9月22日消息，2026 云栖大会主论坛上，阿里巴巴 ATH 事业群 Token Foundry、Qwen LLM 项目负责人刘大一恒在《Qwen：迈向真实世界智能体》演讲中公开 Qwen4 系列。按现场公布的方案，Qwen4 采用全新架构，已进入训练，开源侧优先安排 Qwen4-27B。
Qwen4 的架构与阵容
现场幻灯片把 Qwen4 标为 Coming Soon，给出的阵容延续 Qwen3.8 的分层方式。闭源侧是 Qwen4-Max 作为旗舰，Qwen4-Flash 与 Qwen4-Plus 覆盖不同性能与成本区间；开源侧先推 Qwen4-27B 这一稠密模型，方便开发者本地部署。
这一分层的依据来自上一代的产品结构。Qwen3.8-27B 是原生多模态稠密模型，采用 Apache 2.0 许可，原生上下文 262K Token，可扩展至 100 万 Token；官方称其能力接近参数量十倍于己的 MoE 模型 Qwen3.7-Plus，量化后能在笔记本上运行。旗舰 Qwen3.8-Max 为 2.4T 总参数、95B 激活参数，上下文同样支持 100 万 Token。
架构上，8月发布的 Qwen3.8-Flash-Next 已被官方定位为 Qwen4 架构的早期预览。这个模型的规模是 125B 总参数、51B N-gram embedding、6B 激活，在 GDN（门控 Delta 网络）与 QSA（量化稀疏注意力）混合注意力、Gated Residual、N-Gram 与协同设计缩放四项设计下，官方给出的训练成本降幅接近 90%。
自我迭代跑出了什么
Qwen3.8-Max 在一个月内跑完一轮自我迭代。按现场公布的数据，它在人类「零参与」的条件下自主搭建训练流程、构造训练数据、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。
迭代后的版本在 Artificial Analysis 上的得分从 40 升至 45。阿里在会场称，该分数与 Claude、GPT 的最强模型同处第一阵营，也领先 GLM5.3、Kimi-K3 等国产模型。 同一套能力被用到推理与芯片设计上。在平头哥一款未公布型号的新款 GPU 上，Qwen3.8-Max 自主完成了下代架构 Qwen3.8-Flash 推理框架的适配优化，单实例推理吞吐量提升 96%。
芯片设计侧，按现场展示，模型仅依据一份真实的总线模块规范展开前端、验证、后端的全链路自迭代，运行超 60 小时、调用 EDA（电子设计自动化）工具超万次，最终完成面积减少 42% 的物理实现优化。
现场把这套机制称为递归式自我改进（RSI）。按展示的闭环，流程从内测消息出发，经过问题定位、模型与数据合成、验证数据回到下一轮，Qwen 训练正在朝这个方向演进。
参数路线与开源侧
参数规模上的规划更远。刘大一恒表示，预训练规模扩展（Scaling）是走向超级人工智能（ASI）的关键路径，Qwen4.5、Qwen5 计划扩展到 5 万亿至 10 万亿参数。以现场给出的爬坡节点看，Qwen2.5 为 72B、Qwen3 为 235B-A22B、Qwen3.5 为 397B-A17B、Qwen3.8-Max 为 2.4T-A95B，5 万亿至 10 万亿对应的是 Qwen4.5 之后的版本，不是 Qwen4 本身。
开源侧仍在加码。现场公布的数字是：阿里已开源 460 余个 Qwen 模型，累计下载突破 30 亿次，衍生模型超过 30 万个。官方称，Qwen3.8-27B 发布两天内进入 Hugging Face 最受欢迎模型前五，后续拿下该平台历史上最受欢迎的开源大模型。
AI 速览
