2023 年 4 月，阿里云演示了一款聊天机器人，其名字大致意为“千问之真”。三年半后，它的后代以开源权重形式发布，拥有 2.4 万亿参数。这就是 Qwen 如何一步步走到那里的故事，一次发布接一次发布。
第 1 章 — 2023：一千个问题
阿里在 ChatGPT 之后行动了，但动作不大。2023 年 4 月 7 日，阿里云开始向企业客户发放一款名为通义千问的模型的邀请码。这个名字部分取自哲学家孟子。
四天后，在北京举行的阿里云峰会上，时任 CEO 张勇公开揭晓了它。阿里表示将把该模型融入每一项业务，首先从钉钉和天猫精灵语音助手开始（China Daily）。
真正的转折出现在 8 月。2023 年 8 月 3 日，阿里开源了 Qwen-7B 和 Qwen-7B-Chat，这是对 Meta 的 Llama 2 的直接回应。Qwen-7B 在超过 2.2 万亿 token 上预训练，上下文为 2,048 token。其许可证对月活用户低于 1 亿的商业使用免费。
视觉能力在数周内紧随其后。首个视觉语言分支 Qwen-VL 于 2023 年 8 月下旬推出。
2023 年 9 月 13 日，通义千问向公众开放，这是中国监管批准的标志。同月，团队在 arXiv 上发表了 Qwen 技术报告。
这一年以规模收尾。阿里在 2023 年 12 月 1 日前后发布了可下载的 72B 和 1.8B 模型。Qwen 此时已覆盖从笔记本大小到前沿大小的开源权重。
第 2 章 — 2024：开源权重机器
2024 年是 Qwen 成为开发者默认选择的一年。团队在 8 个月内发布了 3 代模型。
Qwen1.5（2 月）：2024 年 2 月 5 日，团队发布了 Qwen1.5，定位为 Qwen2 的测试版。它涵盖 0.5B 到 72B 的稠密模型，每个规模都具备稳定的 32K 上下文。随后是一个拥有 2.7B 激活参数的 14B MoE。还有一个 110B 稠密模型，是该系列首个超过 100B 的模型。
Qwen2（6 月）：团队于 2024 年 6 月初发布了 Qwen2，共有 5 种规模，从 0.5B 到 72B。该阵容包括 Qwen2-57B-A14B，这是其首个开源的混合专家旗舰模型。训练数据在英文和中文之外新增了 27 种语言。7B 和 72B 指令模型可处理多达 128K token。许可变更最为关键：除 72B 外的所有规模均转为 Apache 2.0。
专家模型在夏季陆续登场。Qwen2-Math 于 8 月发布，Qwen2-Audio 同期推出。Qwen2-VL 于 8 月底跟进，能够分析超过 20 分钟的视频。
Qwen2.5（9 月）：在 2024 年 9 月 19 日的云栖大会上，阿里巴巴一次性发布了 100 多个开源模型。Qwen2.5 技术报告称，预训练数据从 7 万亿 token 增长到 18 万亿 token。规模从 0.5B 到 72B，具有 128K 上下文和 8K token 生成能力。
采用早已成为现实。阿里巴巴表示，Qwen 模型的下载量已超过 4000 万次，并在 Hugging Face 上催生了超过 50,000 个衍生模型。
编程与推理（11 月至 12 月）：Qwen2.5-Coder 于 2024 年 11 月 11 日发布全系列。随后是首个推理模型。QwQ-32B-Preview 于 11 月底在 Apache 2.0 下发布，作为 OpenAI o1 的开源挑战者。QVQ-72B-Preview，一个实验性视觉推理模型，于 12 月 24 日为这一年收官。
第 3 章——2025 年初：回应 DeepSeek
2025 年 1 月属于 DeepSeek-R1。Qwen 的回应以周计，而非以月计。
1 月 26 日，团队发布了 Qwen2.5-VL，有 3B、7B 和 72B 三种规模。TechCrunch 指出它可以控制 PC 和手机。三天后，即农历新年的第一天，阿里巴巴推出了 Qwen2.5-Max，一个大规模 MoE 模型。路透社报道了阿里巴巴声称其超越了 DeepSeek-V3。
更大的声明出现在 3 月 6 日。QwQ-32B 基于 Qwen2.5-32B 构建，并通过强化学习训练，在 Apache 2.0 下发布。Qwen 声称其性能可与 671B 的 DeepSeek-R1 相媲美。VentureBeat 将硬件差距定为约 24 GB 显存对超过 1,500 GB。当天阿里巴巴港股上涨超过 7%。
多模态能力同步跟进。Qwen2.5-Omni-7B 于 3 月 26 日以 Apache 2.0 许可发布。它接受文本、图像、音频和视频作为输入，并以文本或语音作答。CNBC 将其描述为一款用于高性价比 AI 智能体的模型。
第 4 章 —— 2025 年：Qwen3 与万亿参数线
Qwen3（4 月）：2025 年 4 月 29 日（北京时间），团队发布了 Qwen3：6 个稠密模型，从 0.6B 到 32B，以及 2 个 MoE 模型。旗舰型号是 Qwen3-235B-A22B，激活参数为 22B。所有模型均以 Apache 2.0 许可发布。
关键特性是混合思考。一个模型既能逐步推理，也能即时作答，由用户切换。Qwen3 技术报告列出预训练使用了约 36 万亿 token。语言覆盖从 29 种跃升至 119 种语言和方言。TechCrunch 称其为一个“混合”推理模型家族。
2507 更新（7 月）：2025 年 7 月 21 日，Qwen 将混合思考重新拆分。Qwen3-235B-A22B-Instruct-2507 作为非思考模型发布，原生上下文窗口为 262K。随后推出了独立的 Thinking-2507 检查点（Hugging Face 合集）。
智能体与图像（7 月至 8 月）：Qwen3-Coder-480B-A35B 于 2025 年 7 月 22 日发布，用于智能体编程。阿里巴巴将其与 Qwen Code 搭配，后者是一款开源终端编程智能体（Computerworld）。8 月 4 日，团队开源了 Qwen-Image，一款为图像内文本渲染打造的 20B MMDiT 模型。
编辑变体 Qwen-Image-Edit 于 2025 年 8 月 18 日开源。
9 月冲刺：Qwen3-Max-Preview 于 9 月 5 日亮相，是首个参数超过 1 万亿的 Qwen 模型。与过往旗舰不同，它仅通过 API 提供。
几天后，Qwen3-Next-80B-A3B 登场，这是一次架构上的押注。它以 3:1 的比例混合了 Gated DeltaNet 线性注意力与门控注意力。模型卡声称其训练成本仅为 Qwen3-32B 的 10%，在超过 32K token 时推理吞吐量提升 10 倍。
9 月 22 日，Qwen3-Omni 和 Qwen3-VL 相继推出。在 9 月 24 日的云栖大会上，阿里巴巴正式发布 Qwen3-Max。CEO 吴泳铭表示，支出将超过三年 3800 亿元人民币（530 亿美元）的 AI 与云计划。
到年底，Qwen 已成为其他方的基础设施。2025 年 11 月，AI Singapore 表示其 Sea-Lion 模型将从 Llama 切换到 Qwen 作为基础模型。
Qwen 也成为了一个消费品牌。Qwen App 于 2025 年 11 月 17 日进入公开测试。阿里巴巴表示其在第一周就突破了 1000 万次下载。
第 5 章 — 2026：6 个月 4 代
快速开局（1 月至 2 月）：2026 年 1 月 26 日，Qwen 发布了 Qwen3-Max-Thinking，一个闭源推理模型。Qwen 称其在 19 项基准测试中与 GPT-5.2-Thinking、Claude Opus 4.5 和 Gemini 3 Pro 相当（TestingCatalog）。2 月 2 日，面向智能体编程的小型混合模型 Qwen3-Coder-Next 紧随其后。2 月 10 日，Qwen-Image-2.0 将生成和编辑合并为一个模型。
Qwen3.5（2 月）：2026 年 2 月 16 日，除夕夜，阿里巴巴发布了 Qwen3.5，称其为智能体 AI 时代打造。开源的 Qwen3.5-397B-A17B 在 397B 参数中激活 17B。它运行在 Qwen3-Next 曾预览过的混合线性注意力设计上。托管的 Qwen3.5-Plus 增加了 100 万 token 的上下文。
2 月 24 日，一个中型系列紧随其后。Qwen 称其 Qwen3.5-35B-A3B 击败了较旧的 Qwen3-235B-A22B-2507。3 月 2 日，小型端侧模型到来。
领导层变动（3 月）：3 月 3 日，技术负责人 Junyang Lin 发帖称他将卸任。路透社报道称，他是 2026 年第三位离开的 Qwen 资深人物。后训练负责人 Yu Bowen 也离开了，编程负责人 Hui Binyuan 已于 1 月加入 Meta（第一财经）。
据 36Kr 报道，导火索是一项将 Qwen 拆分为横向预训练、后训练和模态团队的计划。3 月 16 日，阿里巴巴将其 AI 部门归入一个由 CEO 吴泳铭领导的新集团。彼时，阿里巴巴已发布超过 400 个开源 Qwen 模型，下载量超过 10 亿次。
Qwen3.6（4 月）：节奏并未放缓。Qwen3.6-Plus 于 4 月 2 日作为专有托管模型推出。这符合一个更广泛的转变：南华早报报道称中国 AI 巨头正转向专有模型以获取收入。开源一侧仍在推进。Qwen3.6-35B-A3B 于 4 月 16 日以 Apache 2.0 许可发布，面向智能体编程。
一周内又发布了两个。Qwen3.6-Max-Preview，一个闭源旗舰预览版，于 4 月 20 日到来。4 月 22 日，稠密模型 Qwen3.6-27B 以 Apache 2.0 许可发布。Qwen 称其在主要编程基准测试上击败了 Qwen3.5-397B-A17B。
Qwen3.7（5 月至 6 月）：在 5 月 20 日的阿里云峰会上，阿里巴巴发布了 Qwen3.7-Max，专为长时程智能体任务打造。阿里巴巴称 Artificial Analysis 将其列为全球第五、中国模型第一。Qwen3.7-Plus 于 6 月初跟进，定价为每 100 万 tokens 0.4 美元/1.6 美元。两者均保持闭源。
7 月，CNBC 报道 Qwen 将被整合进中国版 Apple Intelligence。
Qwen3.8（7 月至 8 月）：彭博社于 7 月 19 日报道了新旗舰的预览版。托管版 Qwen3.8-Max 于 8 月初上线。8 月 12 日，阿里巴巴将其基础模型开源为 Qwen3.8-2.4T-A95B：2.4 万亿参数，950 亿激活（Gigazine）。
许可证有了新的附加条件。12 个月内收入超过 5000 万美元的提供商需要商业许可证。两天后，Qwen3.8-27B 以纯 Apache 2.0 许可发布。8 月 26 日，路透社报道了 Qwen3.8-Flash。其开源兄弟版本 Qwen3.8-Flash-Next 被宣传为 Qwen4 架构的早期预览。
9 月：9 月 20 日，Qwen-Image-2.1 作为 7B 生成器到来。与更早的开源 Qwen 图像模型不同，它仅限研究用途。
两天后，在 2026 云栖大会上，阿里巴巴表示 Qwen 4“目前正在训练中”。它预计 Qwen 4.5 和 Qwen 5 将达到 5 至 10 万亿参数。Qwen 4 的日期、规模和许可证均未公布。
第 6 章——生态系统与许可证演变
Qwen 的影响力增长快于其参数规模。2024 年 9 月，阿里巴巴报告了 4000 万次下载和 5 万多个衍生模型。到 2026 年 3 月，路透社称其拥有 400 多个开源模型和超过 10 亿次下载。同一报道称，Qwen 应用在 2026 年 2 月达到 2.03 亿月活跃用户。
在 2026 年 1 月的 Qwen3-Max-Thinking 发布会上，阿里巴巴还表示 Qwen 已成为 Hugging Face 上首个衍生模型超过 20 万个的开源模型家族。
许可证讲述了一个更安静的故事。Qwen 已从限制性，走向开放，再到刻意设计的双层拆分。
时期 变化 示例 2023 年 8 月 自定义许可证，月活用户低于 1 亿免费 Qwen-7B 2024 年 6 月 大多数规模转向 Apache 2.0；72B 保留千问许可证 Qwen2 2025 年 4 月 所有开源模型均采用 Apache 2.0 Qwen3 2025 年 9 月 旗舰模型仅提供 API Qwen3-Max 2026 年 4 月至 6 月 Plus 和 Max 层级转为专有；中等规模开源 Qwen3.6、Qwen3.7-Plus 2026 年 8 月 2.4T 权重开源，附带 5000 万美元收入门槛 Qwen3.8-2.4T-A95B 2026 年 9 月 图像模型采用仅限研究许可证 Qwen-Image-2.1
这一模式始终一致。中小规模模型保持宽松许可，以让开发者持续基于 Qwen 构建。前沿层级则通过阿里云获取收入。
时间线
以下每个日期均在上文章节中附有链接。最新的排在最前。
关键要点
Qwen 最初名为通义千问，是 2023 年 4 月 11 日宣布的仅限邀请的企业测试版。
开源权重来得很快：2023 年 8 月发布 Qwen-7B，同年年底发布 Qwen-72B。
Qwen3（2025 年 4 月）在 Apache 2.0 下加入了混合思考、36T 训练 token 和 119 种语言。
2026 年在 6 个月内推出了 4 代模型（Qwen3.5 到 Qwen3.8），并形成了开源/专有分化的策略。
Qwen 4 正在训练中；阿里巴巴的路线图将 Qwen 4.5 和 Qwen 5 定在 5 到 10 万亿参数。
资源：
Qwen 博客和 GitHub 上的 QwenLM
Hugging Face 上的 Qwen
Qwen 技术报告（arXiv 2309.16609）
Qwen2.5 技术报告（arXiv 2412.15115）
Qwen3 技术报告（arXiv 2505.09388）
阿里云：2026 云栖大会路线图
阿里巴巴集团：2025 云栖大会
文章 The Story of Qwen: Alibaba’s AI Models From 7B to 2.4T 首发于 MarkTechPost。