阿里巴巴AI「狂奔」：通義千問全球下載量破4億，一周開源三大模型

本文來源：時代財經 作者：郭美婷

「2019年，我們還在討論單點突破的語言模型；到2025年的今天，大模型已呈現‘周級迭代’的爆發態勢。」在WAIC 2025上，阿里雲副總裁、大數據和智能實驗室負責人葉傑平表示，當前AI模型技術正經歷從「漸進式創新」到「指數級躍遷」的轉變。

在今年WAIC的展區里，阿里巴巴（09988.HK；BABA.NYSE）展示了從AI基礎設施到大模型再到平臺及應用的「全棧AI」能力，陳列了雲原生CPU芯片倚天710、飛天雲計算操作系統、智算集羣網絡架構HPN7.0架構、AI Stack一體機等底層硬核技術，通義千問及通義萬相大模型系列，以及阿里雲百鍊、人工智能平臺PAI等大模型平臺和夸克、釘釘等AI應用。

這其中，包括最新開源的三款大模型：千問3最新版基礎模型（非思考版）、千問3推理模型、AI編程模型Qwen3-Coder。值得注意的是，這三款模型均是在一周內宣佈開源。

AI賽道上，阿里巴巴正在「狂奔」。按照預算，未來三年，這家巨頭還將投入3800億元，主要用於建設雲和AI硬件基礎設施，總額超過去十年總和。

一周內開源三款模型

「三年前，我們發佈了通義大模型，並承諾將核心模型開源開放。如今，通義千問已實現全尺寸、全模態的全面開源，真正打破了開源與閉源模型之間的技術壁壘。」葉傑平稱。

開源一直是阿里雲發展AI的主題詞，這一思路在今年由DeepSeek翻起的開源浪潮下愈發得到驗證。

據瞭解，千問3最新版基礎模型（非思考版）性能有顯著提升，在GPQA（知識）、AIME25（數學）、LiveCodeBench（編程）、Arena-Hard（人類偏好對齊）、BFCL（Agent能力）等測評中表現超越Claude4（Non-thinking）等閉源模型。

千問3推理模型支持256K上下文長度，在知識（SuperGPQA）、編程（LiveCodeBench v6）、數學（AIME25）、人類偏好對齊（Arena-Hard v2）、創意寫作（WritingBench）、多語言能力（MultilF）等核心能力上，千問3推理模型可比肩Gemini-2.5 pro、o4-mini等閉源模型。

AI編程模型Qwen3-Coder則是千問系列模型中首個採用混合專家MoE架構的代碼模型，總參數達480B，激活35B參數，原生支持256K token的上下文並可擴展至1M長度，能幫助程序員完成基礎編程任務，比如寫代碼、補全代碼、修Bug等。

海外模型API聚合平臺OpenRouter數據顯示，上述三大模型開源后，阿里千問API調用量暴漲，三天突破1000億Tokens，熱度超越GPT、Gemini、Claude等模型，千問包攬OpenRouter趨勢榜前三名。截至目前，通義千問在全球主要模型社區的下載量已經突破4億，衍生模型突破14萬個。

阿里雲百鍊高級產品專家徐志遠在接受時代財經等採訪時談到，千問系列模型在誕生之初就面向全球市場而非侷限於國內市場。國內市場方面，依託國內龐大的市場空間以及阿里雲自身的公共雲基礎產品，阿里雲更多通過API服務或低成本模式為用户提供支持。而在全球市場，若要參與競爭並實現模型能力的對比排序，開源是極為重要且有效的方式——它能讓全球開發者成為反饋主體，提供關於模型的直接反饋與信息，幫助阿里雲準確判斷模型在全球市場的真實水平。

事實上，阿里巴巴在開源上的相關實踐獲得海外認可也比在國內更早。徐志遠談到，「（在開源過程中）我們收到了全球開發者的反饋，這類反饋在商業場景中往往難以如此直接獲取，因為在開源生態中，開發者與我們並無絕對利益綁定，他們的反饋僅基於對模型問題的判斷，供我們參考迭代。」

20萬開發者、70萬Agent

阿里雲百鍊是全鏈路大模型服務與Agent應用開發平臺，據介紹，目前已有超20萬開發者在百鍊上開發了70多萬個Agent。

徐志遠表示，阿里雲百鍊目前核心包含三個層面的服務：第一個層面是基礎層，即結合阿里雲廣泛的基礎設施以及可調度的AI算力，將模型轉化為可供調用的高性價比、高性能API，也即「model service」（模型服務）層。

第二個層面是 agent（智能代理）層，在模型服務層之上，阿里雲百鍊整合了部分領先的agent框架與架構，為agent的開發構建提供一整套支持能力。在該層面，阿里雲百鍊提供包括兼容金融領域主流的ATO協議、MCP協議，以及支持阿里全棧自研的agent模型調度能力等。

第三個層面是AI大模型行業及領域應用層。在阿里雲百鍊上，開發者通過agent搭建基礎能力后，可進一步構建一系列行業及領域應用。目前，電力、互聯網、醫療、金融等行業，均已基於相關能力構建出面向企業內部及企業客户的各類應用。

據徐志遠介紹，在阿里雲百鍊服務的企業中，其中一個核心場景是多元異構複雜數據的處理。他舉例解釋，在如招聘平臺等互聯網平臺上，每天會產生大量視頻、音頻、文檔等，企業需要通過不同模態模型將內容轉化為所需數據，並對這些內容進行結構化提取、入庫、向量化或打標，以便用於下游的推薦匹配、分析解析等業務場景。

第二類是企業內部助理相關的應用，面向企業員工、內部子部門等提升生產效率。其他應用場景還包括以圖搜圖、以視頻搜視頻、IPC（網絡攝像機）等。例如，過去的IPC只有攝像頭組件，僅具備記錄功能，無法自主分析。而如今多模態模型不斷發展，尤其是輕量化多模態模型的出現，尺寸更小，使得大量上游廠商可以在IPC中內置多模態模型，讓設備能基於監控畫面快速判斷是否存在異常。今年3月，阿里巴巴就與KUMEROS咖啡達成戰略合作，為后者提供從門店運營到產品創新的全鏈路解決方案。

徐志遠進一步補充，具體到百鍊服務企業客户，目前頭部是互聯網行業，這是因為大量互聯網公司本身就以新技術驅動業務增長；其次是新消費行業，如咖啡門店等能在小程序等用户觸點中融入 AI 能力，幫助用户更好地完成消費，還依託自身基礎設施在內部業務中落地相關應用。

徐志遠還着重提到了消費電子領域，未來多模態組件等融入模型后，如AI玩具等AI消費設備有望實現增長。「近期我們已經看到該行業涌現出大量需求，也正在做豐富的適配工作，以提升消費電子行業對模型的應用能力。」徐志遠説。