9 月22 日，阿里巴巴ATH 事业群Token Foundry 的Qwen LLM 项目负责人刘大一恒在2026 云栖大会登台演讲，讲题是《Qwen：迈向真实世界智能体》。但台上的大萤幕却打出「Qwen4 系列Coming Soon」，下方并列三个名字：Qwen4-Max、Qwen4-Flash & Qwen4-Plus、Qwen4-27B。这是Qwen4 家族第一次公开露面。整场演讲没有宣布任何模型上线，Qwen4 目前仍在训练阶段，阿里端出来的是路线图，并不是能下载的模型。
Max 攻能力上限，Flash 与Plus 顾CP 值，27B 留给本机
据至顶网在现场的报导，刘大一恒给出的Qwen4 规划分成三条线：以Max 追求能力上限，以Flash 和Plus 兼顾效率与价格，另外提供面向本地部署的27B 版本。
27B 出现在Qwen4 名单里，社群的反应最直接。 X 上有人留言「有27B 就行」，也有人追问上一代的35B 是不是不做了。 这个尺寸会被期待，是因为Qwen3.8-27B 在9 月16 日成为Hugging Face 史上获赞数最多的开源大模型，超越FLUX.1、DeepSeek-R1、Kimi-K3 等热门模型。
Qwen4 还在训练，5 兆到10 兆是Qwen4.5 与Qwen5 的目标
刘大一恒把Scaling 称为迈向ASI 的路径。他回顾Qwen2.5 时代的旗舰规模是72B，如今Qwen3.8-Max 的总参数已达2.4T，两年间增加约33 倍；基于新架构的Qwen4 已投入训练，后续Qwen4.5、Qwen5 计画把总参数量推向5 兆至10 兆。
刘大一恒1993 年生，2020 年入选华为「天才少年计画」，2021 年转往阿里巴巴达摩院，主导Qwen1 到Qwen3.5 全系列的预训练。今年3 月前负责人林俊旸离职、周靖人转任首席科学家之后，他接下Qwen 的统筹工作，这次也是他第一次站上云栖大会主论坛。
RSI 的对外实证，一个月跑完33 轮
阿里在大会上把递回自我改进（Recursive Self-Improvement，RSI）的成果摊开来讲。 Qwen3.8-Max 已能在训练流程里自行搭建训练步骤、构造训练资料、设计实验并定位缺陷，在人类完全没有参与的情况下运作超过一个月，完成33 轮有效迭代，Artificial Analysis 指数从40 分升到45 分，提升12.5%。
同一套机制也被带到推理与晶片设计。 Qwen3.8-Max 在先前没接触过的平头哥新款GPU 上，自行调校下一代Qwen3.8-Flash 的推理框架，单一实例的吞吐量提升96%。在工业级EDA 环境中，它只拿到一份真实的汇流排模组规格，自主执行超过60 小时、调用工具逾万次，最后把晶片面积缩减42%、标准元件数量降低29%、功耗降低59.5%。
新架构先开源，Qwen3.8-Flash 训练成本剩九分之一
Qwen 官方帐号早在8 月26 日就把Qwen3.8-Flash 权重开源，并说明它属于Qwen4 架构的前导版本：125B 参数外加51B N-gram 嵌入，每个token 只激活约6B，训练成本约为Qwen3.7-Plus 的九分之一，原生262K 上下文，可通过YaRN 延伸至1M。
价格也一并公布。正式版在QwenCloud API 上线后，每百万input token 收0.16 美元（约NT$5.2），每百万output token 收0.47 美元（约NT$15.3）。阿里同时交出开源成绩单：已开源460 多个Qwen 模型，累计下载超过30 亿次，社群衍生的模型超过30 万个。 大会上另公布，光是最近一个月，Qwen3.8 相关模型的下载量就超过5,600 万次，衍生模型超过1,900 个。
全模态、语音与视频模型同步更新
Qwen4 之外，阿里在同一场大会上更新了其他模态的模型。全模态模型Qwen3.8-Omni 把视频、音讯、图片与文字纳入同一套理解框架，阿里称整体成本较上一代降低90% 以上，现场展示的应用包括从长片素材自动剪出成片，以及依一句话为音乐生成MV。
语音家族Qwen-Audio-3.1 分成语音转写、语音合成与即时互动三条产品线，另有基于新架构的Qwen-Audio-3.1-ASR-Next 与TTS-Next 两款新模型；同传模型Qwen3.8-LiveTranslate 首次登场，字均延迟从2.8 秒降到2.3 秒，而人类同传的平均延迟在4 秒以上。视频生成方面，Wan3.0 支援单次生成30 秒视频，在Artificial Analysis 的文生视频与视频两个榜单都排第一。阿里巴巴ATH 技术副总裁郑波在现场说，三年内会出现一个原生全模态统一模型，体验不再受模态边界限制。
结语
把27B 放进Qwen4 家族，说明阿里的开源路线没有收手；把5 兆到10 兆参数写进时程，也让下一代模型的训练成本问题更早浮上台面。接下来要盯Qwen4-27B 开出什么授权条件，以及本机硬体门槛落在哪里，这决定它能不能复制Qwen3.8-27B 在社群带起的本机部署热度。
