通义千问团队推出全新多模态统一理解与生成模型Qwen VLo，具备强大的图像理解与生成能力。它不仅能“看懂”图像内容，还能基于理解进行高质量再创造，实现从感知到生成的跨越。支持开放指令编辑、多语言交互及复杂任务处理，适用于图像生成、风格迁移、检测标注等多种场景。

通义万相Wan2.1-VACE开源！业内首个视频编辑统一模型！附推理教程

🚀 从零到大师 | 通义万相智能创作系统部署指南

本文系统解析AI工程范式从Prompt Engineering到Context Engineering的演进路径，深入探讨RAG、向量数据库、上下文压缩等关键技术，并结合LangGraph与智能体系统架构，助力开发者构建高可靠AI应用。

Qwen3 Embedding 是基于 Qwen3 基础模型训练的文本嵌入模型系列，可将离散符号转化为连续向量，捕捉语义关系。结合 Qwen3 Reranker 模型，通过“初筛+精排”流程提升搜索与推荐系统的相关性排序能力。该系列模型支持多语言、提供灵活架构（0.6B-8B 参数规模），并在 MTEB 多语言榜单中排名第一。用户可通过 Hugging Face、ModelScope 和 GitHub 快速体验模型服务。

本文介绍了阿里通义发布的Wan2.1系列模型及其首尾帧生视频功能。该模型采用先进的DiT架构，通过高效的VAE模型降低运算成本，同时利用Full Attention机制确保生成视频的时间与空间一致性。模型训练分为三个阶段，逐步优化首尾帧生成能力及细节复刻效果。此外，文章展示了具体案例，并详细说明了训练和推理优化方法。目前，该模型已开源。

通义千问 Qwen3 是 Qwen 系列最新推出的首个混合推理模型，其在代码、数学、通用能力等基准测试中，与 DeepSeek-R1、o1、o3-mini、Grok-3 和 Gemini-2.5-Pro 等顶级模型相比，表现出极具竞争力的结果。

本文深入解析大模型核心技术与实践原理，涵盖MCP、RAG、Agent、微调等关键技术，结合架构演进与实战技巧，助你构建高性能AI系统，建议点赞收藏。

在AI热潮下，算法成为互联网服务的核心驱动力，但也带来了大数据杀熟、算法歧视等问题。为规范行业发展，算法备案制度应运而生。该制度涵盖网站、APP等多种产品形式，要求企业在2个月内完成备案，依据《互联网信息服务算法推荐管理规定》等法规。未备案企业可能面临无法上线、罚款甚至刑罚的后果。备案流程包括注册、主体备案、信息填报及审核，确保算法合规运营。通过悬挂备案号、标识AI生成内容和定期自查，企业需持续维护算法安全与合规。

《SwanLab机器学习实战教程》推出了一项基于Qwen2-VL大语言模型的LaTeX OCR任务，通过指令微调实现多模态LLM的应用。本教程详述了环境配置、数据集准备、模型加载、SwanLab集成及微调训练等步骤，旨在帮助开发者轻松上手视觉大模型的微调实践。

【10月更文挑战第7天】

本教程介绍如何利用Qwen3-Coder模型与VS Code插件打造儿童学习助手，涵盖AI编程、代码优化与网页部署，助你掌握真实场景开发技巧。

本文深入解析RAG系统中的五大文本分块策略，包括固定尺寸、语义、递归、结构和LLM分块，探讨其工程实现与优化方案，帮助提升知识检索精度与LLM生成效果。

MaxKB4J是一款基于Java开发的开源LLM工作流应用与RAG知识库问答系统，结合MaxKB和FastGPT优势，支持智能客服、企业知识库等场景。它开箱即用，可直接上传/爬取文档，支持多种大模型（如Qwen、通义千问等），具备灵活的工作流编排能力，并无缝嵌入第三方系统。技术栈包括Vue.js、Springboot3、PostgreSQL等，提供稳定高效的智能问答解决方案。访问地址：`http://localhost:8080/ui/login`，项目详情见[Gitee](https://gitee.com/taisan/MaxKB4j)。

本文将AI提示词工程应用于基金定投，为技术人打造一套系统化、可执行的理财方案。通过结构化指令，AI可生成个性化定投策略，覆盖目标设定、资产配置、风险控制与动态调整，帮助用户降低决策门槛，规避情绪干扰，实现科学理财。

雷鸟创新X阿里云：AR眼镜接入通义大模型！

本文深入解析向量数据库的原理与实战应用，涵盖其在AI系统中的核心作用、关键技术（如HNSW、PQ、LSH）、相似性搜索、元数据过滤及无服务器架构优势。适合开发者和AI从业者学习提升。

本文详解大模型备案中的关键材料——《安全评估报告》的撰写要点，涵盖报告框架、必备内容、注意事项及基础信息，助你高效通过备案。

今天，机器翻译模型Qwen-MT正式上线，支持92种语言互译，具备高度可控性与低延迟、低成本特点，适用于多种场景。开发者可通过Qwen API体验其强大翻译能力。

Spark-TTS 是一款革命性的语音合成模型，被誉为“变声大师”。它通过创新的 BiCodec 技术将语音分解为语义和全局两种 Token，实现对音色、性别、语速等属性的精细控制。结合统一的 LLM 架构，Spark-TTS 简化了传统 TTS 的复杂流程，同时提供了前所未有的灵活性。此外，团队还发布了 VoxBox 开源数据集，为行业提供标准评估基准。尽管在零样本场景下仍存改进空间，但 Spark-TTS 已经开启了语音合成新时代，让个性化、可控的 AI 语音成为可能。

通义灵码2.5是阿里云推出的AI编码助手，以智能协作为核心，深度融合开发全流程。其三大升级点包括：编程智能体实现任务自主规划、MCP工具生态支持自然语言生成SQL、记忆进化系统个性化适配开发者习惯。通过自然语言即可完成数据库操作、代码生成与优化，大幅提升开发效率。此外，还具备工程级变更管理、多文件协同编辑及版本控制功能，适用于多种IDE环境，为企业提供安全高效的开发解决方案。

通义万相，开源！

专为技术人打造的B站视频文案生成指令，结构化拆解内容创作流程。输入主题、类型等信息，结合AI一键生成含分镜脚本、标题、SEO及互动设计的完整方案，提升创作效率与视频质量。

你的RAG应用是否总是答非所问，或者检索到的内容质量不高？本文聚焦于RAG系统的进阶优化，深入探讨从查询转换、多路召回与重排序（Rerank）等高级检索策略，到知识库构建的最佳实践。更重要的是，我们将引入强大的`Ragas`评估框架，教你如何用数据驱动的方式，科学地量化和提升你的RAG系统性能。

本文深入解析Agentic AI协议的四大核心协议——MCP、A2A、ACP与ANP，涵盖技术特性、应用场景及选型指南，助你掌握多代理协作系统构建要点。

比亚迪与阿里云深度合作，将通义大模型应用于智能座舱和营销服务。通过通义万相，腾势推出“AI壁纸”功能；借助通义星尘，实现“心理伴聊”等情感陪伴场景。阿里云Mobile-Agent智能体落地比亚迪座舱，支持复杂语音操作，如查询淘宝物流、订火车票等。该方案基于全视觉解决技术，具有强泛化能力，未来双方将持续拓展更多AI应用。

随着全球水资源紧张加剧，我国面临严峻的水资源管理挑战。《十四五规划》提出构建智慧水利体系，通过科技手段提升水情测报和智能调度能力。基于大语言模型（LLM）的水利智能问答系统，利用自然语言处理技术，提供高效、准确的水利信息查询和决策支持，助力水资源管理智能化。该系统通过RAG技术和Agent功能，实现了对水利知识的深度理解和精准回答，适用于水利知识科普、水务治理建议及灾害应急决策等多个场景，推动了水利行业的信息化和智能化发展。

大型语言模型作为智能体在真实环境中持续交互学习面临诸多挑战。 Trinity-RFT 是通义实验室推出的强化微调框架，旨在实现智能体的持续进化。它通过探索、训练与经验池的解耦设计，支持多样化训练模式，提升资源利用率和学习稳定性。同时，Trinity-RFT 提供灵活的数据处理与算法模块化功能，降低应用与研究门槛，助力迈向终身学习与自主进化的智能体时代。

本文深入探讨了通义大模型在文档自动化处理中的应用，重点解决传统OCR识别精度低、效率瓶颈等问题。通过多模态编码与跨模态融合技术，通义大模型实现了高精度的文本检测与版面分析。文章详细介绍了OCR集成流程、批量处理优化策略及实战案例，展示了动态批处理和分布式架构带来的性能提升。实验结果表明，优化后系统处理速度可达210页/分钟，准确率达96.8%，单文档延迟降至0.3秒，为文档处理领域提供了高效解决方案。

阿里云发布并开源全新推理模型通义千问QwQ-32B，通过大规模强化学习，在数学、代码及通用能力上实现质的飞跃，性能比肩DeepSeek-R1。该模型大幅降低部署成本，支持消费级显卡本地部署，并集成智能体Agent相关能力。阿里云采用Apache2.0协议全球开源，用户可通过通义APP免费体验。此外，通义团队已开源200多款模型，覆盖全模态和全尺寸。

Qwen3正式发布并开源8款「混合推理模型」，包括两款MoE模型（Qwen3-235B-A22B、Qwen3-30B-A3B）和六个Dense模型。旗舰模型Qwen3-235B-A22B在多项测试中表现出色，竞争力强。Qwen3支持两种思考模式（思考与非思考），涵盖119种语言，增强Agent能力，在BFCL评测中创纪录。通义灵码已上线相关插件，助力开发者体验AI编码能力。

生成式AI（Generative AI）是指一类能够自主创造新内容的人工智能技术，这些内容可以是文本、图像、音频、视频等。与传统的分析性或分类性AI系统不同，生成式模型的主要任务不是对现有数据进行分类或预测，而是生成全新的、之前不存在的数据实例。这些模型通过学习现有数据集中的模式和规律，能够创造出逼真或富有创意的内容。

《WeKnora架构学习指南》系统解析了这一腾讯开源的智能知识库项目，涵盖核心架构、技术栈、代码结构与学习路径。通过生活化类比和深度流程图解，帮助开发者从零掌握Go后端、Vue前端、RAG原理及微服务协同，提供四阶段进阶路线与实战建议，助力快速上手并参与贡献。

随着《生成式人工智能服务管理暂行办法》在2024年实施，算法备案成为强制性要求。未合规将导致APP下架或高额罚款。本文详解算法备案的核心逻辑与流程，涵盖必备案算法类型、三大监管红线、六大阶段的关键节点，并提供阿里云工具支持，如合规预评估平台和备案助手插件。内容包括金融风控算法的可解释性要求、生成式AI的内容安全措施及个人开发者的技术能力证明方法，助力开发者实现持续合规。

本文旨在帮助使用Windows电脑的开发者们为其设备配置环境变量，以更好地支持大模型应用的开发工作。文中详细介绍了三种配置方法：一是将环境变量设置为系统级变量；二是在命令行界面通过`SET`命令或`PowerShell`临时设置变量；三是借鉴MAC的方式，创建全局环境变量文件`.zshrc`进行配置。这些方法简单实用，便于根据实际需求选择适合的方式进行配置。

大模型的风潮还未停歇，国内大模型的研发也正如火如荼地开展着。你试用过哪些大模型呢？你觉得哪一款产品最适合开发者呢？你有想过训练出自己的大模型吗？这不就来了！ 通义千问开源！阿里云开源通义千问70亿参数模型，包括通用模型Qwen-7B和对话模型Qwen-7B-Chat，两款模型均已上线ModelScope魔搭社区，开源、免费、可商用。点击链接，立即开启模型开源之旅：https://modelscope.cn/models/qwen/Qwen-7B/summary

OmniAudio 是一项突破性的空间音频生成技术，能够直接从 360° 视频生成 FOA（First-order Ambisonics）空间音频，为虚拟现实和沉浸式娱乐带来全新可能。通过自监督 coarse-to-fine 预训练和双分支视频表示微调，OmniAudio 在非空间音频质量和空间定位准确性上显著优于现有方法。项目包含超过 103,000 个视频片段的 Sphere360 数据集，支持高质量的模型训练与评估。代码、数据及论文均已开源，助力沉浸式体验技术发展。

本系列教程涵盖OpenAI API基础到高级应用，包括文本生成、图像处理、语音交互、会话管理、流式响应、文件输入、推理模型及性能评估等十大核心功能。适合新手入门与工程师实践，助您掌握大模型开发关键技术。从简单Prompt设计到复杂多模态任务，逐步深入，结合实例代码与最佳实践，提升实际开发能力。希望这些内容对您有帮助！

阿里通义千问大模型加持，专攻音视频生产力的「听悟」来了

通义千问团队开源了Qwen-Image，一个20B参数的MMDiT模型，具备卓越的文本渲染和图像编辑能力。支持复杂中英文文本生成与自动布局，适用于多场景图像生成与编辑任务，已在魔搭社区与Hugging Face开源。

2025年6月17日，微医控股与阿里云达成战略合作，共建医疗AI基座及医疗全场景智能体。双方将基于通义千问大模型打造医疗垂类大模型，升级微医“5+1”智能体，并在诊断、用药、健康管理等环节深化应用。微医将结合阿里云技术优势推进IDC上云，助力AI+医疗基础设施建设，共同制定行业标准并推广城市级AI数字健共体。目前，微医AI服务已连接全国1.2万家医院和30万名医生，健康管理会员超100万。

在AI快速发展的今天，算法备案成为企业合规运营的关键。本文通过五个案例解析接入DeepSeek是否需备案：1) 微调模型需备案，流程4-6个月；2) 面向公众服务需备案；3) 内部使用通常无需备案；4) 个人自用无需备案；5) 面向特定专业人士通常无需备案。了解这些要求，确保企业在享受AI红利的同时合规运营，规避风险。