阿里巴巴Qwen团队发布AI模型,可操控PC和手机

每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领域的领跑者。点击订阅,与未来同行! 订阅:https://rengongzhineng.io/

这周,科技界的目光几乎都被DeepSeek的R1模型吸引,但阿里巴巴并没有袖手旁观。

1月27日,阿里巴巴 Qwen团队 正式发布了一系列 全新AI模型------Qwen2.5-VL ,具备 文本解析、图像分析、视频理解 以及 远程操控PC和手机 的能力,类似于OpenAI的 Operatorhttps://github.com/QwenLM/Qwen2.5-VL/blob/main/README.md

Qwen2.5-VL:能看、能听、还能动

根据官方介绍,Qwen2.5-VL不仅能读取文件、解析视频,还能 数图像中的物体 ,甚至可以 远程控制电脑和手机

🔹 超越国际大厂?

阿里巴巴的Qwen团队声称,Qwen2.5-VL在多个评测中 超越了OpenAI的GPT-4o、Anthropic的Claude 3.5 Sonnet和Google的Gemini 2.0 Flash ,尤其在 视频理解、数学运算、文档解析和问答能力 上表现突出。

🔹 强大的视觉理解

Qwen2.5-VL可分析 图表、发票、表格 ,甚至能"理解" 长达数小时的视频内容 。此外,它还能 识别影视IP和各类商品 ,暗示该模型可能曾使用 受版权保护的内容 进行训练。

🔹 AI变身"遥控助手"

最令人瞩目的是Qwen2.5-VL的 跨设备控制能力

👉 在 PC端 ,该模型可以操作Linux系统,比如切换标签页(虽然当前还不够智能,无法完成复杂任务)。

👉 在 手机端 ,一位Hugging Face的技术负责人分享了一段视频,展示 Qwen2.5-VL自动打开Booking.com应用并预订机票(从重庆到北京)。

这意味着,AI未来可能不仅仅是 对话助手 ,更可能成为 真正的智能操作员,帮助用户完成各种任务!

不同版本与开源策略

Qwen2.5-VL提供了三种规格的模型:

Qwen2.5-VL-3B 和 Qwen2.5-VL-7B

👉 完全开源,开发者可自由下载、使用,无商业限制。

Qwen2.5-VL-72B(旗舰版)

👉 受 阿里巴巴自定义许可协议 限制,

👉 若月活用户超1亿 ,企业和开发者 需获得阿里巴巴的授权 才能商用。

未来展望:AI助手真的要来了?

尽管目前Qwen2.5-VL的 PC操控能力尚未成熟 ,但它已经展示了AI向 全能助手 进化的可能性。

未来,我们或许真的能看到 AI远程帮用户订票、编辑文件,甚至控制智能家居 。而中国AI公司的快速进步,正让全球科技巨头 感受到前所未有的压力

相关推荐
im_AMBER1 小时前
学习日志19 python
python·学习
白-胖-子2 小时前
深入剖析大模型在文本生成式 AI 产品架构中的核心地位
人工智能·架构
想要成为计算机高手4 小时前
11. isaacsim4.2教程-Transform 树与Odometry
人工智能·机器人·自动驾驶·ros·rviz·isaac sim·仿真环境
静心问道4 小时前
InstructBLIP:通过指令微调迈向通用视觉-语言模型
人工智能·多模态·ai技术应用
宇称不守恒4.05 小时前
2025暑期—06神经网络-常见网络2
网络·人工智能·神经网络
_Kayo_5 小时前
VUE2 学习笔记6 vue数据监测原理
vue.js·笔记·学习
小楓12015 小时前
醫護行業在未來會被AI淘汰嗎?
人工智能·醫療·護理·職業
数据与人工智能律师5 小时前
数字迷雾中的安全锚点:解码匿名化与假名化的法律边界与商业价值
大数据·网络·人工智能·云计算·区块链
chenchihwen5 小时前
大模型应用班-第2课 DeepSeek使用与提示词工程课程重点 学习ollama 安装 用deepseek-r1:1.5b 分析PDF 内容
人工智能·学习
说私域6 小时前
公域流量向私域流量转化策略研究——基于开源AI智能客服、AI智能名片与S2B2C商城小程序的融合应用
人工智能·小程序