今天，阿里云通义团队正式发布了全新的数学推理过程奖励模型 Qwen2.5-Math-PRM。该模型提供了72B 和7B 两种尺寸，性能表现均显著优于同类的开源过程奖励模型，尤其是在识别推理错误方面表现突出。Qwen2.5-Math-PRM 的7B 版本令人惊讶地超越了业界广受欢迎的 GPT-4o，这一成就标志着阿里云在推理模型的研发上迈出了重要的一步。为了全面评估模型在数学推理中的表现，通义团队还开源了首个步骤级的评估标准 ——ProcessBench。这个评估标准涵盖了3400个数学问题测试案例，其中还包括国际奥林匹

阿里巴巴 Qwen 团队近日发布了题为《数学推理中过程奖励模型的开发经验教训》的论文，并推出了 Qwen2.5-Math-PRM 系列中的两个新模型，分别具有7B 和72B 参数。这些模型在数学推理中突破了现有 PRM 框架的限制，通过创新技术显著提高了推理模型的准确性和泛化能力。数学推理一直是大型语言模型（LLM）面临的重大挑战，尤其是在中间推理步骤中，错误往往会影响最终输出的准确性，这对于教育、科学计算等对精确度要求高的领域尤其成问题。传统评估方法，如 Best-of-N(BoN)策略，无法充分捕

阿里巴巴达摩院近日推出了一款名为Valley2的多模态大型语言模型，该模型基于电商场景设计，旨在通过可扩展的视觉-语言架构，提升各领域性能并拓展电商与短视频场景的应用边界。Valley2采用了Qwen2.5作为LLM主干，搭配SigLIP-384视觉编码器，结合MLP层和卷积进行高效特征转换。

微软近日宣布了其新的 rStar-Math 技术，这一创新的推理方法可以应用于小型语言模型（SLMs），显著提升它们在数学问题上的表现，甚至在某些情况下超越 OpenAI 的 o1-preview 模型。这一技术目前仍处于研究阶段，相关研究论文已发布在 arXiv.org 上，由微软、北京大学和清华大学的八位作者共同完成。在测试中，rStar-Math 技术被应用于多个小型开源模型，包括微软的 Phi-3迷你模型、阿里巴巴的 Qwen-1.5B（15亿参数模型）和 Qwen-7B(70亿参数模型)。测试结果显示，所有参与的模型性能都有所提升，其中

微软近期在 Hugging Face 平台上发布了名为 Phi-4的小型语言模型，这款模型的参数量仅为140亿，但在多项性能测试中表现出色，超越了众多知名模型，包括 OpenAI 的 GPT-4o 及其他同类开源模型如 Qwen2.5和 Llama-3.1。在之前的在美国数学竞赛 AMC 的测试中，Phi-4获得了91.8分，显著优于 Gemini Pro1.5、Claude3.5Sonnet 等竞争对手。更令人惊讶的是，这款小参数模型在 MMLU 测试中取得了84.8的高分，充分展现了其强大的推理能力和数学处理能力。与许多依赖于有机数据源的模型不同，Phi-4采用了创新的方法来生

阿里云正式上线了其全新的通义灵码 AI 程序员 ，标志首个能够同时支持 VS Code 和 JetBrains IDEs 开发工具的 AI 编程产品的问世。这款 AI 程序员工具，拥有比传统辅助编程工具更强大的能力，帮助开发者以更高效的方式完成编码任务。通义灵码 AI 程序员通过全程对话协作的方式，能够轻松实现从零开始的业务需求开发、问题修复以及单元测试批量生成等复杂的编码任务。开发者可以与 AI 程序员进行互动，轻松指令并修改代码。该工具的底层模型已升级至 Qwen2.5-coder，其代码生成的准确性和速

近年来，生成式人工智能市场的竞争愈发激烈，阿里云最新宣布其人工智能产品降价幅度高达85%，成为这一市场血战的最新见证。阿里巴巴的云计算部门降价的最大幅度出现在其视觉语言模型Qwen-VL上，而这一举措正是中国科技巨头之间竞争加剧的体现。过去一年半中，中国科技公司如阿里巴巴、腾讯、百度、京东和字节跳动等，纷纷推出了各自的大型语言模型，然而，由于这些产品之间的差异化程度有限，它们不得不陷入类似西方市场的价格战。8月，OpenAI宣布大幅降价，随后谷歌也紧随

近年来，生成式 AI 市场竞争愈发激烈，价格战也在不断升级。近日，中国科技巨头阿里巴巴旗下的云计算部门阿里云宣布，旗下多款 AI 产品价格下调，最高幅度达85%。其中，视觉语言模型 Qwen-VL 的降价幅度最为显著。这一举措标志着中国主要科技公司在 AI 领域的竞争日趋白热化。在过去一年半里，阿里巴巴、腾讯、百度、京东、华为以及字节跳动等公司纷纷推出大型语言模型。由于各家公司所推出的产品差异不大，竞争主要转向了价格。8月，OpenAI 首次发起了价格战，随后谷歌也迅速跟

继今年5月和9月两次降价后，阿里云再次宣布对其大模型进行降价，推出本年度的第三轮价格调整。此次降价幅度非常显著，通义千问系列视觉理解模型全线降价超过80%。其中，Qwen-VL-Plus模型价格直降81%，输入价格仅为0.0015元/千tokens，创下全网最低价格;而更高性能的Qwen-VL-Max降价至0.003元/千tokens，降幅达到85%。根据新的定价，1元钱可以最多处理大约600张720P图片，或者1700张480P图片。Qwen-VL系列大模型是阿里云推出的多模态大模型，已成为开源社区最受欢迎的模型之一，具备强大的视觉推理

2024年12月26日，中国人工智能初创公司DeepSeek发布了其最新的超大模型DeepSeek-V3，这一模型以其开放源代码技术和创新挑战领先AI供应商而闻名。DeepSeek-V3拥有671B个参数，并采用专家混合架构（mixture-of-experts architecture）来激活特定参数，以准确高效地处理给定任务。根据DeepSeek提供的基准测试，这一新模型已经超越了包括Meta的Llama3.1-405B在内的领先开源模型，并且与Anthropic和OpenAI的封闭模型性能相近。DeepSeek-V3的发布标志着开源AI与封闭源AI之间的差距进一步缩小。DeepSeek，最初是中国量化对冲

随着全球化的不断深入，神经机器翻译（NMT）技术在跨语言交流中扮演着越来越重要的角色。尽管目前的翻译工具在处理技术文档和简单文本时表现出色，但在文学文本的翻译上依然面临诸多挑战。文学作品中常常包含隐喻和比喻等富有文化和情感内涵的表达方式，传统的翻译系统往往难以准确传达其深层含义。为了弥补这一不足，腾讯研究团队推出了名为 DRT-o1的新型翻译系统。该系统包含两个版本:DRT-o1-7B 和 DRT-o1-14B。这两款模型基于 Qwen2.5进行构建，并引入了一种全新的多代理框架，专

阿里巴巴近日推出了一款名为QVQ-72B的全新多模态推理模型，该模型基于Qwen2-VL-72B构建，融合了强大的语言和视觉能力，能够处理更为复杂的推理和分析任务，标志着阿里巴巴在多模态AI领域取得了新的突破。QVQ-72B在视觉推理、数学和科学问题上表现出了显著的提升，尤其是在多步推理任务中。这意味着该模型不仅能够理解文字信息，还能理解图像信息，并通过多步推理来解决复杂问题，这是传统AI模型难以企及的。该模型的一大亮点是其在物理问题中结合文字和视觉信息推导因果关系的能

Qwen团队近日宣布开源其最新研发的多模态推理模型QVQ，标志着人工智能在视觉理解和复杂问题解决能力方面迈出了重要一步。该模型基于Qwen2-VL-72B构建，旨在通过结合语言和视觉信息，提升AI的推理能力。在MMMU评测中，QVQ取得了70.3的高分，并在多项数学相关基准测试中相较Qwen2-VL-72B-Instruct显示出显著的性能提升。

​阿里云百炼大模型服务平台最近推出了“音视频实时互动”功能，使用户能够轻松搭建多模态AI应用，无需编程知识。这一新功能使得用户可以快速将AI模型集成到Web、iOS和Android应用中，并与他人分享。用户可以通过简单的步骤来搭建智能体应用:首先新建智能体应用，然后在阿里云百炼平台上选择并配置所需的文本、语音或视觉理解大模型。平台提供了200多种大模型，包括具备强大视觉智能体能力的阿里云Qwen2-VL大模型。接下来，用户需要编写提示词，设置音视频API-KEY，并发布自己的专属AI应用。

近日，阿里巴巴 Qwen 团队的研究人员推出了一个名为 “PROCESSBENCH” 的新基准测试，旨在衡量语言模型在数学推理中识别过程错误的能力。随着语言模型在复杂推理任务中取得显著进展，这一领域的研究者们发现，尽管模型表现出色，但在处理某些困难问题时依然面临挑战。因此，开发一种有效的监督方法显得尤为重要。当前，针对语言模型的评估基准存在一些不足之处。一方面，一些问题集对于高级模型而言变得过于简单，另一方面，现有的评估方法往往只提供二元的正确性评估，而缺

近年来，机器学习模型在视觉和语言任务方面的应用需求日益增长，但大多数模型都需要庞大的计算资源，无法在个人设备上高效运行。尤其是像笔记本电脑、消费级 GPU 和移动设备等小型设备，在处理视觉语言任务时面临巨大的挑战。以 Qwen2-VL 为例，虽然其性能卓越，但对硬件的要求较高，限制了其在实时应用中的可用性。因此，开发出轻量化模型以便于在较低资源下运行，成为了一项重要需求。Hugging Face 近期发布了 SmolVLM，这是一款专门为设备端推理设计的2B 参数视觉语言模型。SmolV

近日，阿里巴巴宣布开源其最新研发的图像生成模型 Qwen2vl-Flux，该模型不仅具备编辑、融合和混合等多种功能，还能够在用户输入图像或文本的情况下，生成具有高度相似性的全新图像。Qwen2vl-Flux 提供了强大的图像变化功能。用户只需输入一张图像，无需任何文本提示，模型便能根据原图生成多幅相似的图像。例如，用户上传一张人物照片，模型便可以生成多个角度下的人物表现，展现出不同的视角与情感。模型还支持文本引导图像混合。当用户输入一张图片并附加相关文本提示时，Qwe

阿里云百炼平台近日宣布上线了Qwen2.5-Turbo百万长文本模型，Qwen2.5-Turbo模型由通义千问团队开发，支持处理高达100万tokens的超长上下文，相当于100万个英文单词或150万个汉字。

11月15日，阿里通义实验室推出了代码模式，该功能使得用户能够通过简单的日常语言指令生成各种应用，包括小游戏、数据图表、网站和简历等。用户只需访问通义网页版（tongyi.ai），点击输入框中的“代码模式”即可开始体验这一全新交互方式。

通义千问团队近日宣布开源其最新的Qwen2.5-Coder全系列，这一举措旨在推动Open Code LLMs的发展。Qwen2.5-Coder以其强大、多样和实用性受到关注。Qwen2.5-Coder-32B-Instruct模型在代码能力上达到了SOTA水平，与GPT-4o相当，展现出全面的能力