通义实验室
通义千问Qwen Code重磅升级至v0.5.0！从命令行工具迈向完整开发生态
国产AI编程工具迎来关键进化。 通义实验室今日正式发布 Qwen Code v0.5.0版本，标志着这一由阿里云打造的智能编程助手，正从单一的命令行工具加速转型为覆盖全链路的开发生态平台。 此次更新不仅强化了核心编码能力，更在插件集成、工程上下文理解与开发者协作支持等方面实现突破。
阿里云开源通义千问图像编辑模型 Qwen-Image-Edit-2511！修复“图像漂移”问题，编辑一致性显著提升
阿里云持续加码AIGC开源生态。 今日，通义实验室正式开源其最新图像编辑模型——Qwen-Image-Edit-2511，重点解决前代版本（2509）中存在的图像编辑后“轻微漂移”问题（即编辑区域人物或物体位置发生偏移），通过多项技术优化，显著提升编辑前后的一致性与视觉稳定性，为开发者提供更可靠、精准的可控生成工具。 直击痛点：告别“越修越歪”的编辑体验在早期版本Qwen-Image-Edit- 2509 中，用户反馈在进行局部修改（如更换服装、调整发型、替换背景）时，目标对象常出现微妙但明显的位移或形变，破坏图像整体协调性。
阿里夸克“C计划”曝光:目标直指对话式AI应用，或剑指字节“豆包”
据新浪科技报道， 阿里巴巴旗下AI旗舰应用夸克正秘密推进一项代号为“C计划”的重磅AI业务。 该计划由夸克核心团队主导，并有多位通义实验室的高级别成员参与，目标直指对话式AI应用布局，且首个阶段性成果预计将于近日落地。 多位消息人士透露，“C计划”是一项需要长期投入、且高度依赖模型技术突破的产品，目前即将浮出水面的仅为阶段性成果，显示出阿里在AI应用赛道长期深耕的决心。
性能逼近闭源最强，通义实验室开源Mobile-Agent-v3刷新10项GUI基准SOTA
覆盖桌面、移动和 Web，7B 模型超越同类开源选手，32B 模型挑战 GPT-4o 与 Claude 3.7，通义实验室全新 Mobile-Agent-v3 现已开源。 一眼看到实力：关键成绩速览。 备注：分数来源于公开基准，包括桌面 移动环境的任务规划、定位、推理、执行等全链路能力开源地址：：为什么 GUI Agent 要这么强？
钉钉、通义实验室联合发布 Fun-ASR，新一代语音识别大模型亮相
钉钉与通义实验室语音团队今日宣布，双方联手推出新一代语音识别大模型 Fun-ASR。 这款模型旨在为企业用户提供更强大、更灵活的语音转写能力。 Fun-ASR 大模型具备多项核心优势。
一次中稿10篇ACL25，通义实验室 代码智能&对话智能团队 在研究什么
近日，自然语言处理领域的国际顶级会议ACL 2025正在召开，通义实验室 代码智能&对话智能 团队10篇论文被 ACL 2025 录用，围绕着大语言模型的多轮强化学习、复杂指令遵循、多模态角色对话、代码智能、以及评测基准等前沿方向全面开花。 本文从中精选了8篇论文的内容进行系统介绍，以此来总结通义实验室代码智能&对话智能团队的前沿研究思考和进展。 团队也在大量招聘，详情见文章最后。
通义实验室大火的 WebAgent 续作：全开源模型方案超过GPT4.1 , 收获开源SOTA
WebAgent 续作《WebShaper: Agentically Data Synthesizing via Information-Seeking Formalization》中，作者们首次提出了对 information-seeking（IS）任务的形式化建模 并基于该建模设计了 IS 任务训练数据合成方法，并用全开源模型方案取得了 GAIA 评测最高 60.1 分的 SOTA 表现。 WebShaper 补足了做 GAIA、Browsecomp 上缺少高质量训练数据的问题，通义实验室开源了高质量 QA 数据！ WebShaper 体现了通义实验室对 IS 任务的认知从前期的启发式理解到形式化定义的深化。
通义实验室、北大发布新技术ZeroSearch 让LLM检索能力激活，成本降低88%
最近，通义实验室和北京大学的研究团队推出了一项名为 ZeroSearch 的创新框架，这一新技术可以在不需要真实搜索的情况下，激活大语言模型的检索能力，并且训练成本降低了惊人的88%。 这一突破为大语言模型的训练和应用提供了全新的思路。 传统的训练方法通常依赖于真实的搜索引擎来获取信息，这不仅造成了高昂的 API 调用成本，还可能因搜索结果的质量不稳定而影响模型的表现。
通义实验室新研究：大模型自己「扮演」搜索引擎，提升推理能力无需搜索 API
强化学习（RL）+ 真实搜索引擎，可以有效提升大模型检索-推理能力。
通义实验室又一位大佬出走！传应用视觉团队负责人薄列峰已离职，将任职另一大厂多模态模型负责人！
出品 | 51CTO技术栈（微信号：blog51cto）北京时间5月6日，据知情人士透露，阿里巴巴通义实验室应用视觉团队负责人薄列峰（title中不是阿里集团副总裁，所以职级应该为P10）已于4月30日低调离职。 有消息称他已经加入刚刚进行架构调整的某互联网大厂，担任多模态模型部副总经理，向公司副总裁汇报。 最早爆料该消息的公众号之一“互联网八卦小喇叭”发文表示：据可靠消息称：“薄老师于本月离职通义，即将进入某大厂担任多模态模型负责人”。
免费用！阿里通义大模型上新，超逼真音视频生成SOTA！
近日，阿里通义实验室推出了全新数字人视频生成大模型 OmniTalker，只需上传一段参考视频，不仅能学会视频中人物的表情和声音，还能模仿说话风格。 相比传统的数字人生产流程，该方法能够有效降低制作成本，提高生成内容的真实感和互动体验，满足更广泛的应用需求。 目前该项目已在魔搭社区、HuggingFace 开放体验入口，并提供了十多个模板，所有人可以直接免费使用。
真假难辨！阿里升级AI人像视频生成，表情动作直逼专业水准
AIxiv专栏是AI在线发布学术、技术内容的栏目。 过去数年，AI在线AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。 如果您有优秀的工作想要分享，欢迎投稿或者联系报道。
让大模型互联网「冲浪」，通义实验室WebWalker解锁复杂信息检索新技能
AIxiv专栏是AI在线发布学术、技术内容的栏目。 过去数年，AI在线AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。 如果您有优秀的工作想要分享，欢迎投稿或者联系报道。
央视点赞国产AI复活召唤术，兵马俑竟与宝石老舅对唱Rap？
沉睡了两千多年的兵马俑，苏醒了？一句秦腔开场，将我们带到了黄土高原。如果不是亲眼所见，很多观众可能难以想象，有生之年还能看到兵马俑和宝石 Gem 同台对唱《从军行》。「青海长云暗雪山，孤城遥望玉门关。」古调虽存音乐变，声音依旧动人情：这场表演背后的「AI 复活召唤术」，叫做 EMO，来自阿里巴巴通义实验室。仅仅一张照片、一个音频，EMO 就能让静止形象变为惟妙惟肖的唱演视频，且精准卡点音频中的跌宕起伏、抑扬顿挫。在央视《2024 中国・AI 盛典》中，同样基于 EMO 技术，北宋文学家苏轼被「复活」，与李玉刚同台合
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
谷歌
DeepSeek
AI新词
AI绘画
大模型
机器人
数据
Midjourney
开源
Meta
微软
智能
用户
GPT
学习
英伟达
Gemini
智能体
技术
马斯克
Anthropic
图像
AI创作
训练
LLM
论文
AI for Science
代码
腾讯
苹果
算法
Agent
Claude
芯片
具身智能
Stable Diffusion
xAI
蛋白质
人形机器人
开发者
生成式
神经网络
机器学习
AI视频
3D
字节跳动
大语言模型
RAG
Sora
百度
研究
GPU
生成
华为
工具
AGI
计算
生成式AI
AI设计
大型语言模型
搜索
亚马逊
AI模型
视频生成
特斯拉
DeepMind
场景
Copilot
深度学习
Transformer
架构
MCP
编程
视觉