千问模型新增多款技术产品 涵盖语音、视觉、代码等多领域

封面新闻记者 孟梅 欧阳宏宇
9月24日，2025云栖大会现场，阿里云CTO周靖人接连发布了七款大模型技术产品。据介绍，其技术产品覆盖语言、语音、视觉、多模态、代码等模型领域。
在大语言模型中，旗舰模型Qwen3-Max全新亮相。据了解，其性能超过GPT5、Claude Opus 4等，跻身全球前三。Qwen3-Max包括指令（Instruct）和推理（Thinking）两大版本，其预览版已在 Chatbot Arena 排行榜上位列第三。
周靖人介绍，Qwen3-Max是通义千问家族中最大、最强的基础模型，预训练数据量达36T，总参数超过万亿。在大模型用Coding解决真实世界问题的SWE-Bench Verified测试中，Instruct版本斩获69.6分，位列全球第一梯队；其推理模型可结合工具调用和并行推理技术，尤其在聚焦数学推理的AIME 25和HMMT测试中，均达到突破性的满分100分，为国内首次。
下一代基础模型架构Qwen3-Next及系列模型正式发布，模型总参数80B仅激活3B ，性能即可媲美千问3旗舰版235B模型。
在多模态模型中，视觉理解模型Qwen3-VL开源，在视觉感知和多模态推理方面实现突破，在32项核心能力测评中超过Gemini2.5-Pro和GPT5。
据介绍，Qwen3-VL拥有视觉智能体和视觉Coding能力，不仅能看懂图片，还能像人一样操作手机和电脑，自动完成许多日常任务。例如，输入一张图片，模型就可自行调用agent工具放大图片细节，通过更仔细的观察分析，推理出更好的答案。同时，该模型还升级了3D Grounding（3D检测）能力，为具身智能夯实基础；扩展支持百万tokens上下文，视频理解时长扩展到2小时以上。
此外，全模态模型Qwen3-Omni也亮相。记者了解到，该模型可像人类一样听说写，应用场景广泛，未来可部署于车载、智能眼镜和手机等。用户还可设定个性化角色、调整对话风格，打造专属的个人IP。
通义万相也推出了Wan2.5-preview系列模型，涵盖文生视频、图生视频、文生图和图像编辑四大模型。其中，视频生成模型能生成和画面匹配的人声、音效和音乐BGM，首次实现音画同步的视频生成能力，进一步降低电影级视频创作的门槛；视频生成时长也从5秒提升至10秒，支持24帧每秒的1080P高清视频生成
此次云栖大会上，通义大模型家族还迎来了全新的成员——语音大模型通义百聆。据介绍，百聆新发布了语音识别大模型Fun-ASR和语音合成大模型Fun-CosyVoice。Fun-ASR基于数千万小时真实语音数据训练而成，具备上下文理解能力与行业适应性；Fun-CosyVoice可提供上百种预制音色，可以用于客服、销售、直播电商、消费电子、有声书、儿童娱乐等场景。