阿里云栖大会：Qwen4.5/5参数规模将扩至5-10T，RSI技术驱动模型自我进化

事件概述

9月22日，阿里巴巴在云栖大会上公布了千问（Qwen）大模型系列的最新进展。核心亮点包括下一代模型架构的训练启动、参数规模的显著扩展计划，以及大模型递归自我改进（RSI）技术在多个维度的实际应用成果。此外，视频、音频、图像等多模态模型及终端硬件适配也迎来了重要更新。

核心信息

1. 模型演进与参数扩展

• 架构升级：基于新一代架构的Qwen4模型目前正处于训练阶段。未来发布的Qwen4.5和Qwen5版本，其总参数量计划扩展至5万亿（5T）甚至10万亿（10T）规模。
• 开源影响力：截至发布时，阿里已开源460余个Qwen大模型，下载量突破30亿次，衍生模型超30万个。在Hugging Face平台上，Qwen3.8-27B成为历史上最受欢迎的开源大模型之一。

2. RSI技术与自我进化能力
阿里展示了大模型通过RSI技术实现自主迭代的能力，具体案例如下：

• 自主训练：Qwen3.8-Max在人类“零参与”的情况下，自主搭建流程、构造数据并定位缺陷，持续迭代超过1个月，完成33轮有效迭代。其在Artificial Analysis上的得分从40分提升至45分，与Claude、GPT等最强模型处于同一梯队，领先于GLM5.3、Kimi-K3等国产模型。
• 推理优化：Qwen3.8-Max在未见过的新款GPU上，自主适配优化了下代架构Qwen3.8-Flash的推理框架，使单实例推理吞吐量提升96%。
• 芯模协同：仅基于一份总线模块规范，Qwen3.8-Max自主完成了前端、验证、后端的全链路自迭代。在运行超60小时、调用EDA工具超万次后，实现了物理实现面积减少42%的优化。

3. 关键技术创新

• 架构优化：提前开源的Qwen3.8-Flash采用新的注意力机制和信息传递机制，在保持前沿性能的同时，训练成本降低近90%，并凭借极少的参数激活达到行业领先的推理效率。
• 全模态统一：Qwen3.8-Omni正式亮相，将音视频等不同模态纳入统一理解框架，为大模型开辟新的思考分区。

4. 多模态与终端应用进展

• 视觉生成：
  • Qwen-Image-3.1面向商用场景优化，支持秒级交付和专业级图像编辑。
  • 全新下一代视频生成模型拟于11月发布，旨在实现更长时长的一致性、更精准的控制及导演级的叙事理解能力。
  • 世界模型HappyOyster 2.0 Preview提升了实时交互、记忆能力及物理规律遵循能力。
• 语音与音频：
  • Qwen-Audio-3.1系列包含ASR、TTS和Realtime三大模块。其中ASR-Next能理解情绪与环境声；TTS-Next可生成融合对白和环境声的完整音频。
  • Realtime实时交互能力增强，支持边听边想边说，已接入千问办公、AI眼镜及桌面机器人等硬件。
  • 同声传译模型Qwen3.8-LiveTranslate将人类同传平均时延从4秒以上压缩至不到2.5秒。
• 终端落地：发布专为手机场景优化的AI全栈解决方案Qwen Intelligence，提供基于千问大模型的Agent技术平台，以支持跨应用复杂任务处理。