通义千问关联公司通义云启（杭州）信息技术有限公司近日完成工商变更，注册资本由1亿元增至2亿元，增幅达100%。同时新增杭州通义实验室科技有限公司为股东，与阿里云计算有限公司共同持股。该公司成立于2018年11月，法定代表人为于文渊，经营范围包括广告制作、计算机软硬件批发及电子产品销售等。
广汽发布星河智舱ADiGO Intelligence架构，深度融合阿里通义千问大模型，旨在革新智能座舱体验。该架构基于超375万辆车的真实数据，通过多模态感知、情感化交互与场景引擎三大核心，实现1.6秒内快速响应、超95%识别准确率，并能主动提供场景化服务，推动人车交互向更智能、情感化方向发展。
通义千问开源生态下的桌面智能助手CoPaw发布1.1.0版本并完成品牌重塑，新名称体现其与通义千问生态的深度整合。项目旨在通过软硬协同打造更懂用户的个人数字助理，未来将聚焦模型能力提升，从“陪伴”工具转向“生态聚合”平台。
阿里巴巴宣布组织架构调整，核心是加速AI建设。CEO吴泳铭通过内部信宣布，设立集团技术委员会并升级业务部门，开启AI全面加速期。最受关注的是全球顶尖科学家李飞飞加盟，出任阿里云CTO，全面负责阿里云技术及AI云基础设施建设。
Qwen2.5-Omni 是阿里云通义千问团队开发的端到端多模态模型，支持文本、音频、图像、视频输入。
Wan是阿里巴巴通义实验室开发的先进视觉生成模型，可基于文本、图像等生成视频。
Alibaba
-
Input tokens/M
Output tokens/M
Context Length
$4
$16
1k
$1
$10
256
$2
$20
$6
$24
$8
$240
52
$3.9
$15.2
64
$15.8
$12.7
$0.8
128
$54
$163
noctrex
这是阿里巴巴通义深度研究30B-A3B模型的量化版本，采用MXFP4_MOE量化技术并额外添加imatrix量化，旨在优化模型性能和资源使用效率，适用于文本生成任务。
DevQuasar
本项目是阿里巴巴通义深度研究30B模型的A3B量化版本，旨在通过量化技术降低模型部署成本，让知识为每个人所用。该模型基于30B参数规模的大语言模型进行优化，保持了原模型的强大能力同时提升了推理效率。
TIGER-Lab
Qwen2.5-VL-7B-Instruct是阿里巴巴通义千问团队开发的多模态视觉语言模型，基于70亿参数规模，专门针对视觉问答任务进行优化训练。该模型能够理解和分析图像内容，并生成准确的自然语言回答。
geoffmunn
这是Qwen/Qwen3-4B语言模型的GGUF量化版本，由阿里巴巴通义系列开发的40亿参数大语言模型，专为消费级硬件设计，支持强大推理、智能体工作流和多语言交互。
lmstudio-community
Qwen3-Next-80B-A3B-Instruct是阿里云通义千问团队开发的大规模语言模型，经过MLX框架4位量化优化，专门针对苹果芯片设备进行了性能优化，提供高效的推理能力。
unsloth
Qwen3-Next-80B-A3B-Instruct是阿里巴巴通义千问团队开发的最新一代大型语言模型，采用创新的混合注意力机制和高稀疏专家混合架构，在保持80B总参数的同时仅激活3B参数，实现了高效的上下文建模和推理加速，原生支持262K上下文长度并可扩展至1M令牌。
Loke-60000
Qwen3-4B-Instruct是阿里巴巴通义千问团队开发的40亿参数指令微调大语言模型，基于Qwen3架构优化，专门针对对话和指令跟随任务进行训练，具备强大的文本生成和理解能力。
Qwen3-30B-A3B-Instruct-2507是阿里巴巴通义千问团队推出的300亿参数大语言模型，专门针对指令跟随任务进行了优化。该模型支持文本生成、对话交互等多种自然语言处理任务，并通过LM Studio社区模型计划向开发者开放使用。
huynguyendbs
Qwen3-Embedding-8B是阿里巴巴通义千问团队开发的80亿参数文本嵌入模型，基于MLX库优化实现，专门用于句子相似度计算和文本特征提取任务。
Alibaba-NLP
基于ModernBERT预训练架构的英语文本重排序模型，由阿里巴巴通义实验室开发，支持8192 tokens长文本处理。
ThomasBaruzier
Qwen2.5-72B-Instruct是阿里巴巴通义千问团队开发的大规模语言模型，拥有727亿参数。该模型在知识理解、编码能力、数学推理和多语言支持方面有显著提升，支持长达128K标记的上下文长度，能够生成最多8K标记的内容。
ali-vilab
阿里巴巴通义实验室开发的开源视频合成代码库，集成了多种先进的视频生成模型
基于TypeScript的MCP服务器，集成阿里云通义万相的文生图和文生视频API，支持异步任务处理和MCP协议规范
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
