在魔搭社区，通义千问团队发布了Qwen-7B-Chat的Int4量化模型，Qwen-7B-Chat-Int4。该方案的优势在于，它能够实现几乎无损的性能表现，模型大小仅为5.5GB，内存消耗低，速度甚至超过BF16。

ReAct模式通过“推理+行动”循环，使大语言模型能自主调用工具、获取实时信息并执行多步骤任务，有效突破LLM固有局限，提升任务准确性和智能化水平。

LangGraph作为Agent 生态中非常热门的框架，今天我将借助 LangGraph，更高效、更优雅的方式构建复杂智能体系统。

通义万相2.1首尾帧模型开源！细节真实生动+过渡丝滑，指令遵循表现出色！

Qwen2-7BS适配昇腾910A教程。

Arthas profiler（使用async-profiler对应用采样，生成火焰图）

什么是阿里云百炼？

随着人工智能技术的不断发展，语音生成和理解模型在各个领域得到了广泛应用。本文将评测两个由FunAudioLLM团队开发的多语言语音模型——[CosyVoice](https://github.com/FunAudioLLM/CosyVoice)和[SenseVoice](https://github.com/FunAudioLLM/SenseVoice)，并结合阿里云开发者社区的相关资源，探讨其在实际应用中的表现。

覆盖200+服务场景，阿里「通义」大模型系列打造国内首个AI统一底座

骗子酒馆是一款基于多智能体系统的在线社交推理游戏，玩家通过掷骰子和扑克牌进行智力和心理博弈，结合大语言模型技术，每个游戏角色由AI扮演，具备独特的性格和决策逻辑，提供高度沉浸式的体验。游戏采用黑板通信模式，确保信息高效交换，支持多种角色如胆小鬼、占卜师等，每个角色拥有特定的技能和行为模式，增强游戏的策略深度和互动性。游戏界面简洁，操作流畅，适合喜欢心理战和策略游戏的玩家。文章末尾有源码和体验地址。

5%的产品死于"盲视"。本文不仅是一套竞品分析AI指令，更是一次从战术勤奋到战略觉醒的认知升级。教你如何利用AI构建全天候商业情报雷达，寻找巨头缝隙中的差异化生存之道，实现商业战场的降维打击。

本文深度解析FlashAttention与PagedAttention两大LLM推理优化技术：前者通过分块计算提升注意力效率，后者借助分页管理降低KV Cache内存开销。二者分别从计算与内存维度突破性能瓶颈，显著提升大模型推理速度与吞吐量，是当前高效LLM系统的核心基石。建议收藏细读。

本项目结合CAMEL和Unsloth，生成高质量训练数据并对Qwen 7B模型进行微调，提升其在特定内容上的理解和生成能力。我们使用CAMEL生成指令-输入-输出三元组数据，并通过Unsloth的LoRA技术加速微调过程。详细步骤包括环境准备、API密钥设置、模型加载与配置、数据生成与保存、模型训练及推理。最终，微调后的Qwen 7B模型能更好地处理CAMEL社区相关文本。 更多详情请参考： - [CAMEL GitHub](https://github.com/camel-ai/camel)

本文介绍了如何利用通义AI的“代码模式”功能，轻松制作个性化日历。作者通过实例展示了从设计日历样式、推荐每日生活小事到赋予小事新解的过程，强调了AI在创意实现上的强大助力。此外，还探讨了AI代码生成技术对未来创造力的影响，以及通义AI代码模式如何降低创作门槛，提高效率，让每个人都能成为应用开发者。

通义千问团队开源了Qwen-Image，一个20B参数的MMDiT模型，具备卓越的文本渲染和图像编辑能力。支持复杂中英文文本生成与自动布局，适用于多场景图像生成与编辑任务，已在魔搭社区与Hugging Face开源。

阿里云发布并开源全新推理模型通义千问QwQ-32B，通过大规模强化学习，在数学、代码及通用能力上实现质的飞跃，性能比肩DeepSeek-R1。该模型大幅降低部署成本，支持消费级显卡本地部署，并集成智能体Agent相关能力。阿里云采用Apache2.0协议全球开源，用户可通过通义APP免费体验。此外，通义团队已开源200多款模型，覆盖全模态和全尺寸。

本文介绍了DeepSeek大模型的本地部署方法、使用方式及API接入。首先，通过下载Ollama平台部署DeepSeek-R1模型，提供7种不同参数版本（1.5b至671b），用户可根据硬件选择合适的模型大小。接着，文章详细描述了如何在终端运行命令启动模型，并通过Chatbox官网下载并接入DeepSeek API，实现本地和云端模型的交互。最后，提及了DeepSeek官网和集成工具如POE的使用，帮助用户更好地利用DeepSeek进行开发和应用。

通义智文是阿里巴巴推出的大规模文档处理技术体系，旨在提升生产力效率。最初作为阅读工具发布，现已发展为涵盖文档解析、理解、生成等多方面的技术平台。通义智文支持超长文档处理、多模态文本解析，并在法律、教育等领域提供专业服务。其创新算法如VGT版面分析和Layout-LM多模态模型，显著提升了文档处理精度。应用场景包括PPT创作、故事绘本生成及法律文书审查等，赋能千行百业。

如果说RAG让LLM学会了“开卷考试”，那么AI智能体（Agent）则赋予了LLM“手和脚”，使其能够思考、规划并与真实世界互动。本文将深入剖析Agent的核心架构，讲解ReAct等关键工作机制，并带你一步步构建一个能够调用外部工具（API）的自定义Agent，开启LLM自主解决复杂任务的新篇章。

本文系统解析AI工程范式从Prompt Engineering到Context Engineering的演进路径，深入探讨RAG、向量数据库、上下文压缩等关键技术，并结合LangGraph与智能体系统架构，助力开发者构建高可靠AI应用。

大模型Agent是基于大型预训练模型构建的智能体，具有强大的语言理解和生成能力，能完成多任务处理。其记忆功能包括短期记忆和长期记忆，支持上下文保持、知识积累、计划决策及内容创作，广泛应用于自然语言处理、问答系统、信息检索、辅助决策、教育、创意应用和客服等领域。

本文系统解析深度学习模型压缩三大核心技术：剪枝、量化与知识蒸馏，详解如何实现模型缩小16倍、推理加速4倍。涵盖技术原理、工程实践与组合策略，助力AI模型高效部署至边缘设备。

大型语言模型作为智能体在真实环境中持续交互学习面临诸多挑战。 Trinity-RFT 是通义实验室推出的强化微调框架，旨在实现智能体的持续进化。它通过探索、训练与经验池的解耦设计，支持多样化训练模式，提升资源利用率和学习稳定性。同时，Trinity-RFT 提供灵活的数据处理与算法模块化功能，降低应用与研究门槛，助力迈向终身学习与自主进化的智能体时代。

本文探讨了开源与闭源软件在大模型技术发展中的角色，深入比较了两者在质量、安全、产业化、适应性和可靠性等方面的优缺点。开源软件得益于全球开发者社区，通常在创新和适应性上表现出色，但安全性和质量可能因分散的开发而有所波动。闭源软件则在代码质量和安全性上有一定优势，但可能限制了产业的协作与创新。 在商业模式方面，开源通常依赖服务和支持盈利，闭源则通过软件授权和订阅服务获利。开源模式的市场竞争更激烈，闭源模式则更注重市场份额和控制。企业需要根据自身情况选择合适的战略，有些可能会采用

通义实验室Trinity-RFT团队提出CHORD框架，通过动态融合SFT与RL，解决大模型训练中“越学越差”“顾此失彼”等问题。该框架引入细粒度Token级权重与软过渡机制，实现从模仿到超越的高效学习，在数学推理与通用任务上均显著提升性能，相关代码已开源。

vLLM是高效分布式大模型推理引擎，采用分页注意力、连续批处理等技术实现高吞吐与低延迟。本文详解其架构设计与关键技术，包括KV缓存管理、调度机制、推测解码与分布式扩展等，助你深入理解性能优化原理。

在AI快速发展的今天，算法备案成为企业合规运营的关键。本文通过五个案例解析接入DeepSeek是否需备案：1) 微调模型需备案，流程4-6个月；2) 面向公众服务需备案；3) 内部使用通常无需备案；4) 个人自用无需备案；5) 面向特定专业人士通常无需备案。了解这些要求，确保企业在享受AI红利的同时合规运营，规避风险。

AI大模型 智能AI开源模型与大模型接口整理（8个开源模型+7个大模型接口）

本文深入解析RAG系统中的五大文本分块策略，包括固定尺寸、语义、递归、结构和LLM分块，探讨其工程实现与优化方案，帮助提升知识检索精度与LLM生成效果。

Spark-TTS 是一款革命性的语音合成模型，被誉为“变声大师”。它通过创新的 BiCodec 技术将语音分解为语义和全局两种 Token，实现对音色、性别、语速等属性的精细控制。结合统一的 LLM 架构，Spark-TTS 简化了传统 TTS 的复杂流程，同时提供了前所未有的灵活性。此外，团队还发布了 VoxBox 开源数据集，为行业提供标准评估基准。尽管在零样本场景下仍存改进空间，但 Spark-TTS 已经开启了语音合成新时代，让个性化、可控的 AI 语音成为可能。

招商银行X通义大模型，2024年度AI最佳实践案例！

本文以构建AIGC落地应用ChatBot和构建AI Agent为例，从代码级别详细分享AI框架LangChain、阿里云通义大模型和AnalyticDB向量引擎的开发经验和最佳实践，给大家快速落地AIGC应用提供参考。

TensorRT LLM提供多种GPU并行策略，支持大模型在显存与性能受限时的高效部署。涵盖张量、流水线、数据、专家及上下文并行，并推出宽专家并行（Wide-EP）应对大规模MoE模型的负载不均与通信挑战，结合智能负载均衡与优化通信核心，提升推理效率与可扩展性。

本项目旨在通过自然语言交互，结合通义千问AI模型，构建一个智能高考志愿填报系统。利用Vue3与Python，实现信息采集、AI推荐、专业详情展示及数据存储功能，支持响应式设计与Supabase数据库集成，助力考生精准择校选专业。（239字）

本文将带你深入了解检索增强生成（RAG）技术的核心思想，解决大型语言模型（LLM）固有的知识局限和“幻觉”问题。我们将一步步拆解RAG的工作流程，从文档处理到向量检索，并提供一份基于Python的简易代码实现，助你快速上手，构建你的第一个RAG应用。

比亚迪与阿里云深度合作，将通义大模型应用于智能座舱和营销服务。通过通义万相，腾势推出“AI壁纸”功能；借助通义星尘，实现“心理伴聊”等情感陪伴场景。阿里云Mobile-Agent智能体落地比亚迪座舱，支持复杂语音操作，如查询淘宝物流、订火车票等。该方案基于全视觉解决技术，具有强泛化能力，未来双方将持续拓展更多AI应用。

🚀 从零到大师 | 通义万相智能创作系统部署指南

2025年3月11日，浙江万有码力网络科技有限公司（以下简称“万码优才”）与阿里云计算有限公司（以下简称“阿里云”）在杭州云谷园区正式签署合作协议。双方宣布将基于阿里云通义大模型与万码优才第三代AI招聘平台，共同打造“云智人才生态引擎”，推动人力资源服务从“效率工具”向“基础设施”升级。