阿里研究员透露Qwen4.5后模型将扩展至5-10T参数
内容提要
9月22日云栖大会上，阿里公布大模型进展：Qwen3.8-Max实现自主训练、推理优化与芯片协同设计，RSI初步落地；Qwen4已训练，未来Qwen4.5、Qwen5参数将达5-10T。同时发布图像、音乐、世界、语音、全模态等新模型，并开源460余个模型，下载量破30亿次。
延伸解读
RSI初步落地：模型自我迭代的实践与边界
文章显示，阿里大模型递归自我改进（RSI）已初步进入训练、推理及芯模协同环节。Qwen3.8-Max在人类零参与下自主迭代超1个月，完成33轮有效迭代，并在Artificial Analysis上得分从40升至45。这标志着大模型正从被动训练转向主动自我优化，但需注意，RSI仍处于早期阶段，其长期稳定性和泛化能力尚待验证。
参数规模跃升：5-10T背后的性能与成本权衡
阿里计划将未来Qwen4.5、Qwen5的参数规模扩展至5-10T，同时Qwen3.8-Flash通过架构创新将训练成本降低近90%。这表明参数扩大仍是提升性能的路径之一，但并非唯一方向。读者应关注：超大参数模型的实际推理效率、部署成本以及是否能在真实场景中带来相应收益，而非仅看参数数字。
全模态与终端落地：AI交互入口的扩展
文章提到全模态模型Qwen3.8-Omni、语音模型Qwen-Audio-3.1系列及同声传译模型Qwen3.8-LiveTranslate等，并已接入AI眼镜、桌面机器人等硬件。这显示阿里正推动大模型从云端走向终端，强调多模态统一理解和实时交互。但终端落地效果取决于硬件适配、功耗和用户体验，需观察实际产品表现。
开源生态领先：下载量破30亿次的启示
阿里已开源460余个Qwen模型，下载量突破30亿次，衍生模型超30万个，Qwen3.8-27B成为Hugging Face史上最受欢迎开源模型。这反映出开源策略对生态建设的推动作用，但开源模型的商业转化、社区维护及与闭源版本的协同仍是长期课题。读者可关注开源模型在实际开发中的易用性和持续更新情况。
Q&A
阿里未来Qwen4.5和Qwen5的参数规模计划达到多少？
未来Qwen4.5、Qwen5等版本将扩展至5-10T参数。
Qwen3.8-Max在自主训练方面取得了哪些成果？
Qwen3.8-Max通过自主搭建训练流程、构造训练数据，并自主设计实验、定位缺陷，在人类完全“零参与”的情况下持续迭代超1个月，完成33轮有效迭代。基于RSI、后训练等系列技术联合优化，新版本在Artificial Analysis上的得分从40涨至45分，与Claude、GPT最强模型同处第一阵营，领先于GLM5.3、Kimi-K3等所有国产模型。
Qwen3.8-Max在推理优化和芯片协同设计上有什么具体成果？
在推理优化上，Qwen3.8-Max在从未见过的平头哥新款GPU上，自主适配优化了下代架构的Qwen3.8-Flash新模型的推理框架，实现单实例推理吞吐量提升96%。在芯片模型协同设计上，Qwen3.8-Max仅基于一份真实的总线模块规范，自主展开前端、验证、后端的全链路自迭代，在自主运行超60小时、调用EDA工具超万次后，完成了减少42%面积的物理实现优化。
阿里在云栖大会上发布了哪些新模型？
阿里发布了图像生成模型Qwen-Image-3.1、音乐生成模型Happy Shrimp 1.1、世界模型HappyOyster 2.0 Preview、语音模型家族Qwen-Audio-3.1（包含ASR、TTS、Realtime系列）、全模态模型Qwen3.8-Omni，以及同声传译模型Qwen3.8-LiveTranslate。此外，下一代视频生成模型将于11月发布。
阿里Qwen开源模型取得了哪些成绩？
阿里已开源460余个Qwen大模型，Qwen开源模型下载量突破30亿次，衍生模型数超30万个，稳居全球第一开源模型家族。其中，Qwen3.8-27B模型在Hugging Face上超越DeepSeek-R1、Meta-Llama3.1等热门模型，成为该平台历史上最受欢迎的开源大模型。
Qwen3.8-Flash在架构优化方面有什么突破？
Qwen3.8-Flash提前开源下一代千问大模型架构，通过注意力机制和模型内信息传递机制等核心技术创新，在实现前沿模型性能的同时，训练成本骤降近90%；同时依托于极少的参数激活，将推理计算效率推至全新的帕累托前沿，成为行业性价比“斩杀线”模型。
