|
阿里巴巴推出紧凑型Qwen3-VL模型，提升多模态AI效率，加速边缘设备部署 |
| 来源：网站维护 |
作者：www.weihula.com |
人气： |
2025-10-15 |
|
|
|
|
|
|
|
|
内容提示：阿里巴巴人工智能部门今日正式发布Qwen3-VL视觉语言模型系列的紧凑版，推出4亿和8亿参数的变体。此举标志着先进多模态AI技术向边缘设备和资源受限环境更广泛应用的重大飞跃。 |
|
|
|
|
|
|
|
|
|
阿里巴巴人工智能部门今日正式发布Qwen3-VL视觉语言模型系列的紧凑版，推出4亿和8亿参数的变体。此举标志着先进多模态AI技术向边缘设备和资源受限环境更广泛应用的重大飞跃。
性能飞跃，小模型媲美巨头
此次发布的4B和8B模型均提供Instruct和Thinking版本，并针对STEM推理、视觉问答（VQA）、光学字符识别(OCR)、视频理解及代理任务等核心多模态能力进行了优化。
根据公布的基准测试结果，这些小型模型在多个类别中表现出色，超越了Gemini2.5Flash Lite和GPT-5Nano等竞争对手。更引人注目的是，其性能在若干领域甚至能与仅六个月前发布的更大规模Qwen2.5-VL-72B模型相媲美，展示出极高的参数效率。
资源优化，推动AI民主化
新模型的关键亮点在于显著降低的VRAM使用率，使其可以直接在消费级硬件如笔记本电脑和智能手机上运行。为进一步提升效率，阿里巴巴还提供了FP8量化版本，在不牺牲核心能力的前提下进一步降低资源消耗。正如一位参与开发的Qwen团队成员所说:“小型VL模型适用于部署，并在手机和机器人领域具有显著意义。”
快速迭代，开源共享
此次紧凑模型的推出，延续了9月首发的Qwen3-VL系列（旗舰模型参数规模达2350亿）的路线图。此前，阿里巴巴在十月初已发布30B-A3B变体，通过仅30亿活跃参数实现了与GPT-5Mini和Claude4Sonnet相当的基准测试结果。这种快速迭代被业内视为阿里巴巴推动高性能AI民主化的有力体现，尤其适用于机器人等具身系统。
|
| 【声明】本文章系本站编辑转载，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本站联系，我们将在第一时间删除内容！ |
|
|
 |
|
 |
|
|
|
