Qwen4 现状梳理：官方确认了什么、还没发布什么，以及 35B 到底有没有
本文写于 2026 年 10 月。所有"未确认"项都已标注来源层级（官方稿件 / 舞台投屏 / 工程侧旁证 / 第三方推测），模型参数与许可以官方模型卡为准。
一句话： Qwen4 已经被官方公开点名——但只是"在训练中"，没有模型卡、没有权重、没有 API、没有定价、没有基准。目前唯一能真正拿在手里跑的"Qwen4"，是 2026 年 8 月 26 日开源的架构预览版 Qwen3.8-Flash-Next。另外，官方四档里没有 35B。
官方确认了什么
在 2026 年 9 月 22 日的云栖大会上，阿里云通义千问负责人刘大一恒公布：
| 结论 | 状态 |
|---|---|
| Qwen4 采用全新架构，已在训练中 | 官方确认（书面稿件口径） |
| Qwen4.5、Qwen5 计划扩展至 5–10 万亿参数 | 官方确认（作为规划） |
| 当前旗舰 Qwen3.8-Max 为 2.4T 总参 / 95B 激活 | 官方确认 |
| 真武 V900 AI 加速卡：216GB HBM、片间 1.2TB/s、支持 FP8/FP4、单集群可到 50 万卡 | 官方确认；目标 2027 Q1 量产，J900 已在 2028 Q3 路线图上 |
| 2032 年全球数据中心容量目标 20GW | 官方确认 |
| RSI（递归自我改进）已用于训练、推理与芯片设计；Qwen3.8-Max 一个多月自动跑 33 轮迭代，Artificial Analysis 分数 40 → 45 | 官方口径 |
⚠️ 最容易读错的一点：5–10T 参数对应的是 Qwen4.5 和 Qwen5，不是 Qwen4 本身。
还没确认 / 需要打问号的
| 说法 | 状态 |
|---|---|
| 四档命名 Qwen4-Max / Qwen4-Plus / Qwen4-Flash / Qwen4-27B | 只出自大会舞台投屏（且四块牌子统一标 Coming Soon），书面新闻稿未列档位名 → 未确认 |
| "很快发布" | 官方只有 "currently in training"，没有任何日期 |
| 四档的参数、上下文、价格、基准 | 全都没有 |
| Qwen4-27B 一定开源、且沿用 Apache 2.0 | 不能这么假设。上一代 27B 是 Apache 2.0，但同代旗舰 Qwen3.8-Max（2.4T）已换成带年收入门槛的自定义许可；同门的 Qwen3.8-Flash-Next 用的是 qwen-community-1.0。阿里的许可一版一议 |
现在真正能碰到的"Qwen4"：Qwen3.8-Flash-Next
2026-08-26 开源权重，官方模型卡原话是「an experimental preview of the architecture that will underpin Qwen4」——Qwen4 的架构预览版。
规格
| 项目 | 数值 |
|---|---|
| 参数 | 125B 主干 + 51B n-gram embedding + 4B MTP ≈ 180B 落盘，每 token 仅激活约 6B |
| 专家 | 512 个专家，10 routed + 1 shared 激活 |
| 上下文 | 原生 262,144 tokens，YaRN 可扩到 1M |
| 模态 | 文本 / 图像 / 视频进，文本出 |
| 许可 | qwen-community-1.0（不是 Apache 2.0） |
架构上的四处改动（这也是 Qwen4 的地基）
- 混合注意力：每 4 层里 3 层 Gated DeltaNet 线性注意力 + 1 层 QSA（Qwen Sparse Attention）稀疏注意力。直觉是"GDN 负责长期记忆、QSA 负责精准检索"，避免百万上下文下全局注意力二次方爆炸；
- Gated Residual：把残差流拓宽成四路并行分支；
- N-gram Embedding：用确定性查表补容量，而不是全靠加参数；
- 优化器：Muon + AdamW 组合。
官方自报的性能与成本（自评口径，非第三方复现）
- 百万 token 场景下 QSA 内核：prefill 最高 7.6×、decode 最高 4.9× 加速；
- 训练成本约为 Qwen3.7-Plus 的 1/9（降约 90%）；
- 若干个 agent / 多模态基准上自称超过某个 Claude Opus 版本；
- 线上生产版 Qwen3.8-Flash API 定价：输入 1 元 / 百万 token，输出 3 元 / 百万 token。
工程侧旁证（比发布会更能说明问题）
- Qwen3.8-Flash-Next 的 config 里
model_type=qwen4_exp，HuggingFace Transformers 里已有models/qwen4_exp参考实现； - vLLM 有一个尚未合并的 "qwen4 fuse op" PR，算子列表与 Flash-Next 架构高度吻合；
- SGLang 在 8 月 27 日提交了同一架构的原生支持 PR；
- vLLM 的 Rust 前端在 9 月 1 日提交了把
qwen4_exp接进图像输入管线的 PR。
最后一条的含义：下一代 Qwen 支持图像输入这件事，已经从"模型卡上的一行字"变成了工程代码里的实体。
关于 35B：官方没提，但这条线上确实有 35B
先给结论：Qwen4 的官方口径里没有 35B。 舞台投屏点到的中小档只有 27B。
35B 出现在两个完全不同的地方：
一、Qwen 家族其它线里的 35B-A3B
| 模型 | 规格 |
|---|---|
| Qwen3.5-35B-A3B | 35B 总参 / 3B 激活；首次采用 3:1 的线性注意力＋全注意力混合，官方称推理提速约 40% |
| Qwen3.6-35B-A3B | 35B 总参 / ~3B 激活；40 层、256 专家 top-8 + shared、262K 上下文、带视觉的基座 |
| Qwen-UI-Agent（2026-08-20 开源） | 多端 GUI 智能体基座，档位为 4B / 27B / 35B-A3B |
二、社区把 35B-A3B 塞进了 Qwen4 架构（非官方）
这才是"Qwen4 + 35B"唯一真实存在的地方，也是本地玩家最该看的部分：
| 项目 | 关键点 |
|---|---|
logic65/Whittle-Qwen-3.8-35B-A3B（2026-09-19） |
35.1B = 25.1B 本体 + 10B n-gram 记忆表，~3B 激活，架构就是 qwen4_exp（同 Flash-Next），蒸馏自 Qwen3.8-27B，原版 llama.cpp 即可运行、无需补丁 |
empero-ai/Qwen3.8-35B-A3B-Distill |
把 Qwen3.8 旗舰（2.4T-Max 与 Flash-Next）蒸馏进 Qwen3.6-35B-A3B 的 MoE 架构；Apache-2.0（继承基座）；带 mmproj，支持图像输入 |
Whittle 那个的用法有个巧思：10B 的 n-gram 记忆表是"查表"，不是"计算"——用 -ot per_layer_token_embd=CPU 把它留在系统内存里，显存里只放 27B 级本体，于是显存按 27B 算、生成速度按 3B 算。它的量化档位大致是 Q8_0 37.8GB / Q6_K 29.3GB / Q5_K_M 25.1GB / Q4_K_M 21.3GB / Q3_K_M 16.7GB。
现在想在本地跑，显存要多少
以下门槛适用于 35B-A3B 这一档（MoE 的稀疏只省算力，权重文件仍要整体放进显存或内存）：
| 量化 | 门槛 |
|---|---|
| IQ2_M / Q2_K | 16GB 显存，或 16GB 系统内存（能保持连贯的最小档） |
| IQ3_M / Q3_K_M | 20–24GB 显存，或 24GB 系统内存 |
| IQ4_XS / Q4_K_M | 24GB 显存可全卡加载；或 32GB 内存纯 CPU |
| Q5_K_M / Q6_K | 32GB 显存，或 48GB 系统内存 |
| Q8_0 | 48GB 显存，或 64GB 系统内存 |
| BF16 | 80GB+ 显存（仅作参考） |
长上下文时 KV cache 会变成主要开销，可能要额外做卸载。另外这类 Qwen3.6/Qwen4 架构的模型需要较新的运行时（llama.cpp / vLLM / SGLang 得支持 Gated DeltaNet MoE，老版本会直接加载失败）。
发布时间怎么预期
官方没有任何日期。第三方按阿里"架构预览 → 正式发布"大约五个月的节奏推测，Qwen4 可能落在 2026 年底至 2027 年 Q1——这只是推测，不是承诺。同期还有一批确定在路上的东西：Qwen-Image 3.1、下一代视频生成模型（官方称 11 月）、以及已经发布的 Qwen3.8-Omni-Flash（全模态，未开源）和 Qwen-Audio-3.1 语音系列。
结论
- Qwen4 是"已官宣、未发布"：能确认的只有"在训练中""架构换新""下一代 4.5/5 冲 5–10T 参数"；四档命名、参数、价格、许可、日期全都悬着。
- 想动手，现在就用 Qwen3.8-Flash-Next：它本身就是 Qwen4 架构预览，规格和工程支持都已公开。
- 35B 官方没提：官方点名的中小档是 27B。想要"Qwen4 架构 + 35B 体量"，只能走社区的蒸馏/移植版本，而且要接受它们没有官方基准、许可各自声明。
- 留意许可：阿里近两代已经明显分档授权（旗舰自定义、部分开源走
qwen-community-1.0），默认"会像 Qwen3 早期那样 Apache 2.0"是不安全的假设。
参考
- Qwen3.8-Flash-Next 模型卡（官方，含架构与许可）：https://huggingface.co/Qwen/Qwen3.8-Flash-Next
- 官方口径转载（云栖大会，Qwen4 在训练 / 5–10T 规划）：https://finance.sina.com.cn/tech/roll/2026-09-22/doc-inissitp2240919.shtml
- 第三方核查：Qwen4 四档均未发布、无权重无 API：https://aitoolsreview.co.uk/insights/qwen-4
- Qwen3.8-Flash-Next 开源信息与规格（含许可核对）：https://llm-stats.com/blog/research/qwen3.8-flash-next-launch
- 工程侧证据梳理（vLLM / SGLang PR 与
qwen4_exp）：https://www.orcarouter.ai/blog/qwen-4-leak-vllm-fuse-op - 真武 V900 与 Qwen4 路线图分析：https://tldevtech.com/alibabas-zhenwu-v900-fuels-10t-parameter-qwen4-roadmap
- Qwen4 架构技术演进解析（含 35B-A3B 混合注意力）：https://intl.cloud.baidu.com/zh/article/8757619
- 社区 35B 移植版：https://huggingface.co/logic65/Whittle-Qwen-3.8-35B-A3B
- 社区 35B 蒸馏版（Apache-2.0）：https://huggingface.co/empero-ai/Qwen3.8-35B-A3B-Distill