Qwen4 还没发布，阿里已经换了大模型一号位：开源帝国的下一局

2026 云栖大会的开幕台上，阿里把一块写着「Qwen4 Coming Soon」的幕布亮了出来。台上是刚接任千问大模型负责人的刘大一恒，台下是举着手机录像的开发者。但仔细看，那不是一份发布通告，而是一张路线图：Qwen4-Max、Qwen4-Flash、Qwen4-Plus，外加一个开源的 Qwen4-27B，四款模型被一并点名，却没有一个可以马上点开下载。

这反而比「又发了一个新模型」更值得写。因为就在同一周，阿里悄悄完成了一件事：把大模型的一号位，交到了一个 1993 年出生、从 Qwen1 预训练一路做到 Qwen3.5 的人手里。模型还没来，操盘的人先换了。

一号位更替，信号在路线不在头衔

刘大一恒这个名字，圈外人陌生，圈内人知道分量。2020 年他通过华为「天才少年」计划入行，2021 年加入阿里，此后几乎参与了整个 Qwen 系列的预训练。今年 3 月，原负责人林俊旸离职，阿里云 CTO 周靖人暂代一号位，刘大一恒继续管预训练和后训练；到云栖前，他正式以「千问大模型项目负责人」身份对外亮相。

这套人事背后，是阿里基础模型业务的又一次重组。3 月成立由吴泳铭直管的 ATH（Alibaba Token Hub）事业群，6 月再把通义大模型事业部与未来生活实验室合并成 TokenFoundry，周靖人出任首席科学家。换句话说，大模型研发的管理架构被收拢到一条更短的决策链上：吴泳铭直接管事业群，刘大一恒管千问项目。

换帅本身不是新闻，新闻是换帅后第一次公开讲的东西。刘大一恒没有先报参数、再秀榜单，而是把话放在「Agent」和「开源生态」上。这个语序的变化，比任何一条性能通报都更能说明阿里接下来要往哪走。

30 亿下载、30 万衍生：开源的护城河不在模型里

阿里给自己算过一笔账：累计开源模型 460 多款，Qwen 系列全球下载量超过 30 亿次，衍生模型超过 30 万个，体量全球第一。更刺眼的一个数字是，Qwen3.8-27B 发布仅两个月，整个家族的下载量就超过了 DeepSeek 和 Llama，成了 Hugging Face 上有史以来获赞最多的模型系列。

这说明一件事：开源大模型的护城河，不在于某一时刻谁的参数最大，而在于有没有人愿意在你的底座上接着盖房子。30 万个衍生模型，意味着 30 万个团队、产品、实验，把 Qwen 当成了默认起点。这种粘性，是靠一次次「开源权重 + 可本地跑 + 文档友好」攒出来的，不是靠一次发布会能追平的。

2023

2023 Qwen1.5

开源起步，奠定中文基座

2024

2024 Qwen2.5

旗舰 72B，多语言与工具调用成型

2025

2025 Qwen3

混合专家架构，长上下文与推理增强

2026

2026.8 Qwen3.8-Flash

自称 Qwen4 架构早期预览，已开源

2026

2026.9 Qwen4家族

云栖亮相路线图，含开源 27B

三年五代，节奏从「追性能」切到「建生态 + 押 Agent」。

Qwen4 到底是什么：一张路线图，不是一只模型

回到那块幕布。Qwen4 家族的四款定位很清楚：Max 冲能力天花板，Flash 和 Plus 走高性价比推理，27B 留给定制本地的开发者。但刘大一恒当场说得很直白——Qwen4 还在训练，云栖亮的是路线图，不是下载链接。

真正已经落地的「预览」，是 8 月 26 日开源的 Qwen3.8-Flash-Next。官方明说它是 Qwen4 架构的早期版本：1250 亿参数加上 510 亿 N-gram 嵌入，每个 token 只激活约 60 亿，训练成本压到上一代的约九分之一，原生 262K 上下文、靠 YaRN 能拉到 100 万。换句话说，阿里先用一个「小激活、大总参」的架构把成本打下来，再把它开源出去喂生态。

社区反应最热的，恰恰是那个最小的 27B。Qwen3.8-27B 能在单张 17GB 显存上跑，被不少开发者称为「够用且能本地拥有」的甜点尺寸。当阿里把 Qwen4-27B 也排进开源序列，等于继续押注一件事：让开发者不依赖云端、自己就能把模型跑起来。

0.072T

Qwen2.5 旗舰

2.4T

Qwen3.8-Max

7.5T

Qwen4 目标

两年间旗舰从 720 亿涨到 2.4 万亿（约 33 倍）；Qwen4.5/Qwen5 计划冲 5—10 万亿。

真正的拐点叫 RSI：模型开始改自己

如果只盯参数，会漏掉这次最硬的一招。阿里在云栖公布了递归式自我改进（RSI）的进展：Qwen3.8-Max 已经能在几乎没有人类参与的情况下，自己搭训练流程、造训练数据、设计实验、定位缺陷，连续跑了一个多月，完成 33 轮有效迭代，把 Artificial Analysis 的综合指数从 40 推到 45，约 12.5% 的提升。

更关键的是它外溢到了硬件和芯片。在同一颗从没见过的平头哥新架构 GPU 上，它自己调了下一代 Qwen3.8-Flash 的推理框架，单实例吞吐提升 96%；在一个工业级 EDA 环境里，只给了一条真实总线规格，它自主跑 60 多个小时、调用工具上万次，把芯片面积减了 42%、标准单元数减了 29%、功耗降了 59.5%。

这已经不是「把模型做得更大」，而是「让模型自己把自己改进得更好」。刘大一恒把缩放（Scaling）称为通向通用人工智能的核心路径之一，后续 Qwen4.5、Qwen5 的目标，是把总参数推到 5 万亿到 10 万亿。

五条线拼成一张战略图

把刘大一恒演讲里的内容摊开，是五条并行的线：第一条 RSI，让训练自己迭代；第二条架构迭代，Qwen4 进训练、开源侧优先 27B；第三条全模态统一，Qwen3.8-Omni 之后还有图像、语音、同传、音乐、世界模型和预计 11 月发布的视频生成模型；第四条开源开放，坚持把模型做成「全世界可用、可创造的基础能力」；第五条端侧与终端，27B 本地跑、AI 手机全栈方案、AI 眼镜、桌面机器人，甚至基于 RISC-V 的玄铁 C950 也能原生跑 Qwen3.8-27B。

这五条线单独看都不稀奇，合在一起才是重点：阿里想做的不是某一个能打榜的模型，而是一套从模型、平台到算力都自己掌握的 AI 体系。模型负责被用，平台负责被集成，算力负责不被卡。

泼一盆冷水：开源不等于免费的胜利

兴奋归兴奋，有几道坎得说清楚。第一，5 万亿到 10 万亿参数的目标，背后是实打实的算力、电力和数据成本，不是喊口号就能堆出来。第二，开源生态再大，顶尖能力上和 GPT、Claude 的代差并没有被宣布「抹平」，尤其在高难推理和长程任务上。第三，开源能聚生态，但生态能不能换成收入，要看云、API 和 MaaS 的商业化能不能撑住投入。第四，地缘与合规的变量一直都在，开源权重出海同样要过审查这一关。

更现实的一点是，Qwen4 现在是路线图，不是产品。路线图的意义在于定方向、稳生态、抢定义权，但真正检验阿里，要等 Qwen4 可下载、可评测、可比价那一天。

刘大一恒说，AI 的价值不该只属于少数公司，而要成为全世界都能获取、使用、创造的基础能力。问题是，当「开源」变成一种战略，谁来定开源的标准，谁就握住了下一代 AI 的入口。