阿里換帥Qwen團隊:劉大一恆接掌通義千問大模型,雲棲大會前亮相

2026年9月21日 15:17
阿里換帥Qwen團隊:劉大一恆接掌通義千問大模型,雲棲大會前亮相
站內 AI 整理稿

AI資訊AI新聞資訊正文阿里換帥Qwen團隊:劉大一恆接掌通義千問大模型,雲棲大會前亮相發佈於AI新聞資訊發佈時間 :2026年9月21號 15:13閱讀 :1分鐘阿里巴巴集團已任命資深AI研究人員劉大一恆擔任Qwen(通義千問)大語言模型團隊負責人,這一人事變動由兩位知情員工向外透露。今年以來,Qwen團隊歷經多輪組織重組,劉大一恆的到任進一步釐清了團隊的管理層架構,也意味著這條核心AI產品線有了明確的一把手。這一任命的時點頗為微妙。

阿里巴巴一年一度的雲棲大會將於本週二開幕,在大會官網的演講嘉賓名單頁面上,劉大一恆的個人肖像被放在了十分靠前的位置,緊隨集團主席蔡崇信、首席執行官吳泳銘之後,官網對其職務的標註正是Qwen大語言模型項目負責人。在年度技術盛會的聚光燈下高調露面,無疑是為這位新掌門人鋪好了登場舞臺。相關推薦通義千問開源 Qwen-Image-2.1:7B 參數實現文生圖與圖像編輯一體化9月21日,通義千問團隊開源新一代圖像模型Qwen-Image-2.1。該模型以僅7B參數的輕量視覺生成模塊,統一文生圖、透明圖像生成與多種圖像編輯能力,實現生成效果、推理效率與使用成本的新平衡。

其視覺生成採用32層Single-Stream DiT結構,藉助混合粒度注意力與KV Cache複用機制,優化多圖輸入場景下的效率與表現。2026年9月21號 9:10163.9k通義千問官方點贊!Unsloth Dynamic V3 讓 Qwen3.8-27B 更小更聰明,1-bit 版 8GB 內存就能跑通義千問官方公開致謝 Unsloth 團隊,高度認可其發佈的 Qwen3.8-27B GGUF 量化版本,稱其“更小更聰明”。此舉在開源社區引發熱議,凸顯本地大模型部署門檻持續降低,官方鼓勵用戶嘗試該版本。2026年8月20號 15:57302.6k顛覆認知!

擺脫獨立顯卡束縛,阿里5nm RISC-V芯片成功原生跑通270億大模型阿里達摩院旗艦CPU玄鐵C950實現里程碑:原生運行通義千問3.8-27B大模型,成為RISC-V架構首次不依賴GPU、無需模擬層直接驅動270億參數大模型。該64位服務器級處理器採用臺積電5nm工藝,集成64個計算核心,展現技術潛力。2026年8月19號 10:42336.

4k前通義千問負責人林俊暘官宣創業 Pragmatik Labs獲數億美元融資估值達20億前阿里通義千問負責人林俊暘在滬創立AI實驗室“Pragmatik Labs”(語用科技),專注研發貫通數字與物理世界的通用智能體,提出“Agents for digital and physical worlds”核心理念。首輪融資獲高榕創投與紅杉中國聯合注資。2026年8月12號 16:00237.0k通義千問開放平臺上線 “對話即服務”打通生活場景全鏈路通義千問開放平臺上線,支持手機、PC、AI眼鏡三端,用戶無需跳轉APP,通過對話即可使用物流、租房、家政、理財等十餘領域服務。

例如@順豐速運查寄件、@自如根據條件匹配房源並VR看房、@天鵝到家預約保潔核對合同、@盈米基金提供理財分析,彩雲天氣也可推薦信息。2026年8月10號 11:34234.3k智啟未來,您的人工智能解決方案智庫English簡體中文繁體中文にほんご© 2026

Related

相關文章

量子位生成式AI

國產數據庫跑出AI新能力!OceanBase登頂國際Data Agent榜單

OceanBase團隊提交的Data Agent方案登頂國際數據智能體基準Data Agent Benchmark 近日, OceanBase團隊提交的Data Agent方案登頂國際數據智能體基準Data Agent Benchmark(簡稱DAB),以90.62%的準確率位列第一,成為該榜單首個準確率突破90%的參評方案。

剛剛

Claude Opus 5. 5 疑遭內測洩露:跳級直衝GPT-6,百萬Token價格腰斬至 4 美元

最新線報顯示,下一代版本號直接飆到了5.5——代號為claude-wafer-eap的Claude Opus5.5已經在悄悄內測,最早由開發者Lyra扒出猛料,動作快的話本週二就會突然砸向市場。更扎眼的是流出的定價單:每百萬Token輸入只要4美元,輸出20美元,擺明了是衝著GPT-6去的,據傳性能直接把Astra踩在腳下。

剛剛
量子位生成式AI

GPT-6 Astra開進機器人身體!清華聯手無問芯穹等開源RPent

清華大學、無問芯穹與正行創新聯合開源具身智能體基礎設施RPent,讓通用大模型作為機器人決策大腦,結合VLA等專家模型完成精細操作並形成感知-決策-執行-糾錯閉環。RPent在LIBERO-PRO基準測試中達到92.6%任務成功率,並將端到端任務完成速度優化7倍以上。

剛剛