四川
近日，来自杭州的三家科技公司发布的大模型拿下全球最大AI开源社区HuggingFace趋势榜前三。
这三款模型分别是DeepSeek-v3、群核科技SpatialLM、通义千问Qwen2.5-Omni。
《每日经济新闻》记者从阿里云方面了解到，Qwen2.5-Omni采用了通义团队全新首创的Thinker-Talker双核架构，Position Embedding （位置嵌入）融合音视频技术，位置编码算法TMRoPE（Time-aligned Multimodal RoPE）。
双核架构Thinker-Talker让Qwen2.5-Omni拥有了人类的“大脑”和“发声器”，形成了端到端的统一模型架构，实现了实时语义理解与语音生成的高效协同。
3月27日凌晨，阿里巴巴发布并开源首个端到端全模态大模型通义千问Qwen2.5-Omni-7B，可同时处理文本、图像、音频和视频等多种输入，并实时生成文本与自然语音合成输出。
相较于动辄数千亿参数的闭源大模型，Qwen2.5-Omni以7B的小尺寸让全模态大模型在产业上的广泛应用成为可能。即便在手机上，也能轻松部署和应用Qwen2.5-Omni模型。
而近期群核科技发布的空间理解开源模型SpatialLM，登上全球最大AI开源社区HuggingFace趋势榜第二位。
公开资料显示，SpatialLM是群核科技自主研发的一款空间理解模型，该模型仅通过一段视频即可生成物理正确的3D场景布局。不同于传统大语言模型，SpatialLM突破了对物理世界几何与空间关系的理解局限，将在机器类人的空间认知和解析能力上发挥重大作用。
而据《每日经济新闻》此前报道，3月24日，DeepSeek发布了V3的一个小版本更新，版本号为V3-0324。虽然官方称这只是“小版本升级”，但实测能力接近V3.5版本，尤其在复杂逻辑和多模态理解上表现突出。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
