Qwen3.8-Max 通过递归自我改进完成 33 轮迭代，Artificial Analysis 得分升至 45 分

兄弟们，能被 Perplexity、Airbnb、英伟达、微软这些硅谷顶级公司同时追捧的开源模型，全世界只有一个。

Perplexity CEO 说用它成本只有 OpenAI 的 8%。 Airbnb CEO 切斯基直言“比 OpenAI 更好更便宜”。

连路透社都为了降低对 Claude 的依赖，开始基于它开发自有模型。

而且它不在硅谷，就在杭州。 它就是我们熟悉的千问 Qwen。

460 多个模型开源 30 亿次下载 衍生模型超 30 万

最近众多朋友都去了云栖大会，今天看到了千问这次秀的肌肉是真的硬核啊！

最核心的亮点不是又出了个新模型， 是千问团队让模型开始自己训自己，完成自我迭代和进化。

这件事叫 RSI，递归自我改进。 这尼玛岂不是“Agent 日后都要成精了啊”！

Qwen3.8-Max 用一个月完成了 33 轮有效自我迭代。 自己搭训练流程、构造数据、设计实验、定位缺陷。 完整闭环，零人工参与。

结果呢？

Artificial Analysis 得分提升 12.5% 到 45 分， 和 Claude、GPT 并列第一阵营， 全面领先 GLM5.3、Kimi-K3。

同时拿下 Agentic 智能体第一、CodeArena 前端编程第一。

更离谱的是，自我进化不只停在训练：

🤔推理端：自主适配平头哥新 GPU，吞吐量提升 96% 💻芯片端：基于真实芯片规范自主迭代超 60 小时，减少 42% 面积，功耗降低 59.5%

再看一遍。 模型在帮自己设计下一代芯片。

然后阿里公布了一个让我头皮发麻的数字：5 到 10 万亿。

千问 LLM 项目负责人刘大一恒说，Scaling 是迈向 ASI 的关键路径。 Qwen4 已经在用全新架构训练， Qwen4.5 和 Qwen5 的参数规模将扩展至 5-10T。

从 Qwen2.5 的 72B， 到 Qwen3 的 235B， 到 Qwen3.8-Max 的 2.4T， 路线图直接画到了 10 万亿。

这进化速度，真的离谱。

开发者管 Qwen3.8-27B 叫“本地 Opus4.6”，消费级显卡就能跑的顶级智能。 Qwen3.8-Flash 架构创新把训练成本砍掉近 90%，缓存命中低至每百万 Token 一毛钱。

顺带一提，千问还把全模态价格也打穿了。

Qwen3.8-Omni-Flash 四种模态统一 0.8 元 / 百万 Token，比上一代便宜九成。 1M 上下文直接吃一小时音视频，配套开源了多模态插件和实时交互框架。

淘天首席科学家郑波在现场说了一句让我印象很深的话： “三年内会出现一个原生全模态统一模型，体验将不再受限于模态的边界。”

大模型的下半场，不是简单的堆参数越大越好， 更重要的是谁先让模型学会自己变强，

持续自我迭代和进化才是核心啊！