国产大模型崛起背景
学习目标: 看清 2023 到 2026 年国产大模型的路线选择，以及 2026 年 10 月这个时间点上，谁站在什么位置
预计时间: 25 分钟
难度: ⭐⭐☆☆☆
最后更新: 2026 年 10 月
先说结论：2026 年 10 月的国产大模型，不是"国产平替"，是很多场景下的默认选项。
看一组第三方数据。OpenRouter 统计的 2026-09-21 至 09-27 这一周：
| 指标 | 数值 |
|---|---|
| 全球大模型周调用总量 | 146 万亿 tokens |
| 中国模型周调用量 | 62.22 万亿 tokens |
| 美国模型周调用量 | 14.2 万亿 tokens |
| 中国连续领跑 | 22 周 |
| 全球调用量前五里的中国模型 | 3 款（DeepSeek V4.1 Flash、GLM-5.3 Flash、腾讯 Hy4 preview） |
一个容易被忽略的地方：调用量不等于能力。中国模型赢的是"每一块钱能买到多少智能"，不是"最聪明的那个模型是谁"。这两件事在 2026 年已经分得很清楚——单位成本能买到多少智能这一栏，国产模型领先得很明显；能力天花板那一栏，还在拉锯。
这个区别决定了你选型时该看什么，后面的文章会反复回到这里。
2023-2026: 三年走完别人五年的路
2023 年 — 追赶，但不甘
2023 年初，ChatGPT 已经火遍全球。国内大厂的反应速度比预期快得多：
- 3 月: 百度文心一言开放，国内第一个对标 ChatGPT 的通用对话产品
- 4 月: 阿里通义千问开放邀测
- 8 月: 智谱把 GLM 系列推向开源（130B 权重的 GLM-130B 其实 2022 年就放出来了，比 LLaMA 泄露还早）
- 11 月: 月之暗面 Kimi 上线，主打 20 万字超长上下文
这个阶段的国产模型，说实话差距明显。同样的问题，GPT-4 的回答质量稳定高出一截。但有两个信号值得注意：
- 开源路线一开始就定了。不是为了赶时髦，是因为没品牌、没渠道，只能拿权重换开发者的注意。
- 中文数据是天然优势。中文理解任务上，国产模型做对而 GPT-4 做错的比例大约 3:1。
2024 年 — 转折点来了
2024 年是国产大模型的分水岭。不是"接近"，是"部分追平"。
- 3 月: Claude 3 发布，国产模型在复杂推理上又被拉开差距
- 6 月: Qwen2 开源，72B 版本成为当时最强的开源中文模型之一
- 12 月: DeepSeek V3 发布，MoE 架构 671B 总参数，论文口径训练成本 $5.576M
这一年最炸裂的事件是 DeepSeek V3。
不是它能力有多强，是 训练成本 $5.576M vs GPT-4 的 ~$100M。二十倍的训练成本差距，做出接近的性能。这件事改变了全球 AI 的投资逻辑。
2025 年 — 从追赶到并行
- 1 月: DeepSeek R1 开源，把推理模型的 API 价格压到当时 o1 的一个零头；同月登顶 App Store
- 4 月: Qwen3 开源，第一次把「思考 / 非思考」两种模式塞进同一个模型
- 7 月: Kimi K2 开源，参数规模推到万亿级
- 12 月: GLM-5 发布，编程能力成为开源阵营的标杆
这一年国产模型的核心竞争力不再是"便宜"，而是在特定场景下 真的更好用：中文创意写作、超长文档分析、编程辅助、本地部署。
2026 年 — 三个阶段，一年走完两轮洗牌
2026 年不是"格局已定"，恰恰相反：这一年发生了三次明显的重心转移。把它拆成三段看，会清楚很多。
上半年（1-7 月）：旗舰混战，参数与上下文一起膨胀
| 时间 | 事件 |
|---|---|
| 2026-04-24 | DeepSeek V4 预览版上线并同步开源：V4-Pro 1.6T 总参 / 49B 激活，V4-Flash 284B / 13B，均为 1M 上下文 |
| 2026-05 上旬 | 字节发布全模态理解模型 Doubao-Seed-2.0-lite |
| 2026-05-09 | 文心 5.1 发布：从 5.0 弹性抽出，总参数约 1/3、激活约 1/2，官方称预训练成本仅为同级模型的 6% |
| 2026-05-20 | 阿里 Qwen3.7-Max 上线，定位从"对齐人类"转向"对齐任务"，主打智能体 |
| 2026-06-23 | 豆包 Seed 2.1 系列（Pro / Turbo）发布 |
| 2026-07-16 | 月之暗面 Kimi K3 发布：2.8 万亿参数、1M 上下文、原生视觉，官方称"全球首个开源的 3T 级模型" |
一句话总结这半年：大家都在比谁的参数更大、上下文更长、Agent 跑得更久。Kimi K3 的 2.8 万亿和 DeepSeek V4 的 1.6 万亿，把开放权重的门槛直接抬到了万亿级。
三季度（8-9 月）：成本战，比的是"每 token 多少智能"
| 时间 | 事件 |
|---|---|
| 2026-08-02 | Qwen3.8-Max 上线：2.4 万亿参数 MoE、100 万上下文、原生多模态，华北2 输入 12 元 / 输出 36 元（每百万 tokens） |
| 2026-08-12 | 开源版 qwen3.8-2.4t-a95b 放出：2.4T 总参 / 95B 激活，CodeArena 全球第 4 |
| 2026-08-19 | 智谱 GLM-5.3 发布：同基座后训练提升，官方内部编程基准较 5.2 提升 50% |
| 2026-08-26 | GLM-5.3-Flash 上线并开源：320B 总参 / 18B 激活，稀疏 + 线性注意力混合，注意力计算量降 3.01×、KV 缓存降 4.44× |
| 2026-08-28 | 腾讯 Hy4 preview 发布并开源：770B 总参 / 49B 激活，1M 上下文 |
| 2026-09-13 | DeepSeek V4.1 Flash 上线：552B MoE，输入激活仅 8B、输出 16B，1M 上下文 / 384K 最大输出 |
| 2026-09-22 | 小米发布并开源 MiMo V2.6 系列，Pro 版 AA 智能指数 46 分，登顶开源榜，单任务成本约 $0.13 |
三季度的主题词从"更大"换成了"更省"。GLM-5.3-Flash 用 18B 激活打 320B 的活，DeepSeek V4.1 Flash 用 8B 输入激活撑 1M 上下文——同样一个 Agent 任务，跑在 9 月的模型上比跑在 4 月的模型上便宜一个数量级。
10 月：Agent 与推理基建战
这个月的焦点不在模型榜单，在"能不能稳定地跑长任务"和"跑起来贵不贵"。
| 时间 | 事件 |
|---|---|
| 2026-10-08 | 豆包原生应用登陆 HarmonyOS PC |
| 2026-10-12 | 智谱 GLM-5.3 HighSpeed 灰度，实测最高约 490 tokens/s，比常规 API 快一个量级 |
| 2026-10-17 | DeepSeek-V4.1-Flash-1017 发布：主打"许愿式编程"，权重同步开放（MIT），API 仍叫 deepseek-flash，价格不变 |
| 2026-10-20 | DeepSeek 开源推理引擎 DeepInfer（Apache-2.0），首发只服务 V4.1 Flash，官方口径单集群日吞吐 155 万亿 tokens |
| 2026-10-20 | 小米 MiMo-V2.6-Pro 上线腾讯 WorkBuddy 与 TokenHub，1M 上下文、128K 最大输出 |
| 2026-10-23 | Kimi 放出 K3.1 预热视频，尚未官宣 |
现在的梯队
| 层级 | 代表模型（2026-10） | 特征 |
|---|---|---|
| 前沿闭源 | GPT-5.6 Sol、Claude Opus 5、Gemini 3.1 Pro | 能力天花板高，价格也高 |
| 开源权重第一梯队 | Kimi K3、Qwen3.8-2.4T-A95B、MiMo V2.6-Pro、GLM-5.3、Hy4 preview、DeepSeek V4.1 Flash | 权重可下载，AA 智能指数落在 46-57 区间 |
| 成本效率型 | GLM-5.3-Flash、Qwen3.8-Flash、文心 5.1、Seed-Evolving | 每元智能最高，扛高频 Agent 调用 |
全球竞争格局变化
美国队依然强，但不再是碾压
| 地区 | 代表模型 | 优势领域 | 劣势 |
|---|---|---|---|
| 美国 | GPT-5.6 Sol、Claude Opus 5、Gemini 3.1 Pro | 综合实力、生态、企业信任 | 价格高、中文语感弱 |
| 中国 | Kimi K3、Qwen3.8-Max、DeepSeek V4.1 Flash、GLM-5.3 | 中文、编程、性价比、开源供给 | 全球化渠道、品牌认知 |
| 欧洲 | Mistral、Aleph Alpha | 合规、隐私 | 能力差距在扩大 |
| 开源社区 | Qwen3.8、Kimi K3、GLM-5.3、MiMo V2.6 | 定制、隐私、本地部署 | 需要自己搭运维 |
两个关键趋势：
1. 开源权重成了竞争武器，不只是姿态
2026 年 8 月之后，万亿参数模型开始成批开放权重。Qwen3.8-2.4T-A95B、Kimi K3（2.8T）、Hy4 preview（770B）、MiMo V2.6 系列全都在放权重。理由很务实：模型能力拉不开代差了，那就把分发渠道拉满——谁被下载、被微调、被部署得多，谁就是事实标准。
2. 国产芯片适配从"能跑"变成"主要路径"
DeepSeek V4 发布当天，华为就宣布昇腾超节点与华为云全面支持；10 月的 DeepInfer 直接给了英伟达 SM100 与昇腾 950 双栈适配。不是"替代 Nvidia"，是"多了条路"。
开源 vs 闭源路线
这条路线上，中美走了完全不同的路。
中国路线: 开源是主流（但旗舰开始分层）
| 公司 | 代表模型（2026-10） | 开源情况 |
|---|---|---|
| 深度求索 | DeepSeek V4、V4.1-Flash-1017 | 权重完整开放（MIT），连推理引擎 DeepInfer 也开源（Apache-2.0） |
| 阿里 | Qwen3.8-Max / qwen3.8-2.4t-a95b | 两手抓：Max 走 API，2.4T 开源版放权重（自定义 Qwen3.8-Max License，27B 才是 Apache 2.0） |
| 智谱 | GLM-5.3、GLM-5.3-Flash | Flash 完整开源（320B-A18B），标准版走 API |
| 月之暗面 | Kimi K3 | 2.8 万亿权重已放出 |
| 腾讯 | Hy4 preview | 开源，770B / 49B |
| 小米 | MiMo V2.6 系列 | 全面开源，含 Pro / Flash / Ultraspeed |
| 字节 | 豆包 Seed 2.1、Seed-Evolving | 闭源，只走方舟 API |
| 百度 | 文心 5.0 / 5.1 | 闭源，走千帆 |
许可证细节以各仓库为准，但结论很稳定：头部八家里六家放权重，这个比例在全球是独一份。
中国选择开源的逻辑很务实：
- 快速建立生态。闭源靠品牌和体验获客，开源靠社区和开发者。在追赶阶段，开源能快速积累真实使用场景。
- 企业市场需要开源。金融、医疗、政务对数据出域极其敏感，开源自建是唯一选项。
- 成本分摊。社区帮你测、帮你调、帮你传播，比自己养一支布道团队便宜。
美国路线: 闭源为主，开源为辅
- OpenAI / Anthropic / Google: 纯闭源，靠 API 和产品变现
- Meta: 开源（LLaMA 系列）
- xAI: 部分开源
不是中国选择了开源，美国选择了闭源。是 后来者用开源换生态，领先者用闭源保利润。这是商业逻辑，不是道德选择。
2026 年 10 月的三个结构性变化
这一节是本文最该记住的部分。三个变化决定了接下来半年你怎么选模型。
1. 模型开始为 Agent 而设计，而不是为聊天
三个现场证据：
- 豆包 Seed-Evolving：统一 Model ID
doubao-seed-evolving，1024k 上下文、256k 最大输出，模型升级自动生效、不用改代码。它明确定位给 Agent 与 Coding——复杂任务编排、长程规划、工具调用。 - GLM-5.3 的路线：不换基座，纯靠后训练把编程和 Agent 能力再抬 50%。这意味着"能力提升"越来越来自 RL 与工具链，不是堆参数。
- DeepSeek V4.1 Flash：8B / 16B 的激活量，官方口径是在 4 项 Agent 类评测上超过 Claude Opus 5，单任务成本约 30 日元量级。
判断方式变了：以前看 MMLU 分数，现在看一个 Agent 跑完整个项目的成功率、以及跑完要花多少钱。
2. 推理基建开始自建并开源
10 月 20 日 DeepSeek 开源 DeepInfer，是今年最被低估的一件事。它只服务自家 V4.1 Flash，把线上真实在用的调度、KV 缓存、批处理策略全摊开了。
为什么重要：模型能力决定上限，推理框架决定你能不能负担得起这个上限。开源推理栈意味着中小团队也能拿到接近一线厂商的吞吐/成本比。
3. 旗舰发布节奏高度集中，但 11 月这批都还没官宣
2026 年 10 月下旬，社区同时在等三个东西。以下全部未官宣：
| 传闻对象 | 传闻内容 | 状态 |
|---|---|---|
| Kimi K3.1 | 2026-10-23 放出预热视频；Arena 出现匿名代号 Kibitz，社区按分词器特征推测是 K3.1 | 预热有，官宣无 |
| Qwen4 | Arena Code Arena 出现匿名代号 Kalmia，被推测为 Qwen 下一代 | 未官宣 |
| GLM-5.5 | 社区传 10 月底至 11 月初、2.5-3.5 万亿参数 | 未官宣，参数无来源 |
写这一段的目的不是让你追新，是提醒一件事：别拿传闻做技术选型。等到官方 changelog 里出现模型 ID 和价格，再动手。
国产模型的独特优势
说三个你不会在 PPT 上看到但真实存在的优势。
1. 中文不是好一点，是好很多
这不是玄学。同一段中文需求，让美国旗舰和国产旗舰分别写广告语：
中文能力对比
任务: 为火锅店写 5 条抖音文案
美国旗舰输出:
- "品尝正宗四川火锅，享受麻辣鲜香的美味体验"
- "和朋友一起涮火锅，分享快乐时光"
Qwen3.8-Max 输出:
- "空调开到 16 度，红油锅底滚起来，这顿火锅不吃完谁也别走"
- "毛肚七上八下，鸭肠涮到卷边，重庆人的命是火锅给的"
- "没有什么是一顿火锅解决不了的，如果有，加两份毛肚"
国产模型懂中文的"语境感"——它知道抖音文案要的是什么节奏。不是翻译英文，是原生中文。
2. 成本优势：用可核对的数字说话
| 模型 | 规模 | 官方定价（每百万 tokens） | 备注 |
|---|---|---|---|
| Qwen3.8-Max | 2.4T 总参 / 95B 激活 | 输入 ¥12 / 输出 ¥36（华北2 标准价） | 1M 上下文，原生多模态 |
| 文心 5.1 | 约为 5.0 的 1/3 总参 | 输入 ¥4 / 输出 ¥18 | 弹性抽取自 5.0，主打低预训练成本 |
| GLM-5.3-Flash | 320B / 18B 激活 | 输入 ¥0.8 / 输出 ¥2.8 / 缓存命中 ¥0.23 | 原生多模态，约为 GLM-5.2（¥8/¥28）的 1/10 |
| DeepSeek V4.1 Flash | 552B MoE / 8B-16B 激活 | 空闲 ¥1 / ¥4，高峰 ¥2 / ¥8（缓存命中 ¥0.02 / ¥0.04） | 官方称单任务约 30 日元，低于美国模型 1/10 |
| MiMo V2.6-Pro | 旗舰 Pro / 高效 Flash 双型号 | 以官方与渠道目录价为准 | 官方称单任务约 $0.13 |
这些数字会变，抓取时间不同就是另一个价。但量级关系是稳的：同一个 Agent 任务，国产模型的账单通常是美国旗舰的十分之一量级。
选模型别只看单价。API 便宜两倍但多调十次，谁划算？但反过来，如果你的场景对中文和长上下文有强需求，国产模型能力不差还便宜一个数量级，没有理由不选。
3. 本地化适配快
- 支付: 微信支付、支付宝直接集成，不用绕 Stripe
- 部署: 阿里云百炼、火山方舟、腾讯云 TokenHub、华为云一键接入
- 合规: 算法备案、数据安全评估一条龙
- 客服: 中文技术文档 + 社群，版本变更当天就有人解答
还有个很实际的点：国产厂商的版本迭代节奏快，你提的问题可能两周后就修复了。这在赶工期的时候值不少钱。
本节小结
✅ 2026 年 10 月，中国大模型周调用量已连续 22 周全球第一，全球前五里占三席（DeepSeek V4.1 Flash、GLM-5.3 Flash、Hy4 preview） ✅ 2026 年走了三段：上半年拼参数与上下文，三季度拼每 token 成本，10 月拼 Agent 能力与推理基建 ✅ 开源权重是国产阵营的核心策略，头部八家里六家放权重；字节、百度仍走纯闭源 ✅ 成本优势要用可核对的数字看：Qwen3.8-Max 输入 ¥12/百万 tokens，DeepSeek 官方称单任务约 30 日元 ✅ 10 月三个结构性变化：Agent 原生设计、推理基建自研开源（DeepInfer）、旗舰集中待发但均未官宣 ✅ K3.1、Qwen4、GLM-5.5 全是传闻，别拿传闻做选型