推荐理由:阿里云公布 Wan 3.0 在 Picsart 上线,30 秒原生生成与 20 路参考输入给出了视频生成落地的参考。
千问 Qwen
全部主题阿里千问 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。
当前仅显示精选新闻最新精选
第 41–60 条 · 共 71 条@alibaba_cloud@alibaba_cloud精选AI 评分6868 @Alibaba_Qwen@Alibaba_Qwen精选AI 评分6767 引用@natolambert@natolambertOver the weekend I had Codex parse 500K arXiv AI/ML papers since ChatGPT to understand which open models are used for research. In 2024, ~30% of papers mentioned an American open model and only 10% a Chinese model. Today, ~40% of papers mention a Chinese (open) LLM, and only 25-30% an American one. Chinese models are the default for research. Chinese mentions are still growing while American open models are stagnating. When looking at this data it's important to remember that papers substantially lag model releases, as research takes a long time. Qwen's steady growth is reflective of this, but so is Llama's lasting power. Some more observations: 1. Qwen has been steadily growing, and today 1/3 of papers which mention any LLM mention qwen. OpenAI's closed models are the highest overall, at ~37%. 2. Llama peaked around April of 2025 at 30% of papers which mention any LLM (including ChatGPT etc). Llama 4 was released at about the same time, and Llama has been declining since. 3. Gemini and Claude are less common than the leading open models, mentioned in 10-15% of papers puts them behind all of Qwen, Llama, and DeepSeek. Open models should be and are the foundations of open research. The % of papers mentioning any LLM have been steadily climbing since 2023. | Year | January | April | July | October | | 2023 | 10.43% | 15.39% | 18.69% | 32.18% | | 2024 | 29.70% | 33.93% | 35.70% | 44.25% | | 2025 | 39.23% | 45.28% | 44.94% | 53.52% | | 2026 | 55.49% | 57.26% | 53.14% | TBD Now over 50% of AI papers, from 10% in 2023. Other notes: - Gemma and Mistral hover around 5-10%. - Our beloved fully-open Olmo models have been ~1% since the first release in Jan. 2024. - DeepSeek has a clear jump after R1 in Jan. 2025 - Data derived from the most popular ML arXiv categories: cs. AI, cs. CL, cs. CV, cs. LG, stat. ML Just like our downloads and derivative model data, this is updated daily on the Interconnects Open Model Dashboard.
推荐理由:引用数据呈现了近三年论文提及开源模型的份额变化,读者可据此观察中美开源模型在研究社区中的位置。
@thexpin@thexpin精选AI 评分7373 
推荐理由:阿里把102亿美元配股募资全部投向AI基础设施,并给出三年回本预期,读者可据此观察AI资本开支的回报周期。
@alibaba_cloud@alibaba_cloud精选AI 评分6666 推荐理由:官方给出两个接入入口和按分辨率分档的每秒定价,开发者可据此估算调用成本。
@alibaba_cloud@alibaba_cloud精选AI 评分6767 
推荐理由:Wan3.0 正式开放使用,并公布折扣渠道与一个月优惠窗口,读者可据此安排接入时间。
@rohanpaul_ai@rohanpaul_ai精选AI 评分7171 
推荐理由:报道给出阿里为 AI 基建融资的规模与资金用途,可用于观察云厂商资本开支与股权融资的取舍。
MarkTechPost精选AI 评分7777 FreeToken:单张工作站 GPU 运行 753B GLM-5.2 的边缘 MoE 推理引擎
UC Berkeley 与 UT Austin 研究团队提出边缘原生 MoE 推理引擎 FreeToken,把个人机器当作统一弹性推理平台,可在单张工作站 GPU 上运行 753B 的 GLM-5.2。
推荐理由:文中给出多档消费级与工作站 GPU 的实测吞吐和缓存命中率,可作本地 Agent 推理的选型参考。
@ArtificialAnlys@ArtificialAnlys精选AI 评分7373 
推荐理由:榜单给出了 Qwen 新一代与自家前代及其他头部图像模型的 Elo 对比,可据此判断这次升级的幅度。
@AYi_AInotes@AYi_AInotes精选AI 评分6868 DFlash 2 让 Qwen3.8-27B 在一台 M5 Max MacBook Pro 上跑到 70 tok/s,最高为自回归解码的 4.6 倍,且输出与原始模型完全一致。

推荐理由:DFlash 2 把本地 27B 模型解码从 20 至 30 tok/s 推到 70 tok/s,交互流畅度有了可比较的参照。
@AYi_AInotes@AYi_AInotes精选AI 评分7676 
推荐理由:借 Intelligence Index 榜单对比,说明 27B 开源本地模型如何靠更长思维链弥补参数量差距。
IT Home精选AI 评分7777 阿里开放 Qwen3.8-2.4T-A95B 模型权重:2.4T MoE、激活 95B、原生 256K 上下文
阿里 Qwen 团队通过魔搭 ModelScope 社区开放 Qwen3.8-2.4T-A95B 模型权重,总参数 2.4T、每个 Token 激活 95B,原生支持 262,144 Token 上下文并可扩展至 1,010,000 Token。
推荐理由:官方同时给出 MoE 路由结构、上下文长度与后训练三环节,可据此看清超大规模开源模型在长周期 Agent 任务上的工程取舍。
LMSYS Blog精选AI 评分6565 SGLang 与 Miles 为 Qwen3.8-2.4T-A95B 提供 Day-0 支持
SGLang 与 Miles 宣布 Day-0 支持 Qwen3.8-2.4T-A95B,这是千问最大的开源模型,总参数 2.4T、每 token 激活 95B,采用 69 层 GDN 线性注意力与 23 层 GQA 全注意力 3:1 交错的混合架构,MoE 含 512 专家 top-10 路由。
推荐理由:SGLang 团队详解 Qwen3.8 混合注意力架构的推理支持方案,给出内核优化、并行布局与实测吞吐数字,可作部署参考。
InfoQ · 微信公众号精选AI 评分8181 阿里发布 Qwen3.8:2.4T 规模,自主编程 16 天产出 Hermes Agent 级框架
阿里巴巴 8 月 3 日正式发布新一代基座大模型 Qwen3.8,旗舰版 Qwen3.8-Max 总参数量 2.4T、激活 95B,支持视觉理解与 1M Tokens 上下文。
推荐理由:原文列出 2.4T 总参数、激活 95B 与 API 定价,读者可据此比较旗舰模型的规模与成本取舍。
AI前线 · 微信公众号精选AI 评分7878 阿里正式发布 Qwen3.8,2.4T 规模,自主编程 16 天做出 Hermes Agent 级框架
阿里巴巴正式发布新一代基座大模型 Qwen3.8,旗舰版 Qwen3.8-Max 总参数量 2.4 万亿、激活 95B,采用稀疏 MoE 架构与混合注意力机制,支持视觉理解,上下文长度达 1M Tokens。
推荐理由:原文给出 2.4T MoE 旗舰模型的参数规模、编程能力表现和 API 定价,便于比较其性价比定位。
Qwen Blog精选AI 评分6767 Qwen 发布 Qwen3.8-Max,将首次开源 Max 级模型权重
Qwen 官方发布 Qwen3.8-Max,称为 Qwen 家族迄今最强模型,参数规模达 2.4 万亿,基于 Qwen3.5 架构,在编码、办公和研究等方面全面提升。官方还将首次开源 Qwen-Max 级模型权重,开放权重定于下周发布。
推荐理由:Qwen 官方宣布新旗舰模型并开源 Max 级权重,读者可据此关注其编码与协作能力变化。
IT Home精选AI 评分7878 国行苹果 AI 功能完成备案,阿里巴巴称千问将集成至 Apple 智能
网信中国公众号发布的备案信息显示,苹果技术开发(上海)有限公司的 Apple 智能大模型已于 2026 年 7 月 8 日备案,适用场景为苹果手机,国行版 iPhone 的 AI 功能有望加速上线。阿里巴巴回应称,千问将作为 AI 能力集成至 Apple 智能,为 iOS、iPadOS、macOS 和 visionOS 的中国用户带来文本与图像理解、内容生成等能力,用户无需在应用间切换。
推荐理由:阿里确认千问将集成进 Apple 智能,配合备案信息,读者可了解国行 iPhone AI 能力的推进脉络。
Tomer Tunguz精选AI 评分6565 本地编码栈格局:Qwen 3.6 35B-A3B 提及率居首,Pi 以 49% 领跑智能体框架
Tomer Tunguz 梳理了一篇 Hacker News 热帖的 500 多条评论,勾勒出本地编码栈的现状:Qwen 3.6 35B-A3B 以 33% 的提及率居首,27B 变体占 20%,DeepSeek Pro 与 Gemma4 31B 进入前四;智能体框架方面 Pi 以 49% 领先,OpenCode 紧随其后达 45%。
推荐理由:帖子数据勾勒出本地编码模型与智能体工具的占比,并与 Claude 做能力对比,便于判断本地替代的可行边界。
@alibaba_cloud@alibaba_cloud精选AI 评分7474 
推荐理由:官方列出多模态智能体的能力清单与 API 入口,读者可据此判断它在自身工作流中的可用性。
@kimmonismus@kimmonismus精选AI 评分6565 引用Qwen (@Alibaba_Qwen)@Alibaba_Qwen👏👏 Introducing Qwen3.7-Plus — a multimodal agent model that unifies vision and language into one versatile agent foundation. ✅ Multimodal interactive hybrid agent: unified GUI & CLI operation across visual and text tasks ✅ Versatile coding agent & productivity assistant with full-modality input ✅ Visual Agent: perception, reasoning, grounding, and search-augmented QA ✅ Cross-harness generalization across diverse agent frameworks One model. Sees, thinks, codes, acts.🙌🙌 Now available via API on Alibaba Cloud Model Studio. Try it — let us know what you build.😎 🔗🔗⬇️⬇️ Blog:qwen.ai/blog?id=qwen3.7-plus Qwen Studio:chat.qwen.ai/?models=qwen3.7… API:modelstudio.console.alibabac…
推荐理由:官方把 Qwen3.7-Plus 与 GPT-5.4、Opus 4.6 并列对比,读者可据此观察多模态智能体模型的竞争位置。
Hugging Face Blog精选AI 评分6262 Hugging Face 让 Reachy Mini 完全本地运行语音对话
Hugging Face 发布教程,用自家 speech-to-speech 库把 Reachy Mini 的对话链路全部搬到本地,无需云服务、API key,音频不出本机。
推荐理由:给出了一条可整套照搬的本地语音链路,读者能据此把 VAD、STT、LLM、TTS 各环节换成自己的模型。