最近幾天，一張開(kāi)源模型的等級(jí)列表在 X 上被瘋狂轉(zhuǎn)載。

▲ 圖片來(lái)源：https://www.interconnects.ai/p/2025-open-models-year-in-review

從夯到拉，國(guó)產(chǎn)開(kāi)源模型排在了數(shù)一數(shù)二的位置，DeepSeek、Qwen、Kimi、智譜、還有 MiniMax 是全球開(kāi)源模型的前五名。而 OpenAI 排在了第四梯隊(duì)，小扎的 Meta，挖了硅谷半壁江山想打造的 Llama 更扎心，只落得了一個(gè)榮譽(yù)提名。

這份榜單并不是國(guó)產(chǎn)模型花錢打廣告，也不是中國(guó)人王婆賣瓜，自賣自夸。知名的 AI 研究員 Nathan Lambert 和德國(guó) AI 研究中心的博士生 Florian Brand，在 interconnectai 上的一篇文章，給出了全球開(kāi)源模型的完整排名。

▲Nathan Lambert 曾在 Meta、DeepMind、和 Hugging Face 工作

文章里詳細(xì)回顧過(guò)去這一年，全球開(kāi)源模型的發(fā)展，以 DeepSeek 和 Qwen 為主的國(guó)產(chǎn)開(kāi)源模型，正在用開(kāi)源改變整個(gè) AI 行業(yè)的運(yùn)行規(guī)則。

事實(shí)也如此，2024 年對(duì)于全球開(kāi)源來(lái)說(shuō)，可能還是 Llama 的天下。到了今年，國(guó)產(chǎn)開(kāi)源以一種不可忽視的姿態(tài)，持續(xù)刷新著全球大模型的默認(rèn)選項(xiàng)。

性能、價(jià)格、生態(tài)、可用性……每個(gè)維度都在快速逼近閉源巨頭，甚至在某些方向已經(jīng)實(shí)現(xiàn)了反超。

▲中美開(kāi)源模型發(fā)布?xì)v史，2024.01-2025.11，圖片來(lái)源：https://www.atomproject.ai/

當(dāng)我們還在想國(guó)產(chǎn)模型什么時(shí)候能追上 ChatGPT、Gemini 時(shí)，AI 的軍備競(jìng)賽場(chǎng)上，另一個(gè)問(wèn)題也開(kāi)始沸騰起來(lái)，為什么全球開(kāi)發(fā)者都在用國(guó)產(chǎn)開(kāi)源模型？

開(kāi)源模型，前浪后浪一起上

過(guò)去這幾個(gè)月，國(guó)產(chǎn)開(kāi)源模型的更新節(jié)奏幾乎沒(méi)有停過(guò)。而且不只是某一家模型公司的爆發(fā)，是整個(gè)國(guó)產(chǎn)開(kāi)源生態(tài)，持續(xù)接力，就像一條快速攀升的曲線，不斷在突破瓶頸。

11 月，Kimi 發(fā)布了萬(wàn)億參數(shù)的混合專家模型，Kimi K2 Thinking，直接拿下多個(gè)榜單第一名，甚至超過(guò)了 OpenAI 的 GPT-5 和 Anthropic 的 Claude 4.5。

10 月底，MiniMax 正式發(fā)布了 MiniMax M2 混合專家模型 MoE，和 Kimi 一樣，繼續(xù)開(kāi)源，在綜合榜單上的表現(xiàn)，MiniMax M2 排名第五，超過(guò)了 Gemini 2.5 Pro 和 Claude Opus 4.1。

9 月，阿里在云棲大會(huì)上，一套模型七連發(fā)的組合拳，在視覺(jué)、語(yǔ)音、推理、編程等多個(gè)領(lǐng)域做到極致。

海外社交媒體上，關(guān)于國(guó)產(chǎn)開(kāi)源模型的認(rèn)可，從橫空出世的 DeepSeek 以來(lái)就沒(méi)停過(guò)?！负糜?、便宜、小公司的開(kāi)發(fā)首選、自己做的副業(yè)項(xiàng)目，用的就是中國(guó)開(kāi)源模型……」，這些評(píng)論在 X 上隨處可見(jiàn)。

像是網(wǎng)友們對(duì) Kimi K2 Thinking 寫作風(fēng)格，以及用 token 數(shù)量換思考深度的稱贊。

還有網(wǎng)友說(shuō)拿 Minimax M2 和 Claude Sonnet 4 對(duì)比，M2 只用一次就能生成一個(gè)功能齊全的網(wǎng)站，但是 Sonnet 4 會(huì)失敗。

關(guān)于 Qwen 的帖子就更多了，從 2.5 更新到現(xiàn)在的 3.0，從大尺寸的 4800 億參數(shù)，到只有 6 億參數(shù)的小模型，從視覺(jué)語(yǔ)言 Qwen 3 VL，到代碼編寫 Qwen 3 Coder，開(kāi)源市場(chǎng)幾乎都有 Qwen 的影子在。

愛(ài)彼迎 CEO 在接受采訪時(shí)，甚至大方的表示 OpenAI 雖然好，但是不適合我們；而來(lái)自中國(guó)的開(kāi)源模型 Qwen 非常好，能實(shí)際地應(yīng)用到他們的工作中，比 OpenAI 更好更便宜。

在開(kāi)源這塊，說(shuō)國(guó)產(chǎn)開(kāi)源模型還在追趕都不貼切，是已經(jīng)實(shí)打?qū)嵉爻蔀榱巳蚰J(rèn)的開(kāi)源選擇。

MiniMax M2，能落地的開(kāi)源智能體

如果要用具體案例，來(lái)說(shuō)明國(guó)產(chǎn)開(kāi)源模型，到底好在哪里，過(guò)去我們分享的多個(gè)開(kāi)源工具的實(shí)測(cè)體驗(yàn)，其實(shí)就已經(jīng)有了答案。

發(fā)布時(shí)間最近的 Kimi K2 Thinking，一次性能執(zhí)行 300 次工具調(diào)用的超長(zhǎng)思考鏈條，還有為手機(jī)而生的通用 Agent，智譜 AutoGLM 2.0；以及 AI 時(shí)代的安卓，阿里通義模型大家族。

▲Artificial Analysis 統(tǒng)計(jì)的 2025 Q1 國(guó)產(chǎn)前沿 AI 模型大廠和初創(chuàng)公司

這些模型雖然都是開(kāi)源，但是都有各自的技術(shù)亮點(diǎn)，努力讓國(guó)產(chǎn)開(kāi)源模型這張地圖，變得更完整、更豐富。

像 K2 Thinking 主打萬(wàn)億參數(shù)大模型，然后還有自己的 KDA（Kimi Delta Attention）機(jī)制；DeepSeek 主打混合注意力，成本驟降；Minimax M2 在這次的更新里面，反而是一改常態(tài)，使用了完全注意力，模型參數(shù)也僅 2300 億。

M2 好不好用，本著能體驗(yàn)都上手試試的原則，我們也簡(jiǎn)單測(cè)了一下。

第一個(gè)任務(wù)是讓他處理 Excel 表格數(shù)據(jù)，我們把今年國(guó)考的崗位信息表格發(fā)給他，讓它根據(jù)表格內(nèi)容，設(shè)計(jì)一個(gè)通用的公務(wù)員崗位篩選工具。

表格的數(shù)據(jù)非常多，大小有 10MB，累計(jì)兩萬(wàn)多個(gè)崗位。MiniMax M2 特別好的一點(diǎn)是，它會(huì)在正式執(zhí)行任務(wù)前，詢問(wèn)用戶，是否需要對(duì)任務(wù)進(jìn)行調(diào)整。

在他們的技術(shù)博客里面提到，M2 此次采用了「交錯(cuò)思考」的技術(shù)，這項(xiàng)技術(shù)最早是在 Claude Sonnet 4 模型中開(kāi)始應(yīng)用，但具體的采用還很有限。

MiniMax 給了一個(gè)小貼士，提醒用戶保留模型的思考記錄，即 think 標(biāo)簽。M2 依賴于交錯(cuò)式思維，上下文就是為記憶，保留了，才能更好的開(kāi)展交錯(cuò)式思考。

▲MiniMax 工程主管發(fā) X 解釋，交錯(cuò)思考如何讓模型更好地完成智能體任務(wù)

簡(jiǎn)單來(lái)說(shuō)，交錯(cuò)思維（Interleaved Thinking）就是讓大模型在「動(dòng)手做事（用工具/調(diào)用接口），停下來(lái)想一想再動(dòng)手，然后接著再思考」，這樣的循環(huán)里推進(jìn)任務(wù)，而不是先把一大段思路想完再一次性執(zhí)行。

最近更新的 Kimi K2 Thinking 同樣采用了交錯(cuò)式思考的技術(shù)。邊思考邊調(diào)用的方式，能讓模型在每次拿到工具輸出后，立刻復(fù)盤、調(diào)整計(jì)劃，這特別適合流程長(zhǎng)、結(jié)果不確定的智能體任務(wù)。

▲ 體驗(yàn)地址：https://2rfxtimus5nr.space.minimaxi.com/；雖然考試已經(jīng)結(jié)束，但是也能看到 MiniMax M2 處理 Excel 表格數(shù)據(jù)的能力，不容小覷

最后給出的結(jié)果是非常的準(zhǔn)確的，20714 個(gè)崗位，以及對(duì)于應(yīng)屆生、基層工作年限、戶籍地等方面的條件，它都有統(tǒng)計(jì)到；相比市面上一些付費(fèi)的選崗工具，自己用 Agent 自動(dòng)生成一個(gè)，再方便不過(guò)。

我們還讓它去做一些深度研究，丟給它關(guān)于 M2 自己的信息，讓它制作一個(gè)精美的 PPT。

▲預(yù)覽鏈接：https://z4czsdfoakc7.space.minimaxi.com/

除了這種從零開(kāi)始做一個(gè)產(chǎn)品的 vibe coding 體驗(yàn)，MiniMax 還提供了詳細(xì)的教程，關(guān)于如何接入 Claude Code 等命令行工具，或開(kāi)發(fā)平臺(tái) Cursor、VS Code 等。

▲使用 MiniMax M2 模型 API 的 Claude Code

交錯(cuò)思考能讓模型更聰明，知道何時(shí)該調(diào)用何種工具。但 MiniMax M2 這次在技術(shù)上還有一個(gè)亮點(diǎn)，是它一反常態(tài)的使用了全注意力機(jī)制。

之前我們介紹過(guò) DeepSeek 能把成本打到這么低，其中最重要的原因之一就是它采用了稀疏注意力，以及混合注意力機(jī)制。稀疏注意力能讓模型在處理 token 時(shí)，和我們?nèi)祟愐粯?，有選擇的聚焦在重要信息，而忽略掉次要信息。

配合其他的策略，就能在不影響輸出質(zhì)量的前提下，提升模型的推理速度，降低成本。

▲ 博客原文：https://huggingface.co/blog/MiniMax-AI/why-did-m2-end-up-as-a-full-attention-model

MiniMax 團(tuán)隊(duì)也專門寫了一篇技術(shù)博客來(lái)介紹，為什么又走回了原點(diǎn)，繼續(xù)選擇全注意力機(jī)制，這種增加訓(xùn)練和推理壓力的方式。

他們提到主要的原因是「具體的表現(xiàn)」，現(xiàn)在大部分所說(shuō)的稀疏注意力、或者高效注意力，并不是讓模型的效果更好，而是單純?yōu)榱斯?jié)省計(jì)算資源、降低成本。

全注意力模型的性能，和可靠性仍然是更高，隨著上下文長(zhǎng)度需求不斷增加，以及 GPU 計(jì)算增速放緩，到那時(shí)，線性和稀疏注意力的潛力，可能會(huì)逐漸顯現(xiàn)。

而 MiniMax M2 目前要做的，是在有限的算力資源下，盡可能實(shí)現(xiàn)質(zhì)量、速度、價(jià)格這個(gè)三角的平衡，這次它也確實(shí)做到了。

所以說(shuō)，在某種程度上，很多人覺(jué)得開(kāi)源，就意味著把技術(shù)白白送給別人；但在整個(gè)的技術(shù)發(fā)展路線歷史上，開(kāi)源是讓不同的技術(shù)碰撞，讓不同的研究員合作，從而取得進(jìn)一步的技術(shù)創(chuàng)新。

大模型分析平臺(tái)，Artificial Analysis 在發(fā) X 介紹 MiniMax M2 的綜合榜單表現(xiàn)時(shí)，也提到了國(guó)產(chǎn)開(kāi)源，他說(shuō)。

中國(guó) AI 實(shí)驗(yàn)室在開(kāi)源領(lǐng)域持續(xù)保持領(lǐng)先地位。 MiniMax 的發(fā)布延續(xù)了中國(guó) AI 在開(kāi)源領(lǐng)域的領(lǐng)先地位，這一地位由 DeepSeek 在 2024 年底開(kāi)啟，并由 DeepSeek 的后續(xù)發(fā)布、阿里巴巴、智譜、和 Kimi 等公司持續(xù)保持。

確實(shí)是這樣，等了一年都沒(méi)等來(lái)的 DeepSeek R2，卻讓我們看到了在國(guó)外爆火的 Kimi K2，智譜 GLM 系列，還有幾乎所有開(kāi)發(fā)者都離不開(kāi)的 Qwen 系列。

所有的這些國(guó)產(chǎn)開(kāi)源模型，多元的技術(shù)路線、不同的應(yīng)用方向，完全組合在一起，才有了真正的優(yōu)勢(shì)和力量，讓閉源不再成為「好模型」的代表。

▲ Hugging Face 上，熱門榜單前四個(gè)，都是國(guó)產(chǎn)開(kāi)源模型；圖片來(lái)源：https://huggingface.co/models?sort=trending

閉源沒(méi)法卷贏閉源，只有開(kāi)源，才能打穿壁壘

前段時(shí)間，在小紅書(shū)的 1024 程序員節(jié)上，Hugging Face 創(chuàng)始人提到，開(kāi)源和閉源差距在縮小，中國(guó)在這方面比較領(lǐng)先；小紅書(shū)的技術(shù)負(fù)責(zé)人也說(shuō)，開(kāi)源降低了社會(huì)運(yùn)用 AI 的成本，動(dòng)用大家的力量，推著技術(shù)往前走。

毫無(wú)疑問(wèn)，開(kāi)源肯定是一件好事，只是沒(méi)有人想到，打敗閉源的，是來(lái)自我們的開(kāi)源。

DeepSeek 的出現(xiàn)，除了向全世界公開(kāi)了全新的模型訓(xùn)練邏輯，以更低的成本實(shí)現(xiàn)同等驚艷的效果；更多的是讓整個(gè)國(guó)產(chǎn) AI 的運(yùn)行模式，有了明確的方向。

它讓所有人意識(shí)到，在當(dāng)時(shí)全球 AI 話語(yǔ)權(quán)被美國(guó)壟斷的語(yǔ)境里，開(kāi)源是讓自己被看見(jiàn)的唯一方式。

▲OpenAI 的萬(wàn)億算力商業(yè)帝國(guó)，包括 Google、Meta、Anthropic 等

當(dāng)然，選擇開(kāi)源，背后更具體的原因有很多，OpenAI、Anthropic、Gemini 每家都在閉門造車，他們可以靠著無(wú)上限的顯卡，訓(xùn)練更大的模型，融資動(dòng)輒千億美元。

但國(guó)產(chǎn)模型面臨的困境是，算力緊張、芯片受限……如果不共享模型，就沒(méi)人能復(fù)用算力。沒(méi)有可以使用的基礎(chǔ)模型，就意味著一切都要從頭開(kāi)始。百度一開(kāi)始選擇了閉源，為了商業(yè)模式的運(yùn)轉(zhuǎn)；在今年六月，他們也宣布正式開(kāi)源了，文心大模型 4.5 系列模型。

另一方面是國(guó)產(chǎn)模型廠商太多、競(jìng)爭(zhēng)太激烈，他選擇不開(kāi)源，就會(huì)有別人開(kāi)源；而閉源，用戶就有可能選擇其他模型。

▲圖片來(lái)源：https://a16z.substack.com/p/charts-of-the-week-open-model-of

a16z 前段時(shí)間統(tǒng)計(jì)了開(kāi)源模型的數(shù)據(jù)，結(jié)果顯示，國(guó)產(chǎn)開(kāi)源模型的累計(jì)下載量，不僅超過(guò)了美國(guó)模型，而且領(lǐng)先優(yōu)勢(shì)還在不斷擴(kuò)大。

今年四月，斯坦福大學(xué)也發(fā)表了一份 2025 人工智能指數(shù)報(bào)告，里面統(tǒng)計(jì)了開(kāi)源模型和閉源模型的性能對(duì)比，以及中美兩國(guó)模型的性能對(duì)比。這份報(bào)告的數(shù)據(jù)只截止到今年 2 月份，明年再看的時(shí)候，國(guó)產(chǎn)開(kāi)源大概會(huì)順利超過(guò)閉源和美國(guó)。

如果把國(guó)產(chǎn)開(kāi)源的優(yōu)勢(shì)拆到最小，我們會(huì)發(fā)現(xiàn)現(xiàn)在的領(lǐng)先，是因?yàn)橐粋€(gè)完整、龐大的開(kāi)源系統(tǒng)，這個(gè)系統(tǒng)的每一環(huán)都在讓國(guó)產(chǎn)開(kāi)源的能力，越來(lái)越強(qiáng)大。

▲無(wú)論是社區(qū)對(duì)國(guó)產(chǎn)開(kāi)源模型的評(píng)價(jià)，即 Elo 排名，還是在 ArtificialAnalysis 基準(zhǔn)測(cè)試中，按地區(qū)劃分的性能對(duì)比，國(guó)產(chǎn)開(kāi)源都在領(lǐng)先位置｜圖片來(lái)源：https://www.atomproject.ai/

DeepSeek 拿成本結(jié)構(gòu)和高效推理打開(kāi)了第一道縫；Qwen 憑借著生態(tài)規(guī)模把縫撕成了口；MiniMax、智譜和 Kimi 則用不同的技術(shù)路線，把這個(gè)口越撐越大。

當(dāng)全球的小團(tuán)隊(duì)都用 Qwen 做微調(diào)、用 DeepSeek 做推理基座、用 MiniMax 做智能體驗(yàn)證，國(guó)產(chǎn)開(kāi)源從選擇變成了默認(rèn)。結(jié)果就是，全球開(kāi)源生態(tài)的中心，開(kāi)始向中國(guó)傾斜。

上個(gè)月，黃仁勛在人工智能峰會(huì)上接受采訪時(shí)表示，「中國(guó)將在人工智能競(jìng)賽中獲勝?！贡M管隨后他立刻通過(guò)英偉達(dá)官方賬號(hào) X 發(fā)表聲明，收回了之前的言論，澄清說(shuō)中國(guó)實(shí)際上「在人工智能競(jìng)賽中，落后美國(guó)僅幾納秒?！?/p>

其實(shí)這也不是黃仁勛第一次提到，中國(guó)在人工智能競(jìng)賽的位置了。過(guò)去在多個(gè)公開(kāi)場(chǎng)合，他都表示開(kāi)源模型極其重要，無(wú)論是對(duì)開(kāi)發(fā)者還是初創(chuàng)公司，甚至是所謂的 AI 競(jìng)賽。

今年 10 月的英偉達(dá) GTC 大會(huì)上，黃仁勛的演講里再次提到，全球模型開(kāi)源市場(chǎng)，來(lái)自中國(guó)的通義千問(wèn)排名第一，并且占據(jù)了大部分的市場(chǎng)份額。

▲幾乎超過(guò) 60% 都是 Qwen

今年 4 月，他還在華盛頓的科技大會(huì)上說(shuō)，「毫無(wú)疑問(wèn)，華為是世界上最強(qiáng)大的科技公司之一……中國(guó)在人工智能領(lǐng)域并不落后。我們非常非常接近……全球50%的人工智能研究人員是中國(guó)人。我們將不得不競(jìng)爭(zhēng)?！?/p>

但是在開(kāi)源上的競(jìng)爭(zhēng)，看美國(guó)的開(kāi)源老大，來(lái)自 Meta 的 Llama，去年四月發(fā)布了 Llama 3，7 月 Llama 3.1，9 月 Llama 3.2，然后到了今年 4 月讓人大跌眼鏡的 Llama 4，甚至還有一個(gè)更高級(jí)的 Behemoth 版本至今沒(méi)發(fā)布。

▲四月份發(fā)布的 Llama 4，提到有 Behemoth、Maverick、Scout 三個(gè)版本，Behemoth 目前看來(lái)是被放棄了

再后來(lái)，關(guān)于 Meta 的新聞就只有小扎開(kāi)出天價(jià)薪酬到處挖人，然后最近又瘋狂裁員六百人，連圖靈獎(jiǎng)得主 Yann LeCun 都不干了，要走人自己去創(chuàng)業(yè)。

大概小扎根本沒(méi)想到，自己在硅谷選擇開(kāi)源，可以說(shuō)是一枝獨(dú)秀的存在，也會(huì)被今年 1 月爆火的 DeepSeek 偷了家。于是乎，Meta 現(xiàn)在開(kāi)源也不是，閉源也難追趕，進(jìn)退兩難。

很難不認(rèn)同，Llama 走到今天這步，有一半是國(guó)產(chǎn)開(kāi)源的「功勞」。

▲Meta 相關(guān)的衍生模型，和 Mistral AI 早期領(lǐng)先優(yōu)勢(shì)，完全被阿里巴巴的 Qwen 模型超越

前幾天刷社交媒體，看到一個(gè)評(píng)論說(shuō)，「開(kāi)源就是把你的對(duì)手變成了你的兒子，沒(méi)有兒子會(huì)去打爸爸?！乖挷诶聿徊?，在 AI 的開(kāi)源周期里，中國(guó)的代表性開(kāi)源模型，明顯地變成了 AI 生態(tài)的底座。

這場(chǎng)由國(guó)產(chǎn)開(kāi)源引領(lǐng)的 AI 模型浪潮，正在改變誰(shuí)能定義未來(lái)的 AI 這個(gè)問(wèn)題。它會(huì)讓我們每個(gè)人，以更低的成本、更快的速度，用上全世界最頂尖、也最好用的 AI。

最后這張圖的詳細(xì)情況如下。

▲從上到下依次為：
前沿模型：DeepSeek、Qwen、Moonshot AI（Kimi）
主要競(jìng)爭(zhēng)對(duì)手 ：智譜（Z.Ai）、MiniMax
值得關(guān)注的公司 ：StepFun 階躍星辰、InclusionAI / 螞蟻 Ling、美團(tuán)龍貓、騰訊、IBM、英偉達(dá)、谷歌、Mistral
專業(yè)領(lǐng)域 ：OpenAI、Ai2、Moondream、Arcee、RedNote、HuggingFace、LiquidAI、微軟、小米、穆罕默德·本·扎耶德人工智能大學(xué)
崛起中 ：字節(jié)跳動(dòng) Seed、Apertus、OpenBMB、Motif、百度、Marin Community、InternLM、OpenGVLab、ServiceNow、Skywork
榮譽(yù)提名 ：TNG 集團(tuán)、Meta、Cohere、北京人工智能研究院、多模態(tài)藝術(shù)投影、華為