云栖大会观察：阿里公布 Qwen4/4.5/5 路线图，目标 5T—10T 参数，下一代视频模型 11 月亮相

本站视角

对国内做模型和应用的人来说，这次云栖大会最有价值的信息不是某个具体分数，而是阿里把路线图和时间表公开了。5T—10T 的参数目标意味着 Qwen 还要在现有 2.4T 基础上再扩大一倍至三倍以上，这对算力采购、推理成本、以及下游调用方的定价预期都是直接变量。真正值得关注的是 Qwen3.8-Flash 那组数字：推理只激活 6B、训练成本降至九分之一、百万 Token 输入价格降至四分之一、超长上下文预填充吞吐量提高 8.6 倍。如果这些数字在真实负载下站得住，那么对用 API 做长上下文应用的中小团队、做文档与代码类 Agent 的开发者来说，单位成本会明显下降，原本因为贵而不敢做的场景会变得可行。我们认为，阿里这一阶段的策略可以概括为「用架构换规模」——不是单纯堆参数，而是靠稀疏注意力、线性注意力、外接记忆把大模型的边际成本压下来，这比单纯宣布参数目标更有实质意义。多模态方面，11 月才亮相的下一代视频模型目前只有方向没有实测数据，「Agent Video」这个概念也还停留在演讲层面，能否兑现要看发布时的实际生成质量与可控性。郑波提出的「三年内出现原生全模态统一生成模型」是一个明确但无法验证的远期判断，需要观察的是阿里自己会不会先把这个模型做出来。另外需要指出的是，本次披露的成本与效率数字全部来自阿里单方面演讲，没有第三方复现或 benchmark 对照，Qwen3.8-Max「连续自主运行一个多月、完成 33 轮有效实验」这类说法也缺少可核验的细节，读者在评估时应保留余地。至于原文结尾「机器思考总量将是人类的 1000 倍」这类表述，属于愿景式修辞而非可验证的预测，不宜当作事实引用。