⌘ K
… 读取采集状态 同步中...
雷

千问 Qwen

阿里千问 Qwen 系列的开源发布与迭代：从旗舰模型到端侧小模型的全谱系动态。

98条精选相关主题DeepSeekKimi / 月之暗面开源生态

最新精选

第 61–80 条 · 共 98 条
8月7日周五
  1. APPSO77

    千问大更新：把 Agent 装进电脑和手机

    千问上线思考研究、定时任务、办公助理和智能体广场等功能，支持 Qwen3.8-Max 等模型，将 Agent 能力扩展至电脑和手机。在独家体验中，千问自动完成备课教案与 PPT 制作、整理 12 张家庭菜谱以及分析多家公司财报，并通过连接钉钉、夸克网盘等第三方服务处理复杂任务，交付的文件支持直接编辑与二次修改。

    推荐理由：独家体验了将 Agent 引入个人设备后的实际工作流，具体展示了任务拆解和文件整理的过程。

  2. 深度学习与NLP91

    Qwen3.8-Max发布，多场景实测表现直逼Claude

    阿里巴巴发布新一代基座大模型 Qwen3.8-Max，总参数量达 2.4 万亿，主打高性价比。国内每百万 tokens 输入 12 元、输出 36 元，隐式缓存命中 1.5 元，输入输出价格仅为 Opus 5 的 40% 与 24%。

    推荐理由：实测覆盖了长程工程、复杂文档交叉分析与小时级视频时间轴定位，展示了低价高性能组合下任务交付的边界。

8月6日周四
  1. APPSO82

    阿里 Wan 3.0 视频模型开启公测：单次生成 30 秒支持多文档输入

    阿里视频生成模型 Wan 3.0 开启公测，支持单次生成 30 秒视频并新增 doc、xls、ppt 等文档格式输入。实测显示该模型在风格统一性和镜头美学上表现稳定，支持局部区间编辑以降低反复生成成本。Wan 3.0 API 近期将全量开放，720P 定价为 0.6 元/秒。

    推荐理由：实测了Wan 3.0在30秒长视频生成、多文档输入及局部编辑上的能力，并展示了其对叙事镜头美学的支撑效果。

8月4日周二
8月3日周一
  1. 苍何79

    阿里发布 Qwen 3.8-Max 模型及实测分析

    阿里发布迄今最强模型 Qwen 3.8-Max，参数规模 2.4 万亿，激活参数 95 B，支持 100 万上下文 Tokens。作者实测该模型耗时 48 小时研发了公众号数据监控平台，消耗 1.17 亿 tokens，并展示了其在 Agentic Coding 中的长上下文稳定性与跨模型审查流程。

    推荐理由：作者实测了该模型在长周期代码生成和架构优化中的表现，提供了Agentic Coding落地的具体验收方法。

9月23日周二
8月19日周二
  1. Qwen Blog71

    Qwen-Image-Edit 图像编辑模型发布

    Qwen 发布图像编辑版模型 Qwen-Image-Edit，基于 20B 参数的 Qwen-Image 扩展并支持中英双语精确文字编辑。模型将输入图同时送入 Qwen2.5-VL 与 VAE 编码器，实现语义编辑与外观编辑双通道能力，并在公开基准上取得 SOTA。

    推荐理由：基于 20B 基座扩展的编辑模型，将文字渲染能力落地到图像编辑，给出多语言精确改字和语义一致性保持等特性与对比基准。

8月4日周一
  1. Qwen Blog80

    Qwen 发布原生文字渲染图像模型 Qwen-Image

    Qwen 正式发布 20B MMDiT 图像基础模型 Qwen-Image，实现复杂文字渲染与精准图像编辑的显著突破。该模型在 GenEval、GEdit 等基准测试中达到 SOTA 水平，并支持中英双语多行排版及复杂场景下的文字细节生成。

    推荐理由：官方详细列举了模型在中英复杂文字渲染与多任务编辑场景下的具体表现，为创作者判断其替代现有工作流的可行性提供了直接依据。

8月3日周日
  1. AI For Developers69

    如何在 Claude Code 中接入 Qwen3-Coder

    AI For Developers 介绍了将 Qwen3-Coder 接入 Anthropic Claude Code 的方法。该方案利用 Qwen3-Coder 的大上下文和开源特性，通过配置代理或自定义路由器替代默认 Anthropic API，实现低成本智能体编码工作流，并给出了安装、获取 API Key 和验证的步骤。

    推荐理由：提供了将 Qwen3-Coder 接入 Claude Code 的具体步骤和代理方法，适合有成本敏感需求的用户复用。

7月24日周四
7月22日周二
  1. Qwen Blog78

    Qwen3-Coder 发布

    Qwen 团队发布 Qwen3-Coder 模型，最强大变体为 480B 参数的 MoE 模型，激活参数为 35B，原生支持 256K 上下文，通过外推方法可扩展至 1M。

    推荐理由：官方发布480B MoE架构的Qwen3-Coder模型并开源配套CLI工具，给出了训练策略与多工具接入方法。

6月26日周四
  1. Qwen Blog68

    Qwen VLo 预览版发布：统一多模态理解与生成模型

    Qwen VLo 预览版发布，是一个统一的多模态理解与生成模型，用户可以通过 Qwen Chat 访问，直接输入文本生成图像或上传图片并下达指令编辑。模型采用从左到右、从上到下的渐进式生成机制，支持开放式指令编辑、风格迁移、多语言交互，并能在单条指令中完成多步任务如海报制作和物体合成。

    推荐理由：原文说明了统一模型从理解到生成的能力变化和交互入口，读者可以据此判断它会怎样改变多模态图像工作流。

6月5日周四
  1. Qwen Blog78

    Qwen 发布 Qwen3 Embedding 文本嵌入与重排序模型系列

    Qwen 开源 Qwen3 Embedding 系列，包括 Qwen3-Embedding-0.6B/4B/8B 与 Qwen3-Reranker-0.6B/4B/8B，基于 Qwen3 底座，用双编码器与交叉编码器架构并采用 LoRA 微调，支持 100 多种语言、32K 序列和 MRL 维度自定义。

    推荐理由：系列模型覆盖 0.6B 至 8B 多个规格并开放 Apache 2.0 许可，给出了 MTEB 多语与代码检索的实测对标，便于读者直接评估在检索与重排场景的可用性。

4月29日周二
3月28日周五
  1. Qwen Blog85

    千问正式推出视觉推理模型 QVQ-Max

    千问官方正式发布视觉推理模型 QVQ-Max，该模型能够对图像和视频进行深度分析并开展多步推理，以解决数学题、代码阅读及日常视觉任务。在 MathVision 评测基准上，随着推理链长度的增加，QVQ-Max 的准确率呈现出持续提升的趋势。千问计划在未来加强基于定位技术的地面验证能力，并探索该模型作为操作计算机的视觉智能体的可能性。

    推荐理由：这是千问官方首次正式发布的视觉推理模型，核心变化在于将视觉感知与链式推理结合，可直接查看 MathVision 基准性能来评估其推理深度。

3月27日周四
  1. Qwen Blog90

    Qwen2.5-Omni 发布

    Qwen2.5-Omni 发布，支持文本、图像、音频和视频输入以及实时文本和语音输出，已开放下载。模型在 OmniBench 上取得 state-of-the-art 表现，在 MMLU、GSM8K、MMMU 等基准上表现与同级别单模态模型相当。架构采用 Thinker-Talker 设计，支持实时音视频交互。

    推荐理由：Qwen2.5-Omni 发布并开源，给出 Thinker-Talker 架构和 OmniBench 等基准表现，读者可以据此判断其多模态能力与可用性。

3月24日周一
3月6日周四
  1. Qwen Blog81

    QwQ-32B 发布：基于强化学习的推理模型

    Qwen 团队发布 QwQ-32B，通过扩展强化学习（RL）使 32B 参数模型在数学、编码和通用推理任务上达到与 DeepSeek-R1（671B 参数）相近的性能。

    推荐理由：32B 模型通过强化学习在推理能力上对标 671B 参数模型，展示了小参数模型经强化学习提升智能的可行性，并开放了使用代码示例。

2月25日周二
  1. Qwen Blog75

    QwQ-Max-Preview 发布：基于 Qwen2.5-Max 的推理与 Agent 能力预览

    Qwen 团队发布 QwQ-Max-Preview，该模型基于 Qwen2.5-Max 构建，在数学、编码、通用任务及 Agent 工作流中表现突出。官方表示 QwQ-Max 和 Qwen2.5-Max 近期将以 Apache 2.0 协议开源，并计划推出 Qwen Chat APP 以及 QwQ-32B 等更小模型供本地部署使用。

    推荐理由：官方给出 QwQ-Max-Preview 基于 Qwen2.5-Max 的推理与 Agent 能力定位，并预告 Apache 2.0 开源和更小模型端侧部署计划。

1月28日周二
  1. Qwen Blog79

    Qwen2.5-Max 发布：大规模 MoE 模型通过阿里云 API 开放

    Qwen 团队发布 Qwen2.5-Max，这是一个预训练于超过 20 万亿 tokens 的大规模 MoE 模型，并经过 SFT 和 RLHF 后训练。在 Arena-Hard、LiveBench、LiveCodeBench 和 GPQA-Diamond 等基准上，Qwen2.5-Max 表现优于 DeepSeek V3。

    推荐理由：原文给出了大规模 MoE 模型的训练规模、后训练方法，以及在关键基准上对比 DeepSeek V3 的领先结果，读者可以据此判断其在推理与编码上的相对位置。