QVQ-Max是一个全新的视觉推理模型，它不仅能“看懂”图片和视频，还能进行分析和推理，解决各种问题。从数学题到日常问题，从编程代码到艺术创作，QVQ-Max都展现出令人印象深刻的能力。它能够详细观察图像中的细节，进行深入推理，并灵活应用于各种场景，例如辅助工作、学习和生活。未来，QVQ-Max将进一步提升识别精度、增强多步骤任务处理能力，并扩展交互方式，成为一个真正实用的视觉智能体。
阅读更多
在Qwen2.5-VL系列模型广受好评后，我们开源了全新320亿参数的视觉语言模型Qwen2.5-VL-32B-Instruct，它在数学推理、细粒度图像理解和遵循人类偏好方面有了显著提升。基准测试显示，它在多模态任务（如MMMU、MMMU-Pro和MathVista）上超越了同等规模的模型，甚至优于720亿参数的Qwen2-VL-72B-Instruct。该模型在文本理解能力上也达到了同等规模的顶尖水平。
阅读更多
研究人员通过强化学习（RL）技术，成功训练出320亿参数的QwQ-32B大型语言模型，其性能可与拥有6710亿参数的DeepSeek-R1（370亿激活参数）相媲美。该研究表明，将RL应用于强大的预训练基础模型，即使参数量较小，也能取得显著效果。QwQ-32B已在Hugging Face和ModelScope开源，并支持通过Qwen Chat访问。该模型在数学推理、代码能力和通用问题解决方面均表现出色，未来将进一步探索RL与Agent的结合，以实现更长远的目标推理，朝着通用人工智能（AGI）迈进。
阅读更多
阿里巴巴发布了其最新的超大规模混合专家模型Qwen2.5-Max，该模型在20万亿token上进行了预训练，并经过监督微调和基于人类反馈的强化学习训练。在MMLU-Pro、LiveCodeBench、LiveBench和Arena-Hard等基准测试中，Qwen2.5-Max的表现优于DeepSeek V3等其他模型，并在Qwen Chat和阿里云API中提供访问。这项工作标志着在扩展大型语言模型方面取得了显著进展，并为未来模型智能的提升铺平了道路。
阅读更多
Qwen团队发布了支持百万级上下文长度的开源大模型Qwen2.5-1M，包含7B和14B参数两个版本。该模型在长文本任务中显著优于之前的128K版本，甚至在某些任务上超越了GPT-4o-mini。为了高效部署，团队还开源了基于vLLM的推理框架，利用稀疏注意力机制将推理速度提升3到7倍。Qwen2.5-1M的训练采用了渐进式方法，并结合了双块注意力（DCA）和稀疏注意力等技术，有效处理长文本信息。
阅读更多
Qwen2.5是继Qwen2发布三个月后的最新版本，包含Qwen2.5、Qwen2.5-Coder和Qwen2.5-Math等多个模型。Qwen2.5在知识量、编码和数学能力方面都有显著提升，并支持多达128K tokens和8K tokens生成，以及超过29种语言。Qwen2.5-Coder专为编码应用而设计，而Qwen2.5-Math则支持中文和英文，并结合了多种推理方法。文章还介绍了模型的性能、使用方法以及未来的发展方向。
阅读更多
该网站是 qwen1.5-110b 版本的个人博客，由 qwenlm 创建和维护。博客涵盖了作者关于人工智能、机器学习和数据科学等领域的个人见解、想法和项目。网站内容以简短的文章和技术教程的形式呈现，面向对这些领域感兴趣的技术人员和爱好者。
阅读更多