阿里云栖大会发布Qwen4及多模态新进展：RSI技术实现模型自主迭代，下代视频模型即将亮相

事件概述

2026年9月22日，阿里巴巴在2026云栖大会上公布了其在人工智能大模型领域的最新研发进展。重点展示了从大语言模型到多模态模型的全面升级，特别是引入了自我进化（RSI）技术，以及Qwen4、下代视频模型等前沿项目的训练状态。阿里强调其作为全栈AI公司的软硬一体整合能力，并在全球开源社区保持领先地位。

核心信息

1. 大语言模型（LLM）与架构创新

• Qwen4系列进展：基于下一代架构的Qwen4已投入训练，后续版本Qwen4.5、Qwen5稳步推进。未来千问大模型的总参数量计划扩展至5万亿甚至10万亿规模。
• Qwen3.8-Max表现：在编程（Coding）和办公（Cowork）领域表现强劲，在Artificial Analysis榜单得分从40提升至45分，跻身全球前沿梯队。该模型被评估为前沿编程模型中性价比最高的模型之一。
• 全模态统一框架：Qwen3.8-Omni-Flash正式亮相，将视频、音频、图片和文字等不同模态高效纳入统一理解框架，为大模型开辟全新的思考分区。
• 高性价比模型：
  • Qwen3.8-Flash：提前开源下一代架构，通过注意力机制创新，将训练成本骤降近90%，推理计算效率达到帕累托前沿。缓存命中输入低至每百万Tokens 0.1元。
  • Qwen3.8-27B：被称为“本地Opus 4.6”，适配消费级显卡，成为Hugging Face历史上最受欢迎的大模型（下载量超DeepSeek-R1等），衍生模型超1900个。

2. 自我进化技术（RSI）突破

阿里宣布大模型自我进化（RSI）技术初步进入模型训练、推理及芯片协同环节，改变了传统单向流水线迭代模式：

• 自主迭代：Qwen3.8-Max可在人类“零参与”情况下，自主搭建训练流程、构造数据、设计实验并定位缺陷，持续迭代超1个月，完成33轮有效迭代，新版本性能提升12.5%。
• 推理优化：在未见过的新款GPU上，自主适配优化SGlang推理框架，单实例推理吞吐量提升96%。
• 芯模协同：基于一份总线模块规范，自主完成前端、验证、后端全链路自迭代。运行超60小时、调用EDA工具超万次后，实现物理实现面积减少42%、标准单元数降低29%、功耗降低59.5%。

3. 多模态模型重大升级

• 视频生成：
  • Wan3.0：支持单次30秒视频生成、结构化输入及原生音画同步，在Artificial Analysis文生视频与视频编辑双榜位列全球第一。
  • 下一代视频模型：预计11月发布，旨在实现更长时长的一致性、精准控制人物/场景/镜头，并具备导演级创作思维，从生成单个镜头迈向理解完整叙事。
• 语音模型（Qwen-Audio-3.1）：
  • 实时交互：Realtime模型具备边听、边想、边说能力，增强多语言交互与共情，已应用于千问办公、AI眼镜等硬件。
  • 全新架构模型：推出音频创作模型TTS-Next（一次生成融合对白与环境声的完整音频）和理解模型ASR-Next（理解情绪、音乐、环境声并完成推理）。
• 图像生成（Qwen-Image-3.1）：面向电商和设计场景优化，视觉设计压缩至秒级交付。其中7B参数的Qwen-Image-2.1全面开源，支持透明图生成、多图编辑及局部编辑，在公开评测中位居开源第一。
• 其他模态：
  • 音乐模型：Happy Shrimp 1.1版本发布，支持百余种曲风与十余种主流语言。
  • 同声传译：Qwen3.8-LiveTranslate采用Interleave架构，字均延迟降至2.3秒（优于人类平均4秒），新增说话人分离、双语同屏显示及长上下文歧义消除能力。
  • 世界模型：HappyOyster 2.0 Preview亮相，提升智能实时交互、记忆能力及物理规律遵循能力，推动从实验室走向真实可用。

4. 全球应用与开源生态

• 开源影响力：截至发布时，阿里已开源460多个千问大模型，整体下载量超30亿次。Qwen已成为全球AI开源社区的基座模型，被DeepSeek、英伟达、AWS、微软等公司用于二次开发。
• 企业落地案例：
  • Perplexity：基于Qwen3.8打造本地Agent。
  • Airbnb：CEO称大量依赖千问模型，认为其比OpenAI更好更便宜。
  • Pinterest：使用Qwen搭建AI购物助手，成本不到同类闭源模型的8%。
  • 路透社：基于Qwen开发自有模型以降低对Claude等闭源模型的依赖。