今天结束了，看完发布会，这次 Qwen 发布了不少新模型，但更值得关注的是，它正在形成一套从模型训练、推理优化到芯片协同的完整研发体系。 其中一个重点是 RSI，也就是模型递归自我进化。Qwen3.8-Max 在较少人工干预的情况下，连续运行一个多月，完成了 33 轮有效迭代。 几个现场公布的数据很直观： - Qwen 自主适配新的硬件环境并优化 SGLang，单实例吞吐提升 96% - 在芯片设计实验中连续运行 60 多个小时，调用 EDA 工具超过 1 万次，最终将物理实现面积减少 42% -Qwen3.8-Flash 缓存命中的输入，每百万 Token 低至 0.1 元 - Qwen3.8-27B 用消费级显卡的电脑就能运行，被开发者称为本地版 Opus 4.6 这次发布的 Qwen3.8-Omni-Flash 也很值得关注。它将文本、图像、音频和视频放进统一的理解框架，支持 1M 上下文和最长 1 小时的音视频输入。在价格上，四种模态统一计费，输入每百万 Token 0.8 元，缓存命中只要 0.1 元。相比上一代模型，输入价格下降约九成。 从现场释放的信息来看，Qwen 的方向已经比较清楚，继续提高模型能力，同时降低运行成本，并让模型更深入地参与训练、推理和芯片设计流程。此外，Qwen 还在继续押注 Scaling 和统一多模态。采用新一代架构的 Qwen4 已经开始训练，后续 Qwen4.5、Qwen5 计划将总参数量扩展到 5 万亿至 10 万亿。阿里在现场还提到，未来三年可能会出现原生的全模态统一模型，模型体验将不再受文本、图像、音频和视频之间的边界限制。 与此同时，Qwen 的开源生态也在快速扩大。目前阿里已经开源 460 多个 Qwen 模型，累计下载量超过 30 亿次，衍生模型超过 30 万个。Qwen3.8-27B 也超过 DeepSeek-R1 和 Llama 3.1，成为 Hugging Face 历史上获赞最多的开源大模型。 对开发者来说，最直接的变化就是模型更强了，本地运行门槛更低了，音视频处理也更便宜了。