通义体系如何连接办公、开发和商业场景

1. 中文常识与本地化：通义千问在面向国内的知识问答（如「暨大在哪」）中准确率更高，ChatGPT常出现错误；在中文创作（古诗、周报、剧本）方面两者旗鼓相当，通义千问在押韵和条理性上不输ChatGPT。
2. 数学与逻辑推理：ChatGPT在数学题（如鸡兔同笼类问题）上表现更稳定，解答过程清晰；通义千问初期版本数学能力明显欠缺，答案可能出错或过程跳步，后期版本已有改善但仍与GPT-4有差距。
3. 多模态能力：通义千问早期仅支持文本输入输出，不支持文生图（需切换到通义万相），而ChatGPT的GPT-4具备多模态能力；通义千问后续版本已逐渐补齐多模态短板。
4. 代码能力：ChatGPT写代码更可靠，能实现复杂逻辑且可要求不使用内置库；通义千问能写基础代码但遇到深入追问容易「卡住」，相比ChatGPT显得训练不够充分。

1. 数学计算与逻辑推理薄弱：早期版本在数学题（如二元一次方程组）上经常算错或过程不合理，对题目理解的准确度不如ChatGPT，需多次重新生成才能得到正确答案。
2. 一本正经胡说八道（幻觉问题）：在时事新闻类问题上尤为严重，例如错误回答「最近一次世界杯冠军是意大利」「平昌冬奥会中国获13金」等，训练数据截止2021年且无法实时更新。
3. 非多模态设计：早期版本只支持纯文本输入输出，不支持文生图、图生文等跨模态功能，需要图片生成时必须切换到独立的通义万相，用户体验不够连贯。
4. 深度思考与专业性不足：面对超深奥的专业问题（如医学论文、高等数学推导）容易犯迷糊，回答偏向模板化，主动性和自我反馈机制不如GPT-4o完善。

1. 模型生态丰富：百炼平台覆盖150+种主流模型，包括通义千问全系列、DeepSeek、Kimi、GLM等，一站式调用无需切换多个平台，对开发者和企业非常友好。
2. 免费额度慷慨：新用户开通后可领取超7000万Token免费额度，各模型输入输出各100万Token（90天有效），对于学习和原型开发几乎零成本。
3. 需要注意「业务空间」概念：API Key和大模型服务都属于某个特定的业务空间，如果配置了Key但未正确关联业务空间，会导致调用报错，新手容易在这里卡住。
4. Coding Plan套餐划算：针对AI编程场景推出的Token Plan套餐（如每月固定费用99900次请求），比按量计费更可控，且Key与通用API分开，账单清晰、不限速。

1. 免费额度：新用户开通百炼平台后，主流模型各享输入+输出共100万Token免费额度（90天内有效），TTS享1万字符免费，总免费额度超7000万Token；此外qwen-long等模型几乎等于不要钱。
2. 按量计费价格：以主流模型为例，输入约0.004元/千Token，输出约0.012元/千Token；Batch调用享5折单价，适合离线批量处理场景。
3. Token Plan订阅制：2026年推出按月的Token Plan套餐，如Coding Plan每月固定费用含90000次请求，适合AI编程高频使用者，比按量付费更省钱、不限速。
4. 免费渠道不止一个：还有阿里云新用户赠送额度、通义千问App端免费使用、Qwen Code每天免费2000次调用等，薅羊毛渠道丰富。

1. 通义千问（Qwen）：是阿里的大语言模型（LLM），专注文本对话、知识问答、代码生成、文档分析等NLP任务，相当于阿里的「GPT」。
2. 通义万相（Wan）：专注视觉生成，即文生图/图生图/视频生成，由独立的通义万相实验室开发，团队与千问不同，相当于阿里的「Midjourney/DALL-E」。
3. 通义听悟：专注音视频转文字、会议纪要、语音分析，属于语音模态产品，是通义家族第三个独立方向。
4. 三者关系：属于同一通义大模型家族但分工明确——千问管文字对话，万相管图像视频，听悟管音频处理；在通义App内可通过「效率」模块一键唤起万相和听悟能力，但底层是独立模型各自运转。