9 月 22 日开幕的 2026 云栖大会上，阿里把大模型的下一步摊到了台面上。Qwen4 已经投入训练，Qwen4.5 与 Qwen5 的参数规模被规划到 5 万亿至 10 万亿，是当前旗舰 Qwen3.8-Max 约 2.4 万亿参数的两到四倍。真正让我停下来的其实是另一件事，Qwen3.8-Max 在人类不介入的前提下自己迭代了一个多月，完成 33 轮有效迭代。
参数路线走到哪一步了
先看规模。阿里巴巴 CEO 吴泳铭在大会上确认，公司准备训练参数量在 5 万亿到 10 万亿之间的新一代模型，这是它迄今最激进的一次 AI 计划。Qwen LLM 项目负责人刘大一恒给出的判断是，Scaling 依然是迈向 ASI 的重要路径。这位负责人是在云栖大会前不久才接掌产品线的，人事背景我整理在 阿里 Qwen 团队换帅这篇里。
| 模型 | 参数规模 | 当前状态 |
|---|---|---|
| Qwen3.8-Max | 约 2.4 万亿 | 现有旗舰，已上线 |
| Qwen4 | 未披露 | 已投入训练，基于下一代架构 |
| Qwen4.5 / Qwen5 | 5 万亿至 10 万亿 | 规划阶段 |
目标又不只是堆参数。刘大一恒把重点放在架构创新和数据优化上，希望未来的模型能啃下更复杂、时间跨度更长的任务。这话听着抽象，落到评测上就是 Agentic 智能体和长程任务的得分。
RSI 已经落到训练、推理和芯片协同环节
这次披露里分量最重的是这一段。Qwen3.8-Max 已经能够自主搭建训练流程、构造数据、设计实验并定位缺陷，在人类零参与的情况下持续迭代超过一个月，完成 33 轮有效迭代，让 Artificial Analysis 的得分提升了 12.5%。同期它在 Artificial Analysis Agentic 智能体评测、CodeArena 前端编程评测里也处在前列。
12.5% 这个幅度谈不上惊人，我更看重它的性质。闭环跑通意味着模型开始参与提升自己的过程，而且这一段不再需要人逐轮下指令。阿里同时表示，递归自我改进已经落到了模型训练、推理以及芯片协同设计等环节。
需要说清楚的是，全自主的 RSI 还没有真正发生，阿里和 OpenAI 两边的表述都保留了这句限定。把 12.5% 当成起点，比当成结论稳妥得多。
多模态矩阵与开源数据
效率侧的改动来自 Qwen3.8-Flash 的训练成本优化，它通过注意力机制等创新把训练成本降低接近 90%，并用更少的激活参数换推理效率。这条线对最终 API 定价的影响，比发布会上的口号实在。
多模态这边排得很满。Qwen3.8-Omni-Flash 全模态模型统一处理视频、音频、图片与文字；Wan3.0 支持单次生成 30 秒视频并接受结构化输入，下一代视频模型会在 11 月发布；Qwen-Audio-3.1 系列覆盖 ASR、TTS 与 Realtime，Qwen3.8-LiveTranslate 把字均延迟压到 2.3 秒。图像线则是 Qwen-Image-3.1、Qwen-Image-2.1 开源模型、HappyShrimp 1.1 与 HappyOyster 2.0-Preview 同步推进。
| 指标 | 数值 |
|---|---|
| Qwen3.8 系列近一个月下载量 | 超过 5600 万次 |
| Qwen3.8 衍生模型数 | 超过 1900 个 |
| 阿里累计开源千问模型 | 超过 460 个 |
| 千问模型累计下载量 | 超过 30 亿次 |
| 累计衍生模型数 | 超过 30 万个 |
阿里还提到 Perplexity、Airbnb、Pinterest 与路透社等公司已在用 Qwen 做 Agent、AI 助手或自研模型。这一组名字的意义在于商业化路径被验证过了，不至于出现开源生态热闹但没人买单的局面。
芯片和数据中心跟得上吗
训练 10 万亿参数的东西，算力必须给说法。这次配套的是平头哥半导体研发的 真武V900 芯片，算力是上一代 M890 的三倍，基于它构建的单一 AI 集群最多支持 50 万张加速卡协同，预计 2027 年第一季度量产并商业化。
数据中心这边，阿里计划到 2032 年把全球数据中心总容量提升到 20 吉瓦以上。吴泳铭没有只讲好消息，他也直言全球产业链卡在设备、电力和基础设施供应上，扩张速度因此受限。这句中长期需求增速仍超过供应的判断，我认同。
FAQ
Qwen4 什么时候能用上
目前只有已投入训练这一句，没有时间表。参考 Qwen3.8 系列此前的节奏，从训练跑到开放 API 通常要好几个月，我倾向把它当成明年的事情，具体节点还得等官方。
10 万亿参数意味着什么
最直观的是成本。参数涨到四倍，训练算力、内存带宽和集群规模都不是线性增长能解决的，这也是 V900 和几十万卡级别的集群必须同时落地的原因。另一个层面是能力边界能不能真的跨越长程任务，得看真实评测而不是参数本身。
普通用户能感知到什么
短期最实在的是价格和延迟。训练成本降低这类改动最终会体现到 API 定价上，Wan3.0 与 Qwen-Audio-3.1 则会直接影响视频生成和语音交互的体验。10 万亿参数这个数字，用户大概率感受不到。
小结
云栖大会这场发布可以拆成三条线，模型侧押下一代架构和 10 万亿参数，方法侧把 RSI 从概念推进到训练环节，硬件侧配 V900 与 20 吉瓦数据中心规划。三条线互相绑死，缺任何一条另外两条都跑不动。我自己会盯 11 月的下一代视频模型，那大概是新架构第一次公开的产品级验证。
相关阅读
延伸阅读
- 英伟达开源 Nemotron 3 Embed 文本嵌入模型：8B 版 RTEB 78.5% 登顶，1B 版保留 95% 检索精度2 天前
- 虾米死了五年，阿里用 AI 把它捞了回来1 月前
- DeepSeek-V4-Flash-Vision-Exp 权重开源：168GB、MIT 协议，48 个 Safetensors 分片可私有化部署2 天前
- 阿里达摩院语构上线：自然语言构建、协作与发布智能应用，AI 原生开发平台怎么用1 天前