TAG:阿里开源
阿里开源0.8B端到端文档解析模型OvisOCR2，登顶OmniDocBench v1.6
7月24日，阿里巴巴开源0.8B参数文档解析模型OvisOCR2，在OmniDocBench v1.6权威评测中以96.58综合得分登顶，成为首个端到端超越传统流水线的文档解析模型。基于Qwen3.5-0.8B后训练，OvisOCR2仅凭单模型一次输出自然阅读顺序的Markdown文本、公式、表格与视觉区域，完美解决维护成本高、误差累积及部署复杂等瓶颈。已开源Apache 2.0协议，支持vLLM无缝接入千问生态，推动文档智能向高效简洁模型驱动演进。
1 
0 
阿里开源Page Agent让大模型理解网页底层逻辑
阿里巴巴开源Page Agent是一款创新JavaScript客户端库，通过“DOM脱水”技术将复杂DOM树压缩为轻量FlatDomTree纯文本映射，让大模型无需截图或多模态分析即可直接读懂网页底层逻辑。该方案内嵌运行、天然继承Cookie与登录态，兼容任意LLM，适用于SaaS智能副驾、自动化数据采集和Web无障碍交互等场景。已在GitHub以MIT协议开源，帮助开发者以低成本实现高效网页自动化，告别代码重构焦虑。
阿里开源 Page Agent：大模型读懂 DOM，网页控制新范式
阿里巴巴开源Page Agent，通过“DOM脱水”技术将网页实时DOM结构压缩为轻量FlatDomTree纯文本，让大语言模型无需视觉或多模态输入即可精准操作页面。该JS客户端库直接嵌入网页运行，可无缝继承用户Cookie和会话，支持任意OpenAI兼容模型。适用于AI副驾、自动化表单、无障碍交互等场景，极大降低成本，已在GitHub以MIT协议开源。
阿里开源统一科学大模型LOGOS，仅用五十六分之一参数超越微软
阿里联合中国人民大学开源首个基于统一科学语法的多领域科学生成基础模型LOGOS。该模型采用纯序列建模范式，在六大科学任务中匹配或超越传统领域专用方法，仅1B参数量即超越微软8×7B的NatureLM模型，展现极高参数效率。LOGOS设计统一科学语法，将生物大分子、化学实体等异构对象编码为离散Token序列，消除预训练与应用断层，开源提供模型权重、代码和技术报告，推动科研AI发展。
阿里开源Qwen3.6-35B-A3B：30亿激活参数实现编程能力跨越式升级
阿里千问开源MoE模型Qwen3.6-35B-A3B，以350亿总参数、30亿激活参数实现高效推理，在多项编程基准中超越Qwen3.5-27B并领先前代模型。其多模态与空间感知能力同样突出，已接入Qwen Studio与百炼API，展现“小参数、高智能”在智能体编程落地中的关键价值。
