9月24日,2025云棲大會現場,阿里云CTO周靖人接連發布了七款大模型技術產品。七款技術產品覆蓋語言、語音、視覺、多模態、代碼等模型領域,在模型智能水平、Agent工具調用以及Coding能力、深度推理、多模態等方面均實現突破。
在大語言模型中,阿里通義旗艦模型Qwen3-Max全新亮相,性能超過GPT5、Claude Opus 4等,躋身全球前三。Qwen3-Max包括指令(Instruct)和推理(Thinking)兩大版本,其預覽版已在 Chatbot Arena 排行榜上位列第三,正式版性能可望再度實現突破。
Qwen3-Max是通義千問家族中最大、最強的基礎模型,預訓練數據量達36T,總參數超過萬億,擁有極強的Coding編程能力和Agent工具調用能力。在大模型用Coding解決真實世界問題的SWE-Bench Verified測試中,Instruct版本斬獲69.6分,位列全球第一梯隊;在聚焦Agent工具調用能力的Tau2-Bench測試中,Qwen3-Max取得突破性的74.8分,超過Claude Opus4和DeepSeek-V3.1。Qwen3-Max推理模型也展現出非凡性能,結合工具調用和并行推理技術,其推理能力創下新高,尤其在聚焦數學推理的AIME 25和HMMT測試中,均達到突破性的滿分100分,為國內首次。
下一代基礎模型架構Qwen3-Next及系列模型正式發布,模型總參數80B僅激活?3B?,性能即可媲美千問3旗艦版235B模型,實現模型計算效率的重大突破。Qwen3-Next針對大模型在上下文長度和總參數兩方面不斷擴展(Scaling)的未來趨勢而設計,創新改進采用了混合注意力機制、高稀疏度?MoE?結構、多?token?預測(MTP)機制等核心技術,模型訓練成本較密集模型Qwen3-32B大降超90%,長文本推理吞吐量提升10倍以上,為未來大模型的訓練和推理的效率設立了全新標準。
在專項模型方面,千問編程模型Qwen3-Coder重磅升級。新的Qwen3-Coder與Qwen Code、Claude Code系統聯合訓練,應用效果顯著提升,推理速度更快,代碼安全性也顯著提升。Qwen3-Coder此前就廣受開發者和企業好評,代碼生成和補全能力極強,可一鍵完成完整項目的部署和問題修復,開源后調用量曾在知名API調用平臺OpenRouter上激增1474%,位列全球第二。
通義千問Qwen模型家族圖
在多模態模型中,千問備受期待的視覺理解模型Qwen3-VL重磅開源,在視覺感知和多模態推理方面實現重大突破,在32項核心能力測評中超過Gemini2.5-Pro和GPT5。Qwen3-VL擁有極強的視覺智能體和視覺Coding能力,不僅能看懂圖片,還能像人一樣操作手機和電腦,自動完成許多日常任務。輸入一張圖片,Qwen3-VL可自行調用agent工具放大圖片細節,通過更仔細的觀察分析,推理出更好的答案;看到一張設計圖,Qwen3-VL 就能生成Draw.io/HTML/CSS/JS 代碼,“所見即所得”地完成視覺編程。此外,Qwen3-VL還升級了3D Grounding(3D檢測)能力,為具身智能夯實基礎;擴展支持百萬tokens上下文,視頻理解時長擴展到2小時以上。
全模態模型Qwen3-Omni驚喜亮相,音視頻能力狂攬32項開源最佳性能SOTA,可像人類一樣聽說寫,應用場景廣泛,未來可部署于車載、智能眼鏡和手機等。用戶還可設定個性化角色、調整對話風格,打造專屬的個人IP。類似于人類嬰兒一出生就全方位感知世界,Qwen3-Omni一開始就加入了“聽”、“說”、“寫”多模態混合訓練。在預訓練過程中,Qwen3-Omni采用了混合單模態和跨模態數據。此前,模型在混合訓練后,各個功能會相互掣肘甚至降智,比如音頻理解能力提升,文字理解能力反而降低了。但Qwen3-Omni在實現強勁音頻與音視頻能力的同時,單模態文本與圖像性能均保持穩定,這是業內首次實現這一訓練效果。
通義萬相Wan模型家族圖
通義萬相是通義大模型家族中的視覺基礎模型,此次推出Wan2.5-preview系列模型,涵蓋文生視頻、圖生視頻、文生圖和圖像編輯四大模型。通義萬相2.5視頻生成模型能生成和畫面匹配的人聲、音效和音樂BGM,首次實現音畫同步的視頻生成能力,進一步降低電影級視頻創作的門檻。通義萬相2.5視頻生成時長從5秒提升至10秒,支持24幀每秒的1080P高清視頻生成,并進一步提升模型指令遵循能力。此次,通義萬相2.5還全面升級了圖像生成能力,可生成中英文文字和圖表,支持圖像編輯功能,輸入一句話即可完成P圖。
阿里云CTO周靖人發布通義百聆
此次云棲大會上,通義大模型家族還迎來了全新的成員——語音大模型通義百聆。百聆新發布了語音識別大模型Fun-ASR和語音合成大模型Fun-CosyVoice。Fun-ASR基于數千萬小時真實語音數據訓練而成,具備強大的上下文理解能力與行業適應性;Fun-CosyVoice可提供上百種預制音色,可以用于客服、銷售、直播電商、消費電子、有聲書、兒童娛樂等場景。
從0.5B到超萬億,包含三百個大模型的通義大模型家族覆蓋“全尺寸”,囊括LLM、編程、圖像、語音、視頻等“全模態”,可滿足從智能終端到云上的多場景需求。自2023年開源第一款模型以來,通義大模型在全球下載量突破6億次,衍生模型突破17萬個,已發展成為全球第一開源模型。除了惠及AI開發者,通義衍生模型的開發機構還覆蓋海內外國知名企業,包括蘋果、英偉達、微軟、DeepSeek和字節跳動等。截至目前,通義大模型已服務超100萬客戶。沙利文報告顯示,2025年上半年,在中國企業級大模型調用市場中,通義位列第一。