阿里云栖大会公布全模态进展：Qwen4 训练中，下一代视频模型 11 月发布

9 月 22 日，2026 云栖大会开幕，阿里巴巴集中披露了从大语言模型到多模态模型的最新进展。最受关注的是下一代旗舰的节奏：基于全新架构的 Qwen4 已进入训练阶段，Qwen4.5、Qwen5 也在推进中，未来千问大模型的总参数量将扩展至 5 万亿甚至 10 万亿规模。

在语言模型侧，Qwen3.8-Max 在编程与办公场景表现突出，发布后拿下 Artificial Analysis Agentic 智能体第一、CodeArena 前端编程第一；在最新的 Artificial Analysis 全球大模型排行榜上，其得分从 40 分提升到 45 分，按阿里说法提升幅度为 12.5%，与 Claude、GPT 等模型同处前沿梯队。性价比方面，该模型被 Arena 评为前沿编程模型中性价比最高者之一，相较 Qwen3.7 的 Token 调用数提升 12 倍；Qwen3.8-Flash 通过结构创新把缓存命中输入价格压到每百万 Tokens 0.1 元；Qwen3.8-27B 则被开发者称为可在消费级显卡上运行的本地模型。

本次披露中技术含量较高的一块是自我进化（RSI）。阿里称该能力已初步进入模型训练、推理及模型芯片协同环节。传统迭代是「发现问题—准备数据—完成训练—发布」的单向流水线，而 Qwen3.8-Max 可以自主搭建训练流程、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。这一机制向上支撑推理自主优化，向下协同芯模联合创新：Qwen3.8 在未见过的平头哥新款 GPU 上，自主适配优化了下代架构 Qwen3.8-Flash 新模型的 SGlang 推理框架，单实例推理吞吐量提升 96%；在芯片模型协同设计上，仅基于一份真实总线模块规范，自主完成前端、验证、后端全链路迭代，在自主运行超 60 小时、调用 EDA 工具超万次后，实现减少 42% 面积的物理实现优化，标准单元数降低 29%，功耗降低 59.5%。

架构与模态层面，Qwen3.8-Flash 提前开源下一代千问架构，通过注意力机制与模型内信息传递机制等创新，在保持前沿性能的同时把训练成本降低近 90%；全模态模型 Qwen3.8-Omni-Flash 正式亮相，将视频、音频、图片与文字纳入统一理解框架。

多模态是本次大会的另一条主线。视频生成方面，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，在 Artificial Analysis 文生视频与视频编辑双榜位列全球第一；阿里同时确认下一代视频模型将于 11 月发布，朝更长时长、更强可控性与导演级叙事理解演进。语音方面，Qwen-Audio-3.1 系列在语音转写、语音合成与实时交互三类模型上全面升级，阿里称其在 ASR、TTS、Realtime 三个核心赛道均处国际第一梯队、国内第一，并已应用于千问办公、Qoder 及随身助理、桌面机器人、AI 眼镜等硬件。图像方面，Qwen-Image-3.1 面向电商与设计场景优化，主打秒级交付与精准编辑；参数量仅 7B 的 Qwen-Image-2.1 全面开源，在 Qwen-Image-Bench 公开评测中位居开源第一。此外还有音乐模型 Happy Shrimp 1.1、同声传译模型 Qwen3.8-LiveTranslate（字均延迟从 2.8 秒降至 2.3 秒，对比人类同传平均约 4 秒），以及世界模型 HappyOyster 2.0 Preview。

生态数据同样值得关注。阿里称 Qwen3.8 系列均面向全球开源，一个月内相关模型下载超 5600 万次、衍生模型超 1900 个，其中 Qwen3.8-27B 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。海外客户方面，文中提到 Perplexity 基于 Qwen3.8 打造本地 Agent，Airbnb CEO 布莱恩·切斯基称公司大量依赖千问模型，Pinterest 用 Qwen 搭建 AI 购物助手与聊天机器人，路透社也基于 Qwen 开发自有模型以降低对闭源模型的依赖与长期成本。

把这些信息放在一起看，阿里此次传递的信号有三层：一是模型迭代节奏明显加快，最近一个多月仅 Qwen3.8 系列就更新出多个模型与重大版本；二是把「极致性价比」与「开源」作为差异化竞争点，直接对标闭源模型的调用成本；三是 RSI 与芯模协同被摆到台前，意味着模型能力提升开始与自研芯片、推理框架的联合优化绑定。对产业链而言，这类进展既关系到云厂商的算力与推理需求结构，也影响开发者与企业在模型选型上的成本权衡。