阿里巴巴通义实验室最新研究表明，现有的文生图 Diffusion Transformer 模型其实已经具备生成多张具有特定关系图像的能力，只需稍加“点拨”就能“融会贯通”，生成高质量的多图集。传统的 Diffusion 模型更像是一个“死记硬背”的学生，需要用海量数据训练，才能生成高质量的图像。而有了 IC-LoRA 加持，它就变成了“触类旁通”的学霸，只需要少量样本就能学会新技能。这背后的原理说起来也不复杂，研究人员发现，现有的文生图 Diffusion 模型其实已经具备一定的“上下文学习”能力，只

阿里巴巴近日发布了全新的AI人像生成项目EcomID，并推出了其ComfyUI原生实现插件。这款工具在当前火热的AI人像生成赛道上带来了显著突破，不仅完美继承了InstantID和PulID的优势，更在多个关键指标上实现了创新。在技术层面，EcomID采用了创新的架构设计。该项目借鉴了PuLID的ID-Encoder和交叉注意力组件，通过对齐损失训练显著降低了ID embedding对文本embedding的干扰。项目团队基于200万张精选人像图像打造了IdentityNet架构，在保持IP-adapter冻结的同时，将面部关键点作为条件输入，实现了更精准的

近日，阿里通义千问针对外界关于其广告投放费用的传闻进行了官方回应。此前，有网络消息称通义千问第三季度广告投放费用高达450万，10月前20天投放费用为90万。对此，通义千问在微博发表声明，否认了这些数据，称实际广告投放费用远低于网络传言。

阿里巴巴达摩院最近开源了一款名为CoI-Agent的AI工具，可以帮助科研人员自动生成科研idea。这个工具可以根据输入的论文主题，快速生成相关的科研idea，帮助科研人员节省时间和提高效率。CoI-Agent可以被视为一个AI研究助手，可以帮助科研人员头脑风暴、发散思维，找到新的研究方向和idea。这个工具可以根据输入的主题，快速生成相关的关键词、研究问题、研究方法等，帮助科研人员快速找到研究方向。阿里巴巴达摩院开源CoI-Agent的目的是希望能够帮助科研人员提高研究效率，找到新的研

最近，阿里巴巴的 AI 研究团队在文档理解领域取得了令人瞩目的进展，他们推出了 mPLUG-DocOwl1.5，这是一款在无OCR（光学字符识别）文档理解任务上表现卓越的尖端模型。过去，处理文档理解任务时，我们通常依赖 OCR 技术来从图像中提取文本，但这往往会受到复杂布局和视觉噪声的困扰。而 mPLUG-DocOwl1.5则通过一种全新的统一结构学习框架，直接从图像中学习理解文档，巧妙地避开了这一瓶颈。该模型通过分析文档在不同领域的布局和组织能力，涵盖了普通文档、表格、图表、网页和自然

阿里巴巴达摩院与中国人民大学近日联合开源了一款名为 mPLUG-DocOwl1.5的文档处理模型，该模型主打无需 OCR 识别即可理解文档内容，并在多个视觉文档理解基准测试中取得了领先的性能。结构信息对于理解富文本图像（例如文档、表格和图表）的语义至关重要。 现有的多模态大型语言模型 (MLLM) 虽然具备文本识别能力，但缺乏对富文本文档图像的通用结构理解能力。为了解决这一问题，mPLUG-DocOwl1.5强调结构信息在视觉文档理解中的重要性，并提出了 “统一结构学习” 来提升 MLLM 的性能。

最近，科研团队联合推出了一款名为 Meissonic 的开源 AI 图像生成模型。惊喜的是，这款模型仅使用了十亿个参数，却能生成高质量的图像。这种紧凑的设计让 Meissonic 有潜力在移动设备上实现本地化的文本转图像应用。这项技术的背后，研发团队包括阿里巴巴、Skywork AI 以及多所大学的研究者。他们采用了一种独特的变换器架构和新颖的训练方法，使得 Meissonic 能够在普通游戏 PC 上运行，甚至未来可能在手机上使用。Meissonic 的训练方法采用了一种被称为 “遮蔽图像建模” 的技术，简单来说

在当今全球化的商业环境中，精准的翻译工具对于跨文化交流至关重要。阿里国际最近推出的Marco-MT翻译大模型，正是在这样的背景下应运而生，它不仅刷新了我们对机器翻译能力的认知，还为电商领域的国际化提供了强大的支持。传统的翻译工具常常在处理具有深厚文化背景的短语时显得力不从心，例如苹果iOS18更新中的“Yours. Truly.”被错误翻译为“真的很你”，这种尴尬的翻译不仅让消费者困惑，也暴露了机器翻译在理解语境和文化差异上的局限。然而，随着大语言模型（LLM）技术的

近日，阿里妈妈创意团队发布了 FLUX.1-Turbo-Alpha，这是基于 FLUX.1-dev 模型训练的一款8步蒸馏 Lora 模型。该模型采用了多头判别器，显著提高了蒸馏的质量，支持文本到图像生成、修复控制网等多种 FLUX 相关的应用。团队建议在使用时将引导尺度设置为3.5，Lora 尺度为1，未来还会推出更低步数的版本。FLUX.1-Turbo-Alpha 可以直接与 Diffusers 框架结合使用。用户只需通过几行代码便能加载模型并生成所需的图像。例如，你可以创建一个有趣的场景:一只微笑的树懒穿着皮夹克、牛仔帽、格子裙和蝴蝶

近日，中山大学与阿里云联合研究团队在国际顶级学术期刊《Cell》上发表的一项研究成果引起了科学界的广泛关注。这项突破性研究利用先进的云计算和人工智能技术，成功发现了超过16万种全新的RNA病毒，极大地拓展了我们对病毒世界的认知。研究团队开发的深度学习算法LucaProt堪称这次探索的"主角"。这个强大的AI工具对全球10487份RNA测序数据进行了深入分析，最终识别出超过51万条病毒基因组和161979个潜在病毒种类，甚至还发现了180个RNA病毒超群。其中，23个超群的序列无法通过传统的

FLUX-Controlnet-Inpainting，这款基于ControlNet和FLUX.1-dev的图像修复工具，正在重新定义我们对图像修复的认知。这款工具不仅继承了FLUX.1-dev模型的高质量图像生成能力，更巧妙地融合了ControlNet的优势。它能够根据图像的边缘、线稿、深度图等信息进行精准修复，在指定区域生成与周围环境和谐一致的内容，为受损或缺失的图像部分带来新生。最近，FLUX的Inpainting ControlNet通过与ComfyUI的集成，实现了突破性的推理功能。这意味着用户现在可以在直观的界面中执行复杂的图像修复任务，享受流畅的

随着OpenAI的GPT-4在传统数学评测中屡创佳绩，北京大学和阿里巴巴的研究团队联手推出了一个全新的评测基准——Omni-MATH，旨在评估大型语言模型在奥林匹克数学竞赛级别的推理能力。这一举措不仅为AI数学能力的评估提供了新标准，也为探索AI在高级数学领域的潜力开辟了新途径。Omni-MATH的独特设计Omni-MATH评测库包含4428道竞赛级别的数学问题，涵盖33个以上的数学子领域，难度分为10个不同级别。其特点包括:高可靠性:所有题目均来自各种数学竞赛和论坛，答案经过人工验证。广泛覆盖:从

在近期的云栖大会上，JetBrains 正式发布了基于阿里云通义大模型的 JetBrains Al Assistant。据悉，JetBrains Al Assistant 与多款 JetBrains 产品深度集成，是专为中国开发者量身定制的提效神器。JetBrains Al Assistant 支持全链路优化开发，可在特定 IDE 工具窗口中作为内联操作使用，也可以通过内置聊天使用。JetBrains 此前曾强调，AI Assistant 在中国大陆和其他地区没有区别，只是 LLM 不同，但主要功能完全相同。此外，JetBrains 中国区总裁李玥萱表示，“中国市场在 JetBrains 的全球版图中占据举足轻重的地位

2024年9月21日，阿里巴巴在杭州云栖大会上宣布了多项技术创新和业务发展的新动态。其中，魔搭社区正式上线了AIGC专区，旨在为开发者提供一个全面的AI创作和开发平台。该平台目前免费开放所有功能板块及GPU算力，首批上架了157款精选多模态模型，包括社区热门模型和设计师贡献的多种风格化LoRa模型。

在科技界风云变幻之际，阿里云再次以其大胆的价格策略引发轰动。在2024云栖大会上，阿里巴巴集团不仅展示了AI技术的未来愿景，更宣布了一项令人瞩目的决定:AI大模型价格最高降幅达85%。这一举措无疑将在整个科技圈掀起波澜，为AI技术的普及和应用带来新的可能。阿里巴巴集团CEO吴泳铭在大会上发表重要讲话，强调生成式AI的影响力将远超手机应用，深刻改变我们的生活方式。他指出，过去22个月AI技术的发展速度前所未有，大模型在迭代中显著提升了多模态能力和复杂指令处理能力

在近日的发布会上，阿里国际 AI 团队揭晓了其最新研发的多模态大模型 Ovis，这一创新的 AI 技术无疑为各行业带来了新的机遇。Ovis 具备强大的图像理解和数据处理能力，让人耳目一新。Ovis 的多模态能力极其强大，它能够处理文本、图像等多种数据，展现出优秀的综合实力。与传统的大语言模型相比，Ovis 不仅能理解文本，还能对图像等非文本信息进行深入分析。比如说，用户只需上传一张菜品的照片，Ovis 便能迅速识别并提供详细的烹饪步骤，帮助用户轻松做出美味佳肴。Ovis通过对图片

在科技浪潮席卷全球之际，生成式AI无疑成为了焦点。然而，阿里巴巴的吴泳铭却提出了一个更为深远的洞见:生成式AI的真正价值并非仅限于创造炫目的应用，而是在于彻底改变我们与物理世界的互动方式。吴泳铭敏锐地指出，人们在面对新技术革命时往往陷入"高估短期，低估长期"的思维误区。在当前生成式AI的热潮中，这种现象尤为明显。大众普遍关注短期内AI能带来哪些立竿见影的效果，却容易忽视技术在长远未来可能产生的深刻影响。图源备注：图片由AI生成，图片授权服务商Midjour

​2024年云栖大会在杭州盛大开幕，阿里巴巴集团CEO、阿里云智能集团董事长兼CEO吴泳铭在会上发表了主题演讲。大会期间，阿里巴巴宣布了一系列重磅硬核发布，包括通义千问新一代开源模型Qwen2.5的推出，该模型在性能上超越了Llama405B，稳居“最强开源大模型”的位置。

在2024杭州云栖大会上，阿里云发布了全新升级的通义灵码，升级后的通义灵码已经能够通过几句话快速完成需求理解、任务拆解、代码编写、BUG 修复和测试等多项开发任务。升级前，通义灵码仅能执行一些基础的辅助编程任务，现在这一进步将利好开发者，最快只需几分钟就能从零开始开发出一款应用，开发效率提升数十倍!据了解，自通义灵码推出以来，它已经成功入驻多家知名企业，包括中华财险、哈啰集团和长安汽车等，并且累计生成的代码已经超过了10亿行。另外，它不再局限于

阿里巴巴集团旗下的通义宣布，其最新研发的AI视频生成大模型——通义万相AI生视频，已正式上线。该技术凭借其强大的画面视觉动态生成能力，能够根据文本提示词快速生成具有多种艺术风格和影视级质感的视频内容。