近日，来自杭州的三家科技公司发布的大模型拿下全球最大 AI 开源社区 HuggingFace 趋势榜前三。

这三款模型分别是 DeepSeek-v3、群核科技 SpatialLM、通义千问 Qwen2.5-Omni。

《每日经济新闻》记者从阿里云方面了解到，Qwen2.5-Omni 采用了通义团队全新首创的 Thinker-Talker 双核架构，Position Embedding （位置嵌入）融合音视频技术，位置编码算法 TMRoPE（Time-aligned Multimodal RoPE）。

双核架构 Thinker-Talker 让 Qwen2.5-Omni 拥有了人类的 " 大脑 " 和 " 发声器 "，形成了端到端的统一模型架构，实现了实时语义理解与语音生成的高效协同。

3 月 27 日凌晨，阿里巴巴发布并开源首个端到端全模态大模型通义千问 Qwen2.5-Omni-7B，可同时处理文本、图像、音频和视频等多种输入，并实时生成文本与自然语音合成输出。

相较于动辄数千亿参数的闭源大模型，Qwen2.5-Omni 以 7B 的小尺寸让全模态大模型在产业上的广泛应用成为可能。即便在手机上，也能轻松部署和应用 Qwen2.5-Omni 模型。

而近期群核科技发布的空间理解开源模型 SpatialLM，登上全球最大 AI 开源社区 HuggingFace 趋势榜第二位。

公开资料显示，SpatialLM 是群核科技自主研发的一款空间理解模型，该模型仅通过一段视频即可生成物理正确的 3D 场景布局。不同于传统大语言模型，SpatialLM 突破了对物理世界几何与空间关系的理解局限，将在机器类人的空间认知和解析能力上发挥重大作用。

而据《每日经济新闻》此前报道，3 月 24 日，DeepSeek 发布了 V3 的一个小版本更新，版本号为 V3-0324。虽然官方称这只是 " 小版本升级 "，但实测能力接近 V3.5 版本，尤其在复杂逻辑和多模态理解上表现突出。

每日经济新闻