《科创板日报》6日消息，阿里开源了通义千问3全新向量模型系列Qwen3-Embedding，包括0.6B、4B、8B等不同尺寸及GGUF版本。该模型基于千问3打造，针对文本表征、检索和排序等任务进行了专项优化，性能相比上一版本提升可达40%。这一更新为开发者提供了更高效的工具选择，进一步丰富了阿里云在大模型领域的技术布局。

6月6日凌晨，阿里开源了Qwen3-Embedding系列模型（包括Embedding及Reranker），专为文本表征、检索与排序任务设计。该系列基于Qwen3基础模型训练，在多项基准测试中表现卓越。8B参数规模的Embedding模型在MTEB多语言Leaderboard榜单中得分70.58，位居第一（截至2025年6月6日）。Qwen3-Embedding支持0.6B到8B参数的三种配置，具备灵活架构与多语言支持，覆盖超100种语言，且支持代码检索。Embedding模型通过“EOS”标记生成语义表示，Reranker则计算文本对相关性得分。模型还支持表征维度自定义与指令适配优化。开源地址包括ModelScope、Hugging Face及GitHub。

5月9日，阿里巴巴开源了ZeroSearch大模型，该模型无需依赖外部搜索引擎即可具备搜索能力。ZeroSearch是一种强化学习框架，通过生成相关文档响应查询，利用课程化展开机制逐步提升模型推理能力。实验表明，ZeroSearch在多个数据集上的表现优于基于真实搜索引擎的模型，70亿参数模型在7大问答数据集上的成绩超越谷歌搜索（得分33.06 vs. 谷歌32.47），同时成本降低了87.93%。使用谷歌搜索训练的成本约为586.70美元，而ZeroSearch仅需70.80美元。该模型已在Qwen-2.5、LLaMA-3.2等主流模型中验证，全部代码、数据集及预训练模型已开源至GitHub和Hugging Face。

4月18日，阿里巴巴旗下通义万相宣布开源“首尾帧生视频14B模型”，该技术可基于用户提供的起始与结束画面生成720p高清过渡视频。模型利用深度学习算法解析画面内容、风格及主题特征，推理中间过渡帧，确保物体运动轨迹自然连贯、光线与色彩平滑渐变。此技术适用于延时摄影、特效变身等场景，为创作者提供高效且可控的AI视频生成方案。目前，用户可通过通义万相官网免费体验，或在GitHub、Hugging Face、魔搭社区获取开源代码进行本地部署与二次开发。

阿里开源的视频生成模型Wan 2.1上线即表现亮眼，参数量为14B，直接在VBench上超越了Sora和Gen-3。模型能精准捕捉复杂运动细节，如5人同步跳hip-hop，还能在视频中生成自然的文字。 Wan 2.1有14B和1.3B两个版本，分别支持720P和480P分辨率。14B版本在4090显卡上占用8GB显存，耗时4分21秒。而1.3B版本在4070显卡上也可运行，适合个人创作者。 该模型免费商用，且支持通过多种平台访问，包括通义万相平台、HuggingFace和魔搭社区。Wan 2.1还支持图像生成视频功能，可生成日漫风格动画。其核心技术包括3D变分自动编码器和DiT架构，提升了视频生成速度和质量。