近日，网易有道公布“子曰”年夜模子迎来 4.0 版本的全方位进级。“子曰4 正式迈入全模态时代，不仅周全撑持文本、图片、音频的交融交互，有道更公布将焦点的“多模态模子”与“语音合成（TTS）模子”正式开源。与此同时，翻译模子也迎来了深度的技能重构，翻译质量与效率实现两重晋升。多模态模子视觉与数理斩获SOTA，纯文本数理难题机能行业领先据先容，开源的“子曰4”多模态模子于 27B 参数范围上，面向教诲场景，将撑持视觉输入的数理能力拉到了行业顶尖程度（SOTA）。于划一参数范围的模子中，“子曰4”于处置惩罚带图表的数学题、物理题等高难度视觉数理问题上体现冷艳。中文纯文本数理难题的机能也得到显著晋升，模子正确率达81.4%，到达行业领先程度。

子曰4于多个视觉数理基准上到达同范围模子中最好程度

图片来历： https://huggingface.co/netease-youdao/Confucius4

更为要害的冲破于在现实落地的“性价比”。相干卖力人先容，新模子采用了邃密化思维链重构方案，经由过程会聚年夜范围优质精简的推理样本举行深度优化，乐成将推理思维链输出长度压缩了43.2%。这象征着它可以用更少的 Token、更短的推理路径更快地给出谜底，为企业及开发者年夜幅降低了现实营业场景中的推理成本。

子曰4于多个视觉数理基准上年夜幅降低了输出token的数目

图片来历： https://huggingface.co/netease-youdao/Confucius4

此外，子曰研发团队针对于海内学生真正的功课p、测验及发问场景举行了深度优化，让它可以或许真正解决中国粹生于现实进修中碰到的真实问题，成为更有温度的数字化助手成为更有温度的数字化助手。

开源TTS：撑持14 种语言，3秒克隆原声，跨语种再也不有口音

这次与多模态模子一同开源的还有有语音合成（TTS）引擎 ，该引擎基在前沿的“语音编码器 + LLM”架构打造，面向开发者和内容创作者提供零样本、低门坎的语音克隆与感情合成能力。

今朝，它已经周全撑持中文、英语、日语、韩语、德语、法语、西班牙语、印尼语、意年夜利语、泰语、葡萄牙语、俄语、马来语和越南语共 14 种语言。

体系可撑持差别语言间统一措辞者音色的天然迁徙，无需分外练习便可连结音色一致性，且合成成果具有母语级另外天然度与流利度，跨语种克隆也没有口音泄露问题。

于声音克隆方面，子曰4实现了“上传便可克隆”的全量撑持能力，用户仅需提供肆意音频素材，体系便可于三秒内完成原声复制。

据先容，该引擎于克隆使命中的正确度跨越 97%，克隆音色与原声的相似度达 85% 以上。于保留措辞人怪异音色的同时，还有可精准还有原其感情色采，综合能力到达该范畴第一梯队。此外，该开源模子于真实多语言场景中揭示出较好的稳健性，可应答一样平常对于话、新闻播报、企业宣传等差别语境和繁杂感情表达等多种合成需求。

翻译模子质量周全进级，推理速率晋升80%

作为有道最为深挚的技能资产，翻译模子于本次进级中也迎来了主要的技能进级，使其于翻译使命中体现进一步晋升。

于数据层面，子曰团队网络并洗濯了上亿级另外多语言数据，并礼聘具备专八认证的专业职员举行多维度人工评估，从源头包管语料的高品质。

于算法层面，模子采用了立异的“多专家 OPD ”模式，用一种更智慧的“软方式”博采众长，同时经由过程强化进修引入格局奖励及语言检测机制，有用解决了机翻常见的脱靶及语种混出问题。

为了应答高频、高并发的财产级运用，进级后的翻译模子配备了高效的加快机制，使患上总体推理速率直接飙升80%。共同年夜模子主动评测与人工随机抽检相联合的定制化方案，新一代翻译模子于文本、图片及文档翻译等多场景下，都揭示出了兼具速率与质量的极高水准。

回望有道于AI范畴的摸索过程，从最初子曰以首个教诲垂直年夜模子姿态表态、推出倾覆传统白话训练模式的“虚拟人白话锻练Hi Echo”，到“子曰”2.0、3.0版本于软硬件生态中的周全扎根，有道始终走于 AI 赋能场景的最前沿。2026年，有道更是按下了运用落地的加

速键，陆续发布了LobsterAI、有道宝库、有道同传Agent、Thinkflow等一系列AI Agent产物，实现了全场景 AI Agent 矩阵的前瞻性结构。“子曰4” 的进级与焦点模子全量开源，不仅年夜幅降低了开发者于多模态与语音合成范畴的运用门坎，也向行业展示了以底层焦点技能滋养上层 Agent 矩阵的生态闭环。有道但愿，跟着全世界开发者与开源社区的配合注入，这一套全模态年夜模子生态将于更广泛的财产中引发出真实的出产力厘革。（雷峰网雷峰网(公家号：雷峰网)雷峰网）

雷峰网原创文章，未经授权禁止转载。详情见转载须知。