註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 Qwen模型
Qwen模型 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 Qwen模型 的搜尋結果
卧槽,只用一个Qwen模型配合一个harness就可以突破OpenAI、Google的生图安全防护??? 刚刚,AI安全公司 @whitecircle 宣布开源RISE,一套专门用来对图像生成模型进行自动化红队测试的算法。 他们用这套方法,成功绕过了 @OpenAI 的DALL·E3、GPT-Image-2,以及 @GoogleDeepMind 的Nano Banana2的部分安全限制,让模型生成了原本应该被拦截的违规图像。 而且整个过程不需要训练新的模型。 攻击端直接使用开源Qwen,评判端使用Gemini Flash,再通过API调用目标图像模型,就能完成自动化测试。 RISE的设计还挺有意思。 以往很多模型越狱的方法,本质上就是不断修改Prompt,直到模型愿意执行原本被禁止的请求。 但RISE做的事情是不再局限于优化某一条Prompt,而是让AI自己探索、评估和迭代可复用的攻击策略,然后把有效策略迁移到不同的场景和模型上。 简单来说,以前是人类想办法越狱,现在是AI自己研究怎么越狱,而且还能根据反馈不断改进(RSI!)。 根据White Circle9月发布的论文,在DALL·E3、Nano Banana2和GPT-Image-2上,RISE的最高人工验证攻击成功率达到了约13%。 更值得注意的是,White Circle昨天还向ArsTechnica透露,他们测试了更新的GPT-images2.5和Nano Banana2.1,发现这两款模型的安全防护比上一代更容易被突破。 不过这部分还没有公布完整的结果。 同时White Circle发现,过去不少论文声称自己的攻击成功率高达30%,但如果采用严格的违规判定标准,再通过人工校准评测,实际成功率可能接近于零。 所以他们不仅研究怎么攻击模型,还花了很大精力研究怎么准确判断一次攻击是否真正成功(就是如何bench)。 我觉得这件事情反映出的趋势还挺明显的。 随着开源模型能力越来越强,自动化红队测试的门槛也在快速下降。 以前可能需要专业安全研究人员反复尝试的工作,现在完全可以交给一个由现成模型组成的Agent系统执行。 而且随着攻击策略可以自动探索、迭代和迁移,模型厂商面对的安全压力只会越来越大。 更有意思的是,未来负责发现前沿模型漏洞的,可能根本不需要是另一个前沿模型。 一个开源Qwen,加上一套设计得足够好的Harness,就已经可以做很多事情了。
顯示更多
FishAudio开源Drama 3:最强开源语音模型 文本骨干模型是35B-A3B的Qwen模型,通常的语音模型都几B,这个语音模型就显得特别吃显卡。但是能力确实没得说: · 一人分饰多角:同一段文字里最多可以区分并演绎 16 个不同角色的声音,很适合用来制作广播剧、多人小说朗读或对话类节目。 · 声音克隆与情绪控制:用户提供一段简短的参考音频,模型就能模仿对应的音色;同时支持在文字中加入叹气、笑声等情绪标签,让语气更贴近真人。 · 像改文档一样改音频:如果读错了一个词,不需要整段重新生成,只修改有变动的文字,模型就能顺着之前的语流把新的部分接上。 · 长文本流畅处理:遇到较长的文章,系统会自动切块生成,并支持边生成边播放,减少等待时间。 模型,开源但不可商用:
顯示更多
0
18
93
15
轉發到社區
今天结束了,看完发布会,这次 Qwen 发布了不少新模型,但更值得关注的是,它正在形成一套从模型训练、推理优化到芯片协同的完整研发体系。 其中一个重点是 RSI,也就是模型递归自我进化。Qwen3.8-Max 在较少人工干预的情况下,连续运行一个多月,完成了 33 轮有效迭代。 几个现场公布的数据很直观: - Qwen 自主适配新的硬件环境并优化 SGLang,单实例吞吐提升 96% - 在芯片设计实验中连续运行 60 多个小时,调用 EDA 工具超过 1 万次,最终将物理实现面积减少 42% -Qwen3.8-Flash 缓存命中的输入,每百万 Token 低至 0.1 元 - Qwen3.8-27B 用消费级显卡的电脑就能运行,被开发者称为本地版 Opus 4.6 这次发布的 Qwen3.8-Omni-Flash 也很值得关注。它将文本、图像、音频和视频放进统一的理解框架,支持 1M 上下文和最长 1 小时的音视频输入。在价格上,四种模态统一计费,输入每百万 Token 0.8 元,缓存命中只要 0.1 元。相比上一代模型,输入价格下降约九成。 从现场释放的信息来看,Qwen 的方向已经比较清楚,继续提高模型能力,同时降低运行成本,并让模型更深入地参与训练、推理和芯片设计流程。此外,Qwen 还在继续押注 Scaling 和统一多模态。采用新一代架构的 Qwen4 已经开始训练,后续 Qwen4.5、Qwen5 计划将总参数量扩展到 5 万亿至 10 万亿。阿里在现场还提到,未来三年可能会出现原生的全模态统一模型,模型体验将不再受文本、图像、音频和视频之间的边界限制。 与此同时,Qwen 的开源生态也在快速扩大。目前阿里已经开源 460 多个 Qwen 模型,累计下载量超过 30 亿次,衍生模型超过 30 万个。Qwen3.8-27B 也超过 DeepSeek-R1 和 Llama 3.1,成为 Hugging Face 历史上获赞最多的开源大模型。 对开发者来说,最直接的变化就是模型更强了,本地运行门槛更低了,音视频处理也更便宜了。
顯示更多
0
21
12
0
轉發到社區
关于Qwen基模负责人林俊旸离职,我要说句不意外,肯定有人又要说我马后炮,但其实我这几个月来在上播客和写稿子里不止一次的提到过一个细节: 清华大学那场AI-Next峰会上,林俊旸邀请观众体验Qwen,用的是 模型干模型的,产品干产品的,这当然是模型团队的舒适区了,只投身研究、不负责市场,Qwen在开源社区里的究级口碑就是这么打下来的,但产品团队就难受了,做什么事情都需要和自己平级的模型团队配合,只能协调,不能统筹。 产模分离是阿里过去几年里最奇怪的地方,在千问App还没有被独立出来发展的时候,还可以说且行且珍惜,现在千问App要直接和豆包元宝打消耗战了,还让模型团队保持例外论,这肯定行不通。 最新的形势就是,大厂在做DAU,豆包现在还在发红包你敢信,小虎在冲ARR,月暗智谱MiniMax三家给洋人卖Tokens卖疯了,那么Qwen的位置在哪里呢,你总得沾个边吧? 事实上,AI一号位工程的调整,是这一年来几乎所有国内互联网大厂都在做的事情,字节和腾讯都干了,轮到阿里大家觉得很奇怪,主要还是Qwen模型本身没出太大问题,突然换将有些刺激。 还是那句话,组织的方向很重要,不认同组织的判断,就会很麻烦,这和你是不是一个好人、你做的工作是不是很优秀,关系不大。 就像没人会不尊重杨立昆的学术成就,没有他老人家的贡献,AI的发展指不定还要晚多少年,但大家也都心知肚明,继续让他带Meta的AI实验室,那Meta就真完蛋了,你不可能让一个不相信Transformer的人去带领大模型⋯⋯ 前段时间,因为诉讼披露,微软的CTO有一封2023年底发给老板的邮件被曝光,里面是他但是作为对接人看到并汇报的OpenAI宫斗事件,说以Ilya Sutskever为首的研究团队讨厌需要和产品团队争夺资源,how dare you,竟敢让我们排队等GPU! 微软的CTO在此批注,表示自己内心都是崩溃的:「OpenAI的研究团队根本没有明白,如果没有Applied的商业成功,他们根本不可能拥有现在这么多GPU。」 所以,从国内到海外的实践经验都说明,产模分离是一个田园牧歌的理想状态,它可以暂时性的存在,但前提是公司没有市场回报的预期,愿意千金买马骨,Qwen这几年过的的好日子,都是这么来的。 新的剧本就是阿里不愿意了,作风依然很粗暴很阿里,但就目的来说,其实没那么大的争议。 再说了,和OpenAI的11个联合创始人里走了9个相比,这才哪到哪啊⋯⋯ 记得马老师曾说阿里要每年定期给社会输送人才,结果都是些年满35岁后被优化出来的P7P8们,给接收方的牛马们带去了一点点阿里味的震撼,连山姆看似牢不可破的名声都差点被打崩了,不过这次林俊旸流入自由转会市场,就没得阴阳了,是真的大牛出圈,大厂们赶紧抢吧。
顯示更多
0
31
423
50
轉發到社區
中国杭州初创公司PettiChat,118美元AI宠物项圈使用阿里巴巴Qwen模型,能以94.6%准确率实时翻译猫狗声音和情绪,已获1万预订。
0
236
1.3K
131
轉發到社區
EAGLE-4:LLM推理加速工具 EAGLE-4 推理加速框架的核心机制是让一个小巧的辅助模型在前面飞速猜词,主模型只负责批量检查。用户不需要去改动底层模型,直接通过 Python 安装名为 eagle_harness 的扩展包,再搭配 SGLang 或 vLLM 这类主流大模型运行引擎就能启动。 加速后的模型不仅不会降低回答质量,文字吐出速度还能直接翻倍。官方在英伟达顶级显卡上用 Qwen 模型实测,单人提问时生成速度能达到原本的近 3 倍;多任务并发处理时,每秒生成的文字数量也普遍比原本高出 35% 到 90%,大幅缩短了等待完整回答的时间。 项目地址:
顯示更多
吴说获悉,以太坊联合创始人 Vitalik Buterin 展示其个人开发的隐私 AI Agent 方案,将 zkAPI、Tor 网络、随机掩护流量及本地大模型提示词重写功能整合至 AI Agent 工具 pi。该方案为每段对话分配独立 Tor 电路,通过 zkAPI 隐藏支付关联信息,并利用本地 Qwen 模型重写请求内容。Vitalik 表示,目前方案已具备一定实用性,但新建对话仍存在明显延迟,且 Tor 对服务商与入口节点串通进行时间关联分析的防护有限,未来可能需要专用混合网络(mixnet)。他还透露,zkAPI 在以太坊主网上的存款和提款 Gas 成本即将进一步降低。
顯示更多
终端编程 Agent(最接近 Claude Code) 1. OpenCode ⭐ 165k+ - 协议: MIT | 语言: Go/TypeScript - 免费: 完全免费开源,支持 75+ LLM 提供商 - 特色: - 事实上的开源 Claude Code 替代品 - 本地优先架构,支持本地模型(Ollama 等) - Provider-agnostic:同一会话可切换 Claude/Gemini/GPT/本地模型 - 精美 TUI 界面,支持桌面端和 IDE 扩展 - 中国讨论度: 低,国内媒体很少报道 - 🔗 2. Pi ⭐ 54k+ - 协议: MIT | 语言: Python - 作者: Armin Ronacher(Flask/Jinja2 作者) - 免费: 完全免费开源 - 特色: - 系统提示 < 1,000 tokens,极简设计 - "Lazy Skills" 机制:技能按需加载 - 专为 fork 和二次开发设计 - 增长速度惊人(短时间内突破 54k stars) - 中国讨论度: 极低 - 🔗 3. Crush ⭐ 25k+ - 协议: FSL(2年后转MIT)| 语言: Go - 团队: Charm(Bubble Tea 团队) - 免费: 免费使用 - 特色: - 终端美学标杆,极其流畅的 TUI - 多模型支持,会话中可切换模型 - 原生 LSP 和 MCP 支持 - 适合追求终端体验的开发者 - 中国讨论度: 低 - 🔗 4. Qwen Code ⭐ 25k+ - 协议: Apache-2.0 | 语言: TypeScript - 免费: 免费,配合 Qwen 模型有免费额度 - 特色: - 阿里巴巴出品,Gemini CLI 的开源 fork - Gemini CLI 6月停服后,这是其开源延续 - 专门优化 Qwen-Coder 模型 - 国内用户访问友好 - 中国讨论度: 中等(但远低于其价值) - 🔗 --- 通用 Agent 框架 5. OpenClaw - 协议: 开源 | 免费: 完全免费,云版待定 - 特色: - 自托管 AI Agent,50+ 原生集成 - 零外部 API 调用,隐私优先 - 连接 Slack/GitHub/Notion 等无需第三方 API - 支持 Docker 部署 - 中国讨论度: 低 - 🔗 6. Agno - 协议: 开源 | 语言: Python - 免费: 开源免费,平台版 $99/月起 - 特色: - 2 微秒 Agent 运行时间,极致轻量 - 内置记忆、存储、多模态工具 - 生产级 Python 框架 - 适合需要高性能的场景 - 中国讨论度: 极低 - 🔗 7. Hermes Agent ⭐ 60k+ - 协议: 开源 - 免费: 开源免费 - 特色: - 2个月内突破 60k stars,增速最快 - 持久多层记忆:长期语义记忆 + 工作记忆 + 情景日志 - 云优先架构,独立于本地设备 - 30天学习期后能理解用户工作模式 - 与小米 MiMo V2 Pro 合作 - 中国讨论度: 中等(小米合作有报道,但产品本身讨论少) - 🔗 --- MCP 生态工具 8. MCPX (IBM) - 协议: 开源 - 免费: 开源免费 - 特色: - MCP 网关,统一管理多个 MCP 服务器 - Tool Groups:不同团队看到不同工具子集 - Agent 访问控制 + 实时 Prometheus 指标 - 支持 Cursor/Claude Code/VS Code/Copilot 等 - 中国讨论度: 极低 - 🔗 9. ContextForge (IBM) - 协议: 开源 - 免费: 开源免费 - 特色: - 联邦化 AI 网关,跨多集群 Kubernetes - 支持 MCP/A2A/REST-to-MCP/gRPC-to-MCP - 40+ 插件 - OpenTelemetry 追踪 - 中国讨论度: 极低 - 🔗 --- 多 Agent 编排 10. Microsoft Conductor ⭐ 新项目 - 协议: MIT | 版本: v0.1.1 - 免费: 完全免费开源 - 特色: - 微软出品,GitHub Copilot SDK + Anthropic Agents SDK - YAML 定义工作流 + Web 仪表板 - 适合企业级多 Agent 场景 - 中国讨论度: 极低 - 🔗 11. Agent Skills (by Addy Osmani) ⭐ 43.8k+ - 协议: 开源 - 免费: 完全免费 - 特色: - 23 个生产级工程技能 - 7 个斜杠命令覆盖完整开发生命周期 - 编码 Google 工程文化(Hyrum's Law、trunk-based development) - 渐进式披露设计 - 中国讨论度: 低 - 🔗
顯示更多
阿里首席科学家周靖人疑似离职。继林俊旸之后,通义实验室又一高层出走 不知道跟最近钉钉的闹剧是否有关 周靖人,男,国际电气与电子工程师协会会士(IEEE Fellow),国际计算机协会会士(ACM Fellow),阿里巴巴集团副总裁,阿里云智能CTO、阿里巴巴合伙人 2026年3月,Qwen 模型一号位由阿里云CTO和通义实验室负责人周靖人代管。 6月,任阿里巴巴首席科学家,牵头成立阿里巴巴AI未来研究院。 周靖人的研究领域为云计算、数据库系统、机器学习、搜索和广告,是云计算大数据、大规模分布式系统和数据库等领域的国际级权威学者。因在相关研究领域的贡献当选国际电气与电子工程师协会会士和国际计算机协会会士。
顯示更多
今天,阿里Agent时代的希望,千问办公。 在被大家爆料了很久之后,终于在今天早上开始很低调的开始内测了。 QoderWork、悟空、MuleRun三条Agent线,全部收拢整合,统一成一个产品,千问办公,由钉钉新任CEO陈宇森牵头。 网址在此: 曾经,整个阿里被压缩进千问,而如今,又再一次被压缩进千问办公。 而且,压缩的更深、更广、业务可能会更多。 办公赛道,WorkAgent赛道,就是AI应用时代大家绝对不可能放弃的超级战场。而且Agent对传统办公的冲击,我觉得比绝大多数人想象的可能更深更广,空间更大。 曾经我说过,在我的理解里,办公产品大概分三代。 第一代Office,本地装软件,活自己干。 第二代云协同,比如钉钉,就是多人一起干,但活还是你的。 前两代的商业逻辑是一样的,做好一个产品,所有人用同一套东西。 而这一代完全不同。 以前卖的是一个固定的产品,现在卖的是一种智能。 这种智能帮你造最适合你自己场景的工具,你搓出来的东西天然就是为你定做的,不存在什么功能用不上或者缺了你想要的。 而且国内,SaaS真的就是碎得一塌糊涂,而这件事,过去一直被当成国内SaaS的病。 但现在,反倒成了通用Agent的机会,因为一个能自己造工具的东西,最擅长处理的恰恰就是长尾和不标准。 所以从这个点就能看出来,为什么是钉钉的陈宇森来带队做这个事了。 目前客户端版本和钉钉版本已经上线,未来还会有网页版,三端一致。 钉钉在侧边栏上,可以直接处理群聊、日程、待办和企业里的各种工作。 体验了一下,功能比较全,基本该有的功能全都有,做的非常全面。 有个好玩的是,它可以生成HTML,而且,连域名、数据库和托管都一起给你做好了,过去Agent做出一个网页,后面还有部署、买域名、接数据库这一长串门槛,对普通用户非常不友好,现在,直接千问办公一站式解决。 这个核心,还是业务线太广了。 上面有Qwen模型,中有阿里云、百炼等等,下有钉钉里沉淀了很多年的组织关系、消息、文档、流程和权限。 我一直觉得,Work Agent最终拼的其实是四件事。 模型决定智力,业务广度决定能力,企业数据决定它可否可用,组织身份和权限决定安全下限。 阿里恰好是国内少数能把这些所有要素,同时凑齐的公司。 从今天开始,每一个人打开电脑的第一个念头,可能都会慢慢从我要用什么工具变成我要让谁帮我干这件事。 这个转变一旦发生。 就再也回不去了。
顯示更多
0
51
73
7
轉發到社區