9月19日，以“云启智跃，产业蝶变”为主题的2024云栖大会在杭州云栖小镇举行。大会设三日主论坛、400多个分论坛及并行话题，开放4万平方米的智能科技展区，展示全球百余款AI应用。还设置人工智能+、计算、前沿应用三大主题馆，吸引大模型、自动驾驶、机器人等前沿技术齐聚杭州，共同展示AI时代云上创新的潮流科技。

　　现场，阿里巴巴集团CEO、阿里云智能集团董事长兼CEO吴泳铭发表主题演讲。他认为，过去22个月，AI发展的速度超过任何历史时期，但目前依然还处于AGI变革的早期。生成式AI最大的想象力，绝不是在手机屏幕上做一两个新的超级app，而是接管数字世界，改变物理世界。

　　阿里巴巴集团CEO、阿里云智能集团董事长兼CEO吴泳铭

　　通义千问重磅开源Qwen2.5，性能超越Llama

　　现场，阿里云CTO周靖人在2024云栖大会上发布通义千问新一代开源模型Qwen2.5，据悉，该旗舰模型Qwen2.5-72B性能超越Llama 405B，再登全球开源大模型王座。

　　资料显示，Qwen2.5全系列涵盖多个尺寸的大语言模型、多模态模型、数学模型和代码模型，每个尺寸都有基础版本、指令跟随版本、量化版本，总计上架100多个模型，刷新业界纪录。

　　阿里云CTO周靖人

　　据介绍，Qwen2.5全系列模型都在18T tokens数据上进行预训练，相比Qwen2，整体性能提升18%以上，拥有更多的知识、更强的编程和数学能力。Qwen2.5-72B模型在MMLU-rudex基准（考察通用知识）、MBPP基准（考察代码能力）和MATH基准（考察数学能力）的得分高达86.8、88.2、83.1。

　　Qwen2.5支持高达128K的上下文长度，可生成最多8K内容。模型拥有强大的多语言能力，支持中文、英文、法文、西班牙文、俄文、日文、越南文、阿拉伯文等29种以上语言。模型能够丝滑响应多样化的系统提示，实现角色扮演和聊天机器人等任务。在指令跟随、理解结构化数据（如表格）、生成结构化输出（尤其是JSON）等方面Qwen2.5都进步明显。

　　自从2023年8月开源以来，通义在全球开源大模型领域后来居上，成为开发者尤其是中国开发者的首选模型。性能上，通义大模型逐步赶超美国最强开源模型Llama，多次登顶Hugging Face全球大模型榜单；生态上，通义从零起步、开疆拓土，与海内外的开源社区、生态伙伴、开发者共建生态网络，截至2024年9月中旬，通义千问开源模型下载量突破4000万，Qwen系列衍生模型总数超过5万个，成为仅次于Llama的世界级模型群。

　　通义千问升级旗舰模型Qwen-Max，性能接近GPT-4o

　　此外，周靖人还宣布，通义旗舰模型Qwen-Max全方位升级，性能接近GPT-4o。目前，通义官网和通义APP的后台模型均已切换为Qwen-Max，继续免费为所有用户提供服务。用户也可通过阿里云百炼平台调用Qwen-Max的API。

　　相比上一代模型，Qwen-Max在训练中使用了更多的训练数据、更大的模型规模、更强的人类对齐，最终达到了更高的智能水平。在MMLU-Pro、MATH、GSM8K、MBPP、MultiPL-E、LiveCodeBench等十多个权威基准上，Qwen-Max表现接近GPT-4o，数学能力、代码能力则超越了GPT-4o。数学和代码所代表的推理能力是大模型智能水平的最重要体现。

　　相比2023年4月的初代通义千问大模型，Qwen-Max的理解能力提升46%、数学能力提升75%、代码能力提升102%、幻觉抵御能力提升35%、指令遵循能力提升105%，模型与人类偏好的对齐水平更是有了质的飞跃，提升了700%以上。

　　阿里云通义灵码重磅升级，能自主修BUG

　　随着通义大模型能力的全面提升，阿里云通义灵码也迎来重磅升级，从一年前只能完成基础的辅助编程任务，进化到几句话就能完成需求理解、任务拆解、代码编写、修改BUG、测试等开发任务，最快几分钟可从0到1完成应用开发，提升数十倍开发效率。

　　自去年首次亮相以来，通义灵码已入职中华财险、哈啰集团、长安汽车等公司，累计生成代码超10亿行，是国内最受欢迎的辅助编程工具。全新升级的通义灵码模拟了人类程序员的能力，可完成更复杂、更全面的任务；通义灵码还可以脱离专业IDE软件，在web端直接执行缺陷修改、需求分析、代码实现、问题排查等任务工作流，兼具架构师、开发工程师、测试工程师等多种岗位技能，大幅缩短了应用的开发周期。

　　例如，真人程序员手动开发一个网页，通常需要1天的时间完成需求分解、写代码、测试等任务；现在，人类只需要输入需求，通义灵码5分钟就能完成整个过程。阿里云表示，未来只要有创意，不懂代码也能开发应用和软件。

　　云栖大会现场，一位13岁的中学生在通义灵码上输入几句话，2分钟就生成了一个python语言编写的倒计时网页；现场还有参会者，用通义灵码修改开源魂斗罗游戏代码，在9个代码文件2000多行代码里，几分钟就精准修改了游戏角色的生命值、跳跃高度等参数。

　　目前，通义灵码已广泛应用于金融、制造、互联网、交通、汽车、能源等行业。在 Gartner 首个AI代码助手魔力象限报告中，阿里云成为唯一进入挑战者象限的中国科技公司。

　　通义万相发布视频生成模型，可一键创作影视级高清视频

　　同时，阿里云还宣布通义万相全面升级，并发布全新视频生成模型，可生成影视级高清视频，可应用于影视创作、动画设计、广告设计等领域。即日起，所有用户可通过通义APP及通义万相官网免费体验。

　　据介绍，通义万相首批上线文生视频、图生视频功能，在文生视频功能中，用户输入任意文字提示词，即可生成一段高清视频，支持中英文多语言输入，并可以通过灵感扩写功能智能丰富视频内容表现力，支持16:9、9:16等多种比例生成；在图生视频功能中，支持用户将任意图片转化为动态视频，按照上传的图像比例或预设比例进行生成，同时可以通过提示词来控制视频运动。

　　现场，阿里云演示了该模型强大的运动生成和概念组合能力，输入「穿着滑冰鞋的小兔子在冰面上灵活移动的可爱场景」，通义万相仅用数分钟就能生成一段高清、逼真的视频。

　　通义万相视频生成大模型集成了多项创新技术，有效解决画面表现力和大幅度运动等视频生成技术难题。针对运动生成和物理模拟等难点优化算法，实现了大幅度主体运动和运镜控制，并有效模拟真实世界物理特性；设计了高压缩比、高质量视频VAE框架，有效降低视频信息冗余，并保持高质量视频重构能力；同时，基于轻量微调框架和精选数据集优化训练，在中式传统元素、风格化视频生成上表现更好。

　　去年7月，通义万相图像生成大模型首次亮相，目前已累计生成7500万张图片。云栖大会现场，通义万相宣布视觉生成大模型全面升级为Diffusion Transformer框架，同时结合通义千问复杂提示词解释能力，有效提升画面表现力、语义理解能力、可控生成能力。随着通义万相视频生成模型的发布，通义大模型已覆盖文本生成、图像理解、视频理解、音频理解、图像生成、视频生成等全模态场景。

　　阿里云CTO周靖人现场表示，阿里云正在围绕AI时代，树立一个AI基础设施的新标准，全面升级从服务器到计算、存储、网络、数据处理、模型训练和推理平台的技术架构体系，让数据中心成为一台超级计算机，为每个AI和应用提供高性能、高效的算力服务。