每經(jīng)記者 葉曉丹    每經(jīng)編輯 陳俊杰    

近日，來自杭州的三家科技公司發(fā)布的大模型拿下全球最大AI開源社區(qū)HuggingFace趨勢榜前三。

這三款模型分別是DeepSeek-v3、群核科技SpatialLM、通義千問Qwen2.5-Omni。

《每日經(jīng)濟(jì)新聞》記者從阿里云方面了解到，Qwen2.5-Omni采用了通義團(tuán)隊全新首創(chuàng)的Thinker-Talker雙核架構(gòu)，Position Embedding （位置嵌入）融合音視頻技術(shù)，位置編碼算法TMRoPE（Time-aligned Multimodal RoPE）。

雙核架構(gòu)Thinker-Talker讓Qwen2.5-Omni擁有了人類的“大腦”和“發(fā)聲器”，形成了端到端的統(tǒng)一模型架構(gòu)，實(shí)現(xiàn)了實(shí)時語義理解與語音生成的高效協(xié)同。

3月27日凌晨，阿里巴巴發(fā)布并開源首個端到端全模態(tài)大模型通義千問Qwen2.5-Omni-7B，可同時處理文本、圖像、音頻和視頻等多種輸入，并實(shí)時生成文本與自然語音合成輸出。

相較于動輒數(shù)千億參數(shù)的閉源大模型，Qwen2.5-Omni以7B的小尺寸讓全模態(tài)大模型在產(chǎn)業(yè)上的廣泛應(yīng)用成為可能。即便在手機(jī)上，也能輕松部署和應(yīng)用Qwen2.5-Omni模型。

而近期群核科技發(fā)布的空間理解開源模型SpatialLM，登上全球最大AI開源社區(qū)HuggingFace趨勢榜第二位。

公開資料顯示，SpatialLM是群核科技自主研發(fā)的一款空間理解模型，該模型僅通過一段視頻即可生成物理正確的3D場景布局。不同于傳統(tǒng)大語言模型，SpatialLM突破了對物理世界幾何與空間關(guān)系的理解局限，將在機(jī)器類人的空間認(rèn)知和解析能力上發(fā)揮重大作用。

而據(jù)《每日經(jīng)濟(jì)新聞》此前報道，3月24日，DeepSeek發(fā)布了V3的一個小版本更新，版本號為V3-0324。雖然官方稱這只是“小版本升級”，但實(shí)測能力接近V3.5版本，尤其在復(fù)雜邏輯和多模態(tài)理解上表現(xiàn)突出。