Qwen3-VL 看懂、理解并响应世界

通义实验室

合集 · 通义前哨站 (71)

  1. 1:02:05
    【直播回放】ICLR 2025论文解读（上）——通义实验室篇
  2. 1:11
    智能体工作流评估新框架：WorFBench
  3. 1:20
    这是通义千问的来时路。
  4. 15:23
    从单图到可驱动3D数字人生成技术讲解
  5. 1:15
    有人问Qwen2.5-Omni 和VL的区别？
  6. 1:27:46
    【直播回放】ICLR 2025论文解读（下）——通义实验室篇
  7. 2:03
    通义万相2.1的3D VAE是什么？
  8. 1:29
    多模态大模型解题新思路：mPLUG-Owl3
  9. 0:42
    行业首发全栈MCP服务，尽在百炼平台～
  10. 1:29
    通义万相2.1首尾帧生视频模型开源
  11. 1:23
    【玩转MCP】手把手教你自定义部署MCP服务
  12. 1:23
    【玩转MCP】手把手教你搭建专属MCP Agent
  13. 1:57
    超写实3D数字人大模型（LAM）技术报告解读
  14. 1:34
    表情、声音、说话风格一键复刻！
  15. 0:23
    我们为千行百业而来。
  16. 0:40
    Qwen3 来了！
  17. 1:20
    Thinking Budget：让大模型灵活思考
  18. 0:56
    Qwen3+MCP带来哪些新场景？
  19. 1:00
    太好了，是Qwen的Deep Research,我们有救了
  20. 1:07
    通义万相视频编辑统一模型VACE开源发布
  21. 10:01
    【直播回放】通义万相视频编辑统一模型VACE开源
  22. 2:14
    如果有Wan Day，它会是什么样子？
  23. 2:42
    ZeroSearch：无需真实搜索也能激发模型搜索能力
  24. 3:24
    今天来复习一下Qwen2.5-VL技术报告！
  25. 3:15
    ParScale：一种全新的大模型Scaling Law
  26. 2:01
    大模型如何持续进化，实现精准检索？
  27. 59:14
    【直播回放】Qwen3-Embedding模型深度解析
  28. 2:40
    语音识别怕噪声？CoGenAV 来破局！
  29. 0:37
    在这里，了解通义千问的一切
  30. 1:36
    微表情捕捉、潜台词翻译，AI“读心专家”就位！
  31. 1:47
    理解画面捕捉细节，你的AI音效师来啦！
  32. 5:03
    框架开源，无需邀约，即刻体验！
  33. 0:57
    Qwen Vlo｜描绘你关于世界的想象
  34. 1:51
    10分钟，打造你的专属实时语音交互应用！
  35. 1:41
    手机也能跑 Qwen3？手把手教你部署！
  36. 1:10
    一句话玩转网页开发！
  37. 1:04:15
    【直播回放】Ask Qwen3 Anything 2025年04月30日10点场
  38. 52:16
    如何让AI有理有据地识别情绪？
  39. 5:10
    来吧，上船，起航！
  40. 1:16
    👂听说，Qwen3-Coder其实也能听懂大白话？
  41. 1:57
    人人都是大导演！通义万相2.2来了！🤩
  42. 1:05
    Github 5K+🌟WebAgent研究团队新作：WebShaper来啦
  43. 1:57
    书画双全！Qwen-Image开源🖌
  44. 2:04:47
    【直播回放】Qwen-Image技术报告解读和模型实战攻略01
  45. 1:05
    音画传情 声启万相
  46. 3:39
    什么呀？语音识别现在也要调监控啦🧐？
  47. 4:03
    AgentScope1.0：终结智能体黑盒🗃️，打造生产级可控应用
  48. 1:41
    🎙️ 开麦即真：CosyVoice 全面升级
  49. 1:20
    不止入戏，更能入景🎬
  50. 2:35
    说得更好、更准、更自然：Qwen3-TTS上线
  51. 6:55
    原生全模态不降智
  52. 2:03
    Qwen3-VL 看懂、理解并响应世界
  53. 0:58
    多图编辑进化，万物皆可一键“同框”！
  54. 0:41
    大就是好！Qwen3-Max 正式亮相
  55. 0:41
    通义万相2.5：一句指令，玩转图像魔法
  56. 0:44
    别让声音困住你的效率
  57. 0:47
    通义万相2.5：一句话实现“Vibe PSing”！
  58. 0:48
    通义万相2.5：让声音当你的视频“导演”！
  59. 1:21
    通义万相2.5：让画面“声”动起来！
  60. 0:54
    通义万相2.5：能听懂，也能准确执行！
  61. 4:52
    Qwen3-Omni API上新：声形意合，令出智随
  62. 1:15
    Fun-CosyVoice 3 重磅升级｜更快、更准、更强表达力
  63. 1:21
    Fun-ASR 全新升级｜企业级抗干扰
  64. 0:39
    「通义万相2.6」来啦！所有角色，听我指挥
  65. 0:51
    Qwen-Image-Layered：下一代图像生成基础模型 🚀
  66. 0:55
    进来复习！是谁8步推理1秒出图
  67. 1:39
    【能干活的高情商语音搭子】
  68. 3:19
    Qwen3-TTS上新，支持跨物种克隆音色！
  69. 0:57
    Qwen-Image-2512 正式开源发布！
  70. 1:16
    除夕！Qwen3.5来了！
  71. 2:53
    Qwen-Audio-3.0-Realtime 发布：懂倾听，更聪明的实时语音方案
Description 
我们已开源发布了Qwen3-VL！它能操作电脑和手机界面，看到设计图就能代码生成Draw.io 图表，能覆盖日常生活与专业领域的“万物识别”需求，也能在家庭、街道、商场等真实场景的风险事件检测准确率达到行业领先水平。
Qwen3-VL支持 2 小时视频精确定位（如“第15分钟穿红衣者做了什么”），OCR 语言从 19 种扩展至 32 种，生僻字、古籍、倾斜文本识别率显著提升。原生支持 256K 上下文，可扩展至 100 万 token，适配超长视频与文档分析。

快来魔搭社区、HuggingFace、GitHub体验吧，模型也已同步上线阿里云百炼！

Comments

AlexDutton 2025-09-24

大家好，这是一条由Qwen3-VL发送的评论，看到请点赞。

♥ 88 ↩ 4

栈斗鹅plus 2025-09-24

[doge][doge]

♥ 71 ↩ 10

David_Wen 2025-09-24

想请问一下，什么时候推出更小参数版本的模型[doge]

♥ 28 ↩ 9

闪电狮 2025-09-25

太好了，现在国产开源大模型在文本视觉两开花了

♥ 21 ↩ 2

zxyzxy123 2025-09-24

求出4B和8B之类小尺寸版本的[星星眼]

♥ 19 ↩ 1

切利和霍老 2025-09-24

请问gui grounding的分辨率是多少呢？这个对gui agent 很重要。文档里也没写

♥ 15 ↩ 1

_源宁 2025-09-24

能不能做到自动玩原神，取代游戏代练[吃瓜]

♥ 10 ↩ 3

雨凡YuFun 2025-09-24

蹲8b版本

♥ 10 ↩ 3

阿莱克斯_米饭 2025-09-24

235B 我需要一台h800服务器[doge]

♥ 9 ↩ 7

浮芒Friman 2025-09-24

怎么是超大杯，没有3b7b32b这些尺寸吗

♥ 7 ↩ 3

云栖COPY 2025-09-24

统一国内APP！通义app太臃肿夜不能切换模型，qwenchat app太卡顿

♥ 6 ↩ 1

轻轻的梦X 2025-09-24

用来给Wan做自动化标注[doge]

♥ 6 ↩ 4

loragood 2025-09-24

基本上绝大多数模型没有时间的概念，所以无法读视频。这个算是超级大突破了。

♥ 3 ↩ 9

高端黑Billy 2025-09-24

效果不错[打call][打call]

♥ 3 ↩ 1

寝無衣岛风 2025-09-24

源神

♥ 3

通义实验室 2025-09-26

是的哦，可以说是全面发力啦！！

♥ 2 ↩ 2

究极广告哥 2025-09-24

能和上海的那个intern模型pk一下吗[笑哭]

♥ 2 ↩ 4

perfectdrink 2025-09-25

这次会有技术分享吗[星星眼]

♥ 2 ↩ 1

白苏织梦呐 2025-09-25

模型真的多，整整三页，最近很卡[笑哭]

♥ 2

是一匹好马 2025-09-24

我用 VL 模型玩了几局图寻，大部分题目基本都能正确作答，确实挺强[呲牙]

♥ 2