近日，阿里巴巴旗下的通义千问团队宣布了一项重大举措，正式开源了其最新的Qwen-Image文生图模型。这款模型专为中文复杂排版与高精度图像编辑设计，融合了20B参数的MMDiT主干、7B参数的VLM文本编码器和127M参数的VAE架构，为开发者们带来了前所未有的创作自由度。
Qwen-Image的问世，立即在开发者社区中引起了热烈反响。不少开发者惊叹于这款模型的海报生成能力，认为它实现了“海报自由”。同时，也有开发者提出了疑问：Qwen-Image与阿里巴巴的其他模型，特别是万相系列（Wan）是否存在功能上的重叠？
针对这一疑问，Qwen团队在技术报告中明确指出了Qwen-Image与Wan系列的差异定位。Qwen-Image专注于图像中的文字渲染，尤其擅长海报设计等需要精确文本表现的场景。而Wan系列则采用了更全面均衡的技术路线，重点覆盖视频生成和编辑能力。这种清晰的分工策略，使得两款模型在实际应用中形成了良好的互补关系。
Qwen-Image的发布不仅展示了阿里巴巴在AI模型布局上的清晰思路，还让人们意识到阿里巴巴竟然拥有如此庞大的模型家族。据统计，阿里巴巴迄今已开源了200余款模型，覆盖了文本、视觉、语音、视频、3D、代码等全模态领域。这些模型并非各自为政，而是体现了清晰的分工架构。Qwen团队负责语言模型及推理模型；图像和视频模型则由Wan团队主导；而类似于OpenAI DeepResearch功能的WebSearch模型则来自AlibabaLab。
在阿里巴巴的开源模型中，除了广为人知的Qwen系列和Wan系列外，还有一些值得开发者关注的珍品。例如，Alibaba-NLP团队的Web系列模型就以其强大的网络检索和推理能力而著称。WebSailor作为其中的佼佼者，在OpenAI发布的BrowseComp评测集上取得了令人惊艳的成绩，甚至超越了多个闭源模型，仅次于OpenAI的DeepResearch。
阿里巴巴还有其他一些零散的模型同样值得关注。例如，来自通义Lab的ThinkSound音频模型就以其独特的Chain-of-Thought引入声音生成技术而备受瞩目。它能够像人类音效师一样“想清楚”画面里该有什么声音，再一次性合成高保真、零错位的空间音频。这种技术不仅提高了音频生成的质量，还为开发者提供了更多的创作可能性。
盘点完阿里巴巴的AI模型家族后，不难发现其坚定不移的开源策略。从Qwen系列到Wan系列，再到相对低调的WebSailor和ThinkSound等模型，阿里巴巴几乎将其所有核心技术都选择了完全开源。这种“真开源”的战略不仅降低了企业和开发者使用AI技术的门槛，还促进了整个行业的创新和发展。在全球范围内，阿里巴巴已成为最拥护开源战略的巨头公司之一。
