千问AI平台_个人页

2026年09月

• 09.15 15:16:58
  发表了文章 2026-09-15 15:16:58

  Qwen3.7-Max 限时 5 折

  智能体时代旗舰模型 Qwen3.7-Max 限时 5 折。输入低至 ¥6/百万 tokens、输出 ¥18/百万 tokens，新用户还可享 100 万免费试用 tokens。
• 09.15 15:16:09
  发表了文章 2026-09-15 15:16:09

  千问AI平台 OPC 创新计划上线，百万 Token 补贴长期开放

  为助推 OPC 生态、加速 AI 原生落地，千问AI平台推出长期补贴计划，一键报名即享至高200元先用后返普惠权益，提交申请可解锁至高 100 万元大额补贴，助力团队实现低成本模型调用。
• 09.15 15:15:10
  发表了文章 2026-09-15 15:15:10

  秒悟 Meoo Pro 版限时 9.9 元/月

  秒悟 Meoo Pro 版限时 9.9 元/月。新用户注册即送 10000 积分。每日登录领2000积分。
• 09.15 15:14:11
  发表了文章 2026-09-15 15:14:11

  千问AI平台7月（7.1-7.15）功能更新

  千问云焕新升级为千问 AI 平台，重磅推出 Agent 一键部署、团队版管理一站式升级及新手引导优化，全方位提升访问效率与开发体验。
• 09.15 15:12:12
  发表了文章 2026-09-15 15:12:12

  全新 Token Plan 个人版重磅上线

  面向个人用户，推出Token Plan 个人版，支持统一订阅与预算管理，仅需一个 API Key，即可无缝调用文本、语音、图像、视频等全模态 AI 能力

  
• 09.15 15:09:18
  发表了文章 2026-09-15 15:09:18

  Kimi K3 上线千问AI平台，支持长程编程、知识工作与复杂推理

  Kimi K3 现已上线千问AI平台。模型拥有 2.8 万亿参数、原生多模态能力和 100 万 token 上下文窗口，面向长程编程、智能知识工作与复杂推理场景。

  
• 09.14 15:45:24
  发表了文章 2026-09-14 15:45:24

  Qwen-Image-3.0-Pro 上线千问AI平台，支持复杂图文排版、精细渲染与图像编辑

  Qwen-Image-3.0-Pro 现已上线千问AI平台，支持文生图和图像编辑，可处理最高 4.5K Tokens 指令，支持 12 种语言、20 余种字体和约 10 px 小字渲染，适用于复杂图文排版、真实质感、UI 设计和知识信息图等场景。

  
• 09.14 15:24:01
  发表了文章 2026-09-14 15:24:01

  Qwen3.8-Flash 上线千问AI平台：全新架构，迈向极致性价比

  Qwen3.8-Flash 现已上线千问AI平台，默认提供 100 万 token 上下文并内置官方工具，每 token 仅激活 6B 参数，适合高并发应用、工具驱动的工作流以及编程与协同办公助手。
• 09.11 13:30:35
  发表了文章 2026-09-11 13:30:35

  人工智能入门指南：核心定义、工作原理与常见应用场景解析

  人工智能是让计算机模拟学习、推理、语言理解和决策的技术。它通过数据学习规律，支撑自动化与智能决策，适合想了解人工智能工作原理和应用场景的读者。
• 09.11 13:23:04
  发表了文章 2026-09-11 13:23:04

  人工智能机器学习与深度学习区别：层级关系与判断标准

  人工智能机器学习与深度学习区别，关键在层级关系和学习方式。本文梳理三者定义、深度学习原理与数据处理差异，帮助判断技术边界和适用场景。
• 09.11 13:22:37
  发表了文章 2026-09-11 13:22:37

  Transformer 原理详解：从定义、结构到工作流程

  Transformer 是处理序列数据的神经网络架构。它通过多头自注意力追踪元素关系，并可采用编码器－解码器结构，适合理解机器翻译和序列建模基础。
• 09.11 13:22:13
  发表了文章 2026-09-11 13:22:13

  自然语言处理：一文看懂 NLP 定义、工作原理与应用场景

  自然语言处理是让计算机理解、生成和处理人类语言的 AI 分支。它结合计算语言学、机器学习和深度学习分析文本与语音，适合了解文本分析、信息提取和应用场景。
• 09.11 13:21:50
  发表了文章 2026-09-11 13:21:50

  机器学习三种类型：监督、无监督与强化学习入门指南

  机器学习三种类型指监督学习、无监督学习与强化学习。说明训练数据、学习目标和数据模式识别方式，帮助判断监督学习与无监督学习区别。
• 09.11 13:21:27
  发表了文章 2026-09-11 13:21:27

  神经网络入门指南：一文看懂基本定义、工作原理与应用场景

  神经网络是受人脑启发的机器学习方法。它通过分层节点、隐藏层和激活函数学习权重与偏置，建立输入到输出的映射，帮助理解图像识别与自然语言处理场景。
• 09.11 13:21:01
  发表了文章 2026-09-11 13:21:01

  卷积神经网络是什么：从视觉模式识别到图像分类的 CNN 入门

  卷积神经网络是面向视觉数据的深度学习模型。它通过卷积层、池化层和全连接层自动提取图像特征、识别视觉模式，帮助入门理解图像分类、目标检测和使用判断。
• 09.11 13:20:14
  发表了文章 2026-09-11 13:20:14

  循环神经网络 RNN：理解序列数据建模的原理与应用

  循环神经网络 RNN 是处理顺序数据的深度学习模型。它通过循环结构和隐状态利用先前输入信息，适合理解自然语言处理、时间序列分析与序列数据建模。
• 09.11 13:19:39
  发表了文章 2026-09-11 13:19:39

  决策树、随机森林与支持向量机区别：原理对比与选择标准

  决策树、随机森林与支持向量机对比用于理解三类机器学习算法。围绕特征划分、输出整合、决策边界和模型复杂度，帮助初学者建立算法选择思路。
• 09.11 13:19:13
  发表了文章 2026-09-11 13:19:13

  人工智能发展历史：关键节点、技术路线与应用场景

  人工智能发展历史是理解 AI 定义、技术路线和应用边界的入口。本文梳理 1956 年达特茅斯会议以来的关键节点，说明学习、推理、问题解决机制及典型应用场景。
• 09.11 13:18:50
  发表了文章 2026-09-11 13:18:50

  生成式 AI 是什么：从基本定义到工作原理和应用场景

  生成式 AI 是根据提示生成原创内容的人工智能。它依托机器学习模型和大语言模型创建或转换文本、图像、音频、视频与代码，适合用于内容创作、沟通表达和任务辅助。
• 09.11 13:18:27
  发表了文章 2026-09-11 13:18:27

  大语言模型入门：LLM 定义、原理与应用场景

  大语言模型是基于大量数据训练或预训练的深度学习模型。它通过 token 预测和 Transformer 自注意力理解并生成文本，帮助读者梳理 LLM 原理、能力与应用场景。
• 09.11 13:18:02
  发表了文章 2026-09-11 13:18:02

  大语言模型如何工作：从分词嵌入到转换器逐词元生成流程

  大语言模型如何工作，关键在于海量数据预训练、提示词分词、嵌入向量和转换器处理。它会逐词元生成内容，适合理解文本生成、翻译和代码生成机制，以及自然语言处理任务的基本原理。
• 09.11 13:17:37
  发表了文章 2026-09-11 13:17:37

  大模型基础概念：Token、参数和上下文窗口

  Token、参数和上下文窗口是理解大模型输入、输出与调用限制的基础概念。本文说明 Token 序列、采样参数和上下文窗口限制，帮助入门读者规划大模型调用。
• 09.11 13:17:09
  发表了文章 2026-09-11 13:17:09

  生成式 AI 与预测式 AI 的区别：定义、机制与选择标准

  生成式 AI 与预测式 AI 的区别，核心在于生成内容还是预测结果。梳理输出方式、工作机制、透明度与适用场景，帮助判断应选择哪类 AI。
• 09.11 13:16:44
  发表了文章 2026-09-11 13:16:44

  企业大模型选型实战教程：从任务目标到调优部署与知识库应用

  企业大模型选型是围绕任务目标匹配合适 LLM 的过程。说明 LLM 定义、Transformer 基础、模型选择、调优与部署机制。帮助企业在知识库智能问答等场景形成可执行路径。
• 09.11 13:16:17
  发表了文章 2026-09-11 13:16:17

  基础模型原理详解：预训练机制、通用能力与应用场景

  基础模型是基于海量数据预训练的通用 AI 模型。通过自监督学习掌握复杂模式和关系，可作为专业应用底座，适合理解多任务能力、自定义部署与企业智能应用建设。
• 09.11 13:15:52
  发表了文章 2026-09-11 13:15:52

  大模型训练、微调和推理区别：定义、流程、应用选择

  大模型训练、微调和推理区别在于阶段与目标不同。本文梳理预训练、监督微调、RLHF 到推理的衔接关系，帮助判断不同应用该关注哪一环节。
• 09.11 13:15:26
  发表了文章 2026-09-11 13:15:26

  开源模型与闭源模型区别：企业应用中的差异维度与选型框架

  开源模型与闭源模型是 AI 大模型的两种技术模式。本文从开放程度、模型优化灵活性、AI 生态建设和商业定位拆解差异，帮助建立大模型选型框架。
• 09.11 13:15:02
  发表了文章 2026-09-11 13:15:02

  小语言模型与大语言模型对比：定义原理、应用场景与选择标准

  小语言模型是大语言模型的精简版本，可处理、理解和生成自然语言。说明 SLM 与 LLM 的规模、知识范围、效率和资源消耗差异，帮助在专业任务与通用生成场景中选择适用模型。
• 09.11 13:14:33
  发表了文章 2026-09-11 13:14:33

  混合专家模型 MoE 原理：专家路由、稀疏激活与大模型扩展机制

  混合专家模型 MoE 是通过多个专家网络协同计算的模型架构。它依靠专家路由和稀疏激活控制单次计算量，适合理解大模型扩展、AI 推理效率与密集模型差异。
• 09.11 13:14:07
  发表了文章 2026-09-11 13:14:07

  大模型评测 Benchmark：关键指标与选型方法

  大模型评测 Benchmark 是用数据集和评测维度量化模型能力的方法。本文梳理推理结果打分、吞吐量、延迟与 token 级指标，帮助研发和业务团队完成模型对比与选型。
• 09.11 13:13:41
  发表了文章 2026-09-11 13:13:41

  提示词工程：定义、工作原理与典型应用场景系统讲解

  提示词工程是设计和优化 Prompt 的方法，用于把任务意图清楚传给大模型。它通过上下文补充与输出格式约束改善回答相关性，适合 AI 应用开发、内容生成和研究辅助。
• 09.11 13:13:18
  发表了文章 2026-09-11 13:13:18

  RAG 是什么：检索增强生成的核心原理、工作流程与应用场景

  RAG 是用外部知识补充大语言模型生成的技术。RAG 工作流程通常包括数据准备、检索和生成，把权威知识放入模型上下文，适合判断何时接入私有数据或知识库。
• 09.11 11:50:34
  发表了文章 2026-09-11 11:50:34

  RAG 系统原理详解：从知识检索到回答生成

  RAG 系统通过外部知识库增强大语言模型回答。它以数据准备、检索和生成串起流程，将用户问题与相关资料合并后交给模型，帮助读者理解工作原理、价值和适用场景。
• 09.11 11:50:06
  发表了文章 2026-09-11 11:50:06

  向量数据库是什么：向量嵌入、语义搜索与 AI 应用

  向量数据库是存储、管理和搜索向量嵌入的数据系统。它将文本、图像、音频转为数值表示，支持语义相似度搜索。适合 AI 检索、推荐与智能问答入门。
• 09.11 11:49:39
  发表了文章 2026-09-11 11:49:39

  Embedding 是什么：从向量表示到语义应用场景

  Embedding 是把文本、图像、音频等数据转换为数值向量的方法。它通过向量空间位置和距离表达语义相关性，帮助构建语义搜索、推荐、聚类、分类和异常检测应用。
• 09.11 11:46:30
  发表了文章 2026-09-11 11:46:30

  RAG、微调与提示工程区别：LLM 应用如何选择

  RAG、微调与提示工程是优化 LLM 应用的三类方法。本文围绕 RAG 与微调区别，说明提示工程引导输出、RAG 接入检索信息、微调调整参数，帮助选择优化路径。
• 09.11 11:46:05
  发表了文章 2026-09-11 11:46:05

  企业知识库问答系统实战教程：从知识整理到助理发布全流程

  企业知识库问答系统是基于企业私域数据回答问题的 AI 应用。文章梳理知识库构建流程、RAG 关键环节与上线检查，适合客服、内部查询和特定领域问答。
• 09.11 11:41:23
  发表了文章 2026-09-11 11:41:23

  混合检索与关键词、向量检索区别：原理、融合方式与选择标准

  混合检索是融合关键词检索与向量语义检索的信息检索架构。通过统一排序、稀疏与稠密向量、RRF 或加权融合提升相关性，适合 RAG 和站内搜索。
• 09.11 11:40:55
  发表了文章 2026-09-11 11:40:55

  Rerank 原理详解：提升 RAG 检索效果的关键步骤

  Rerank 是在 RAG 初步召回后重排候选文档的方法。它通过相关性评分优化排序，并可配合混合检索、元数据筛选，用于知识库问答。
• 09.11 11:40:26
  发表了文章 2026-09-11 11:40:26

  GraphRAG 是什么：知识图谱增强 RAG 入门

  GraphRAG 是结合 RAG 与知识图谱的检索增强生成方法。它用图结构组织实体关系和问答上下文，适合理解 GraphRAG 与 RAG 的区别、复杂数据问答和主题发现。
• 09.11 11:39:58
  发表了文章 2026-09-11 11:39:58

  RAG 系统评测指标详解：流程与常见问题

  RAG 系统评测是用指标描述检索增强生成性能的方法。围绕 RAG 评测指标、合成评估数据集、LLM-as-a-judge 与黑盒输入，帮助团队明确流程边界和复盘重点。
• 09.11 11:39:16
  发表了文章 2026-09-11 11:39:16

  AI Agent 是什么：定义、工作流程与应用判断

  AI Agent 是能感知环境、自主决策并执行任务的软件实体。它围绕目标接收任务、推理规划、调用工具并动态调整，帮助读者理解 AI Agent 工作流程、原理与应用判断。
• 09.11 11:38:49
  发表了文章 2026-09-11 11:38:49

  AI Agent 如何工作：从定义到自主行动闭环

  AI Agent 如何工作是理解智能体的关键。它结合基础模型、工具调用与反馈循环，说明系统如何从用户目标走向行动，帮助产品、研发和业务人员建立判断框架。
• 09.11 11:38:23
  发表了文章 2026-09-11 11:38:23

  Agentic RAG 是什么：智能体如何增强检索生成

  Agentic RAG 是智能体检索增强生成，通过智能体协同、工具选择和查询细化改进传统 RAG 流程，适合理解复杂知识库问答、文档摘要和多步骤分析场景。
• 09.11 11:37:52
  发表了文章 2026-09-11 11:37:52

  模型上下文协议 MCP：连接大模型与外部工具的标准通信通道

  模型上下文协议 MCP 是连接大模型与外部工具的开源协议。它以客户端-服务器架构实现标准化双向通信，降低多工具集成复杂度，帮助判断 AI 应用何时需要统一连接通道。
• 09.11 11:37:24
  发表了文章 2026-09-11 11:37:24

  Function Calling 原理详解：工具调用机制与应用

  Function Calling 是让大模型调用 API、数据库或自定义函数的机制。模型依据用户意图进入工具调用流程，也可在特定流程中强制调用，适合开发者理解应用场景与边界。
• 09.11 11:36:55
  发表了文章 2026-09-11 11:36:55

  对话式 AI、聊天机器人与 AI Agent 的区别及选型要点

  对话式 AI 是理解并回应自然语言的交互能力。本文拆解聊天机器人、AI 助手与 AI Agent 的工作层级、自主性和选型标准，帮助客服与自动化任务避免概念混用。
• 09.11 11:36:14
  发表了文章 2026-09-11 11:36:14

  AI 记忆与长期记忆入门：智能体上下文保留机制

  AI 记忆是智能体存储和回忆过往经验的能力。它通过长期记忆体、记忆片段等机制保留上下文。适合理解跨会话个性化、Coding Agent 提效与应用设计。
• 09.11 11:34:00
  发表了文章 2026-09-11 11:34:00

  AI Agent 核心组件详解：感知、决策与执行如何协同

  AI Agent 核心组件是支撑智能体感知环境、规划决策并执行任务的模块集合。本文梳理感知-决策-执行循环，说明大模型、工具和记忆如何协同，帮助判断适用场景。