Qwen2.5-Coder: Code More, Learn More!
Editorial Pick: 原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Alibaba Qwen
All TopicsAlibaba Cloud Qwen releases and iterations: from flagship reasoning models to efficient on-device SLMs.
57 featured itemsRelated TopicsDeepSeekKimi / Moonshot AIOpen Source Ecosystem
Latest Featured
Items 41–57 of 579月19日星期四周四
Qwen2.5-Math: The world's leading open-sourced mathematical LLMs
Editorial Pick: Qwen2.5-Math 是目前最先进的开源数学模型系列，其性能在多个数学基准测试中取得了显著提升，读者可以了解其在数学推理和计算方面的能力。
8月29日星期四周四
Qwen2-VL: To See the World More Clearly
Editorial Pick: 原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
8月9日星期五周五
Qwen2-Audio: Chat with Your Voice!
Editorial Pick: 原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
8月8日星期四周四
Introducing Qwen2-Math
Editorial Pick: 原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
6月7日星期五周五
Hello Qwen2
Editorial Pick: 原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
6月6日星期四周四
Generalizing an LLM from 8k to 1M Context using Qwen-Agent
Editorial Pick: 原文介绍了如何使用 Qwen-Agent 框架构建能够处理 1M 上下文的智能体，读者可以了解其工作原理和应用前景。
4月25日星期四周四
Qwen1.5-110B: The First 100B+ Model of the Qwen1.5 Series
Editorial Pick: Qwen1.5-110B模型在基准评测和聊天机器人领域表现出色，读者可以关注其性能和未来发展方向。
4月16日星期二周二
Code with CodeQwen1.5
Editorial Pick: 原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
4月2日星期二周二
Qwen1.5-32B: Fitting the Capstone of the Qwen1.5 Language Model Series
Editorial Pick: 原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
3月28日星期四周四
Qwen1.5-MoE: Matching 7B Model Performance with 1/3 Activated Parameters
Editorial Pick: Qwen 团队发布了 Qwen1.5-MoE 模型，该模型在保持与 7B 模型性能相当的同时，显著降低了训练成本和推理时间，具有潜在的应用价值。
2月4日星期日周日
Introducing Qwen1.5
Editorial Pick: Qwen1.5版本发布，开源了多个规模的模型，并提供了量化模型和工具支持，读者可以评估其对现有工作流的影响。
1月25日星期四周四
Introducing Qwen-VL
Editorial Pick: 原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
1月23日星期二周二
Introducing Qwen
Editorial Pick: 原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
12月28日星期三周三
OFASys: Enabling Multitask Learning with One Line of Code!
Editorial Pick: OFASys简化了多模态多任务学习的实现过程，有助于推动通用模型的研究和构建。
12月24日星期六周六
Chinese CLIP: Contrastive Vision-Language Pretraining in Chinese
Editorial Pick: 该研究提出了针对中文的CLIP模型，并展示了其在跨模态检索任务上的优越性能，对中文多模态表示学习和视觉表示学习具有重要意义。
11月14日星期一周一
OFA: Towards Building a One-For-All Model
Editorial Pick: 原文提出了一个名为 OFA 的新型多模态预训练模型，并开源了预训练和微调模型，读者可以了解其能力变化和开放入口，判断其对现有工作流的影响。
