AREX Feed Article
Qwen 负责人刘大一恒披露 RSI 实验：人类「零参与」下迭代 33 轮，智能指数从 40 升至 45
9 月 22 日，2026 云栖大会（Apsara Conference）开幕。显示，当天上午 10:15～10:30 的开幕式主论坛上，阿里巴巴 ATH 事业群 Token Foundry 的 Qwen LLM 项目负责人刘大一恒的演讲题目是《Qwen：迈向真实世界智能体》。据，他披露：Qwen3.8-Max 已在模型训练中初步运用递归自我改进（RSI，Recursive Self-Improvement），自主搭建训练流程、构造训练数据，并自主设计实验、定位缺陷；在人类完全「零参与」的情况下，这套流程持续运行超过一个月，完成 33 轮有效迭代。基于 RSI 与后训练等系列技术的联合优化，新版本在 Artificial Analysis 智能指数上的得分从 40 升至 45。
据，刘大一恒是 Qwen 初期核心成员，2021 年加入达摩院后长期负责预训练；今年 3 月，原技术负责人林俊旸宣布卸任，此后他逐步接手后训练与 Coding 团队，并在近期正式全面接管。这届大会的主论坛上，他系统讲述了自进化、新架构、全模态与 Scaling Law 四件事：RSI 的实践覆盖了训练、推理优化和芯片设计；Qwen4 则已在新架构上开始训练。
RSI 循环：找短板、造数据、小模型先验证
在刘大一恒登台之前，阿里巴巴集团 CEO 吴泳铭的主旨演讲已经给 RSI 定了位置：模型、芯片与云是机器智能时代的三大基石，而模型负责「造顶级聪明、可自进化的大脑」，通往超级智能的具体路径就是递归式自我改进（）。
现场幻灯片把这条链路画成一个闭环：内部日志、问题定位、数据构造、验证数据依次相扣，中心标注「自我改进循环」与「全程自动执行」，并注明系统已运转超过 1 个月。
把流程拆得更细：先从真实的内测日志和用户反馈里定位缺陷，具体到哪类任务、哪个环节、哪种条件下更容易失败；再围绕缺陷自动构造训练数据；这些数据先在小模型上做多轮验证和迭代，筛掉无效数据，之后才送进旗舰模型。硅星人把这层设计讲得很直白：Qwen 不只给自己出题，还要先找一个「小号的自己」试做一遍，确认题目真能把模型教会，才继续往下走。
刘大一恒还给了一组说明真实反馈规模的背景数字：Qwen3.8-Max 相比 Qwen3.7，两个月内来自真实用户的收入增长 8.5 倍、Token 消耗量增长 12 倍。硅星人写道，收入和 Token 不等于智能，但它们说明 Qwen 正在进入更多真实任务，也因此能看到更多真实错误。
刘大一恒自己把这次 RSI 描述为一次「探索」、一项「实验」；按会上的说法，这套系统的目标是「更加自动化、持续化、数据驱动的自我进化机制」。
两个端点在榜单上对得上，归因出自阿里
这 5 分的提升，阿里给出的归因是「基于 RSI、后训练等系列技术的联合优化」。刘大一恒还称这一得分「处于全球第一梯队」；给出的说法是：新版本在 Artificial Analysis 上的得分提升 12.5%。
Artificial Analysis 自己的公开记录里能找到这两个端点：把「Qwen3.8 2.4T A95B」列为 40 分；里，「Qwen3.8 Max」是 45 分。量子位在会后报道中给了更具体的坐标：最新版 Qwen3.8 Max 在该指数中排名第七。
训练之外：推理框架提速 96%，芯片面积减少 42%
同一套循环还跑出了两个训练之外的样本。推理侧，Qwen3.8-Max 在此前没见过的平头哥新款 GPU 上，自主适配并优化了下代架构 Qwen3.8-Flash 的推理框架，单实例推理吞吐量提升 96%。芯片侧，它只拿到一份真实的总线模块规范，就在工业级 EDA（电子设计自动化）环境里跑完了前端设计、验证和后端的全链路自迭代：连续运行超过 60 小时、调用 EDA 工具超过 1 万次，最终物理实现面积减少 42%。
刘大一恒在现场把这条关系概括为「模型设计芯片，而更强的芯片又将反哺更强的模型」，阿里称其为「芯模协同」。硅星人在会后分析里给这三件事划了界线：自我训练是 RSI 的核心实践，推理框架适配与 EDA 设计更接近研发自动化向系统与硬件的延伸。
Qwen4 的四个版本与 5～10T 的参数目标
据，基于新一代架构的 Qwen4 已在训练中，未来 Qwen4.5、Qwen5 等版本将扩展至 5～10T 参数。产品形态上，Qwen4 系列以 Max 追求能力上限，以 Flash 和 Plus 兼顾效率与性价比，另有面向本地部署的 27B 版本。
支撑这轮扩张的新架构，数字已在 Qwen3.8-Flash 上给出：每个 Token 仅激活约 6B 参数，相比 Qwen3.7-Plus 训练成本降至约九分之一；百万 Token 输入价格降至原来的四分之一，长上下文预填充吞吐提升 8.6 倍。再往前的坐标是：Qwen2.5 时代的旗舰为 72B，到 Qwen3.8-Max 的 2.4T，两年间涨了约 33 倍。
10 月转述这场演讲的两个中文账号都称，RSI 将延续到 Qwen4 全系（Max、Plus、Flash、27B）（、）。
10 月 11 日， 贴出的一组云栖大会现场照片里，幻灯片上已经出现「Qwen4 Coming Soon」，并把「Qwen4.5／Qwen 5」与「5-10T」并排列出。
X 上的转述与两个追问
9 月 22 日当天，现场参会者 就在 X 上总结了同一批数字，并把推理优化与芯片设计两项称为「真正狠的」。到 10 月中旬，这段内容又以视频片段和要点图文的形式被转述了一轮，评论区里出现了更具体的问题。
的追问盯着数据来源：「『从真实日志找短板』那一步用的是谁的日志？要是千问 App 和百炼 API 的调用记录都算进去，企业客户的数据怎么划出去？」
则质疑闭环的验证：「自己出题自己批卷还叫自我进化？……敢不敢拉出来让人类出题人验验货。」
两处追问各对着循环的一端：日志从哪来，验证由谁说了算。