Qwen3.8-Max RSI自训练与多模态更新体验

今天的云栖大会，@Alibaba_Qwen 把模型自训练、语音、图像、价格全线更新了一遍。

看完，最想重新琢磨的就是配音流水线。

这次最让我关注的是 RSI，递归自我改进。

过去搭流程、备数据、找毛病，全是研究员干的活； 这回 Qwen3.8-Max 在实验中自主接手，一个多月滚了33轮，无需人工参与。结合后训练等优化，Artificial Analysis 得分从40涨到45；芯模协同实验还把总线模块面积缩小了42%。

规模也还在往上走：Qwen4正在训练，Qwen4.5、Qwen5计划扩展至5—10万亿参数。

价格上，Qwen3.8-Flash 缓存命中的输入每百万 token 只要0.1元。Qwen3.8-27B 被开发者叫作“本地 Opus4.6”，消费级显卡也能跑（当然也是我的最爱，为了它我又特地多买了一台显卡服务器）。

当然语音是最让我意外的。Qwen-Audio-3.1-TTS-Next 给一段脚本，就能一次生成对白和环境声，有声书、播客制作能省下不少拼接工序。同传模型 Qwen3.8-LiveTranslate 把时延压到不到2.5秒，人类同传平均要4秒以上。

图像是已经开源的 Qwen-Image-2.1，文字渲染和人物光影进一步增强，视觉生成部分仅7B 参数，还能直接出透明图，支持最多10张参考图和局部编辑。新亮相的3.1则面向电商、设计等商用场景。下一代视频模型计划11月发布，重点补强长时一致性、镜头控制和完整叙事。

阿里披露，Qwen 已开源460多个模型，下载超30亿次，衍生模型超30万个。

ATH技术副总裁郑波在现场判断：三年内会出现原生全模态统一模型，体验不再受模态边界限制。

整场看下来，我最在意的还是 RSI。 参数继续往上堆，但模型已经开始参与改进自己的训练流程。以后比的恐怕不只是这一版谁分数高，还有谁能更快找到短板、完成下一轮迭代。单次榜单领先能维持多久，可能越来越难说。