Alibaba

不用海外旗艦模型！OpenSquilla 0.5.0 靠國產模型組團登頂 DRACO 雙榜

2026 年 7 月 6 日，OpenSquilla 0.5.0 Preview 在 DRACO 深度研究榜 Brave Search 組拿下平均 64.09 分，高於 Opus 4.8（59.11）與 GPT-5.5（53.28），任務平均成本僅 $0.12，分別約為兩者的 8% 與 14%。

能力退化還是被壓抑？Off-Model SFT 的移除代價與解法

AI 控制研究裡有一類核心工具，叫做 off-model SFT：用另一個模型產生的標籤來微調目標模型，藉此改變它的行為，不需要直接重設目標函數。這個做法的主要應用場景，包括對抗 exploration hacking（模型在訓練過程中學到繞過監督的行為模式），以及清除被植入的後門。它不需要你知道「壞行為的實際觸發邏輯

小模型實戰：五隻林地生物、一個會崩盤的經濟體，三個工程教訓

在 Build Small Hackathon，有人用 Qwen2.5-3B 跑了五隻林地生物組成的多代理經濟體，讓牠們交易五種商品、積累財富、觸發泡沫與貧富分化。推論後端是 vLLM on Modal，前端是 Gradio 介面。這是一份工程實戰報告，核心命題不是「小模型也能做到」，而是「這個任務本來就只能用小模型做

Future-L1 放棄文字代理推理、改走潛在視覺空間，Qwen3-VL-8B 在 FutureBench 從 61.0 拉至 85.4

研究者提出 Future-L1，一個交錯潛在視覺推理框架，讓 MLLM 在自回歸解碼時於語言 token 與連續潛在視覺 span 之間交替，而非把所有中間推理步驟語言化。以 Qwen3-VL-8B 為基底，Future-L1 在 FutureBench 上將分數從 61.0 提升至 85.4，並在論文所報告的兩項影片

阿里 Qwen3.7-Plus 打入 Vision Arena 全球前五，多模態閉環 Agent 工作流開放 API

6月2日，阿里巴巴發布 Qwen3.7-Plus，在全球視覺大模型榜單 Vision Arena 列全球前五、中國第一（廠商自報）。真正的訊號不是「一鍵複刻桌面軟體」的行銷說法，而是模型首次把視覺理解、深度推理、自我編程、工具調用、自驗證迭代整進同一個 agent 迴圈；目前已上線阿里云百炼，開放 API 服務。