การเขียนโค้ดและการตรวจสอบ 25,890
Qwen Code
ตัวแทนการเขียนโค้ดแบบโอเพนซอร์สสำหรับการเขียนโปรแกรมด้วยภาษาธรรมชาติพร้อม Qwen และผู้ให้บริการที่รองรับ
แสดงให้เห็นว่า Qwen เป็นผู้ช่วยวิศวกรรมประจำวันที่ใช้งานจริง ไม่ใช่เพียงแค่โมเดลสนทนา
โอเพนซอร์สของ Alibaba
หลักฐานด้านโอเพนซอร์สที่อยู่เบื้องหลังกระบวนการทำงานของ AI ของอัลิบาบา
Nfero เลือกโครงการ GitHub ทางการของอัลิบาบา Qwen และ Alibaba-NLP เพื่อให้ทีมสามารถเข้าใจระบบนิเวศ ทดสอบเส้นทางโมเดลที่เกี่ยวข้อง และดำเนินการต่อไปยัง Alibaba Cloud เมื่อพร้อม
การเขียนโค้ดและการตรวจสอบ
เครื่องมือสำหรับนักพัฒนาที่ทำให้โมเดลของ Alibaba มีประโยชน์ในคลังข้อมูล
สำรวจเครื่องมือที่เชื่อมต่อการทำงานของ Qwen ด้านการเขียนโค้ดกับ Token Plan, Qoder และการประเมินโมเดลแบบเรียลไทม์
การเขียนโค้ดและการตรวจสอบ 10,240
Open Code Review
CLI การรีวิวโค้ด AI ที่เปิดแหล่งที่มาของ Alibaba สำหรับการรีวิวการเปลี่ยนแปลงและการสร้างข้อเสนอแนะระดับบรรทัดที่มีโครงสร้าง
แสดงให้เห็นว่า Alibaba สามารถสนับสนุนกระบวนการทำงานด้านวิศวกรรมระดับคลังข้อมูลนอกเหนือจากการสาธิตคำสั่ง
เอเจนต์
เฟรมเวิร์กเอเจนต์และกระบวนการทำงานด้านการวิจัยที่สร้างขึ้นจาก Qwen และ AI ของ Alibaba
ดูโครงการตัวแทนทางการที่ครอบคลุมเครื่องมือ การค้นหา การทำงานผ่านเบราว์เซอร์ และงานวิจัย
เอเจนต์ 16,695
Qwen-Agent
เฟรมเวิร์กและแอปพลิเคชันเอเจนต์ที่สร้างขึ้นจาก Qwen พร้อมการใช้เครื่องมือ MCP ตัวแปลงโค้ด RAG และกระบวนการทำงานในเบราว์เซอร์
เชื่อมต่อโมเดล Qwen กับรูปแบบเอเจนต์ที่แท้จริง: ฟังก์ชัน เครื่องมือ ความรู้ และการกระทำ
เอเจนต์ 10,269
Spring AI Alibaba
เฟรมเวิร์ก AI แบบเอเจนต์สำหรับนักพัฒนา Java ที่สร้างแอปพลิเคชัน AI บน Model Studio และ Spring
มอบเรื่องราว AI สำหรับองค์กร Java ที่น่าเชื่อถือสำหรับทีม Spring
เอเจนต์
Tongyi DeepResearch
โครงการวิจัยเอเจนต์ของ Alibaba-NLP สำหรับการค้นหาข้อมูลระยะยาวและการทำงานด้านการวิจัยอย่างลึกซึ้ง
เสริมเรื่องราวของ Nfero เกี่ยวกับการค้นหาด้วยเอเจนต์ การวางแผน และการอัตโนมัติการวิจัย
การค้นหาและ RAG
ชิ้นส่วน Retrieval โอเพนซอร์สสำหรับแอปพลิเคชัน AI ที่มีพื้นฐาน
รวมโมเดล Embedding และ Rerank กับโครงการค้นหาแบบโอเพนซอร์สที่ใช้งานจริง
การค้นหาและ RAG
ViDoRAG
โครงการ Retrieval-Augmented Generation สำหรับการค้นหาและเหตุผลของเอกสารหลายรูปแบบ
ขยายความสามารถของ Alibaba RAG นอกเหนือจากการใช้การฝังข้อความไปสู่การเข้าใจเอกสารภาพ
การค้นหาและ RAG 14,601
zvec
ฐานข้อมูลเวกเตอร์แบบเบาสำหรับการค้นหาในระบบและทดลอง RAG ที่ฝังอยู่
เพิ่มความลึกด้านโครงสร้างพื้นฐานให้กับเรื่องราว RAG ของ Alibaba
เสียงและ Omni
โครงการด้านเสียงและมัลติมีเดียที่ขยายเรื่องราวของ Qwen
เชื่อมต่อโครงการเสียงและโมเดลหลายรูปแบบด้วยตัวอย่างเสียงของ Nfero
เสียงและ Omni 12,346
Qwen3-TTS
โครงการ Qwen text-to-speech สำหรับการสร้างเสียงพูดที่มีน้ำเสียงและออกแบบเสียงได้หลากหลาย
ทำให้เรื่องราวโมเดลเสียงของ Alibaba ปรากฏชัดเจนขึ้นใกล้กับตัวอย่างการสนทนา ภาพ และวิดีโอ
เสียงและ Omni 3,046
Qwen3-ASR
โครงการรู้จำเสียง Qwen สำหรับการรับเสียง ดนตรี และกระบวนการทำงานที่มีเวลาชัดเจนหลายภาษา
แสดงให้เห็นถึงความสามารถในการรู้จำเสียงของ Alibaba พร้อมกับการสร้างเสียงและกระบวนการทำงานแบบเรียลไทม์แบบครบวงจร
เสียงและ Omni 3,875
Qwen3-Omni
โครงการ Qwen มัลติมีเดียสำหรับการเข้าใจข้อความ เสียง ภาพ วิดีโอ และการสร้างเสียงพูดแบบเรียลไทม์
สร้างสะพานที่แข็งแกร่งจากโมเดลตัวอย่างไปสู่ประสบการณ์เอเจนต์มัลติมีเดียสำหรับ Nfero
การสร้างสื่อ
กระบวนการทำงานในการผลิตเชิงสร้างสรรค์ที่เชื่อมโยงภาพ วิดีโอ เสียง และเอเจนต์
สำรวจว่าการสร้างภาพ การพูด การสร้างวิดีโอ และการอัตโนมัติทำงานร่วมกันอย่างไร
การสร้างสื่อ 828
LumenX
แพลตฟอร์มผลิตสื่อแบบสั้นและวิดีโอที่ใช้ AI โดยเชื่อมโยงบทพูด ตัวละคร แผนภาพเรื่อง และการสังเคราะห์วิดีโอ
แสดงให้เห็นว่า Wan, Qwen Image, HappyHorse, CosyVoice, Qwen3-TTS และ MuleRun สามารถกลายเป็นกระบวนการทำงานด้านสื่อได้อย่างสมบูรณ์
การปรับใช้และการประมวลผล
โครงการ Inference และการปรับใช้สำหรับการวางแผนผลิต
ตรวจสอบโครงการ AI สำหรับการประมวลผลและการใช้งานในขอบเขต (edge) ของ Alibaba ก่อนวางแผนการผลิต
การปรับใช้และการประมวลผล 15,619
MNN
เครื่องมือขับเคลื่อนขนาดเบาของ Alibaba สำหรับการปรับใช้ LLM และ AI ที่ขอบเขตอย่างมีประสิทธิภาพ
เพิ่มเส้นทาง AI ที่ขอบเขตเข้ากับเรื่องราวการปรับใช้ของ Alibaba
การปรับใช้และการประมวลผล 1,265
RTP-LLM
เครื่องมือประมวลผลโมเดลขนาดใหญ่ที่มีประสิทธิภาพสูงของอาลีบาบาสำหรับการให้บริการและการเร่งความเร็วโมเดลในระดับองค์กร
แสดงให้เห็นว่าอาลีบาบามีโครงสร้างพื้นฐานการประมวลผลขั้นต่ำอยู่เบื้องหลังเส้นทาง Model Studio และ PAI ในการปรับใช้