阿里自研AI模型有哪些？文本、图像视频、视觉理解多模态、语音、向量等模型大全

阿里云自研AI模型有哪些？最知名的就是通义千问Qwen系列大模型，阿里云是通过百炼AI模型平台对外提供API调用服务，阿里自研模型涉及文本、图像、视频、语音及全模态等多种类型。以下是阿小云axiaoyun.com根据现有资料整理的阿里云自研模型清单大全，在阿里云CLUB中心：aliyun.club 免费领取优惠券。

文本生成与理解

• Qwen3.8-Max：旗舰文本模型，适用于智能体及复杂推理任务。
• Qwen3.8-Flash：支持百万级上下文窗口，适用于超长文档和代码仓库处理。
• Qwen3.7-Plus：通用文本生成模型。
• Qwen-Long：专为超长文档或多文档的阅读理解、总结与信息提取设计。
• 通义法睿：专注法律领域的行业模型，适用于法律咨询、案例分析及合同审查。

视觉理解与多模态

• Qwen3-VL-Plus：视觉语言模型，支持视觉 Coding、空间感知及多模态思考。
• Qwen3.8-Omni-Flash / Realtime：全模态模型，融合文本、图像、音频、视频的理解与生成能力，支持实时音视频对话。
• Qwen-VL / QVQ / Qwen-OCR：适用于 OCR、图像内容描述、图像问答及视觉推理场景。

图像与视频生成

• Qwen-Image-3.0-Pro：图像生成模型，注重细节真实性与知识准确性。
• Wan3.0-Video / Wan2.7-Image-Pro：视频与图像生成模型，支持四模态全能参考及多种创作模式。
• 通义万相：支持文生图、图生图、涂鸦作画、图像背景生成及AI试穿等功能。
• HappyHorse 系列：包含 HappyHorse-1.1-T2V/I2V/R2V 及 1.0-Video-Edit，适用于文字生成视频、图生视频及视频编辑。
• 悦动人像 EMO / 舞动人像 AnimateAnyone：分别用于基于肖像生成数字人视频和基于图像生成舞蹈视频。

语音与音频

• Qwen3-TTS-Flash / Qwen-Audio-3.0-TTS-Plus：语音合成模型，支持多语言方言自适应及低延迟输出。
• CosyVoice-V3-Flash：高表现力语音合成模型，支持语音克隆。
• Fun-ASR / Qwen-Audio-3.1-ASR-Flash：语音识别模型，支持中英文自由切换及流式/文件转写。
• Fun-Music-v1：根据提示词或歌词生成音乐。
• Qwen-Audio-3.1-Realtime-Plus / Qwen3.5-Omni-Plus：端到端语音对话模型，无需分别调用 ASR 和 TTS。

向量、重排序与决策

• Qwen3.7-Text-Embedding / Flash / VL-Embedding：文本及图文向量化模型。
• Qwen3.7-Text-Rerank：文本重排序模型，配合向量检索提升精度。
• Decision-Model-Preview：面向高频业务判断的结构化决策模型。

随着时间推移，以上模型会持续更新也可能会新增模型，请以阿里云百炼官网：https://t.aliyun.com/U/fPVHqY 为准，目前在百炼官网还可以领取超7000万的Tokens免费额度，更多可用模型及最新版本请以百炼控制台模型广场实时显示为准。