阿里通义 7 款模型屠榜 Hugging Face! 全模态大模型 Qwen3-Omni 登顶全球第一

Qwen3-Omni 实现业内首创突破

Qwen3-Omni 是阿里最新开源的全模态大模型，音视频能力狂揽 32 项开源最佳性能 SOTA。该模型可处理文本、图片、语音和视频四种不同类型数据，像人类一样"听、说、写"。更重要的是，Qwen3-Omni 在实现强劲音频与音视频能力的同时，单模态文本与图像性能均保持稳定，这是业内首次实现这一训练效果。

此前需要几个模型协同才能完成的复杂指令，现在只用 Qwen3-Omni 一个模型即可实现，全方位改善了用户与 AI 的交互体验。未来该模型可部署于车载、智能眼镜和手机等场景。

通义大模型家族全面开花

在刚结束的 2025 云栖大会上，阿里连发 7 款模型。除 Qwen3-Omni 外，视觉理解模型 Qwen3-VL、图像编辑模型 Qwen-Image-Edit-2509、动作生成模型 Wan2.2-Animate、深度研究 Agent 模型 DeepResearch 等 6 款不同尺寸模型均入选 HuggingFace 全球开源榜单前十。

截至目前，阿里通义共开源 300 多个模型，涵盖全模态、全尺寸，全球下载量突破 6 亿次，衍生模型超 17 万个，位居全球第一。