3 月 27 日凌晨，阿里通義千問團隊發布首個全模態大模型 Qwen2.5-Omni，直接讓AI學會“看聽說寫”，還能和你實時視頻通話對答如流。幾乎復刻了人類“接收信息-思考-表達”的全流程。也就是說，你可以和Qwen2.5-Omni實時進行音視頻通話，隨問隨答。

核心暴擊點如下：
雙核大腦：Thinker整合畫面/語音/文字，Talker秒回人聲，延遲堪比真人對話；全模態屠榜：干翻谷歌Gemini-1.5-pro，音頻生成自然度幾乎逼近真人；開源白嫖：Hugging Face/GitHub隨便下，手機都能跑，開發者可以免費商用。想象一下：未來醫生可能會用它能邊看CT邊聽患者描述，秒出診斷報告；打工人開會直接召喚AI翻譯八國語言，老板都分不清是人是機。

阿里巴巴此次的發布不僅是技術上的一大進步，更是對未來多模態 AI 應用的全新探索。

當然，AI的終極形態不是替代人類，而是成為延伸我們感官與思維的第六器官，在安全可控的前提下釋放生產力，加速AI普惠。