近日，來自杭州的三家科技公司發佈的大模型拿下全球最大AI開源社區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。

《每日經濟新聞》記者從阿裡雲方面瞭解到，Qwen2.5-Omni採用了通義團隊全新首創的Thinker-Talker雙核架構，Position Embedding （位置嵌入）融合音視頻技術，位置編碼演算法TMRoPE（Time-aligned Multimodal RoPE）。

雙核架構Thinker-Talker讓Qwen2.5-Omni擁有了人類的“大腦”和“發聲器”，形成了端到端的統一模型架構，實現了即時語義理解與語音生成的高效協同。

3月27日淩晨，阿裡巴巴發佈並開源首個端到端全模態大模型通義千問Qwen2.5-Omni-7B，可同時處理文字、圖像、音訊和視頻等多種輸入，並即時生成文字與自然語音合成輸出。

相較於動輒數千億參數的閉源大模型，Qwen2.5-Omni以7B的小尺寸讓全模態大模型在產業上的廣泛應用成為可能。即便在手機上，也能輕鬆部署和應用Qwen2.5-Omni模型。

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

公開資料顯示，SpatialLM是群核科技自主研發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場景佈局。不同於傳統大語言模型，SpatialLM突破了對物理世界幾何與空間關係的理解局限，將在機器類人的空間認知和解析能力上發揮重大作用。

而據《每日經濟新聞》此前報導，3月24日，DeepSeek發佈了V3的一個小版本更新，版本號為V3-0324。雖然官方稱這隻是“小版本升級”，但實測能力接近V3.5版本，尤其在複雜邏輯和多模態理解上表現突出。

每日經濟新聞