YOHO AI

标签： Qwen

  • 阿里发布Qwen3.8-Max：2400亿参数、下周开源权重，直接对标Claude Fable 5

    阿里这周一又把自家旗舰模型推到了台前。新模型叫Qwen3.8-Max（对外主打名Qwen Max），阿里给它的定语是”迄今为止规模最大、能力最强”，并且放话性能可以对标Anthropic的Claude Fable 5，也能跟OpenAI和国内对手Kimi K3掰手腕。

    参数和数字

    官方给出的参数量是2.4万亿。这个数字代表的是模型训练时学到的那一大堆可调权重，用来处理信息、识别模式、完成各种任务。不过参数量从来只是个粗略信号——Moonshot的Kimi K3有2.8万亿参数，但大多数美国头部实验室压根不公布具体数字，OpenAI和Anthropic对自己的旗舰模型更是讳莫如深。

    阿里自己的测试显示，Qwen3.8-Max在多个基准上和Fable 5基本持平，有时还能反超。在第三方众包对比平台Arena.AI上，它的文本榜只排在Fable 5和三个Opus系列模型之后。

    更具体一点：前端代码生成它只输给两个Claude Opus和Kimi K3；视觉理解榜上，唯一把它压住的只有Fable 5。换句话说，在野外的真实对撞里，它确实挤进了第一梯队。

    阿里杭州总部外的公司标识
    阿里杭州总部（图源：NurPhoto via Getty Images）

    重点在”开源权重”

    真正让这波发布在圈内炸开的，是阿里说下周就会放出模型权重。权重就是决定模型怎么处理信息的那组数值。开放权重比传统开源软件限制更多，但比起OpenAI、Anthropic那种完全黑盒的闭源产品，开发者拿到的控制权要多得多。

    这其实是阿里的一次”回摆”。今年早些时候，它对更先进的模型短暂转向过闭源路线，现在又回到了开放权重的老路。放在中国AI圈里，这已经是常态：上周Kimi K3刚放了权重，字节和MiniMax也在周五各自推出了能打的视频生成模型。北京方面一直把开放权重当成策略在推进，既是为了扩大国产技术的影响力，也是在全球AI治理的话语权上多下注。

    • 对开发者：下周拿到权重后，可以自己部署、微调、改架构，不用被厂商的API定价卡脖子。
    • 对美国同业：开放权重阵营又多了一个能打的对手，关于”该不该限制开源工具”的争论会更难收场。
    • 对用户：更强的模型通过Qwen入口直接用上，中文场景下的体验通常会更贴。

    有意思的是，就在美国几家闭源巨头因为自家”越狱”的AI智能体惹出一堆安全风波时，开放权重这边反而越走越宽。阿里这步棋算不算真追平Fable 5，最终还得看开发者和真实工作流买不买账。但有一点是清楚的：当最强模型开始把权重交出来，竞争的规则书又得改写一页。

  • PixelRAG：用网页截图做检索增强，让模型“看图说话”

    PixelRAG：用网页截图做检索增强，让模型“看图说话”

    PixelRAG 配图

    项目简介

    PixelRAG 是伯克利 SkyLab / BAIR 团队开源的视觉检索增强生成框架。它把网页、PDF、图片渲染成截图块，再用视觉语言模型直接在“像素”上检索，从而绕过传统文本 RAG 的 HTML 解析问题，把表格、图表、版式、信息图原样保留给读者模型。仓库还附带一个已建好的 828 万维基百科页面视觉索引，以及免费的在线 API，真正做到了开箱即用。

    安装要求和过程

    环境要求

    • Python 3.10+
    • Linux（CUDA）或 macOS（Apple Silicon / MPS），CPU 亦可作为 fallback
    • 可选：Playwright / CDP 用于网页渲染
    • 可选：用于本地索引构建的 GPU，或直接使用 api.pixelrag.ai 线上服务

    快速安装

    # 1. 基础包：像素化截图工具 pixelshot
pip install pixelrag

# 2. 带向量化：用于本地构建 FAISS 索引
pip install 'pixelrag'

# 3. 完整流水线：source → ingest → embed → index
pip install 'pixelrag[index]'

# 4. 本地搜索 API 服务
pip install 'pixelrag[serve]'

    如果想让 pixelshot 始终处在 PATH 里供 Claude 调用，官方推荐用 uv tool 或 pipx：

    uv tool install pixelrag   # pipx install pixelrag

    核心功能

    1. 像素级文档渲染： 通过 pixelshot 把网页、PDF 转成截图块，保留文本 RAG 会丢失的视觉结构与版式。
    2. 视觉语义检索： 基于 Qwen3-VL-Embedding-2B 微调后的嵌入模型，将页面图片映射到可检索向量空间。
    3. 828 万维基百科预建索引： 官方已建好并托管了 api.pixelrag.ai，无需任何配置即可搜索，还支持“以图搜图”。
    4. 本地自建索引： 通过 pixelrag index build 处理本地文档（网页 / PDF / 图片），再 pixelrag serve 启动 FastAPI 搜索服务。
    5. Claude Code 插件： pixelbrowse skill 让 Claude 直接截图并阅读页面，告别原始 HTML。

    传统文本RAG vs PixelRAG

    传统文本RAG会丢失表格等视觉结构，PixelRAG通过截图块保留完整版式。

    PixelRAG 关键速览

    典型使用场景

    场景 1：财报 / 论文中的表格问答

    传统文本 RAG 把 PDF 表格拆成凌乱文字后，模型经常找不到数字。PixelRAG 直接截取表格区域截图，检索相关页并交给 VLM 读取，数字、单位、行列关系一目了然。

    场景 2：Claude 浏览复杂网页

    安装 pixelbrowse skill 后，Claude 能够对任意页面执行 /screenshot https://example.com，然后“看图”总结新闻、解读产品页或提取图表结论，而不再受限于 HTML 标签提取不全的问题。

    场景 3：内部知识库可视化搜索

    把企业内的产品手册、设计稿、UI 截图、架构图做成 PixelRAG 索引。用户上传一张截图或输入图片描述，即可召回相关视觉文档，适用于设计系统、运维监控面板、竞品分析资料库。

    推荐理由

    PixelRAG 给我最大的启发是：当大家都在卷“更好的 HTML 解析器”时，它直接换了一条赛道——让模型像人一样“看”网页。这不是炫技，而是切中了 RAG 的实际痛点：大量网页的表格、图表、公式和交互组件一旦转成纯文本就面目全非。配合已经训练好的视觉嵌入模型和 828 万维基百科索引，从实验到落地只需要几条命令。

    对于 Claude / Cursor / Codex 等 Coding Agent 用户来说，pixelbrowse skill 是一个润物细无声的能力升级：它不需要 MCP server，也不依赖后端服务，只是让 Agent 多了一双“眼睛”。如果你正在做多模态知识库、网页问答或文档理解，PixelRAG 值得放进候选清单。

    下载地址

    —— 本文由 WorkBuddy 整理发布。

  • 阿里千问甩出 Qwen-Image-3.0：这次不拼好看，拼的是“像真的”

    阿里这两天把 Qwen-Image 系列推到了第三代。前两代分别强调”精准”，以及”精准、多样、完整、美观、真实”，到了 3.0，团队把核心词压成了一个字——”实”。说白了，前两代在想办法让图”好看”，这一代想让图”有用”。

    一张图里塞下一整版报纸

    最直观的变化是”内容量”。新模型能吃进最多 4.5k token 的指令，一口气画出报纸版面、分镜脚本、试卷这类信息密度极高的图。官方演示里有个 3×3 的网格，九宫格里每一格都是独立的科普插图——隧道安全漫画、空间几何课、细胞 DNA 对比……单是描述这张图就花掉 3.7k token，而它是一口气生成的，不是把九张小图拼起来。

    Qwen-Image-3.0 渲染的人像细节
    Qwen-Image-3.0 渲染的人像细节，皮肤质感接近照片级。

    这种”横向铺开”考验的是模型在同一张画布上并列多个概念、还互不干扰的能力；而”纵向钻深”考验的是层层嵌套——比如在一张图里从外到内叠出 VSCode 界面、Qwen Chat 窗口、微信对话，再到一张手冲咖啡海报。

    10 像素的小字也读得清

    光塞得多没用，还得细。Qwen-Image-3.0 能把 10px 的小字渲染得清清楚楚，毛孔、发丝这种微观细节也到位，皮肤质感接近照片。学术排版是终极压力测试，密集的 LaTeX 公式、上下标、希腊字母、定理编号，符号一个都不能错。它甚至能模拟高中生课堂笔记的红笔批注——下划线、波浪线、圈画，笔迹自然得有点真假难辨。

    会说 12 种语言，还懂真实世界

    第三块叫”深知识”：原生支持 12 种语言的文字渲染，能模仿网页、游戏、直播间的界面，背后是世界知识的支撑。它还能联网取最新信息——你让它画一张”杭州 7 月 21 日天气预报”，它能真的去查。更脑洞的是，它可以把齐白石和梵高拽进同一个直播间，一起给 Qwen-Image-3.0 打广告。

    从”能用”到”好用”，图像生成模型这三年走了很远。阿里的算盘很清楚：当模型能稳定产出报纸 PDF、短剧分镜、复杂 UI 这类高价值内容，它就不只是玩具，而是真正能进设计、教育、电商产线的生产力工具。

  • Apple Intelligence 中国获批：阿里千问打底，百度同场参演

    苹果的生成式 AI 终于要进中国了。这事儿从 2024 年 Apple Intelligence 发布那天起就被卡着，整整拖了快两年，直到本周三（7 月 15 日），网信办正式完成了备案放行。

    苹果与中国市场
    苹果的生成式 AI 服务终于拿到中国市场的入场券（图源：TechCrunch）

    阿里千问成了底座，百度也没缺席

    据路透社报道，这次过审的关键是苹果和阿里的合作——把通义千问（Qwen）模型接进 iOS、iPadOS、macOS 和 visionOS。阿里早前向 CNBC 确认了这件事，说 Qwen 会”集成进 Apple Intelligence 体验”，能力覆盖文本和图像的理解与生成，但没给具体时间表。

    百度这边也松了口。周三晚上，一位百度发言人向 TechCrunch 确认，他们同样在和苹果合作，为中国用户开发 Apple Intelligence 功能，重点放在 AI 搜索和 Siri 的中文能力上。

    也就是说，国行苹果设备上的 AI，大概率会是”阿里千问打底、百度补搜索和语音”的组合，而不是苹果自己的模型。

    为什么这一步拖了这么久

    苹果不是没努力过。此前传出过和百度谈合作，但据报道卡在了模型适配中国用户的环节；之后又先后看了 DeepSeek 和字节的模型，兜兜转转才落定阿里。监管这关没过，Apple Intelligence 的国产版本就一直挂着，眼看华为、小米、OPPO 这些安卓阵营的端侧大模型全都完成备案、铺到了各个价位的机型上，苹果在核心体验上反而和竞品拉开了代差。

    • 大中华区第二季度营收 205 亿美元，同比增长 28%，刚在近期促销后夺回中国手机市场第二的位置；
    • 国行 AI 迟迟不来，让苹果在高端市场最该讲的故事讲不出口；
    • 阿里美股在消息后盘前一度涨约 4%，盘中涨幅超过 6%。

    别高兴太早的几个问号

    备案过了是事实，但苹果和阿里都没承诺上线时间。更实在的问题是：这些推理到底有多少跑在设备本地、多少要走阿里的云？苹果一贯强调的隐私立场，又怎么和中国的内容合规要求对上？这些目前都没有答案，而它们恰恰决定了国行用户最终摸到的是个什么样的 AI。

  • 阿里发了款新模型，价格只有Claude的一半，性能却差不多

    阿里发了款新模型，价格只有Claude的一半，性能却差不多

    5月20日的杭州阿里云峰会上，高级副总裁刘伟光说了一句挺有意思的话：”我们正在打造中国AI工厂。”台下的人可能还没意识到，这句话背后的分量——阿里不再满足于做开源模型的社区宠儿，它要直接和Anthropic、OpenAI在企业级市场正面刚。

    “我们在各基准测试中排名靠前，超过中国所有其他AI模型。”
    ——阿里云首席AI架构师 周静仁

    当天正式发布的Qwen3.7 Max，是阿里第一款闭源旗舰模型。这个转向值得玩味：过去两年，阿里靠开源的Qwen 3.5、3.6系列占据了大量开发者生态，现在它想把这套生态转化成真金白银的企业收入。

    数字摆出来，确实有点东西

    先说硬指标。Qwen3.7 Max的上下文窗口达到100万tokens，比上一代Qwen 3.6的25.6万tokens提升了近40倍。这意味着什么？你可以把一整本技术手册、一个中等规模代码库，一次性塞进模型的”工作记忆”里，不用再做切片和向量检索。

    人工分析智能指数（AA Intelligence Index v4.0）给Qwen3.7 Max打了56.6分，综合排名第5，是发布时排名最高的中国模型。排它前面的是GPT-5.5（60.2分）、Claude Opus 4.7（57.3分），分差在误差范围内。

    换成大白话：阿里这套模型，智能水平和Claude Opus 4.7差不多，但定价只有后者的一半。

    评测维度 Qwen3.7 Max Claude Opus 4.7 GPT-5.5
    AA智能指数 56.6（第5） 57.3（第4） 60.2（第1）
    Terminal-Bench 2.0 69.7 65.4（4.6基线） 未披露
    SWE-Bench Pro 60.6 57.3（4.6基线） 未披露
    输入定价（美元/百万tokens） 2.5 5.0 5.0
    输出定价（美元/百万tokens） 7.5 25.0 30.0

    定价是亮点，但实际成本有点猫腻

    标题说”价格只有Claude的一半”，指的是官方标价。但用起来是不是真的只要一半，这里有个坑。

    Digital Applied的评测发现，Qwen3.7 Max的输出冗余度极高。在AA智能指数评测中，它一共生成了9700万输出tokens，而对比组的中位数仅为2400万tokens——是中位数的4倍。换句话说，同样回答一个问题，Qwen3.7 Max可能会输出4倍长度的”废话”。

    按7.5美元/百万输出tokens计算，同等任务下Qwen3.7 Max的实际输出成本是中等冗余度模型的2.5倍。所以标价和Claude Opus 4.7的实际差距，远没有一半那么大。

    不过，阿里给了一个挺实在的折扣：缓存输入0.25美元/百万tokens（90%折扣）。对于智能体任务（重复调用相同系统提示词），这个折扣能把成本压得很低。

    智能体编程是真本事

    Qwen3.7 Max的核心卖点是”智能体（Agent）能力”。阿里在发布会上演示了一个35小时自主运行的编程任务：模型连续运行35小时，完成1158次工具调用、432次内核评估、5次架构重设计，最终把Triton内核的几何平均速度提升了10倍。

    这个演示还没被独立复现，但基准测试成绩是实打实的。Terminal-Bench 2.0（测试多步骤智能体工作流）得分69.7，SWE-Bench Pro（真实软件工程任务）得分60.6，MCP-Atlas（模型上下文协议适配）得分76.4，均领先对比组。

    更重要的是兼容性。Qwen3.7 Max支持OpenAI兼容和Anthropic兼容两种API规范，可以适配Claude Code、OpenClaw、Qwen Code、Hermes Agent等多款智能体框架。已经用上Claude Code的团队，无需重写框架就能切换调用。

    两个地方要注意

    第一个是幻觉率。Qwen3.7 Max的AA-Omniscience幻觉率为22.9%，是同期前沿模型中最低的，较上一代Qwen 3.6的44.2%大幅下降。但这个提升部分来自”弃答策略”：模型答题尝试率从67.3%下降至48.0%，超过一半的问题它会选择”不知道”而非给出答案。

    这意味着什么？如果你做的是智能体编程，答错比弃答危害更大，Qwen3.7 Max反而有优势。但如果你做的是RAG管道、法律或医疗问答这些需要高召回率的场景，它的弃答率会让你头疼，这类场景建议用DeepSeek V4 Pro或Claude Opus 4.7。

    第二个是开源权重。阿里已公布计划推出开源的Qwen 3.7 Plus轻量版，但截至5月25日，HuggingFace的Qwen组织下仅公布了Qwen 3.6及更早版本权重，暂未放出Qwen 3.7系列权重。需要自部署的团队，目前还得用Qwen 3.6系列或者DeepSeek V4 Pro。

    战略意图比模型本身更值得琢磨

    把Qwen3.7 Max放在更大的格局里看，这事的意义不止是一款新模型发布。

    过去两年，中美AI模型之间的差距，外界普遍认为是”一个迭代周期”——大概6到9个月。Qwen3.7 Max的AA智能指数和Claude Opus 4.7只差0.7分，基本在误差范围内。这意味着，中国前沿AI已经不再落后西方实验室一个迭代周期，差距正在收窄到同一代内的不同批次。

    阿里的全栈布局也在同步推进。模型（Qwen3.7 Max）+ 自研芯片（Zhenwu M890 AI加速器）+ 智能体框架，这套组合在地缘政治压力下有特殊的战略价值——即便买不到英伟达最新芯片，阿里也有一套自己可控的技术栈。

    对于企业用户来说，Qwen3.7 Max目前是通过阿里云模型工作室、OpenRouter、Together AI、Qubrid AI四个渠道访问。建议针对自身任务子集做基准测试，结合实际冗余度调整后的成本做路由决策，而不是只看官方定价。