北京
云栖大会的舞台上，千问团队抛出的最重信息不是又发了一个新模型，而是让模型开始自己训自己。据现场信息，Qwen3.8-Max 已经跑通了 RSI（递归自我改进），完成 33 轮有效自我迭代，全程零人工参与。
这 33 轮不是空转。迭代内容覆盖数据构造、实验设计以及缺陷定位——原本需要研究员反复试错、调参、排查的环节，被模型自己接了过去。基准测试得分随之被推高，性能指标出现明显提升。
自我迭代到底改了什么
RSI 的关键在于闭环。模型生成训练数据，模型设计下一轮实验，模型定位上一轮的问题，再把结果喂回下一轮。人从这条链路里被摘了出去，迭代速度不再受限于团队排期和人力带宽。
按现场披露的成果，这套机制带来的不只是分数变化，还有迭代节奏本身的变化。当改进的发起者从人变成模型，每一轮之间的间隔可以被压得很短。
不止算法，推理和芯片也在自己调
千问这次展示的是全栈层面的自主优化。除了算法侧的迭代，推理适配和芯片设计层面同样实现了自主迭代，训练与推理成本被大幅压低，性价比随之抬升。
在 Agentic 智能体和代码编程两个方向上，千问也拿到了领先位置。这两块恰好是最依赖持续迭代能力的场景——任务链条长、反馈信号密，模型自己改自己的收益最直接。
参数路线图：从当前规模走向 10 万亿
现场还公布了从 Qwen2.5 到 Qwen5 的参数扩展路线图，最高指向 10 万亿参数。团队同时给出一个判断：三年内会出现原生全模态统一模型。
- RSI 递归自我改进：Qwen3.8-Max 完成 33 轮有效迭代，零人工参与
- 迭代范围：数据构造、实验设计、缺陷定位
- 全栈突破：推理适配与芯片设计层面自主迭代，成本下降
- 领先方向：Agentic 智能体、代码编程
- 路线图：Qwen2.5 至 Qwen5，参数最高达 10 万亿
- 趋势判断：三年内出现原生全模态统一模型
把这些放在一起看，千问团队想说的其实是一件事：大模型的下半场，堆参数不再是唯一的胜负手。谁先让模型学会自己变强，谁就拿到了持续迭代的那把钥匙。
33 轮零人工，是这条路上第一个可以量化的脚印。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
