阿里一口氣發了N款新模型，讓我們向源神致敬。

阿里的早上這個發布會，給我看麻了。

一場阿里的云棲大會，我真的感覺，他們把家底全都掏出來了。。。

發了不知道多少個模型。

我雖然這次有事很可惜沒去成現場，但是還是破天荒的8點多起床一下蹲了直播。

結果一直等到快10點才開始= =

過程中，我都看懵了，就一股腦子發啊，各種各樣的模型，挨個掏。

我大概數了下， 純今天新發布的新模型有兩個，一個是整個Qwen系列最強的Qwen3-Max，另一個是爆火的Wan2.2的后續模型Wan2.5，這玩意支持跟Veo3一樣的音畫同出的特性，是有點東西的。

然后也正式發布了前幾天為了預熱提前發布的模型，比如目前Qwen里面最強的Qwen3-VL模型，還有一個全模態模型Qwen3-Omni，還有全新的模型架構帶來的Qwen3-Next等等。

不知道為什么，總讓我有一種Google的既視感。

一邊開發布會，另一邊，阿里的股票直接漲飛了。

我最快速度整理+體驗了一波，給大家直接一文總結一下，來自阿里的全發布。

話不多說，我們，開始。

一. Qwen3-Max

最牛逼最新的，肯定就當屬Qwen3-Max正式版了，直接對標GPT-5、Claude Opus 4這些世界頂尖模型。

上一次發Max還是今年1月29日除夕發布的，半年后，他們終于把Qwen3-Max掏出來了。

在LMArena上，之前的Qwen3-Max-Instruct的預覽版，在這個全球最權威的匿名模型對戰平臺上，并列前三，直接把GPT-5-Chat都甩在了身后。

這次的Max，是真的把參數堆滿了。

模型總參數超過了1萬億，用了36萬億的tokens進行預訓練，突出一個量大管飽。

他們自己的Blog的標題也非常的蘋果味。

大就是好。

MoE模型，1萬億的大小，支持100萬Token的上下文。

這次發布的Qwen3-Max，也跟別家一樣，分了兩個版本，一個Instruct版，一個更猛的Thinking版。

Qwen3-Max-Instruct這個版本，就是 我們現在能直接用到的，不帶深度思考的。

主要是在代碼和Agent能力上，還是非常強的。

AIME2025基本一騎絕塵，在LiveCodeBench v6這個強調復雜工程題、未公開題上的泛化能力的測試集上，也得到了不錯的效果。

τ2-Bench這個新的強調AI在動態環境中的推理、工具使用、用戶引導與協調能力的Agent評測集，Qwen3-Max也是最強的，74.8分，直接干翻了Claude Opus 4和DeepSeek-V3.1。

SWE-Bench這個專門解決真實世界編程難題的測試集上，它拿了69.6分，也是穩穩的世界第一梯隊。

不過感覺后面可以更多的看看 SWE-Bench Pro了。

Thinking版目前發了能力圖，但是還沒放出來。

在AIME 25和HMMT這兩個地獄難度的數學推理競賽題集上，Qwen3-Max-Thinking，拿了100分。

滿分。

直接跟GPT-5 Pro打平了。

這玩意還是有點酷的，可惜，現在還體驗不到。

目前Qwen3-Max-Instruct已經在官網上線了：

https://chat.qwen.ai/

可以看到深度推理那塊是灰的，不過據說也快上線了。

大家可以去體驗一下。

哦對了，Qwen3-Max目前不開源。

二. Wan-2.5

這段時間，開源的Wan2.2已經爆了。

你在X上，隨處可以那種做人物動畫遷移拿到百萬觀看的帖子。

阿里直接趁熱打鐵，把Wan2.5掏了出來。

一些升級到1080P、能跑10s時長這種基礎參數啥的我就不說了。

有一個很好玩的東西，是我覺得可以一提的，就是他們的新能力。

音畫同出。

聽到這個詞是不是很陌生？但是如果我說是是Veo3的那個原生的輸出帶角色音頻的視頻，你們應該就會有印象了。

而這次，Wan2.5，也是第一次支持這個能力，不僅可以跟Veo3一樣，用Prompt控制，而且，還可以上傳圖片+音頻直出。

你可以在通義萬相上玩：

https://tongyi.aliyun.com/

我直接給大家放一個例子。

直接一張圖+1段音頻，就可以跑出表演還不錯的視頻。

很酷。

還有更好玩的。

真的，能玩起來的花活實在太多了。

得益于音畫同步直出的能力，在數字人和人物表演上，能力大幅加強。

而且解決了Veo3一直以來一個很尷尬的問題，就是沒法保持音色一致性。

但是現在，Wan2.5可以支持上傳音頻驅動了。

那保持一致性，就太簡單了。

這可能給AI短劇，又帶來一波很酷的飛躍。

三. Qwen3-VL

Qwen3-VL今天凌晨提前開源了。

目前是Qwen 系列中最強大的視覺語言模型，原生支持256K token上下文，還能擴展到100萬上下文，大概支持長達2小時的視頻。

這次開源的是VL系列的旗艦模型Qwen3-VL-235B-A22B，有Instruct與Thinking兩個版本，帶推理和不帶推理的。

在跑分上是有點東西的，在一些能力上，甚至優于Gemini2.5 Pro了。

這里也放一下他們的片子，我覺得這種視覺模型，一定得配視覺化的看起來才爽。

而且有幾個特點我覺得是有點牛逼的。

一個是有視覺Agent能力，能理解按鈕、調用工具等等，在PC或者手機上完成一些Agent任務。

這個還是挺強的。

各種識別+推理能力也是非常的牛逼，我的好基友@劉聰NLP測了不少這塊的Case。

比如有一個很坑的題：

找到2024年GDP值最大的省份，并且計算占全國GDP的百分之多少？

而Qwen3-VL-235B-A22B，都沒開推理，也是一次就對了。

四. Qwen3-Omni

Qwen3-Omni是一個開源的全模態模型，阿里的盤子真的鋪的太大了，模型也真的太全了。

這個是昨天凌晨提前發了，但是在今天的云棲大會上，正式發布了。

這是一個純粹的端到端模型，Qwen3-Omni在訓練的時候學習了很多跨模態的數據，原生支持文本、圖像、音頻和視頻的輸入，支持119種文本語言交互、19種語音理解語言與10種語音生成語言。

對，你可以直接進行端到端語音對話，延遲只有211毫秒。

還支持function call和MCP，能非常方便的和現有工具結合。

我直接用它，來識別歌曲。

還是挺好玩的。

五. 其他

還沒完，嗯。。

還有Qwen3-Coder-Plus，推理速度更快，使用更少的 token 可達到更優的效果，代碼安全性增強。

還有Qwen3-Next，總參數 80B 僅激活 3B ，性能就可媲美千問 3 旗艦版 235B 模型，訓練成本較密集模型 Qwen3-32B 大降超 90% ，長文本推理吞吐量提升 10 倍以上，就離譜。

還有全新的語音模型家族通義百聆，涵蓋語音識別大模型Fun-ASR、語音合成大模型Fun-CosyVoice。

Fun-ASR基于數千萬小時真實語音數據訓練而成，具備強大的上下文理解能力與行業適應性，能實時處理10多種語言。

Fun-CosyVoice可提供上百種預制音色，完全可以拿去做各種客服、有聲書、AI玩具啥的。

還有Qwen3-LiveTranslate-Flas，實時多模態翻譯，只有3秒多的延遲。。

還有Qwen3Guard，專為全球實時AI安全構建的Qwen3基礎安全審核模型，非常適合做RL獎勵建模。

還有圖片編輯模型Qwen-Image-Edit-2509。。。

阿里，真的，就離譜。。。

開源給我人開傻了。

總而言之，阿里這次發布會給我的感覺就是四個字。

傾其所有。

為了這個繁榮昌盛的AI生態。

幾乎是構建了一個從底層模型到上層應用，覆蓋文本、視覺、音頻、視頻的全模態、全場景的超級生態。

而且我看了下數據，現在，開源屆，現在真的就是Qwen一統江湖了。

這個肌肉，秀的是真的6。

不得不夸一句。

今天的光，屬于阿里。

以上，既然看到這里了，如果覺得不錯，隨手點個贊、在看、轉發三連吧，如果想第一時間收到推送，也可以給我個星標?～謝謝你看我的文章，我們，下次再見。

>/ 作者：卡茲克

>/ 投稿或爆料，請聯系郵箱：wzglyay@virxact.com