阿里巴巴喺十月嘅云栖大會，今回報路明顯同往年唔同：千問大語言模型負責人劉大一恆同負責多模態嘅 ATH 技術副總裁鄭波，都喺主論壇獨立登台講模型。芯片同雲當然照常，但今個場真正受市場盯住嘅，係阿裡大模型要點打下一程。
模型會做幾大：喺呢度放話 5T–10T
市場最關心嘅直接問題係規模。今年 8 月 Qwen3.8 發布，參數達 2.4 萬億（2.4T）；兩年前 Qwen2.5 旗艦定喺 72B，兩年之間約 33 倍。劉大一恆喺大會上攤開路線圖：Qwen4 系列即將到，再之後嘅 Qwen4.5 同 Qwen5，計劃再邁向 5T–10T——即喺現有基礎上再大一至三倍。
但模型越大，訓練同推理帳單越高。阿里講嘅解法係一邊加大、一邊重新設計架構。代表就係 Qwen3.8-Flash：用稀疏注意力、線性注意力同外接記憶等新架構，每次推理只激活 6B 參數；相比上一代，訓練成本降到九分之一、百萬 Token 輸入價降到四分之一，超長上下文預填充吞吐量提高 8.6 倍。呢個係廠商公佈嘅數字，唔係獨立評測。
模型自己調芯片：呢段係真實驗定係 marketing？
今場最搶眼嘅，係阿里披露嘅一連串「模型參與造模型」實驗（RSI，Recursive Self-Improvement，遞迴自我改進）。同場材料提及 Anthropic 同 OpenAI 都有類似方向：Anthropic 指最新模型將其訓練小模型嘅代碼提速到 52 倍，人類研究員通常只做到約 4 倍；OpenAI 訓練咗一個專門攻擊其他模型嘅 GPT-Red，用嚟訓練下一代 GPT，令 GPT-5.6 喺最難嘅提示注入攻擊上失敗率比四個月前低約六倍。
阿里嘅版則係：Qwen3.8-Max 獲給一份片上網絡（NoC）模組規格，冇參考代碼，喺 60 多個小時內自己調 EDA 工具完成由寫電路描述、驗證到後端物理實現嘅全流程，冇逐輪人工介入，結果晶片物理面積減少 42%、功耗估算下降 59.5%。另一實驗係自改 SGLang 推理框架，用 56 小時完成一款平頭哥新 GPU 嘅部署，對話場景單實例吞吐量提高 96%。另披露 Qwen3.8-Max 曾連續自主運行一個月以上，完成 33 輪有效實驗。
呢段係廠商公佈、未見獨立第三方可複現。方向係「模型要越落越深進訓練、推理、晶片研發環節」，但「模型自主造下一代模型」阿里自己都講「仲有距離」。
多模態一輪
鄭波交代下一代視頻生成模型 11 月推出，方向為「Agent Video」：由使用者給一個想法，模型自己拆劇情、設計分鏡、生成完整片段。同期亮相嘅有 Qwen-Image-3.1（面向電商等商用場景，聲稱可將原本數小時嘅視覺設計壓縮至秒級）、Qwen-Audio-3.1 系列（ASR、TTS 同 Realtime 三類全面升級，已接入千問辦公、QwenNote A2 隨身助理、QwenNote Eva 桌面機械人同千問 AI 眼鏡等硬件）、音樂模型 HappyShrimp 1.1、世界模型 HappyOyster 2.0 Preview。
模姐驗嚇貨：阿里呢份披露嘅重心，已經唔再係「我個模型跑分多高」，而係「我點樣縮短下一代模型嘅研發週期」。RSI 條線如果真能落地，會改寫而唔單止係「比下一個跑分高」嘅競逐邏輯。但到依家呢啲都係廠商自述，冇獨立複現數據，亦冇公開詳細方法論。5T–10T 嘅參數規模同成本數字，都要等真正發布同第三方測試先至有參考意義。
（本文數據除註明外，均來自阿里於云栖大會之公佈，未經本站獨立實測驗證。）
模姐｜深度調教
