一句话结论
阿里巴巴在2026云栖大会宣布Qwen4已投入训练，下一代视频模型将于11月发布。
关键要点
- Qwen3.8-Max在Artificial Analysis智能体榜单位列第一，CodeArena前端编程排名第一，榜单得分从40分提升至45分。
- 基于下一代架构的Qwen4已投入训练，Qwen4.5、Qwen5稳步推进，未来千问大模型总参数量将扩展至5万亿甚至10万亿规模。
- Qwen3.8-Max在人类零参与的情况下自主迭代超1个月，完成33轮有效迭代，新版本Artificial Analysis得分提升12.5%。
- 下一代视频模型将于2026年11月发布，方向为更长时长、更强可控性与导演级叙事理解；Wan3.0当前位列Artificial Analysis文生视频与视频编辑双榜第一。
- Qwen3.8相关模型一个月内下载超5600万次、衍生模型超1900个；阿里累计开源460多个千问模型，整体下载量超30亿次。
背景与事实
2026年9月22日，2026云栖大会开幕，阿里巴巴公布大模型最新进展。在语言模型方向，Qwen3.8-Max发布后在编程与办公场景表现强劲，拿下Artificial Analysis Agentic智能体第一与CodeArena前端编程第一；在Artificial Analysis全球大模型排行榜上，其得分从40分提升到45分，与Claude、GPT等顶尖模型同处前沿梯队。阿里同时披露，基于全新架构的Qwen4已进入训练阶段，Qwen4.5与Qwen5均在稳步推进，未来千问大模型总参数量将扩展至5万亿乃至10万亿规模。这一参数扩张路径，与Qwen3.8-Flash提前开源下一代架构、训练成本下降近90%的性价比思路形成呼应。
自我进化（RSI）是本次披露的技术主线。传统模型迭代是单向流水线：研究员从评测或用户反馈中发现问题，准备数据，完成训练，发布模型，下一轮再从人工分析重新开始。阿里称，Qwen3.8-Max已能自主搭建训练流程、构造训练数据、设计实验并定位缺陷，在人类完全零参与的情况下持续迭代超过1个月，完成33轮有效迭代。RSI的延展体现在两个方向：向上支撑推理自主优化，Qwen3.8在从未见过的平头哥新款GPU上，自主适配优化下代架构Qwen3.8-Flash新模型的SGlang推理框架，单实例推理吞吐量提升96%；向下协同芯模联合创新，Qwen3.8仅基于一份真实总线模块规范，自主展开前端、验证、后端全链路自迭代，运行超60小时、调用EDA工具超万次，完成减少42%面积的物理实现优化，标准单元数降低29%，功耗降低59.5%。
语言模型之外，多模态是本次大会的另一条主线。视频方向，Wan3.0支持单次30秒视频生成、文档表格网页等结构化输入与原生音画同步，位列Artificial Analysis文生视频与视频编辑双榜全球第一，下一代视频模型定档11月发布。语音方向，Qwen-Audio-3.1系列在ASR、TTS、Realtime三条赛道全面升级，阿里称其位列国际第一梯队、国内第一，超过Gemini 3.1 TTS等模型，并已应用于千问办公与Qoder，接入QwenNote A2随身助理、QwenNote Eva桌面机器人和千问AI眼镜等硬件。图像方向，Qwen-Image-3.1面向电商与设计场景优化，将原本数小时的视觉设计压缩至秒级交付，并支持图像精准编辑；参数量仅7B的Qwen-Image-2.1全面开源。此外还有音乐模型Happy Shrimp 1.1、同声传译模型Qwen3.8-LiveTranslate与世界模型HappyOyster 2.0 Preview亮相，后者主打智能实时交互、记忆能力与物理规律遵循。
生态数据方面，Qwen3.8系列均面向全球开源，短短一个月下载超5600万次、衍生模型超1900个，其中Qwen3.8-27B超过DeepSeek-R1、Meta-Llama3.1等模型，成为Hugging Face历史上最受欢迎大模型全球第一。截至目前，阿里已开源460多个千问模型，整体下载量超30亿次，衍生模型超30万个。阿里称Hugging Face官方报告指出Qwen已成为全球AI开源社区的基座模型，DeepSeek、英伟达、AWS、微软等公司均基于Qwen二次开发衍生模型。客户侧，Perplexity基于Qwen3.8打造本地Agent；爱彼迎（Airbnb）首席执行官布莱恩·切斯基称公司大量依赖千问模型，并称其比OpenAI更好更便宜；Pinterest首席执行官比尔·雷迪称使用Qwen的成本不到Anthropic、OpenAI等同类闭源模型的8%；路透社也基于Qwen开发自有模型以降低对Claude等闭源模型的依赖。
影响分析
对中文开发者而言，这份进展的实际价值集中在两点。第一是开源可及性：Qwen3.8-27B被开发者称为“本地Opus4.6”，意味着消费级显卡即可承载的智能密度在持续下探；Qwen-Image-2.1以7B参数量全面开源，在公开评测中位居开源第一，原生支持透明图生成与RGB实拍图直接抠成RGBA图层，这对电商、设计类工具链的本地化改造是可用的素材。第二是推理成本：Qwen3.8-Flash把缓存命中输入价格压到每百万Tokens 0.1元，这个量级会直接改变Agent类应用的成本结构，尤其是需要长上下文反复调用的场景——原本因为Token费用被砍掉的功能，可能重新进入可行性评估。
但需要明确，以上是基于官方公布信息的分析判断，而非已经验证的产业结论。Qwen4尚在训练、下一代视频模型尚未发布、5万亿到10万亿参数的规划也仍是路线图，它们能否在真实场景兑现，取决于训练完成度、推理成本能否同步下降以及工具链成熟度。RSI的33轮自主迭代与96%吞吐提升、42%面积优化等数据，均来自阿里单方面披露，第三方复现与横向评测尚未出现在来源中。对从业者来说，更务实的做法是把Qwen3.8-Flash、Qwen3.8-27B、Qwen-Image-2.1这类已经可下载的模型纳入实测，用自身业务的Token账单和延迟指标做判断，而不是按路线图排期。
适用边界
本文结论不适用于三类情形：其一，若你的业务依赖闭源模型独有的多模态能力或合规条款，Qwen开源版本无法直接替换；其二，参数扩展至5到10万亿属于未来规划，在Qwen4正式发布并开放权重前，不构成可排期的工程输入；其三，吞吐提升96%、面积减少42%等性能数据均基于特定硬件与特定总线模块规范，迁移到其他芯片平台或设计流程时未必复现。此外，视频模型11月发布的表述来自官方口径，具体版本号、开放范围与商用授权条件均未在来源中给出，不宜作为产品计划的前提。
孤本观察
阿里这次把“模型迭代由模型自己做”摆到了发布会的核心位置，33轮零人工迭代比参数规模更有信号意义——它指向的是研发流程本身的可自动化，而不只是模型能力的提升。但需要留意，RSI的成效目前仍以榜单得分与内部指标呈现，缺少外部可验证的对照，这决定了它眼下更像一条值得跟踪的技术路线，而不是一个可以直接依赖的产能承诺。
来源：量子位