模型

在人机交互日益复杂的今天，一个长期被忽视的问题是： 我们能让AI像人类一样“使用”计算机吗？ 不是生成文本或识别图像，而是真正理解屏幕上的按钮、输入框、菜单，并通过点击、滑动、输入等动作完成任务——这...

在大模型“军备竞赛”愈演愈烈的今天，参数规模是否仍是衡量能力的唯一标准？ Liquid AI 最新推出的 LFM2-2.6B 给出了一个有力的回答： 更优的架构设计，可以让更小的模型，在关键任务上超越...

在AIGC的众多分支中，歌曲生成因兼具“音乐旋律”“歌词文本”“结构韵律”的多维度创作需求，一直是技术难点。尽管互联网上有海量歌曲资源，但要将这些原始音频转化为可训练AIGC模型的“结构化数据”，传统...

阿里通义实验室 Qwen 项目组正式推出 Qwen3Guard —— Qwen 家族中首款专为内容安全设计的护栏模型（Safety Guardrail Model）。 该模型基于强大的 Qwen3 架...

在内容创作、虚拟社交等场景中，“基于单张图像生成个性化视频”是重要需求——比如用一张自拍生成动态表情视频，或让历史人物照片“动起来”讲述故事。但这类任务长期面临核心挑战：如何在保证视频自然流畅的同时...

在室内设计、VR/AR开发、机器人训练等领域，“高保真3D室内场景模型”是核心基础——设计师需要用它预览方案效果，VR设备需要靠它构建沉浸式环境，机器人则依赖它模拟真实导航场景。但长期以来，3D室内场...

在动画制作、AR/VR开发、机器人运动规划等领域，“从单视角视觉信息生成多视图内容+结构化运动部件”是长期存在的技术难点——传统方法要么依赖多设备采集，要么难以保证运动部件在时间与空间上的一致性。 项...

在影视后期、广告制作乃至虚拟内容创作中，“将一个新角色或物体自然地加入已有视频”是一项高频需求。传统方法依赖精确的遮罩标注、关键帧追踪和复杂的合成流程，成本高、耗时长。 近期，基于扩散模型的技术为这一...

由上海交通大学、上海创智学院、香港理工大学、中国科学技术大学与GAIR联合开展的一项研究，最近提出了一个名为 LIMI 的新方法——全称为 Less is More for Intelligent A...

通义实验室正式推出 Qwen3-Omni——一款统一处理多模态输入并支持流式文本与语音输出的大语言模型。该模型已在 Qwen API 平台上线，开发者可通过接口体验其在音频对话、跨模态理解与指令执行方...

通义实验室近日推出 Qwen3-TTS-Flash，一款面向多场景应用的高性能文本转语音（TTS）模型。该模型现已通过 Qwen API 开放访问，支持自然、流畅且富有表现力的语音生成。 API：ht...

通义实验室发布 Qwen-Image-Edit-2509，作为 Qwen-Image-Edit 系列的月度迭代版本。该模型已在 Qwen Chat 平台上线，用户可通过“图像编辑”功能直接体验。 Hu...