E-Commerce Bench：长程经营，多维评估PAPER GITHUB PROJECT 过去几年的Agent评测模式大体是给定目标，模型在有限回合里尽量达成。比如在一个迷宫里找到宝藏、产出一份报告或者修复一段代码。而模型的性能也会根据交付产物的质量或者任务完成度来评估，这类评估往往有明确的自然终止状态。 真实世界的长程任务大多没有明确的自然终止态，例如天气预测、股票交易、商业经营。就像网店不会在某个上午被"经营完成"，上个月压的库存、前天谈判的价格、昨天的促销活动都会影响今天的销售，Agent需要在动态的市场中不断调整经2026/09/03 10:00
Qwen-Drive-1.0：迈向自动驾驶视觉-语言基础模型的初步探索Paper GitHub Hugging Face Model Scope 摘要 # 我们提出 Qwen-Drive-1.0 。这是 首个在预训练阶段统一 3D 感知与视觉问答，并进一步扩展到运动规划的自动驾驶视觉-语言基础模型 ， 并且全程保持预训练 VLM 架构无改动 。模型以原生多模态的 Qwen3.5-4B 为基座，增加两个外部模块。BEV 感知头作为显式、可检视的 3D 探针，联合完成 3D 目标检测、语义 Occupancy 预测与 BEV 地图分割。规划专家基于2026/09/03 08:00
Qwen3.8-Flash-Next：全新架构，迈向极致性价比HUGGING FACE MODELSCOPE TECH REPORT FLASHQLA DISCORD 引言 # 我们此次发布 Qwen3.8-Flash-Next 的开源权重，这是一个开源权重的多模态 MoE 模型，同时作为 Qwen4 所用模型结构的先导预览。它承担的角色与 Qwen3-Next 对 Qwen3.5 的角色一致：当时引入的 Gated DeltaNet + Gated Attention 混合结构，此后被用于 Qwen3.5、Qwen3.6、Qwen3.2026/08/26 20:30
Qwen3.8-Max：编程与办公，全面跃升QWEN STUDIO DISCORD 今天，我们正式发布了 Qwen 3.8-Max ，这是目前 Qwen 家族中最强大的模型。这也标志着 Qwen-Max 级别的模型将首次开源权重——权重将于下周开源，敬请期待。 Qwen 3.8-Max 基于 Qwen 3.5 的架构基础构建，参数规模扩展至 2.4 万亿 ，在编程、办公、科研以及长周期任务等方面实现了全面提升。它不仅能应对更具挑战性的问题，还能更可靠地端到端完成复杂任务，输出值得信赖的成果。 Qwen3.8-Max —2026/08/03 10:00
Qwen-Image-3.0: 内容丰实、细节真实、知识厚实QWEN CHAT 我们推出 Qwen-Image-3.0，Qwen-Image 系列的第三代图像生成基础模型。如果说 Qwen-Image-1.0 的关键词是 “准” ，Qwen-Image-2.0 的关键词是 “准 多 齐 美 真” ，那么 Qwen-Image-3.0 的核心就是有一个字—— “实” 。 这个"实"体现在三个维度： 内容丰实 ：支持最大 4.5k token 输入，轻松生成报纸、分镜、试卷等复杂版面。 细节真实 ：支持 10px 小字精准渲染，毛孔、发丝2026/07/21 14:00
Qwen-AgentWorld: 面向通用智能体的语言世界模型PAPER GITHUB HUGGING FACE MODELSCOPE 今天，我们正式发布 Qwen-AgentWorld ——首个原生语言世界模型（Language World Model, LWM），能够在七大领域中模拟智能体交互环境： 原生世界建模。 我们从预训练阶段开始就引入"理解和模拟环境"这一训练目标，贯穿 CPT → SFT → RL 全流程，而非等到后训练阶段才做适配。 七大领域，一个模型。 单一模型同时覆盖文本类环境（MCP、Search、Terminal2026/06/23 11:30
Qwen-Robot Suite：迈向物理世界智能的基础模型套件Qwen 系列基础模型已在物理世界的感知与理解上展现出强大能力，但 看懂不等于能行动 ——从视觉语言理解到物理控制，这道鸿沟仍是具身智能的核心瓶颈。 Qwen-Robot Suite 用三个基础模型来弥补这一鸿沟—— Qwen-RobotNav 、 Qwen-RobotManip 与 Qwen-RobotWorld 。Nav 通过自适应视觉分配策略将五类导航任务统一到单一模型；Manip 将异构机器人数据对齐到统一空间，实现大规模跨机型训练；World 以自然语言作为动作接口2026/06/16 10:00
Qwen-RobotNav：面向智能体驱动的规模化通用导航模型GitHub 论文 搭建智能体驱动的导航系统需要一个可配置上下文内容管理的通用导航模型。指令跟随、物体搜索、目标跟踪和自动驾驶等任务虽然共享相同的感知-规划骨干网络，却需要截然不同的视觉信息处理策略。正如大模型工具调用中的模型上下文协议（MCP）为不同工具提供了统一接口，导航模型同样需要一套标准化的接口，在推理时灵活管理多样化的上下文需求。 我们提出了 Qwen-RobotNav ，一个基于 Qwen3-VL 构建的规模化导航模型。它通过 参数化接口 从两个互补维度解决上述问2026/06/16 08:00
Qwen-RobotManip：对齐先行，规模化通用机器人操作基础模型GitHub 论文 Qwen-Omni × Qwen-RobotManip — Qwen-Omni 观察场景，通过语音提出随机的操作任务，并实时判断Qwen-RobotManip的执行结果。以下视频展示了 Qwen-RobotManip 在 无预定义任务 的情况下完成Qwen-Omni给出的任务的全流程，体现了模型的开放式指令跟随与泛化能力。 经过多种机器人平台和任务的验证，Qwen-RobotManip展现出 新场景适应、未见语言指令跟随以及跨构型迁移 等泛化能力。 查看更2026/06/16 08:00
Qwen-RobotWorld：无界世界，赋能具身智能体论文 具身智能要求智能体能够在真实物理环境中感知、推理并采取行动，世界模型为此提供了一条可规模化的学习路径。然而，现有方法面临一个核心困境： 通用视频生成模型 拥有丰富的视觉先验，但 对具身物理规律的建模能力不足 。 领域专用的具身模型 则局限于特定场景， 难以跨构型泛化 。 Qwen-RobotWorld 以自然语言为统一动作接口，弥合了这一鸿沟。 一句简单的指令——如 "拿起红色杯子放到架子上" ——本身就包含了完整的动作序列、目标状态与物理约束， 无需任何机器人专属的控2026/06/16 08:00
Qwen3.7-Plus：多模态智能体DISCORD 今天，我们正式发布 Qwen3.7-Plus ——将视觉与语言统一为一体化智能体基座的多模态模型。在 Qwen3.7 强大文本能力的基础上，Qwen3.7-Plus 全面升级了视觉-语言能力，同时保持了在编码、工具使用和生产力工作流方面的完整智能体能力。 Qwen3.7-Plus 的核心特色在于其作为 多模态交互混合智能体 的能力。它能够感知真实世界场景、读取屏幕并操作 GUI、基于视觉参考生成代码、端到端导航移动应用，以及基于网络知识回答视觉问题——在单一智2026/06/01 10:00
Qwen-VLA：从看懂世界走向执行动作GitHub Paper Demo 过去几年，多模态大模型已经能够越来越好地理解图像、视频和真实世界场景：识别物体、理解空间关系、回答视觉问题，并完成复杂的多模态推理。 但对于具身智能来说，“看懂世界”只是第一步。真正的智能体还需要进一步做到：理解任务目标，在物理世界中执行动作，并在不同机器人形态、不同环境和不同任务中保持泛化能力。 这正是 Qwen-VLA 的出发点。 Qwen-VLA 是一个通用视觉-语言-动作模型。它基于 Qwen 多模态骨干模型，将视觉感知、语言理解和2026/05/29 17:00
Qwen3.7：智能体新前沿DISCORD 今天，我们正式发布 Qwen3.7-Max ——面向智能体时代的新一代旗舰模型，现已通过 API 提供服务。Qwen3.7-Max 致力于成为全能的智能体基座——无论是编写和调试代码、自动化办公流程，还是在跨越数百乃至数千步的长周期任务中持续自主执行，都能胜任。 Qwen3.7-Max 的核心优势在于智能体能力的广度与深度：编程方面，从前端原型开发到复杂的多文件工程均能驾驭；办公与生产力方面，通过 MCP 集成和多智能体协作实现工作流自动化；长周期自主执行方面2026/05/20 10:00
Qwen3.5-LiveTranslate：所听即所见，所译即所达DashScope Demo Qwen3.5-LiveTranslate-Flash 是 Qwen 家族最新的同声传译模型，基于 Qwen3.5-Omni 构建。它提供实时、多模态翻译能力，不仅能够听懂并翻译语音，还能看见并理解视觉上下文，从而产出更准确的译文。与前代模型 Qwen3-LiveTranslate 相比，Qwen3.5-LiveTranslate-Flash 在语言覆盖范围、翻译延迟、声音克隆和术语处理等方面均有重大升级，非常适用于跨国会议、直播本地化、在线课堂2026/05/19 17:40
Qwen-Scope: 解析智能，释放潜能HUGGING FACE MODELSCOPE TECHNICAL REPORT 可解释性分析是探测大模型行为、提供性能优化视角、进行可控式推理的重要方向。今天，我们非常高兴地给大家带来Qwen-Scope——基于Qwen3系列和Qwen3.5系列模型训练所得的可解释性模块。具体来说，我们在Qwen隐藏层插入稀疏自编码器（SAE）并加以训练，通过施加稀疏性约束，自动提取出高度解耦、低冗余且更具可解释性的隐藏空间特征。Qwen-Scope不仅可以用于分析Qwen模型行为的内在机2026/04/30 12:00
FlashQLA：面向 Gated Delta Network 的融合线性注意力算子库GitHub 引言 # 自 Qwen3-Next 发布以来，Gated Delta Network (GDN) 已经成为 Qwen 全系列的主力注意力层 —— 从 Qwen3-Next-80B-A3B 一路延伸到后续推出的 Qwen3.5 / Qwen3.6 系列。随着模型规模扩展到 397A17B / 122A10B / 35B / 27B ，上下文长度突破 256K，GDN 这一模块在端到端训练与推理中的开销也变得不可忽视。 今天我们正式开源 FlashQLA ： 一个基2026/04/28 10:00
Qwen3.6-27B：270亿参数稠密模型，旗舰级编程能力QWEN STUDIO HUGGING FACE MODELSCOPE DISCORD 继 Qwen3.6-Plus 和 Qwen3.6-35B-A3B 发布之后，我们非常高兴地宣布开源 Qwen3.6-27B —— 一个拥有270亿参数的稠密多模态模型，也是社区呼声最高的模型规格。Qwen3.6-27B 依然支持多模态思考与非思考模式，在智能体编程方面达到了旗舰级表现， 全面超越前代开源旗舰 Qwen3.5-397B-A17B （总参数397B / 激活参数17B的MoE模2026/04/22 10:00
Qwen3.6-Max-Preview：更强知识，更强编程，持续进化QWEN STUDIO DISCORD 继 Qwen3.6-Plus 发布之后，我们分享下一代旗舰模型的早期预览版： Qwen3.6-Max-Preview 。相比 Qwen3.6-Plus，本次预览版带来了 更强的世界知识和指令遵循能力 ，以及在多项基准上 显著提升的智能体编程表现 。作为预览版，模型仍在积极迭代中，后续版本将持续优化。 Qwen3.6-Max-Preview 是通过 阿里云百炼 提供的旗舰模型，主要特性包括： 相比 Qwen3.6-Plus 显著提升的智能2026/04/18 10:00
Qwen3.6-35B-A3B：智能体编程利器，现已开源QWEN STUDIO HUGGING FACE MODELSCOPE DISCORD 继 Qwen3.6-Plus 发布之后，我们非常高兴地宣布开源 Qwen3.6-35B-A3B —— 一个稀疏但能力出色的混合专家（MoE）模型，总参数量为350亿，激活参数仅30亿。尽管高效轻量，Qwen3.6-35B-A3B 在智能体编程方面表现卓越，大幅超越前代模型 Qwen3.5-35B-A3B，并可与 Qwen3.5-27B 和 Gemma4-31B 等稠密模型一较高下。该模型依2026/04/15 10:00
Qwen3.6-Plus：走向现实世界智能体QWEN CHAT DISCORD 继今年2月发布 Qwen3.5 系列之后，我们非常激动地宣布 Qwen3.6-Plus 正式上线。该版本现已通过 API 即刻开放调用，相较于前代模型实现了全方位的能力大幅跃升。其中最引人注目的是，我们显著增强了模型的智能体（Agent）编程能力。无论是前端网页开发，还是复杂的代码仓库级问题求解，Qwen3.6-Plus 均树立了全新的业界标杆（SOTA）。此外，Qwen3.6-Plus 对世界的感知更加精准，多模态推理能力也更为敏锐。本次2026/04/02 04:00
今日热点今日热点