3月27日，阿里宣布开源Qwen2.5-Omni，这是通(tong)义系列模型中(zhong)首个端到端全模态大模型。
据阿里先容，Qwen2.5-Omni可同时处(chu)理文本(ben)、图像、音频和视频等(deng)多种模态数据的(de)输(shu)入(ru)，并实时生成文本(ben)与自然语音合成输(shu)出。
相较于GPT-4o、Gemini-1.5-Pro 等(deng)数千亿参数的(de)闭源大模型，Qwen2.5-Omni仅有70 亿参数。阿里表示，这让全模态大模型在产业上的(de)广泛应用(yong)成为可能。即便在手机上，也(ye)能部署和应用(yong)Qwen2.5-Omni模型。此前，alibaba联合创(chuang)始人、董事局主席蔡崇信确认了阿里与苹果就AI合作的(de)传(chuan)闻，国行版苹果手机将采用(yong)阿里的(de)AI技术(shu)。
除了参数尺(chi)寸小的(de)优(you)势外，阿里称Qwen2.5-Omni在语音理解、图片理解、视频理解、语音生成等(deng)领域的(de)测评分数，均领先于专门的(de)Qwen2-Audio或Qwen2.5-VL模型，且语音生成测评分数（4.51）达到了与人类持(chi)平的(de)能力。
这得益于Qwen2.5-Omni采用(yong)的(de)Thinker-Talker双核架构等(deng)技术(shu)的(de)创(chuang)新。Thinker负责处(chu)理和理解用(yong)户输(shu)入(ru)的(de)内容，Talker则输(shu)出相应的(de)语音标记，好(hao)比让模型拥有了人类的(de)“大脑”和“发声器”。
阿里方面(mian)还(hai)公布了大模型开源路(lu)线的(de)成果：截至目前，海内外AI开源社区中(zhong)千问Qwen的(de)衍生模型数量突破(po)10万，是公认的(de)全球第一开源模型。另据全球最大AI开源社区Huggingface在2月10日发布的(de)开源大模型榜单，排名前十的(de)开源大模型，均是基于阿里通(tong)义千问开源模型二次训练的(de)衍生模型。
“开源本(ben)质上也(ye)是在比拼(pin)谁(shui)的(de)技术(shu)更强(qiang)，有领先力才有意义。”3月27日，阿里云通(tong)义大模型业务总经(jing)理徐栋在博鳌亚(ya)洲论坛期间接受南都记者采访时说，如果大模型企业只(zhi)是开源一款排名第二甚(shen)至更落后的(de)模型，对业界而言便失去意义，这些开源模型会(hui)被淹没。
虽然DeepSeek扭转(zhuan)了开源和闭源模型阵营的(de)力量比对，包括(kuo)百度在内的(de)闭源路(lu)线拥护者也(ye)发生180度转(zhuan)向，但徐栋认为，这不意味(wei)着(zhe)所有企业一定会(hui)追(zhui)求开源。因为其他(ta)企业可能评估(gu)其模型的(de)能力达不到开源的(de)实力，开源之后未必能马(ma)上得到很多反馈。
3月27日，阿里云通(tong)义大模型业务总经(jing)理徐栋在博鳌亚(ya)洲论坛一场分论坛上参与讨论。图：杨柳(liu)
受访时，谈及AI应用(yong)层的(de)前景，徐栋表示，众多研究论文的(de)涌现表明(ming)，当(dang)下模型性能的(de)边界探索(suo)尚未完(wan)全展开，模型的(de)能力正处(chu)于发展初期至中(zhong)期的(de)阶段。还(hai)需要一些时间，才能看到AI应用(yong)层的(de)爆发。
AI智能体是AI落地应用(yong)的(de)形态之一。近期，Manus带火Computer Use Agent（用(yong)于电脑的(de)智能体）概念。此前，手机厂商(shang)也(ye)在嵌入(ru)能自主操作用(yong)户指(zhi)令的(de)AI智能体。但徐栋认为，这类智能体还(hai)在相对早期的(de)状态，延时是一个很大的(de)问题，而且精度有待提高。另外，这些智能体目前依赖于云端运行，如果后续能落地到端侧，将会(hui)带来更多的(de)商(shang)业可能性。
采写：南都记者 杨柳(liu) 发自海南博鳌