Hugging Face 发布了最新的大模型榜单，阿里巴巴通义千问所推出的端到端全模态大模型 Qwen2.5-Omni 成功登顶。紧随其后的是 DeepSeek-V3-0324和群核的 SpatialLM-Llama-1B。 Qwen2.5-Omni 是一种端到端多模态模型，旨在感知文本、图像、音频

今年以来，中国大模型开源的消息一个接一个。 阿里云通义千问从除夕夜开源全新的视觉模型Qwen2.5-VL，再到本月初发布并开源了全新推理模型QwQ-32B，在开源当日就登顶全球主流AI开源社区Hugging Face的趋势榜。 DeepSeek(深度求索)

知情人士透露，阿里巴巴通义实验室应用视觉团队负责人薄列峰已于4月30日低调离职。 有消息称他已经加入刚刚进行架构调整的某互联网大厂，担任多模态模型部副总经理，向公司副总裁汇报。 薄列锋2007年博士毕业于西安

等多个领域，为用户带来更加丰富、智能的应用体验。 阿里通义 通义是一款超大规模与训练模型，为您提供全方位协助，包括知识问答、AI创作、文档作画、涂鸦绘画、AI搜索、千万字长文档解析、AI翻译、AI会议纪要等等，

6月26日晚，阿里巴巴集团发布2025财年年报显示，2025财年阿里巴巴集团收入达9963.47亿元，净利润同比增长77%至1259.76亿元，展现出强劲的盈利能力。在AI需求的推动下，阿里云财年收入突破双位数增长，AI相关产品收入连续七个季

阿里通义实验室发布并开源了 MaskSearch 预训练框架，声称能让 AI 学会“主动搜索 + 多步推理”，从而更准确、更智能地回答复杂问题。 根据介绍，MaskSearch 的核心在于它提出的一种全新预训练任务——检索增强掩码预测（RAMP

国家天文台联合阿里云发布国际首个太阳大模型——“金乌”。“金乌”基于通义千问系列开源模型打造，目前在M5级太阳耀斑预报上准确率超91%，为该级别太阳预报最高水平。 根据介绍，基于Qwen-VL等模型，“金乌”太阳大

阿里云宣布开源通义千问140亿参数模型Qwen-14B及其对话模型Qwen-14B-Chat，免费可商用。据阿里云CTO周靖人介绍，Qwen-14B在多个权威评测中超越同等规模模型，部分指标甚至接近Llama2-70B。 Qwen-14B是一款支持多种语言的高性能开源模

阿里通义开源了网络智能体WebSailor，该智能体具备强大的推理和检索能力，在高难度智能体评测集BrowseComp上，WebSailor的成绩超越了DeepSeek R1、Grok-3等模型和智能体，一举登顶开源网络智能体榜单。 在构建数据集阶段，通义实验

技术，可直接从 360° 视频生成 FOA 空间音频 5 月 29 日，阿里通义大模型公布了「空间音频生成」模型——OmniAudio。据通义团队介绍，OmniAudio 能够直接从 360° 视频生成空间音频。 为了解决「如何利用全景视频生成与之匹配的

榜认为，中国互联网巨头即将拉开AI 超级应用争夺战，而阿里夸克凭借MAU优势取得领先身位。 AI产品榜指出，以阿里、腾讯、字节为代表的中国互联网巨头纷纷将战略重心转向 AI，他们将重燃战火，争夺 AI 时代的超级应用。