Qwen3.5-Omni
PulseAugur coverage of Qwen3.5-Omni — every cluster mentioning Qwen3.5-Omni across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
智谱AI就GLM-5.3征求用户意见，视觉能力需求居首 · 追踪6个来源
智谱AI正在为其下一代GLM模型征求用户反馈，并高度重视整合视觉能力。目前，其旗舰文本模型缺乏此功能，但竞争对手如Fable-5和Gemini 3已具备。尽管智谱AI此前已开发过多模态模型，但将其顶级产品排除视觉功能一直是用户和开发者争论的焦点。用户对GLM旗舰模型视觉理解的需求，凸显了开发者实际需求与AI研究者对核心智能理论关注点之间的分歧。
-
阿里云扩展全球基础设施，新增法国和马来西亚地区
阿里云正在通过在法国巴黎和马来西亚柔佛推出新地区，以及扩展东京和墨西哥的业务，来扩展其全球基础设施。此举旨在支持企业国际扩张对AI服务和Token调用的日益增长的需求。此次扩展使阿里云的全球足迹达到32个地区和105个可用区，巩固了其作为亚太地区主要云服务提供商的地位。
-
开源音频交互模型实时处理语音
一款名为 Audio Interaction 的新开源语音模型已发布，它能够实时处理音频，无需等待输入结束。该模型可以持续进行翻译、转录和对话，甚至能识别咳嗽等环境声音。其代码和权重已在 GitHub 上以开源许可证形式提供，训练数据稍后发布。
-
阿里巴巴的Qwen3.5为实时翻译增加了视觉上下文
阿里巴巴的Qwen团队发布了Qwen3.5-LiveTranslate-Flash，这是一款先进的同声传译模型。该新模型基于Qwen3.5-Omni架构，通过整合音频输入和视觉上下文来增强实时翻译能力。此次升级旨在通过理解口头语言和视觉线索来提供更准确的翻译，超越其前身Qwen3-LiveTranslate的能力。
-
阿里巴巴的 Qwen3.5-Omni 为多模态大语言模型增加了音频和视频能力
阿里巴巴的 Qwen 团队发布了新一代全模态大语言模型 Qwen3.5-Omni，能够处理文本、图像、音频和视听内容。该系列模型包括 Plus、Flash 和 Light 版本，均支持 256k 上下文窗口，并能处理超过 10 小时的音频。其架构在推理和生成组件中均采用了混合注意力专家混合（MoE）方法。