阿里釋出 Prompt Relay：免訓練即插即用，讓 AI 影片無縫切換多場景
阿里巴巴公佈影片生成技術 Prompt Relay。這是一種免訓練的即插即用方案，通過在交叉注意力層動態路由各時間段的提示詞，讓老鷹飛翔到賽博城市等跨度巨大的場景能自然過渡，避免畫面概念互相串擾。目前官方已釋出實施說明，程式碼檔案尚未完全放出。
阿里巴巴
檢視更新的新聞
阿里推出 Wan2.7-Image：單次生成 12 張一致圖片，支援 12 種語言文字渲染
阿里巴巴推出影像生成與編輯統一模型 Wan2.7-Image。該模型支援精確控制人臉輪廓與 HEX 調色盤，可實現 12 種語言的印刷級文字渲染，並能在單次生成中輸出最多 12 張風格一致的影像。這意味著創作者能直接用它完成複雜的多語言圖文排版和連貫分鏡製作。
阿里釋出 Wan 2.7 Image：生成編輯一體，能輸色號還能畫圖表
阿里釋出生成與編輯一體的影像模型 Wan 2.7 Image。它主打更具真實瑕疵的人臉微調，支援直接輸入最多 8 個十六進位制色號鎖定配色，並能渲染 3000 tokens 的多語言長文本與表格。單次提示還可生成最多 12 張風格一致的影像，分鏡和設計物料製作效率大增。
阿里開源 PrismAudio：輸入無聲影片配音效，5 億引數 0.63 秒搞定
阿里開源音效生成模型 PrismAudio。它將強化學習與思維鏈結合，先分析畫面再生成聲畫同步的音效。模型引數僅 5.18 億，生成 9 秒音訊只需 0.63 秒，在多項基準測試和生成速度上均優於 MM-Audio 等數十億引數競品。
阿里開源 Fun-CineForge：讓 AI 配音對齊唇形與多角色
阿里開源影視配音模型 Fun-CineForge。輸入影片與文本，模型通過引入「時間模態」識別角色並對準唇形，即便面部被遮擋也能卡準節奏發聲。最值得關注的是它支援多角色自然切換，讓自動配音真正做到了音畫對齊。
阿里開源個人助理 CoPaw：自帶網頁 UI，打通釘釘飛書且支援本地執行
阿里開源個人助理 CoPaw。它自帶網頁 UI 介面，原生支援 Ollama、llama.cpp 和 MLX 在本地執行，能直連釘釘、飛書與 QQ 等工具。最值得關注的是它支援 MCP 熱插拔與技能匯入，無需寫程式碼就能配置定時任務和資訊推送。
阿里巴巴釋出 Mobile-Agent-v3.5：打通手機桌面與瀏覽器，20 多個基準拿第一
阿里巴巴釋出跨平臺 GUI 智慧體 Mobile-Agent-v3.5，核心由基於 Qwen3-VL 的 GUI-Owl-1.5 系列驅動，引數覆蓋 2B 到 235B。它將手機、電腦與瀏覽器的感知、規劃和行動統一，並在 20 多個基準上拿到 SOTA。模型權重已開源，並在百鍊和魔搭提供體驗。
阿里開源 DeepGen 1.0：5B 輕量模型兼顧影像生成與編輯，還能解迷宮
阿里巴巴開源影像生成與編輯模型 DeepGen 1.0。它採用 5B 引數架構，不僅能渲染文字與多風格生圖，還支援換視角、預測畫面甚至解迷宮等推理任務。最值得關注的是，其編輯能力在評測中叫板更大體量的模型，不過完整權重達 72GB，本地部署門檻較高。
阿里開源 Z-Image 滿血基座：主打高多樣性與微調，ComfyUI 首日支援
阿里通義團隊開源影像生成基座模型 Z-Image。它是此前 Turbo 版本的未蒸餾滿血底模，解決了一換種子構圖不變、多人同臉的問題，原生支援負向提示詞和 LoRA 微調。出圖步數增至 50 步，目前已支援在 ComfyUI 中直接執行。
阿里釋出開源語音模型 Qwen3-TTS：延遲 97 毫秒，幾秒音訊即可克隆音色
阿里推出開源文本轉語音模型 Qwen3-TTS，提供 1.7B 和 0.6B 兩種尺寸，僅需數秒音訊即可克隆音色，還支援用提示詞直接定製新聲線。模型採用雙軌架構，端到端延遲低至 97 毫秒，克隆中文後可直接說多國語言與方言，便於即時互動與有聲書製作。
開源模型 CoDance：打破空間繫結，讓畫面中任意多角色同框起舞
研究團隊開源多主體動畫模型 CoDance，解決了角色與驅動姿態錯位就無法動起來的難題。它先解綁動作與空間位置，再通過文本和遮罩把動作精準指派給目標角色，無論畫面裡有幾個人、什麼畫風都能生成協調動畫。目前程式碼與權重已全部開源。
阿里提出 Thinking with Map：讓 AI 查地圖定位，500米準確率達 22.1%
阿里巴巴團隊提出影像地理定位框架 Thinking with Map，讓多模態模型像人類一樣查地圖推斷拍攝地。結合強化學習與並行搜尋，模型 500 米內定位準確率達 22.1%，是配備地圖搜尋的 Gemini-3-Pro 的 2.8 倍。
Qwen Code 升級 v0.3.0：支援 Stream JSON 流式傳輸，全面適配中文
阿里 Qwen 團隊公佈 Qwen Code v0.2.2 至 v0.3.0 更新。新版本加入 Stream JSON 流式輸入輸出，方便直接塞進自動化指令碼與 CI/CD 流程；同時支援一鍵切換中文介面與中文輸出，並設定 20MB 記憶體上限以防爆記憶體。
通義千問推出 Qwen-Image-Edit：支援中英文精準改字與 180 度翻轉
Qwen 推出影像編輯模型 Qwen-Image-Edit。該模型基於 20B 底座打造，不僅能精準增刪改圖片中的中英文字並保留原字型風格，還支援物體 180 度旋轉視角合成與區域性畫素級修圖。目前已在 Qwen Chat 上線體驗。
阿里開源 20B 影像模型 Qwen-Image：搞定複雜中英文排版
阿里推出 20B 影像基礎模型 Qwen-Image。模型基於 MMDiT 架構，主打原生中英文文字渲染與精準影像編輯，能直接在畫面中穩定排布多行段落甚至對聯。文生圖一直頭疼的中文字元拼寫與海報排版難題，迎來了開源方案。
Qwen 正式上線 QwQ-32B：320 億引數推理模型，對標 DeepSeek-R1
Qwen 正式釋出 320 億引數的新推理模型 QwQ-32B。該模型基於 Qwen2.5-32B 研發，通過強化學習擴充套件顯著提升了數學與程式設計能力。最值得關注的是，阿里團隊證實了持續擴充套件強化學習能讓中等尺寸模型直接抗衡龐大的 MoE 架構。
Animate Anyone 2 釋出：不僅讓靜態人物動起來，還能和環境真實互動
研究團隊推出角色動畫模型 Animate Anyone 2，主打環境互動能力。新模型通過引入環境表徵作為條件輸入，並加入物體引導器和空間融合技術，讓生成的角色不再像浮在背景上，而是能真正與周圍物體自然互動，動作適應度大幅提升。
阿里巴巴任命 AI 專家 Steven Hoi：掌舵面向消費者的 AI 團隊
知名 AI 科學家 Steven Hoi 宣佈加入阿里巴巴，負責領導面向消費者（AI-to-Consumer）的 AI 業務。他表示未來十年消費級基礎模型和智慧體應用充滿機會。阿里這次招攬大將，顯然是要在直接面向普通使用者的 AI 場景上加快下注。
阿里釋出視覺模型 Qwen2-VL：開源 2B/7B，支援 20 分鐘長影片
阿里 Qwen 團隊釋出視覺語言模型 Qwen2-VL，開源 2B 與 7B 權重並上線 72B API。新模型支援動態解析度、20 分鐘以上長影片理解與手機操控智慧體，72B 評測表現對標 GPT-4o。
阿里釋出肖像影片框架 EMO：一張圖一段音訊，就能讓人物自然開唱
阿里研究團隊公佈音訊驅動肖像影片框架 EMO。輸入一張單人照片和一段語音或歌聲，就能生成神態豐富、口型同步且時長不限的動態影片。它能敏銳捕捉語調起伏與快節奏歌詞，也能讓油畫與 3D 角色開口說話。