9 月 22 日，2026 雲棲大會開幕，阿里巴巴集中披露了從大語言模型到多模態模型的最新進展。最受關注的是下一代旗艦的節奏：基於全新架構的 Qwen4 已進入訓練階段，Qwen4.5、Qwen5 也在推進中，未來千問大模型的總引數量將擴充套件至 5 萬億甚至 10 萬億規模。

在語言模型側，Qwen3.8-Max 在程式設計與辦公場景表現突出，釋出後拿下 Artificial Analysis Agentic 智慧體第一、CodeArena 前端程式設計第一；在最新的 Artificial Analysis 全球大模型排行榜上，其得分從 40 分提升到 45 分，按阿里說法提升幅度為 12.5%，與 Claude、GPT 等模型同處前沿梯隊。價效比方面，該模型被 Arena 評為前沿程式設計模型中價效比最高者之一，相較 Qwen3.7 的 Token 呼叫數提升 12 倍；Qwen3.8-Flash 通過結構創新把快取命中輸入價格壓到每百萬 Tokens 0.1 元；Qwen3.8-27B 則被開發者稱為可在消費級顯示卡上執行的本地模型。

本次披露中技術含量較高的一塊是自我進化（RSI）。阿里稱該能力已初步進入模型訓練、推理及模型晶片協同環節。傳統迭代是「發現問題—準備資料—完成訓練—釋出」的單向流水線，而 Qwen3.8-Max 可以自主搭建訓練流程、構造訓練資料、設計實驗並定位缺陷，在人類完全零參與的情況下持續迭代超過 1 個月，完成 33 輪有效迭代。這一機制向上支撐推理自主最佳化，向下協同芯模聯合創新：Qwen3.8 在未見過的平頭哥新款 GPU 上，自主適配優化了下代架構 Qwen3.8-Flash 新模型的 SGlang 推理框架，單例項推理吞吐量提升 96%；在晶片模型協同設計上，僅基於一份真實匯流排模組規範，自主完成前端、驗證、後端全鏈路迭代，在自主執行超 60 小時、呼叫 EDA 工具超萬次後，實現減少 42% 面積的物理實現最佳化，標準單元數降低 29%，功耗降低 59.5%。

架構與模態層面，Qwen3.8-Flash 提前開源下一代千問架構，通過注意力機制與模型內資訊傳遞機制等創新，在保持前沿效能的同時把訓練成本降低近 90%；全模態模型 Qwen3.8-Omni-Flash 正式亮相，將影片、音訊、圖片與文字納入統一理解框架。

多模態是本次大會的另一條主線。影片生成方面，Wan3.0 支援單次 30 秒影片生成、文件/表格/網頁等結構化輸入與原生音畫同步，在 Artificial Analysis 文生影片與影片編輯雙榜位列全球第一；阿里同時確認下一代影片模型將於 11 月釋出，朝更長時長、更強可控性與導演級敘事理解演進。語音方面，Qwen-Audio-3.1 系列在語音轉寫、語音合成與即時互動三類模型上全面升級，阿里稱其在 ASR、TTS、Realtime 三個核心賽道均處國際第一梯隊、國內第一，並已應用於千問辦公、Qoder 及隨身助理、桌面機器人、AI 眼鏡等硬體。影像方面，Qwen-Image-3.1 面向電商與設計場景最佳化，主打秒級交付與精準編輯；引數量僅 7B 的 Qwen-Image-2.1 全面開源，在 Qwen-Image-Bench 公開評測中位居開源第一。此外還有音樂模型 Happy Shrimp 1.1、同聲傳譯模型 Qwen3.8-LiveTranslate（字均延遲從 2.8 秒降至 2.3 秒，對比人類同傳平均約 4 秒），以及世界模型 HappyOyster 2.0 Preview。

生態資料同樣值得關注。阿里稱 Qwen3.8 系列均面向全球開源，一個月內相關模型下載超 5600 萬次、衍生模型超 1900 個，其中 Qwen3.8-27B 成為 Hugging Face 歷史上最受歡迎大模型全球第一；截至目前阿里已開源 460 多個千問模型，整體下載量超 30 億次、衍生模型超 30 萬個。海外客戶方面，文中提到 Perplexity 基於 Qwen3.8 打造本地 Agent，Airbnb CEO 布萊恩·切斯基稱公司大量依賴千問模型，Pinterest 用 Qwen 搭建 AI 購物助手與聊天機器人，路透社也基於 Qwen 開發自有模型以降低對閉源模型的依賴與長期成本。

把這些資訊放在一起看，阿里此次傳遞的訊號有三層：一是模型迭代節奏明顯加快，最近一個多月僅 Qwen3.8 系列就更新出多個模型與重大版本；二是把「極致價效比」與「開源」作為差異化競爭點，直接對標閉源模型的呼叫成本；三是 RSI 與芯模協同被擺到台前，意味著模型能力提升開始與自研晶片、推理框架的聯合最佳化繫結。對產業鏈而言，這類進展既關係到雲廠商的算力與推理需求結構，也影響開發者與企業在模型選型上的成本權衡。