标准费率下的定价为：每百万输入token 0.435美元，每百万输出token 0.87美元，缓存命中折扣高达97% 。在最大努力推理模式下，定价为每百万token 1.32美元/3.96美元 。

月之暗面 Kimi K3（2026年7月16日/27日）

月之暗面AI发布了它所谓的“全球首个3万亿参数级别的开源模型”——一个2.8万亿参数的MoE模型，每个token激活896个专家中的16个，拥有100万token的上下文窗口和原生的多模态（视觉+文本）能力 。完整权重于7月27日在Hugging Face上以修改版MIT许可证发布 。该模型已在Kimi.com、Kimi Work、Kimi Code和Kimi API上线 。

智谱AI GLM-5.2（2026年6月13日/16日）

这款模型开启了整个浪潮。GLM-5.2是一个7440亿参数的MoE模型，每个token激活约400亿参数，拥有100万token的上下文窗口，采用MIT许可证 。美国国家标准与技术研究院（NIST）的CAISI评估认为，其综合能力与2025年12月发布的GPT-5.2相当，网络能力与Claude Opus相近 。它在Terminal-Bench 2.1上得分81.0，在SWE-bench Pro上得分62.1——这是Artificial Analysis Intelligence Index上的开源模型最高分 。其API定价比Claude或GPT-5便宜约10倍 。

美团 LongCat-2.0（2026年6月30日）

这是一个1.6万亿参数的MoE模型（每个token激活约480亿参数），拥有100万token的上下文窗口，采用MIT许可证发布 。它的关键区别在于：这是首个完全基于国产芯片训练和运行的万亿参数模型——训练集群使用了5万块华为昇腾910B/C芯片 。根据美团的测试，它在软件工程基准测试上略胜GPT-5.5 。在正式发布前，它曾以“Owl Alpha”的代号悄然登顶OpenLLM排行榜 。API定价为每百万输入/输出token 0.75美元/2.95美元，发布促销价为0.30美元/1.20美元 。

与美国前沿模型的对比

更深远的影响

全球企业采用

中国以外的企业现在拥有了可信、低成本、开源的美国API模型替代品。GLM-5.2的MIT许可证没有任何地域限制，意味着任何公司都可以无限制地进行商业化的自托管部署 。这正在改变东南亚、中东、非洲和部分欧洲地区的采购决策。

出口管制的悖论

现有证据强烈支持一个论点：美国芯片出口管制至少在两个方面产生了反效果：

• 加速了国产芯片的成熟：LongCat-2.0在5万块国产华为昇腾处理器集群上完成训练，证明了在没有美国硬件的情况下进行前沿规模训练是可行的 。这比市场力量本身更快地催化了中国AI芯片生态系统的发展。
• 倒逼了算法效率革命：切断了高端GPU的充足供应后，中国实验室在MoE稀疏性、稀疏注意力机制和激活参数效率方面的优化比美国实验室更为激进。结果是，这些模型以极低的算力成本实现了可比的性能——带来了10-57倍的成本优势 。

尚未确认的信息

关于DeepSeek V4 Pro“每任务0.06美元”和Claude Opus 5“2.34美元”的具体定价未找到可佐证的来源。腾讯的Hy3和阿里巴巴的Qwen3.8-Max在现有证据中也缺乏经过验证的规格或发布日期。关于马克·扎克伯格近期开源宣言的说法同样无法确认。

关于声明与来源的说明

本文基于截至2026年8月中旬的现有证据。所有关于模型能力的声明均来自开发者报告的基准测试和第三方评估（包括NIST的CAISI）。行业范围内对所有基准测试分数的独立验证仍在进行中。成本比较基于已发布的API token定价；实际每任务成本因任务复杂度、上下文长度和缓存命中率的差异而有显著变化。

标准费率下的定价为：每百万输入token 0.435美元，每百万输出token 0.87美元，缓存命中折扣高达97% 。在最大努力推理模式下，定价为每百万token 1.32美元/3.96美元 。

月之暗面 Kimi K3（2026年7月16日/27日）

月之暗面AI发布了它所谓的“全球首个3万亿参数级别的开源模型”——一个2.8万亿参数的MoE模型，每个token激活896个专家中的16个，拥有100万token的上下文窗口和原生的多模态（视觉+文本）能力 。完整权重于7月27日在Hugging Face上以修改版MIT许可证发布 。该模型已在Kimi.com、Kimi Work、Kimi Code和Kimi API上线 。

智谱AI GLM-5.2（2026年6月13日/16日）

这款模型开启了整个浪潮。GLM-5.2是一个7440亿参数的MoE模型，每个token激活约400亿参数，拥有100万token的上下文窗口，采用MIT许可证 。美国国家标准与技术研究院（NIST）的CAISI评估认为，其综合能力与2025年12月发布的GPT-5.2相当，网络能力与Claude Opus相近 。它在Terminal-Bench 2.1上得分81.0，在SWE-bench Pro上得分62.1——这是Artificial Analysis Intelligence Index上的开源模型最高分 。其API定价比Claude或GPT-5便宜约10倍 。

美团 LongCat-2.0（2026年6月30日）

这是一个1.6万亿参数的MoE模型（每个token激活约480亿参数），拥有100万token的上下文窗口，采用MIT许可证发布 。它的关键区别在于：这是首个完全基于国产芯片训练和运行的万亿参数模型——训练集群使用了5万块华为昇腾910B/C芯片 。根据美团的测试，它在软件工程基准测试上略胜GPT-5.5 。在正式发布前，它曾以“Owl Alpha”的代号悄然登顶OpenLLM排行榜 。API定价为每百万输入/输出token 0.75美元/2.95美元，发布促销价为0.30美元/1.20美元 。

与美国前沿模型的对比

更深远的影响

全球企业采用

中国以外的企业现在拥有了可信、低成本、开源的美国API模型替代品。GLM-5.2的MIT许可证没有任何地域限制，意味着任何公司都可以无限制地进行商业化的自托管部署 。这正在改变东南亚、中东、非洲和部分欧洲地区的采购决策。

出口管制的悖论

现有证据强烈支持一个论点：美国芯片出口管制至少在两个方面产生了反效果：

• 加速了国产芯片的成熟：LongCat-2.0在5万块国产华为昇腾处理器集群上完成训练，证明了在没有美国硬件的情况下进行前沿规模训练是可行的 。这比市场力量本身更快地催化了中国AI芯片生态系统的发展。
• 倒逼了算法效率革命：切断了高端GPU的充足供应后，中国实验室在MoE稀疏性、稀疏注意力机制和激活参数效率方面的优化比美国实验室更为激进。结果是，这些模型以极低的算力成本实现了可比的性能——带来了10-57倍的成本优势 。

尚未确认的信息

关于DeepSeek V4 Pro“每任务0.06美元”和Claude Opus 5“2.34美元”的具体定价未找到可佐证的来源。腾讯的Hy3和阿里巴巴的Qwen3.8-Max在现有证据中也缺乏经过验证的规格或发布日期。关于马克·扎克伯格近期开源宣言的说法同样无法确认。

关于声明与来源的说明

本文基于截至2026年8月中旬的现有证据。所有关于模型能力的声明均来自开发者报告的基准测试和第三方评估（包括NIST的CAISI）。行业范围内对所有基准测试分数的独立验证仍在进行中。成本比较基于已发布的API token定价；实际每任务成本因任务复杂度、上下文长度和缓存命中率的差异而有显著变化。