通义实验室推出首个音频生成模型ThinkSound，突破传统视频到音频生成技术局限，首次将思维链（CoT）应用于音频生成领域，实现高保真、强同步的空间音频生成。基于自研AudioCoT数据集，结合多模态大语言模型与统一音频生成模型，支持交互式编辑，显著提升音画匹配度与时序一致性。代码已开源，助力游戏、VR、AR等场景创新应用。

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。

本文详细介绍了基于通义大模型构建个性化推荐系统的全流程，涵盖数据预处理、模型微调、实时部署及效果优化。通过采用Qwen-72B结合LoRA技术，实现电商场景下CTR提升58%，GMV增长12.7%。文章分析了特征工程、多任务学习和性能调优的关键步骤，并探讨内存优化与蒸馏实践。最后总结了大模型在推荐系统中的适用场景与局限性，提出未来向MoE架构和因果推断方向演进的建议。

Qwen3系列模型具备强大Agent能力，但从模型到Agent仍存技术难题。为此，我们推出基于Qwen-Agent框架的3个CookBook示例，展示如何让Qwen3丝滑调用MCP Server全过程。不论是本地部署还是API调用模型，开发者均可通过Qwen-Agent完成复杂任务。CookBook包括自然语言驱动数据库操作、云端高德API地理服务及文档转思维导图等功能。Qwen-Agent封装了工具调用模板和解析器，原生支持MCP协议，大幅降低开发成本。欢迎体验并反馈。

展望未来，开发者只需定义明确的目标，例如添加新的接口功能，而 AI Agent 则有能力在一个具备运行环境的Workspace 中，自主操控编辑器、终端和浏览器等工具，自动化完成一系列标准的软件开发任务。

上一篇用 Qwen3+MCPs实现AI自动发小红书的最佳实践 有超多小伙伴关注，同时也排队在蹲Windows版本的教程。

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。

Arthas memory（查看 JVM 内存信息）

本教程介绍如何在ECS服务器上使用Docker构建Dify。首先拉取最新镜像`langgenius/dify-web:latest`，然后通过命令运行该镜像，映射端口并设置环境变量。需在安全组中添加入方向规则，放行指定端口（如3000）。完成后保存规则，初始化安装Dify，并登录Web界面验证部署是否成功。

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。

MCP（Model Control Protocol）资源系统是将服务器数据暴露给客户端的核心机制，支持文本和二进制两种类型资源。资源通过唯一URI标识，客户端可通过资源列表或模板发现资源，并使用`resources/read`接口读取内容。MCP还支持资源实时更新通知及订阅机制，确保动态数据的及时性。实现时需遵循最佳实践，如清晰命名、设置MIME类型和缓存策略，同时注重安全性，包括访问控制、路径清理和速率限制等。提供的示例代码展示了如何用JavaScript和Python实现资源支持。

随着AI技术的发展，大模型备案成为行业热点。本文详解备案所需具体条件与注意事项，涵盖模型功能、适用场景、研制情况、安全评估及备案材料等核心内容，帮助企业全面了解备案流程，规避合规风险，顺利推进产品上线。

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)。

Arthas stack （输出当前方法被调用的调用路径）

支付宝支付对接指南，涵盖电脑网站、当面付和手机网站支付方式。对接前需了解支付宝开放平台和商家平台的区别，完成注册、实名认证、创建应用及签约产品等步骤。配置支付环境包括API密钥、回调地址和开发环境搭建。提供三种SDK供选择，推荐使用alipay-easysdk。详细步骤和示例代码可参考官方文档。

本地离线部署大模型知识库OLLAMA+Anything（保姆级）

本文以构建AIGC落地应用ChatBot和构建AI Agent为例，从代码级别详细分享AI框架LangChain、阿里云通义大模型和AnalyticDB向量引擎的开发经验和最佳实践，给大家快速落地AIGC应用提供参考。

上海徐汇区启动大模型备案及服务登记奖励申报，最高奖励500万元。适用于已通过备案或登记的企业，申报期为2025年8月29日至9月12日。奖励政策旨在推动人工智能产业发展，申报材料包括备案/登记证明、信用代码、身份证明等。纸质与电子材料需按要求提交。

本课程通过“AI调酒师”项目实战，讲解如何使用通义灵码与Qwen3-Coder模型结合阿里云百炼平台，从需求分析、前端界面搭建、后端服务调用到整体部署的全流程开发。内容涵盖Bento UI设计、Tailwind CSS布局、语音识别与大模型内容生成，并结合MCP服务实现设计稿驱动开发，帮助开发者快速构建趣味AI应用，提升产品落地能力。

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。

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。

Qwen3开源发布：Think Deeper, Act Faster！社区推理、部署、微调、MCP调用实战教程来啦！

Qwen2-7BS适配昇腾910A教程。

人工智能（AI）属计算机科学，聚焦于模拟人类智慧的技术与系统的研发。本文概览常见AI算法原理：机器学习含监督（如决策树、支持向量机）、无监督（如聚类、主成分分析）及强化学习算法；深度学习涉及卷积神经网络、循环神经网络和生成对抗网络；自然语言处理涵盖词袋模型、循环神经网络语言模型及命名实体识别等。这些算法支撑着AI技术的广泛应用与发展。

什么是阿里云百炼？

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。

Qwen3-8B 是通义实验室推出的80亿参数模型，支持32K上下文，采用FP8量化和CUDA优化，提升推理效率；ChatGPT-4o Mini 为OpenAI轻量模型，参数约3.8B，支持128K上下文，通过蒸馏技术实现低延迟。两者在TTFT、长文本处理和部署优化上各有优势，适用于不同应用场景。

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。

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。

2025年3月12日，国家网信办公布第十批深度合成算法备案信息，共395款算法通过公示。根据《互联网信息服务深度合成管理规定》，境内深度合成服务提供者和技术支持者需履行备案手续。具体信息可在中国互联网信息服务算法备案系统查询，疑议请发邮件至指定邮箱。附件含完整备案清单。

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。

【10月更文挑战第18天】

语言模型为何会产生幻觉？OpenAI 最新研究指出，幻觉源于模型在训练和评估中被鼓励猜测而非承认“不知道”。即使强大如 GPT-5，也无法完全避免幻觉。改进评估方式、奖励模型表达不确定性，是减少幻觉的关键。

通义灵码支持MCP工具使用，通过模型自主规划实现工具调用，深度集成魔搭MCP广场，涵盖2400+热门服务。提供STDIO和SSE两种通信模式，适用于不同场景需求。用户可通过智能体模式调用MCP工具，完成如网页内容抓取、天气查询等任务。文档详细介绍了服务配置、使用流程及常见问题解决方法，助力开发者高效拓展AI编码能力。

Arthas monitor（方法执行监控）

随着软件开发需求的增加，编程辅助与代码生成工具成为开发者提高效率的利器。这类工具能够根据用户描述生成代码片段、协助调试、生成自动化脚本等，大大减少重复性劳动。阿里云通义千问作为一款先进的大语言模型，具备强大的自然语言处理和代码生成能力，非常适合用于开发这样的工具。

通义万相首尾帧生视频14B模型正式开源，作为首个百亿级参数规模的开源模型，可依据用户提供的开始与结束图片生成720p高清衔接视频，满足延时摄影、变身等定制化需求。用户上传两张图片或输入提示词即可完成复杂视频生成任务，支持运镜控制和特效变化。该模型基于Wan2.1架构改进，训练数据专门构建，确保高分辨率和流畅性。

本文分享了作者在AI领域的创作心得与技术见解，涵盖从获奖经历到大模型核心技术的深入解析。内容包括大模型推理过程、LLM类型、prompt工程参数配置及最佳实践，以及RAG技术和模型微调的对比分析。同时探讨了AI对社会和个人的影响，特别是在deepseek出现后带来的技术革新与应用前景。适合希望了解AI大模型技术及其实际应用的读者学习参考。

在信息科技飞速发展的今天，人工智能（AI）炙手可热。计算机AI算法作为核心，使系统能模拟乃至超越人智。本文探索AI算法原理，涵盖机器学习（监督与无监督学习）、深度学习及自然语言处理等关键技术，展示其如何通过数据分析、模式识别等实现预测、分类及理解人类语言等复杂任务，引领科技创新潮流。

通义灵码 能不能支持一下 eclipse java编程？

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。

Shiro简介及SpringBoot集成Shiro(狂神说视频简易版)

通义万相，开源！

通义万相是阿里云推出的视觉生成大模型，涵盖图像和视频生成。其2.0版本在文生图和文生视频方面进行了重大升级，采用Diffusion Transformer架构，提升了模型的灵活性和可控性。通过高质量美学标准和多语言支持，大幅增强了画面表现力。此外，视频生成方面引入高压缩比VAE、1080P长视频生成及多样化艺术风格支持，实现了更丰富的创意表达。未来，通义万相将继续探索视觉领域的规模化和泛化，打造更加通用的视觉生成大模型。

本项目利用CAMEL生成高质量的CoT数据，结合Unsloth对Qwen2.5-1.5B模型进行微调，并将结果上传至Hugging Face。通过详细步骤介绍从数据生成到模型微调的完整流程，涵盖环境配置、API密钥设置、ChatAgent配置、问答数据生成与验证、数据转换保存、模型微调及推理保存等内容。最终展示了如何优化问答系统并分享实用技巧。 [CAMEL-AI](https://github.com/camel-ai/camel) 是一个开源社区，致力于智能体扩展研究。欢迎在GitHub上关注并加入我们！