新榜讯 3 月 27 日凌晨，阿里巴巴最新发布且开源了首个端到端全模态大模型——通义千问 Qwen2.5-Omni-7B。该模型能够同时应对文本、图像、音频以及视频等多种输入形式，并能够实时生成文本以及进行自然语音合成输出。在权威的多模态融合任务 OmniBench 等测评当中，Qwen2.5-Omni 一举刷新业界纪录，在全维度上大幅超越 Google 的 Gemini-1.5-Pro 等同类模型。Qwen2.5-Omni 能够以近似人类的多感官模式“立体”地认知世界，并与之进行实时交互，还能够通过音视频识别情绪，于复杂任务里作出更具智能化、更显自然的反馈与决策。