Cherry Studio项目中Qwen-Omni-Turbo模型类型识别问题分析
2025-05-08 07:08:55作者:昌雅子Ethen
在Cherry Studio项目v1.2.2版本中,用户反馈了一个关于Qwen-Omni-Turbo模型类型识别的问题。该问题表现为:Qwen-Omni-Turbo本应被识别为多模态模型,但在系统中却被错误地归类为工具模型。
Qwen-Omni-Turbo是阿里云百炼平台提供的一款先进的多模态大模型,理论上应该支持包括视觉在内的多种模态输入。然而在Cherry Studio的当前实现中,该模型被默认归类为支持工具调用的模型类别,这与其实际功能特性存在偏差。
从技术实现角度来看,这个问题源于模型类型识别机制的两个方面:
- 模型列表配置不完整:Qwen-Omni-Turbo尚未被明确添加到系统的视觉模型列表中
- 默认类型判断逻辑:系统对Qwen系列模型的默认处理是将其标记为支持工具调用,这是基于该系列模型普遍具备函数调用能力的特性
对于希望使用该模型多模态功能的用户,目前可以通过手动设置的方式来解决这个问题。虽然具体的设置方法在讨论中没有详细说明,但可以推测在模型配置界面应该存在相关选项。
值得注意的是,这个问题也引出了对Cherry Studio多模态支持能力的讨论。Qwen-Omni-Turbo作为全模态模型,理论上还应该支持音频和视频输入,但这些功能在当前版本中尚未实现。开发团队表示,后续版本将会逐步完善这些功能,目前的工作重点集中在解决MCP和WebDAV等相关问题上。
这个问题反映了AI开发平台在支持日新月异的大模型时面临的挑战,特别是当新模型不断突破传统分类边界时,平台需要持续更新其识别和分类机制。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
658
4.26 K
Ascend Extension for PyTorch
Python
503
607
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
939
862
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
334
378
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
390
285
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195
openGauss kernel ~ openGauss is an open source relational database management system
C++
180
258
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
892
昇腾LLM分布式训练框架
Python
142
168