北京时间3月27日凌晨，阿里巴巴推出通义千问系列新旗舰模型Qwen2.5-Omni。该端到端多模态模型可处理文本、图像、音频及视频等多种输入，具备实时流式响应能力。Qwen2.5-Omni采用全新Thinker-Talker架构，引入TMRoPE技术，提升多模态输入同步精度。其语音生成自然流畅，端到端语音指令跟随能力出色，在MMLU、GSM8K等基准测试中表现优异。模型在OmniBench多模态任务中达到SOTA表现，单模态任务中亦表现突出。目前，Qwen2.5-Omni已在Hugging Face、ModelScope、DashScope及GitHub开源。