阿里开源通义DeepResearch的SOTA效果跨越其他模型 (阿里开源通义千问模型)

媒体讯： 9月17日，阿里巴巴开源旗下首个深度研讨Agent模型——通义DeepResearch，在多个声威评测集上取得SOTA效果（State-of-the-art），跨越OpenAI Deep Research、DeepSeek-V3.1等Agent模型。

目前，通义DeepResearch的模型、框架和计划都已片面开源，用户可在Github、Hugging Face和魔搭社区下载模型和程序代码。

阿里大模型又开源！能读图会识物，基于通义千问7B打造，可商用

阿里开源大规模视觉言语模型Qwen-VL，基于通义千问7B打造，支持多模态输入与输入，可商用

阿里云继通义千问-7B（Qwen-7B）之后，又推出了大规模视觉言语模型Qwen-VL，并且一上线就直接开源。 这一新模型不只支持图像、文本、检测框等多种输入，还能在文本之外支持检测框的输入，成功了图像与言语的深度融合。

Qwen-VL是基于通义千问-7B打造的多模态大模型，其特点在于能够处置多种类型的输入，并经过问答方式输入相关信息。 例如，输入一张阿尼亚的图片，Qwen-VL不只能概括图片内容，还能精准定位到图片中的阿尼亚。 这一性能在测试义务中失掉了充沛验证，Qwen-VL在四大类多模态义务的规范英文测评中（Zero-shot Caption/VQA/DocVQA/Grounding）都取得了SOTA（State Of The Art）效果。

Qwen-VL系列模型具有多个清楚特点：

在详细运行场景中，Qwen-VL可以用于知识问答、图像问答、文档问答、细粒度视觉定位等。 例如，在医院导览场景中，本国友人可以经过输入图片和疑问，让Qwen-VL依据图片信息提供翻译和指引服务。

在技术细节上，Qwen-VL以Qwen-7B为基座言语模型，引入了视觉编码器ViT，并经过位置感知的视觉言语适配器衔接二者，使得模型能够支持视觉信号输入。 训练环节分为预训练、多义务预训练和监视微调三个阶段，经过大规模图像-文本配对数据和多义务视觉言语数据启动训练，最终失掉具有交互才干的Qwen-VL-Chat模型。

Qwen-VL的开源引发了普遍关注，研讨人员和开发者可以在魔搭社区和huggingface等平台上启动二次开发，并支持商用。 不过要求留意的是，商用的话要求先填写问卷开放。

项目链接：

论文地址：Qwen-VL论文

Qwen-VL的推出不只丰厚了阿里云的AI产品线，也为研讨人员和开发者提供了愈加弱小的工具，推进了视觉言语模型范围的开展。

阿里7B多模态文档了解大模型拿下新SOTA｜开源

阿里巴巴mPLUG团队发布最新开源效果mPLUG-DocOwl 1.5，针对复杂多模态文档了解的四大应战提出处置方案，包括高分辨率图片文字识别、通用文档结构了解、指令遵照和外部知识引入。 mPLUG-DocOwl 1.5在10个文档了解基准上取得新高SOTA效果，数据集优化超越10个点，部分数据集超越智谱17.3B的CogAgent，在DocVQA上到达82.2的效果。 该模型具有基准上简易回答的才干，经过微调，还能具有多模态文档范围详细解释的才干，展现出运行潜力。 针对高分辨率图片文字识别应战，mPLUG-DocOwl 1.5采用UReader的切图战略，经过无参数的外形顺应切图模块，失掉一系列子图，每张子图经过低分辨率编码器启动编码，最后经过言语模型关联子图直接的语义。 该切图战略能最大水平应用已有通用视觉编码器才干，增减轻新训练高分辨率视觉编码器的代价。 在通用文档结构了解上，mPLUG-DocOwl 1.5设计了一致结构学习义务，包括全局图片文字解析、多粒度的文字识别和定位。 模型结构优化方面，采用基于“卷积+全衔接层”的H-Reducer启动特征聚合以及特征对齐，这相较于基于learnable queries的Abstractor保管了视觉特征之间的相对位置相关，更好地将文档结构信息传递给言语模型。 相比于保管视觉序列长度的MLP，H-Reducer经过卷积大幅缩减了视觉特征数量，使得LLM可以更高效地了解高分辨率文档图片。 指令遵照方面，mPLUG-DocOwl 1.5将多个下游义务一致为指令问答的方式，经过多义务结合训练失掉一个文档范围的通用模型。 在DocOwl 1.5中，作者构建了大批的详细解释数据集，经过结合文档下游义务和详细解释数据启动训练，使得模型具有给出详细解释的才干。 针对外部知识引入应战，mPLUG-PaperOwl构建了高质量论文图表剖析数据集，提供了上下文作为外部知识来源，并设计了“要点”作为图表剖析的控制信号。 基于UReader，mPLUG团队在M-Paper上微调失掉mPLUG-PaperOwl，展现初步的论文图表剖析才干。 mPLUG-DocOwl 1.5在多模态文档了解范围取得了清楚提高，但仍面临自然场景中文字识别、数学计算和通用型等方面的需求。 mPLUG团队将继续优化性能并启动开源，欢迎关注和讨论。

阿里又开源两款Qwen3模型！拿下文本嵌入模型SOTA，技术报揭发布

阿里巴巴开源Qwen3-Embedding和Qwen3-Reranker模型，刷新文本嵌入模型SOTA

阿里巴巴昨日宣布推出Qwen3-Embedding和Qwen3-Reranker系列模型，并正式发布了相关技术报告。 这两个模型均基于Qwen3基础模型训练，专为文本表征、检索与排序义务设计。

一、Qwen3-Embedding模型

Qwen3-Embedding模型接纳单段文本，将其转换为语义向量，适用于语义搜索、问答系统等场景。 该模型提供了0.6B、4B、8B三种参数规模，片面掩盖从轻量级边缘计算到高性能云端的运行场景，并支持119种自然言语及Python、Java等编程言语。

二、Qwen3-Reranker模型

Qwen3-Reranker模型接纳文本对，应用单塔结构计算并输入两个文本的相关性得分，可在各类文本检索场景中清楚优化搜索结果的相关性。 该模型相同提供了0.6B、4B、8B三种参数规模，并与Qwen3-Embedding模型协同构建端到端检索链路。

三、技术亮点与运行

四、图片展现

五、结语

Qwen3-Embedding和Qwen3-Reranker模型经过“多言语+长文本+可定制”的三位一体设计，处置了传统文本处置模型泛化性差、本钱高的痛点。 其开源战略将减速产业运行创新，推进文本检索从“关键词婚配”更新至“语义了解+灵活交互”，为AI Agent与多模态运行奠定基础。 同时，这两个模型的推出也反映出AI模型正从“通用泛化”向“精准公用”演进，为行业提供了新的优化思绪。