3 月 27 日凌晨，阿里通義千問團(tuán)隊(duì)發(fā)布首個(gè)全模態(tài)大模型 Qwen2.5-Omni，直接讓AI學(xué)會(huì)“看聽說寫”，還能和你實(shí)時(shí)視頻通話對(duì)答如流。幾乎復(fù)刻了人類“接收信息-思考-表達(dá)”的全流程。也就是說，你可以和Qwen2.5-Omni實(shí)時(shí)進(jìn)行音視頻通話，隨問隨答。

核心暴擊點(diǎn)如下：
雙核大腦：Thinker整合畫面/語音/文字，Talker秒回人聲，延遲堪比真人對(duì)話；全模態(tài)屠榜：干翻谷歌Gemini-1.5-pro，音頻生成自然度幾乎逼近真人；開源白嫖：Hugging Face/GitHub隨便下，手機(jī)都能跑，開發(fā)者可以免費(fèi)商用。想象一下：未來醫(yī)生可能會(huì)用它能邊看CT邊聽患者描述，秒出診斷報(bào)告；打工人開會(huì)直接召喚AI翻譯八國(guó)語言，老板都分不清是人是機(jī)。

阿里巴巴此次的發(fā)布不僅是技術(shù)上的一大進(jìn)步，更是對(duì)未來多模態(tài) AI 應(yīng)用的全新探索。

當(dāng)然，AI的終極形態(tài)不是替代人類，而是成為延伸我們感官與思維的第六器官，在安全可控的前提下釋放生產(chǎn)力，加速AI普惠。