首页
72B
模型参数数量
Alibaba
所属机构
开源
许可证类型
2024-09-19
发布时间
模型介绍
与Qwen2一样，Qwen2.5语言模型支持多达128K个标记，并且可以生成多达8K个标记。它们还支持超过29种语言的多语言功能，包括中文、英文、法语、西班牙语、葡萄牙语、德语、意大利语、俄语、日语、韩语、越南语、泰语、阿拉伯语等。
左右滑动查看更多
语言理解能力
常出现语义误判，导致回应内容与问题存在明显逻辑断裂。
5.7
知识覆盖范围
掌握主流学科核心知识体系，但对前沿交叉学科覆盖有限。
8.3
推理能力
无法保持连贯推理链条，常出现因果倒置或数据误算。
5.5
模型比较
相关模型
Qwen3.6-27B
Qwen3.6 是 Qwen 系列中的新一代开源模型，也是 Qwen3.5 系列的升级版。
Qwen3.5-397B-A17B
Qwen3.5 是阿里巴巴近期推出的一款重要基础模型，在多模态融合、高效混合架构、可扩展强化学习、多语言支持及训练基础设施等方面进行了全面升级，性能和实用性均得到显著提升。
Qwen3.6-Max-Preview
Qwen3.6-Max-Preview 是 Qwen 的旗舰级专有模型，专注于更强大的推理能力、复杂任务处理以及高质量的对话表现。
Qwen3-Next-80B-A3B-Thinking
Qwen系列最新发布的Qwen3-Next子集，通过创新的模型架构提升了扩展效率。
Qwen3-235B-A22B-Thinking-2507
Qwen3是Qwen系列最新一代大型语言模型，提供全面的稠密模型和专家混合模型（MoE）组合。
相关文档
内部细节曝光：下一代 Gemini 算力紧张，内部团队在开发优先级和资源分配上存在分歧
报告显示，谷歌备受期待的下一代 Gemini 模型发布已被推迟。由于内部在开发优先级和资源分配上存在分歧，加上计算能力有限以及复杂的审批流程，导致发布时间延后了两个月。尽管谷歌拥有定制的 TPU 芯片，但由于模型训练、Google Cloud 服务以及众多消费和企业级 AI 应用对计算资源的需求相互竞争，谷歌仍面临计算资源短缺的问题。目前，高层管理人员正通过组织结构调整来解决这些部门间的冲突。与此同时，领导层也发生了变化，联合创始人谢尔盖·布林越来越多地参与到核心模型训练中，并倡导将资源专门用于
OpenAI 否认增长放缓担忧，称多个业务部门加速发展
针对外界对其销售增长放缓及未达内部基准的质疑，人工智能领域的领军企业 OpenAI 于 4 月 28 日（星期二）发表了一份信心十足的声明。该公司澄清称，其消费产品和企业服务正在快速推进，直接驳斥了近期关于业务放缓的猜测。针对该公司“未达成多项内部目标”的说法，OpenAI 将这些报道斥为“典型的标题党”。公司强调了企业对 AI 集成的强劲需求，并指出其广告业务早期增长前景良好。据 OpenAI 内部人士透露，公司内部情绪依然乐观。尽管市场竞争日益激烈，但公司正在向投资者传递信心，声称其商业
阿里巴巴超级杯：Qwen3.8-Max 重磅登场，代码与办公工具能力全面升级
阿里巴巴正式发布了Qwen3.8-Max，这是一款拥有2.4万亿参数的下一代基础大模型。这一重大AI进展在编码和专业办公任务等核心领域带来了显著的性能提升，展现了强大的技术能力。在权威的Arena大模型排名中，Qwen3.8-Max取得了令人瞩目的成绩，仅次于Anthropic的Claude系列，位居行业前列。这一里程碑标志着国内大模型在处理复杂任务方面取得了快速进展，为开发者和企业用户提供了先进的智能工具。该模型的API现已在Qwen AI平台上上线，并集成到新推出的“Qwen Offic
印度科技巨头投资3000万美元，打造微软Office的AI竞争对手
连续创业者 Bhavin Turakhia 正投入 3000 万美元自有资金，押注企业 AI 领域仍有新玩家的空间。他最新的创业项目 Neo 基于一个核心信念：传统的职场软件不能仅靠聊天机器人进行修补，而需要进行彻底的架构重构。46 岁的 Turakhia 有着支持雄心勃勃的企业科技项目的历史。在过去二十年中，他联合创立了 Directi、Radix、Titan 和 Zeta，在寻求外部投资之前，主要使用个人资本为这些项目提供资金。他正将同样的自力更生策略应用于 Neo。Turakhia 向
前OpenAI首席科学家Ilya的SSI首次发布模型
AI 取得了另一项重大里程碑。在从 OpenAI 离职后，前首席科学家伊利亚·苏茨克弗（Ilya Sutskever）创立了 Safe Superintelligence Inc.（SSI），该公司最近公布了其首个模型的详细信息。海外社交媒体上的报道指出，该团队正在利用 TTT（测试时训练）开发一个紧凑的推理引擎，这是他们在追求安全超级智能过程中的关键进展。这种新颖的架构专注于使模型能够“学习如何学习”。与在推理过程中保持参数静态的传统大型语言模型不同，该引擎在处理现实世界任务时会动态更新特定
