千问Qwen将自我迭代，Qwen4参数到5-10T

牛逼啊！能被 Perplexity、Airbnb、英伟达、微软这些硅谷顶级公司同时追捧的开源模型，全世界只有一个。

Perplexity CEO 说用它成本只有 OpenAI 的 8%。Airbnb CEO 切斯基直言“比 OpenAI 更好更便宜”。
连路透社都为了降低对 Claude 的依赖，开始基于它开发自有模型。
而且它不在硅谷，就在杭州。 它就是我们熟悉的千问 Qwen。

460 多个模型开源，30 亿次下载，衍生模型超 30 万。 这几天众多朋友都去了云栖大会，今天看到了千问这次秀的肌肉是真的硬核啊！

最核心的亮点不是又出了个新模型，是千问团队让模型开始自己训自己，完成自我迭代和进化。
这件事叫 RSI，递归自我改进，这尼玛岂不是“Agent 日后都要成精了啊”！

Qwen3.8-Max 用一个月完成了 33 轮有效自我迭代。 自己搭训练流程、构造数据、设计实验、定位缺陷。完整闭环，零人工参与。
结果？ Artificial Analysis 得分提升 12.5% ，到 45 分，和 Claude、GPT 并列第一阵营，全面领先 GLM5.3、Kimi-K3。 同时拿下 Agentic 智能体第一、CodeArena 前端编程第一。

更离谱的是，自我进化不只停在训练：
推理端：Qwen3.8在从未见过的平头哥GPU上自主适配Qwen3.8-FLash新推理架构，实现吞吐量提升 96%。
芯片端：基于真实芯片规范自主迭代超 60 小时，完成了减少42%面积的物理实现优化。

然后阿里公布了一个让我头皮发麻的数字：5 T到 10 T。 千问 LLM 项目负责人刘大一恒说，Scaling 是迈向 ASI 的关键路径。 Qwen4 已经在用全新架构训练，Qwen4.5 和 Qwen5 的参数规模将扩展至 5-10T。
从 Qwen2.5 的 72B，到 Qwen3 的 235B，到 Qwen3.8-Max 的 2.4T的路线图直接画到了 10T。这进化速度，真的离谱。

想必大家都享受到了Qwen开源红利Qwen3.8-27B，一个本地就能跑的Opus4.6，在家就能用的顶级智能。
而最新的Qwen3.8-Flash ，采用Qwen4架构，把训练成本砍掉近 90%，缓存命中低至每百万 Token 一毛钱。

顺带一提，千问还把全模态价格也打穿了，Qwen3.8-Omni-Flash 四种模态统一 0.8 元 / 百万 Token，比上一代便宜九成，1M 上下文直接吃一小时音视频，配套开源了多模态插件和实时交互框架。

大模型的下半场，不是简单的堆参数越大越好，更重要的是谁先让模型学会自己变强，持续自我迭代和进化才是核心啊！