阿里云今日正式发布通义千问2.5版本，该模型在多模态处理能力方面实现了全面升级，支持文本、图像、音频、视频等多种数据类型的理解和生成。
通义千问2.5采用了最新的多模态融合架构，能够同时处理和理解不同类型的输入数据。在图像理解测试中，该模型的准确率达到了94.5%，在视频内容分析任务中的表现也超越了多个国际先进模型。
阿里云智能总裁介绍，新版本特别加强了中文多模态理解能力，能够准确理解包含中文文字的图片、视频内容。该模型还支持多种中文方言的语音识别和生成。
在实际应用中，通义千问2.5可以帮助用户分析复杂的多媒体内容，如从视频中提取关键信息、理解图表数据、生成多媒体内容摘要等。该模型还支持跨模态的内容生成，如根据文字描述生成图像，或根据图像生成详细描述。
阿里云还宣布推出通义千问开放平台，为开发者和企业提供API接口和SDK工具包。平台支持灵活的定价模式，让不同规模的用户都能享受到先进的AI服务。
业界专家认为，通义千问2.5的发布将推动多模态AI应用的普及，特别是在电商、教育、媒体等领域将带来革命性的变化。