在今年的云栖大会上，阿里把外界最关心的三个模型问题摆上了台面：下一代Qwen还要做多大、模型迭代还能多快、多模态能不能打。从主论坛议程看，吴泳铭发言之后率先登台的是千问大语言模型负责人刘大一恒，随后是负责视听等多模态模型的ATH技术副总裁郑波，之后才是平头哥高慧与阿里云CTO李飞飞——模型被放在了芯片与云之前的位置。

下一代Qwen的规模是市场最直接的悬念。此前一年多，业内对Scaling是否撞墙的质疑不断，但到2026年年中风向已明显调转。Anthropic CEO Dario Amodei在摩根士丹利的一场会上定调称，Scaling没有撞墙，2026年还会迎来一轮激进加速。行业行动也印证了这一点：Fable 5被估算为约4.5万亿至5万亿参数，Kimi K3总参数达到2.8万亿。

回到阿里自身，今年8月发布的Qwen3.8参数已达2.4T。刘大一恒在演讲中给出新的路线图：Qwen4系列即将到来，其后的Qwen4.5与Qwen5计划进一步迈向5T—10T参数。对比两年前Qwen2.5旗舰模型的72B，千问的参数规模已增长约33倍；若继续迈向5T—10T，还将在现有基础上再扩大一倍至三倍以上。刘大一恒重申，基础模型的智能上限仍离不开算力、数据和模型规模的持续投入，阿里会继续扩大预训练计算量。

模型越大，训练与推理的账单也越高。阿里的解法是一边扩规模、一边重做架构。Qwen3.8-Flash展示了这条路线：通过稀疏注意力、线性注意力和外接记忆等新架构，每次推理只激活6B参数；相比上一代，训练成本降至九分之一，百万Token输入价格降至四分之一，超长上下文的预填充吞吐量提高8.6倍，而模型能力仍在上涨。这意味着下一阶段的Scaling不只是把模型做大，而是用更低成本支撑更大的模型继续向前。

迭代速度是第二个问题。当下模型竞争节奏加快，今天登顶的模型几周或几个月后就可能被追平，单一版本领先难以形成长期优势，真正重要的是谁能更快产出下一代模型。一个越来越被认真对待的方向是让模型参与造模型，即RSI（递归自我改进）。Anthropic曾让Claude优化一段训练小模型的代码：去年提速到原来的3倍，今年最新模型已能做到52倍，而人类研究员花半天通常只能做到4倍左右。OpenAI则训练了专门攻击其他模型的GPT-Red，用攻击样本训练下一代模型，使GPT-5.6面对最难一类提示注入攻击的失败率比四个月前低约六倍。

阿里把RSI带到了模型研发的底层环节。一个典型实验发生在芯片设计上：研究团队只给Qwen3.8-Max一份真实的片上网络（NoC）模块规格，没有参考代码和现成测试样例，模型在60多个小时里自行调用EDA工具，完成从编写电路描述、验证到后端物理实现的全流程，期间没有逐轮人工介入，最终芯片物理面积减少42%，功耗估算下降59.5%。在推理基础设施上，面对一款此前从未适配过的平头哥新GPU，Qwen3.8-Max自行修改和优化SGLang推理框架，用56小时完成部署，将日常对话场景的单实例吞吐量提高96%。阿里还披露，Qwen3.8-Max曾连续自主运行一个多月，完成33轮有效实验，自己搭流程、构造数据、设计实验、定位缺陷。这些进展距离“模型自主造出下一代模型”仍有距离，但方向已经清楚：竞争不再只是比谁发布更强的版本，也开始比谁能把模型更深地嵌入训练、推理、芯片等研发环节。

多模态是第三条线。郑波给出明确时间表：下一代视频生成模型将在11月亮相，他把下一阶段称为“Agent Video”——过去的视频模型解决画面是否逼真，随后加入图片、视频、声音等参考信息提升可控性，下一步则要理解创作者想讲什么：用户给出一个想法，模型自己拆解剧情、设计分镜、安排人物和场景，最终生成完整视频。新版本将沿更长、更可控、更完整、更智能四个方向推进。

其他多模态更新同步公布：图像生成模型Qwen-Image-3.1面向电商、创意、设计等商用场景优化，将原本数小时的视觉设计压缩至秒级交付，并支持图像精准编辑；语音方面发布Qwen-Audio-3.1系列，覆盖语音转写、语音合成与实时语音交互三类模型，其中实时交互版本能边听、边想、边说，已应用于千问办公和Qoder，并接入QwenNote A2随身助理、QwenNote Eva桌面机器人和千问AI眼镜等硬件；音乐生成模型HappyShrimp1.1在音乐表现、人声质量、多语种演唱及指令理解四个维度提升，支持百余种曲风与十余种主流语言；世界模型HappyOyster公布2.0 Preview版本，更准确模拟物体运动与碰撞，通过3D时空记忆保持场景稳定并降低交互延迟，阿里还联合高校和产业伙伴搭建世界模型Benchmark和Arena。郑波给出更远的判断：三年之内，行业可能出现原生的全模态统一生成模型，可同时生成图像、视频和音乐，也能理解空间与世界。

把三个问题拼在一起，阿里的下一阶段模型路线逐渐清晰：一条路追逐AGI的边界，一条路把AI普惠落到日常，最终都指向让更高智能走出实验室、成为更多人可及的生产力。