模型相关公告_大模型服务平台百炼(Model Studio)-阿里云帮助中心

本文介绍模型相关公告和新上架的模型。

关于阿里云百炼应用的产品动态，请参见产品更新公告。

公告通知

模型动态

新增模型类型	上架时间	模型规格	功能说明
声音复刻	2025-04-24	cosyvoice-v2	用户仅需提供10~20秒的音频，即可迅速生成高度相似且听感自然的定制声音。声音复刻
视觉理解	2025-04-18	qwen-vl-max-2025-04-08	视觉理解模型。数学和推理能力有所提升，回复风格面向人类偏好进行调整，模型回复详实程度和格式清晰度明显改善。视觉理解
图生视频	2025-04-18	wanx2.1-kf2v-plus	基于输入的首帧和尾帧图片，模型能够根据提示词生成一段丝滑流畅的动态视频。首尾帧生视频
视觉理解	2025-04-04	qwen-vl-max-2025-04-02	视觉理解模型。在解决复杂数学问题方面，准确性显著提高，回复风格面向人类偏好进行大幅调整，尤其是数学、逻辑推理、知识问答等客观类问题，模型回复详实程度和格式清晰度明显改善。视觉理解
视觉推理	2025-03-28	qvq-max、qvq-max-latest、qvq-max-2025-03-25	视觉推理模型。支持视觉输入及思维链输出，在数学、编程、视觉分析、创作以及通用任务上都表现出更强的能力。视觉推理
全模态	2025-03-26	qwen-omni-turbo-2025-03-26	通义千问全新多模态理解生成大模型，支持文本、图像、语音与视频输入，并输出文本与音频，提供了4种自然对话音色。使用方法请参见全模态。
全模态	2025-03-26	qwen2.5-omni-7b	通义千问全新多模态理解生成大模型，支持文本、图像、语音与视频输入，并输出文本与音频，提供了2种自然对话音色。使用方法请参见全模态。
图像编辑	2025-03-25	wanx2.1-imageedit	通用图像编辑模型。通过一句话指令实现多样化的图像编辑功能，如扩图、去文字水印、图像修复、图像风格迁移等。通义万相-通用图像编辑
视觉理解	2025-03-24	qwen2.5-vl-32b-instruct	视觉理解模型。在数学问题的解答方面达到了接近Qwen2.5VL-72B的水平，回复风格面向人类偏好进行大幅调整，尤其是数学、逻辑推理、知识问答等客观类问题，模型回复详实程度和格式清晰度明显改善。视觉理解
推理模型	2025-03-06	qwq-plus、qwq-plus-latest、qwq-plus-2025-03-05	基于 Qwen2.5 模型训练的 QwQ 推理模型，通过强化学习大幅度提升了模型推理能力。模型数学代码等核心指标（AIME 24/25、LiveCodeBench）以及部分通用指标（IFEval、LiveBench等）达到DeepSeek-R1 满血版水平。深度思考
开源推理模型	2025-03-06	qwq-32b	基于 Qwen2.5-32B 模型训练的 QwQ 推理模型，通过强化学习大幅度提升了模型推理能力。模型数学代码等核心指标（AIME 24/25、LiveCodeBench）以及部分通用指标（IFEval、LiveBench等）达到DeepSeek-R1 满血版水平，各指标均显著超过同样基于 Qwen2.5-32B 的 DeepSeek-R1-Distill-Qwen-32B。深度思考
语音识别/翻译	2025-03-03	gummy-realtime-v1 gummy-chat-v1	Gummy大模型支持实时语音识别与翻译，能够精准识别中、英、日、韩等10种语言。此外，它还支持中、英、日、韩之间的互译，以及其他6种语言单向翻译成中文或英文。使用方法请参见实时语音识别。
图生视频	2025-02-25	wanx2.1-i2v-turbo	相较于wanx2.1-i2v-plus模型，turbo模型生成速度更快，耗时仅为plus模型的三分之一，性价比更高。使用方法请参见首帧生视频。
全模态	2025-02-14	qwen-omni-turbo qwen-omni-turbo-latest qwen-omni-turbo-2025-01-19	Qwen-Omni 系列模型支持输入多种模态的数据，包括视频、音频、图片、文本，并输出文本。使用方法请参见全模态。
文生文	2025-01-27	deepseek-v3 deepseek-r1	DeepSeek系列模型是由深度求索（DeepSeek）公司推出的大语言模型。 DeepSeek-V3 为 MoE 模型，671B 参数，激活 37B，在 14.8T Token 上进行了预训练，在长文本、代码、数学、百科、中文能力上表现优秀。 DeepSeek-R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力，尤其在数学、代码、自然语言推理等任务上。具体请参见DeepSeek。
视觉理解	2025-01-27	qwen2.5-vl-3b-instruct qwen2.5-vl-7b-instruct qwen2.5-vl-72b-instruct	相对于Qwen2-VL大模型有如下改进：在指令跟随、数学计算、代码生成、结构化输出（JSON输出）等方面的能力有显著提升。支持对图像中的文字、图表、布局等视觉内容进行统一解析，并增加了精准定位视觉元素的能力，支持检测框和坐标点的表示方式。支持对长视频文件（最长10分钟）进行理解，具备秒级别的事件时刻定位能力，能理解时间先后和快慢。使用方法请参见视觉理解。
文生文	2025-01-27	qwen-max-2025-01-25 qwen2.5-14b-instruct-1m qwen2.5-7b-instruct-1m	qwen-max-2025-01-25模型（又称为Qwen2.5-Max）：通义千问系列效果最好的模型，代码编写与理解能力、逻辑能力、多语言能力显著提升，回复风格面向人类偏好进行大幅调整，模型回复详实程度和格式清晰度明显改善，内容创作、JSON格式遵循、角色扮演能力定向提升。使用方法请参见：文本生成。 qwen2.5-14b-instruct-1m、qwen2.5-7b-instruct-1m模型：相比于qwen2.5-14b-instruct与qwen2.5-7b-instruct模型，将上下文长度提高到了1,000,000。使用方法请参见：文本生成。
图生视频	2025-01-22	emoji-detect-v1 emoji-v1	基于人脸图片和预设的人脸动态模板，生成人脸动态视频。该模型可用于表情包制作、视频素材生成等场景。使用方法请参见表情包Emoji快速开始。
文生文	2025-01-17	qwen-plus-2025-01-12	相对于qwen-plus-2024-12-20模型，中英文整体能力有提升，中英常识、阅读理解能力提升较为显著，在不同语言、方言、风格之间自然切换的能力有显著改善，中文指令遵循能力显著提升。使用方法请参见qwen-plus-2025-01-12。
图生视频	2025-01-17	wanx2.1-i2v-plus	输入图片作为视频首帧，再根据提示词生成视频。使用方法请参见首帧生视频。
文生图	2025-01-17	wanx2.0-t2i-turbo	擅长质感人像与创意设计，速度中等，性价比高。使用方法请参见文生图V2系列模型。
视觉理解	2025-01-13	qwen-vl-plus-2025-01-02	相较于qwen-vl-plus-0809模型，大幅提升指令跟随、图像理解和数学能力。使用方法请参见视觉理解。
文生视频	2025-01-08	wanx2.1-t2v-turbo wanx2.1-t2v-plus	一句话生成视频。具备强大的指令遵循能力，支持大幅度复杂运动、现实物理规律还原，生成的视频呈现丰富的艺术风格及影视级画面质感。使用方法请参见通义万相-文生视频。
文生图	2025-01-08	wanx2.1-t2i-turbo wanx2.1-t2i-plus	文生图V2系列模型为全面升级的通义万相文生图模型，推荐体验。
视觉理解	2025-01-07	qwen-vl-max-2024-12-30	该模型丰富了知识库，图像识别和理解能力进一步提升，能够解析复杂的视觉内容。使用方法请参见视觉理解。
语音识别	2025-01-02	qwen-audio-asr qwen-audio-asr-latest qwen-audio-asr-2024-12-04	通义千问ASR是基于Qwen-Audio训练，专用于语音识别的模型，目前支持的语言有：中文、英文。使用方法请参见实时语音识别。
视觉推理	2024-12-25	qvq-72b-preview	专注于提升视觉推理能力，尤其在数学推理领域。使用方法请参见视觉理解。
多语言翻译	2024-12-25	qwen-mt-plus qwen-mt-turbo	Qwen-MT模型是基于通义千问模型优化的机器翻译大语言模型，擅长中英互译、中文与小语种互译、英文与小语种互译，小语种包括日、韩、法、西、德、葡（巴西）、泰、印尼、越、阿等26种。在多语言互译的基础上，提供术语干预、领域提示、记忆库等能力，提升模型在复杂应用场景下的翻译效果。详情请参见翻译能力。
视觉理解	2024-12-18	qwen2-vl-72b-instruct	在多个视觉理解基准测试中取得了最先进的成绩，显著增强多模态任务的处理能力。使用方法请参见视觉理解。
意图理解	2024-12-12	tongyi-intent-detect-v3	通义意图理解模型，能够在百毫秒级时间内快速、准确地解析用户意图，并选择合适工具来解决用户问题。详情请参见意图理解。
声动人像	2024-12-10	videoretalk	支持根据人物视频和音频生成对口型视频，详情请参见快速开始。
舞动人像	2024-12-10	animate-anyone-gen2 animate-anyone-detect-gen2 animate-anyone-template-gen2	分别提供人物图片合规检测、人物动作模板生成与人物视频生成能力，依次调用这三个模型可生成人物舞蹈视频。详情请参见快速开始。
llama系列	2024-12-09	llama3.3-70b-instruct	新增第三方大模型llama3.3系列中70B参数的模型。详情请参见Llama（输入文本和图像）。
音频理解	2024-12-09	qwen-audio-turbo-latest qwen-audio-turbo-2024-12-04	新增的模型，相较于qwen-audio-turbo-2024-08-07版本，大幅提升语音识别准确率，并新增了语音聊天能力。详情请参见音频理解。
文生文	2024-11-28	qwq-32b-preview	本模型专注于增强 AI 推理能力。详情请参见QWQ。
	2024-11-28	qwen-plus-2024-11-25 qwen-plus-2024-11-27	相较于qwen-plus-0919模型中英文回复详实程度显著提升，更加符合用户偏好；模型角色扮演能力显著增强；模型中文的文本创作能力显著提升；中英文指令遵循能力提升；修复了RAG场景下引用角标的生成问题。详情请参见通义千问-Plus。
	2024-11-15	qwen-turbo-2024-11-01	上下文长度扩展至一百万Token。详情请参见通义千问-Turbo。