基于Qwen 2.5的世界科学智能大赛冠军方案
本方案基于通义千问模型，采用多阶段的Easy-to-Hard数据合成方法，模拟人类学习的由简单到困难的思路，逐阶段构造多样化的训练数据。数据生成阶段，训练数据的标签，引入了“Chain-of-Thought”思维链模式，生成多样化的推理路径，逐步对齐推理Scaling Law。训练阶段，采用了LoRA对通义千问32B模型在合成数据集上进行参数高效微调。推理阶段，使用了4bit低精度量化，并结合vLLM框架进行推理加速，最终达到准确性、效率和显存利用率的统一。
基于qwen2.5的长文本解析、数据预测与趋势分析、代码生成能力赋能esg报告分析
Qwen2.5是一款强大的生成式预训练语言模型，擅长自然语言理解和生成，支持长文本解析、数据预测、代码生成等复杂任务。Qwen-Long作为其变体，专为长上下文场景优化，适用于大型文档处理、知识图谱构建等。Qwen2.5在ESG报告解析、多Agent协作、数学模型生成等方面表现出色，提供灵活且高效的解决方案。
从误检到精准：手把手教你构建高可用RAG系统的黄金法则
本文系统拆解RAG系统开发中的十大关键误区，涵盖数据治理、检索优化、生成控制与系统运维四大维度，结合企业级实践提出四维优化框架，助力开发者构建高精度、高可用的RAG系统，提升检索与生成匹配效率，保障知识准确性与系统稳定性。
MCP协议深度集成：生产级研究助手架构蓝图
本文详解基于LangGraph与MCP协议构建研究助手的技术方案，涵盖双服务器集成、状态化智能体设计与用户元命令控制，助你掌握生产级代理系统开发要点。
比亚迪座舱接入通义大模型，未来将联合打造更多AI智能座舱场景
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。
NVIDIA 实现通义千问 Qwen3 的生产级应用集成和部署
阿里巴巴近期开源了通义千问Qwen3大语言模型（LLM），包含两款混合专家模型（MoE）235B-A22B与30B-A3B，以及六款稠密模型（Dense）从0.6B到32B不等。开发者可基于NVIDIA GPU使用TensorRT-LLM、Ollama、SGLang、vLLM等框架高效部署Qwen3系列模型，实现快速词元生成和生产级应用开发。
大模型工程师基础之学会使用openai
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！
WiseMindAI：一款AI智能知识库，数据完全本地化，支持文档对话、10+种文档、10+AI大模型等
WiseMindAI 是一款由 Chris 开发的 AI 智能学习助手，支持数据完全本地化存储，确保用户隐私安全。它兼容多种文档格式（如 PDF、Markdown 等），并提供 AI 文档总结、智能笔记、沉浸式翻译、知识卡片生成等功能。此外，WiseMindAI 支持 10+ 大语言模型和自定义 AI 插件，适用于 Windows 和 Mac 平台，支持简体中文、繁体中文及英文。
小模型也能有类o1的慢思考能力？使用CAMEL生成CoT数据、Unsloth微调Qwen2.5-1.5B模型并上传至Hugging Face
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！
基于通义多模态大模型的实时音视频交互
Qwen-Omni是通义千问系列的全新多模态大模型，支持文本、图像、音频和视频的输入，并输出文本和音频。Omni-Realtime服务针对实时交互场景优化，提供低延迟的人机交互体验。
颠覆开发效率！国内首个微服务编排框架Juggle开源啦！
Juggle是国内首个开源的微服务编排框架，专注于解决企业微服务进程中接口重复开发、系统对接复杂等问题。它提供零代码、低代码和AI增强功能，通过可视化拖拽快速组装简单API为复杂接口，支持多协议、多语言脚本和流程多版本管理。相比国外框架如Conductor，Juggle更贴合国内需求，具备高效开发、企业级可靠性及信创适配等优势，助力企业实现敏捷创新与数字化转型。
LiveBench放榜：Qwen3斩获全球开源冠军
最新一期LiveBench榜单显示，阿里云旗舰模型Qwen3-235B-A22B荣登全球开源模型冠军，小尺寸Qwen3-32B位列Top3。千问3在指令遵循能力上超越多个顶级闭源模型，位居全球第一。该评测由图灵奖得主Yann LeCun发起，采用动态防污染机制，确保公平性。千问3支持119种语言，具备混合推理架构与强大Agent能力，现已上线阿里云百炼平台，提供免费体验与API调用。
用Qwen3搭建MCP Agent，有机会瓜分1亿tokens
通义实验室联合阿里云百炼发起有奖征文活动！使用Qwen3+MCP Sever搭建Agent，即有机会瓜分1亿Tokens大奖与限定周边。活动时间：5月6日-5月30日征稿，投稿需包含技术文档、故事分享、演示视频及知识产权承诺书。突出技术创新与场景应用，传播潜力更大！扫码报名并分享至社交平台还有额外抽奖机会，赢定制好礼！
这个多模态智能体，让电力装备运维越来越“聪明”
DeepSeek的出圈为AI发展开辟新路径，大模型在各行业应用也愈发深入。例如“许继智算”团队在昇腾AI创新大赛中获奖，他们通过大模型解决了电力装备运维中的缺陷检测与风险识别难题。传统电力运维依赖人工，存在效率低、误报率高等问题，而该团队基于多模态大模型，融合文本、声纹、图像等信息，构建“智电灵眸”智能运维平台，大幅提升故障诊断精度与效率。其创新方案已在多个项目试点，识别准确率提升30%以上，故障预警速度提高50%，标志着电力运维进入“智能体”时代。这不仅体现了大模型的实际价值，也为其他行业应用提供了参考范例。
混合检索技术：如何提升AI智能体50%的响应效率？
本文深入解析检索增强智能体技术，探讨其三大集成模式（工具模式、预检索模式与混合模式），结合实战代码讲解RAG组件链构建、上下文压缩、混合检索等关键技术，并提供多步检索工作流与知识库自更新机制设计，助力高效智能体系统开发。
告别无效调参！ReAct代理设计：让LLM精准执行复杂任务的终极方案
ReAct模式通过“推理+行动”循环，使大语言模型能自主调用工具、获取实时信息并执行多步骤任务，有效突破LLM固有局限，提升任务准确性和智能化水平。
告别OOM！这款开源神器，如何为你精准预测AI模型显存？
在 AI 开发中，CUDA 显存不足常导致训练失败与资源浪费。Cloud Studio 推荐一款开源工具——AI 显存计算器，可精准预估模型训练与推理所需的显存，支持主流模型结构与优化器，助力开发者高效利用 GPU 资源。项目地址：github.com/st-lzh/vram-wuhrai
通义灵码 Rules 库合集来了，覆盖Java、TypeScript、Python、Go、JavaScript 等
通义灵码新上的外挂 Project Rules 获得了开发者的一致好评：最小成本适配我的开发风格、相当把团队经验沉淀下来，是个很好功能……
Microsoft Edge 插件上架发布全流程指南
在前两篇文章中，我分别讲解了如何将产品上架到 Chrome Web Store 和 Firefox Add-ons。今天，我们将继续探索另一个重要的浏览器插件市场——Microsoft Edge 插件商店。如果你已经熟悉 Chrome 和 Firefox 插件的上架流程，那么这篇文章会让你更快上手 Edge 插件的发布。同时，我也会在关键环节与 Chrome 和 Firefox 进行对比，帮助你更好地理解三者的异同。
从 CodeGemma 到 CodeQwen1.5：开源编程大模型百家争鸣
笔者最近刚刚试用完 CodeGemma ，准备分享我的心得时，通义千问的 CodeQwen1.5 就也悄然发布。本文主要介绍 CodeQwen1.5 这款开源编程大模型，并展示如何在 VSCode 中使用它帮你提升编程体验。
通义千问7B-基于本地知识库问答
上期，我们介绍了通义千问7B模型的微调+部署方式，但在实际使用时，很多开发者还是希望能够结合特定的行业知识来增强模型效果，这时就需要通过外接知识库，让大模型能够返回更精确的结果。
【云故事探索】NO.17：国诚投顾的云原生 Serverless 实践
国诚投顾携手阿里云，依托Serverless架构实现技术全面升级，构建高弹性、智能化技术底座，提升业务稳定性与运行效率。通过云原生API网关、微服务治理与智能监控，实现流量精细化管理与系统可观测性增强，打造安全、敏捷的智能投顾平台，助力行业数字化变革。
向量数据库和嵌入模型
本文介绍了向量数据库和嵌入模型的概念及应用，重点探讨了两者在AI技术栈中的协作关系。向量数据库是一种用于存储高维向量数据的解决方案，支持相似性搜索而非传统的关系型数据库精确匹配。文中通过实例展示了如何使用阿里百炼的文本嵌入模型（text-embedding-v3）将文本向量化，并结合Qdrant向量数据库进行存储与检索。代码示例部分详细说明了从文本嵌入到向量存储及查询的完整流程，为开发者提供了实践参考。
【2025】世界顶级AI模型本地部署私有化完整版教程 DeepSeek-R1+Ollama+ChatboxAI合体,瞬间升级你的个人电脑秒变智能神器!
震撼发布！让你的电脑智商飙升，DeepSeek-R1+Ollama+ChatboxAI合体教程，打造私人智能神器！
针对【图像生成 - ComfyUI】使用的深度评测
ComfyUI 是一款支持自定义工作流的图像生成工具，适用于创意设计、游戏开发和电商等多个行业。它能根据项目需求灵活调整图像生成流程，提高创意实现效率，同时具备成本效益和弹性伸缩能力，适应业务量变化。尽管如此，ComfyUI 在技术门槛和数据安全方面仍存在挑战，需注意非专业用户的学习曲线和敏感数据保护。
由通义千问驱动的人形机器人具身智能Multi-Agent系统
申昊科技人形机器人小昊，集成通义千问多模态大模型的具身智能系统，旨在讲解销售、迎宾表演等场景。机器人通过语音、动作等方式与用户互动，利用云端大语言模型处理自然语言，结合视觉、听觉等多模态感知技术，实现流畅的人机对话、目标追踪、展厅讲解等功能。
【AI绘画大比拼】通义万相VS文心一格：探索十种风格下的绘画生成差异！
近日，通义大模型家族的新成员——通义万相已在人工智能大会上亮相。其中，通义万相的强大的“文生图”功能，不禁让我想到了去年八月由百度依托飞桨、文心大模型的技术创新推出的“AI作画”首款产品——文心一格。 那么，在类似的Prompt下，两款产品的表现将会如何呢？今天就让我们就十种风格下二者生成图像的表现力，来看看这两款产品的差异。
大型语言模型为何产生幻觉
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。
推理速度提升300%：LLaMA4-MoE的FlashAttention-2集成与量化部署方案
本文详解LLaMA4-MoE模型架构与实现全流程，涵盖语料预处理、MoE核心技术、模型搭建、训练优化及推理策略，并提供完整代码与技术文档，助你掌握大模型MoE技术原理与落地实践。
Qwen-coder实现本地 RAG 框架能力Bootstrap
本文介绍了如何利用Qwen-coder在本地实现RAG框架能力提升，解决了企业知识库管理中的数据安全和半结构化文档处理问题。通过Qwen2.5-72b模型和多轮对话推理，成功实现了对包含图表内容的文档的高效预处理，提升了知识库检索的准确性和安全性。
AI+脚本让我的效率翻倍，你也可以试试
本文分享了一名高级软件工程师如何利用 AI 工具（如 VSCode 插件 Codeium、通义灵码，及网页端的通义千问和 GPT-4）提升工作效率的经验。从代码生成、单元测试、脚本生成到文本润色，再到新框架学习，AI 工具在多个方面显著提高了开发效率和代码质量。文章还提供了具体示例和注意事项，帮助读者更好地应用这些工具。
通义万相AIGC技术测评报告
**摘要：** 通义万相是阿里云的AI绘画模型，提供清晰的部署指南和易用的API，适合新手。资源部署耗时约10分钟，API响应快，支持多种风格图片生成，适用于广告、媒体等领域。产品性价比高，功能包括文本到图像转换等，但仍有改进空间，如增加服装纹理选项、互动功能和更多API接口。建议完善功能、加强推广和降低成本以吸引更多用户。[链接](https://developer.aliyun.com/topic/tongyi-wanxiang?spm=a2c6h.27063436.J_6978680750.5.3a774f461hv8qD)
解密！通义智文-你的AI阅读助手！
通义智文是基于通义大模型的AI阅读助手，网页阅读、论文阅读、图书阅读和自由阅读，用AI帮你读得多、读得快、读得懂。 通过文档场景化阅读、结构化导读、给我灵感、多文档处理等亮点功能和文档智能大小模型协同的核心技术。让AI帮你更准确，更深入，更专业的读懂文档，沉淀专属知识资产。 产品已于2023年10月31日在云栖大会正式对外发布，现免费公测全面开放。
AI协作的四大支柱：协议详解与应用场景全解析
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。
Trinity-RFT：构建智能体持续学习的自动化强化微调工厂
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。
Qwen 家族再上新！
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。
