阿里云栖大会发布千问大模型系列进展，5-10T参数规划

9月22日的行业技术盛会中，相关企业公布了大模型赛道的多项核心进展：递归自我改进（RSI）技术已初步落地模型训练、推理以及芯片与模型协同设计等关键环节；基于全新架构的Qwen4模型已进入训练阶段，后续的Qwen4.5、Qwen5等版本的参数量将拓展至5万亿到10万亿级别；同时，视频生成、语音、图像、世界模型、音乐模型以及全模态模型等多条产品线，均在本次大会或近期推出了更新版本。

自主迭代技术突破，Qwen实现全链路自进化

当前大模型正加速走向自主迭代阶段，本次大会上，企业系统展示了千问大模型在自主进化领域的最新探索成果。

模型自主训练层面，Qwen3.8-Max实现了全流程的人类零参与迭代：通过自主搭建训练流程、构建训练数据集，自主设计实验方案并定位模型缺陷，在无人工干预的情况下持续迭代超过1个月，完成了33轮有效优化。结合RSI技术与后训练等多项技术的联合优化，该模型在Artificial Analysis评测中的得分从40提升至45，与Claude、GPT系列的顶级模型处于第一阵营，领先于GLM5.3、Kimi-K3等所有国产同类模型。

推理性能优化层面，Qwen3.8-Max在未适配过的平头哥新款GPU上，自主完成了下一代架构的Qwen3.8-Flash模型推理框架的适配与优化，实现单实例推理吞吐量提升96%的显著效果。

芯片与模型协同设计层面，Qwen3.8-Max仅依托一份真实的总线模块规范，自主完成前端、验证、后端的全链路自迭代，经过超过60小时的自主运行、调用超万次EDA工具后，最终实现了物理实现面积减少42%的优化目标。

据项目相关负责人介绍，扩大模型规模是迈向通用人工智能的关键路径，Qwen4.5、Qwen5的参数量规划目标为5万亿至10万亿级别。

大会现场还展示了大模型核心领域的多项技术创新。架构优化方面，Qwen3.8-Flash提前开源下一代千问大模型架构，通过注意力机制与模型内信息传递机制等核心技术创新，在实现前沿性能的同时将训练成本降低近90%；同时依托极低的参数激活量，将推理计算效率推至全新的帕累托前沿，成为行业内极具性价比的标杆模型。模态扩充方面，全模态模型Qwen3.8-Omni正式亮相，将音视频等多模态信息高效纳入统一理解框架，为大模型开辟了全新的思考分区。参数规模扩展方面，模型参数量越大往往能带来更强的性能表现，未来千问大模型的总参数量将拓展至5万亿甚至10万亿级别。这些技术创新将作为新一代千问大模型的核心基石，目前Qwen4模型已采用全新架构启动训练，Qwen4.5、Qwen5的研发工作也在稳步推进中。

在持续探索大模型性能边界的同时，企业通过全模态、全尺寸的大模型开源策略，与全球开发者和产业伙伴共享前沿AI技术红利。在全球知名的AI开源社区中，Qwen3.8-27B模型超越多款热门开源模型，成为该平台历史上最受欢迎的开源大模型。公开数据显示，目前已累计开源超过460个Qwen系列大模型，总下载量突破30亿次，衍生模型数量超过30万个，稳居全球第一开源大模型家族阵营。

视听生成模型全面升级，新一代视频生成模型将于11月发布

在创意性极强的视觉生成领域，企业通过持续迭代升级各类生成模型，推动AI创作作品质量与用户体验的双重提升。

面向电商、创意设计等真实商用场景优化的图像生成模型Qwen-Image-3.1正式亮相，将原本需要数小时的视觉设计流程压缩至秒级交付，创作水准可媲美专业设计师，同时支持高精度的图像编辑功能。

音乐生成模型Happy Shrimp 1.1版本同步发布，在音乐表现力、人声质量、多语种演唱以及指令理解四个专业维度完成了全面升级，支持百余种曲风与十余种主流语言，覆盖人声歌曲与纯音乐两大创作场景。

世界模型最新版本HappyOyster 2.0 Preview也在本次大会亮相，通过对模型架构、训练方法与数据体系的全面升级，显著提升了智能实时交互、记忆能力、实时响应速度以及物理规律遵循性等核心能力，让世界模型真正从实验室走向可落地的实用场景。

相关技术高管在现场表示，三年内将会出现原生的全模态统一模型，AI体验将不再受限于单一模态的边界。

全新的下一代视频生成模型也将于11月正式发布，该模型将朝着更长时长、更高可控性、更完整叙事、更强智能性的方向演进：在更长的生成时长内仍能保持内容一致性，创作者可以精准掌控人物、场景与镜头细节；同时模型将具备导演级的创作思维，从单一镜头生成迈向完整叙事的理解与创作。

新一代语音模型发布，Qwen大模型加速落地智能终端

当前语音交互正成为AI与用户之间最自然的交互入口之一，Qwen系列模型已经在手机、AI眼镜、桌面机器人等多个硬件终端实现落地应用。

语音模型家族Qwen-Audio-3.1完成全面升级，涵盖语音转写（ASR）、语音合成（TTS）以及实时语音交互（Realtime）三大产品线。

基于下一代架构的音频理解模型Qwen-Audio-3.1-ASR-Next正式发布，该模型能够理解人物情绪、音乐、环境声与机械声，支持完成声音描述、事件定位、音频问答与推理等任务，例如可以准确回答“这段录音中人的情绪如何”这类问题。

音频创作模型Qwen-Audio-3.1-TTS-Next也同步亮相，采用全新架构设计，可以根据一段脚本直接生成融合对白与环境声的完整音频内容，大幅提升有声书、影视剧、播客等专业音频创作的效率。

Qwen-Audio-3.1-Realtime的实时交互能力进一步提升，能够实现边听、边思考、边回应的流畅交互体验，同时增强了多语言交互、角色扮演与共情能力。目前该系列模型已应用于千问办公和Qoder工具，并接入QwenNote A2随身助理、QwenNote Eva桌面机器人以及千问AI眼镜等多款硬件产品。

此外，同声传译模型Qwen3.8-LiveTranslate首次登场，人类同传的平均时延通常在4秒以上，而该模型将时延压缩至不到2.5秒。据介绍，这款模型已接入千问AI眼镜、QwenNote A2、钉钉耳机等AI硬件产品。

企业的大模型正加速走向终端落地：AI手机全栈解决方案Qwen Intelligence正式发布，该方案专为手机场景深度优化，为合作伙伴提供基于千问大模型的Agent技术平台，让手机能够更可靠地完成跨应用的复杂任务。

阿里巴巴AI大模型全景图