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

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

大型语言模型（LLM）的崛起为人工智能应用带来了革命性的变化，然而，它们在处理表格数据方面却存在着明显的不足。 浙江大学计算创新研究院的研究团队针对这一问题，推出了一款名为 TableGPT2的全新模型，它能够直接且高效地整合和处理表格数据，为商业智能(BI)和其他数据驱动型应用开辟了新的可能性。TableGPT2的核心创新在于其独特的表格编码器，该编码器专门设计用于捕获表格的结构信息和单元格内容信息，从而增强模型处理现实应用中常见的模糊查询、缺失列名和不规则表格的

近日，一款名为Molmo的开源多模态人工智能模型引起了业界广泛关注。这个由Qwen2-72B为基础、借助OpenAI的CLIP作为视觉处理引擎的AI系统，正以其出色的性能和创新的功能挑战传统商业模型的霸主地位。Molmo的突出特点在于其高效的性能表现。尽管体积相对较小，但它在处理能力上可以与规模大十倍的竞争对手相媲美。这种"小而精"的设计理念不仅提高了模型的效率，也为其在各种应用场景中的部署提供了更大的灵活性。与传统多模态模型相比，Molmo的创新之处在于其引入的指向功能。这一特

​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。

通义千问团队宣布，继Qwen2发布三个月后，Qwen家族的最新成员——Qwen2.5系列语言模型正式开源。这标志着可能是历史上最大规模的开源发布之一，包括了通用语言模型Qwen2.5，以及专门针对编程和数学领域的Qwen2.5-Coder和Qwen2.5-Math模型。

阿里巴巴集团的通义千问QwenLM项目遭遇了Github页面意外下线，用户访问时收到404错误。项目负责人林俊旸在朋友圈回应表示团队并未消失，正与官方沟通解决页面下线问题。尽管团队努力，页面仍无法访问。值得一提的是，该团队近期发布了Qwen2-VL模型，此模型在处理长达20分钟的视频内容方面表现出色，刷新了多模态模型的多项权威评测指标，部分指标超越了GPT-4o和Claude3.5-Sonnet等先进模型。

​9月2日，通义千问宣布开源其第二代视觉语言模型Qwen2-VL，并在阿里云百炼平台上推出2B、7B两个尺寸及其量化版本模型的API，供用户直接调用。Qwen2-VL模型在多个方面实现了性能的全面提升。它能够理解不同分辨率和不同长宽比的图片，在DocVQA、RealWorldQA、MTVQA等基准测试中创下全球领先的表现。

阿里巴巴云计算部门发布全新AI模型Qwen2-VL，具备理解视觉内容的强大功能，能实时分析长达20分钟的视频，并总结视频内容、回答相关问题，提供在线聊天支持。在第三方基准测试中，Qwen2-VL部分指标超越了包括Meta的Llama3.1、OpenAI的GPT-4o、Anthropic的Claude3Haiku和Google的Gemini-1.5Flash在内的领先模型。支持英语、中文及多种欧洲、亚洲语言，适配全球用户。模型提供三个参数版本，7B和2B版本在Apache2.0许可证下开源，允许商业使用。Qwen2-VL还引入了Naive Dynamic Resolution和Multimodal Rotary Position Embedding技术，提升模型在不同分辨率图像处理和跨模态信息整合的能力。该模型旨在提升对视觉数据的理解和处理能力，是视觉语言模型技术的突破，阿里巴巴将继续探索其更多应用场景。