定價方面，標準模式下每100萬個輸入token盛惠$0.435，每100萬個輸出token盛惠$0.87，緩存折扣最高達97%。最高努力推理模式下，每100萬個token嘅價格係$1.32/$3.96。

Moonshot Kimi K3（2026年7月16日/27日）

Moonshot AI發布咗佢哋稱為「全球首個3萬億參數級別嘅開源模型」——一個2.8萬億參數嘅混合專家模型，每個token由896個專家入面啟用16個，有100萬個token嘅上下文窗口，仲支援原生多模態（視覺+文字）。完整嘅權重喺7月27日喺Hugging Face上發布，採用修改版MIT許可證。而家可以喺Kimi.com、Kimi Work、Kimi Code同Kimi API上面用到。

智譜AI GLM-5.2（2026年6月13日/16日）

呢個係成個浪潮嘅開端。GLM-5.2係一個7440億參數嘅混合專家模型，每個token大約啟用400億個參數，有100萬個token嘅上下文窗口，用MIT許可證。NIST嘅CAISI評估話，佢嘅整體能力同GPT-5.2（2025年12月發布）差唔多，網絡安全能力就同Claude Opus相若。喺Terminal-Bench 2.1拎到81.0分，喺SWE-bench Pro拎到62.1分——係Artificial Analysis Intelligence Index入面最高分嘅開源權重模型。API定價大約係Claude或GPT-5嘅十分之一。

美團 LongCat-2.0（2026年6月30日）

一個1.6萬億參數嘅混合專家模型（每個token啟用約480億個參數），有100萬個token嘅上下文窗口，用MIT許可證發布。佢最關鍵嘅賣點：係第一個完全喺國產芯片上訓練同運行嘅萬億參數模型——用咗一個由50,000塊華為昇騰910B/C芯片組成嘅集群。根據美團自己嘅測試，佢喺軟件工程基準測試上輕微超越GPT-5.5。正式發布之前，佢一直以「Owl Alpha」呢個代號靜靜雞佔據OpenLLM排行榜榜首。API定價係每100萬個輸入/輸出token要$0.75/$2.95，發布優惠價係$0.30/$1.20。

同美國前沿模型嘅比較

更廣泛嘅影響

全球企業採用

中國以外嘅企業而家有可靠、低成本、開源權重嘅選擇，可以取代美國嘅API模型。GLM-5.2嘅MIT許可證冇任何地區限制，任何公司都可以無限制噉商業自托管。呢個趨勢正喺影響東南亞、中東、非洲同部分歐洲地區嘅採購決策。

出口管制嘅反效果

證據強烈顯示，美國嘅芯片出口管制最少喺兩個方面適得其反：

• 加速國產芯片技術成熟：LongCat-2.0喺一個由50,000塊中國製造嘅華為昇騰處理器組成嘅集群上訓練，證明咗冇美國硬件都可以做到前沿規模嘅訓練。呢個比市場力量更快咁推動咗中國AI芯片生態系統嘅發展。
• 逼出算法效率：冇咗充足嘅高端GPU供應，中國實驗室比美國實驗室更加進取咁優化MoE稀疏性、稀疏注意力同活躍參數效率呢啲架構。結果就係，可以用少好多嘅計算資源達到同等嘅能力——成本優勢達到10倍至57倍。

有啲乜嘢仲未確認？

DeepSeek V4 Pro「每個任務$0.06」同Claude Opus 5「$2.34」呢啲特定價格，搵唔到任何可靠來源證實。Tencent Hy3同Alibaba Qwen3.8-Max呢兩個模型都冇確切嘅規格或者發布日期。關於Mark Zuckerberg最近嘅開源宣言嘅聲稱，亦都冇辦法證實。

關於聲稱同來源嘅說明

呢篇文章係基於截至2026年8月中嘅可用證據。所有關於模型能力嘅聲稱，都係嚟自開發者報告嘅基準測試同第三方評估（包括NIST嘅CAISI）。業界而家仍然緊密進行緊獨立驗證所有基準分數。成本比較係基於已公布嘅API token定價；實際每個任務嘅成本會因為任務複雜度、上下文長度同緩存命中率而有好大差異。

定價方面，標準模式下每100萬個輸入token盛惠$0.435，每100萬個輸出token盛惠$0.87，緩存折扣最高達97%。最高努力推理模式下，每100萬個token嘅價格係$1.32/$3.96。

Moonshot Kimi K3（2026年7月16日/27日）

Moonshot AI發布咗佢哋稱為「全球首個3萬億參數級別嘅開源模型」——一個2.8萬億參數嘅混合專家模型，每個token由896個專家入面啟用16個，有100萬個token嘅上下文窗口，仲支援原生多模態（視覺+文字）。完整嘅權重喺7月27日喺Hugging Face上發布，採用修改版MIT許可證。而家可以喺Kimi.com、Kimi Work、Kimi Code同Kimi API上面用到。

智譜AI GLM-5.2（2026年6月13日/16日）

呢個係成個浪潮嘅開端。GLM-5.2係一個7440億參數嘅混合專家模型，每個token大約啟用400億個參數，有100萬個token嘅上下文窗口，用MIT許可證。NIST嘅CAISI評估話，佢嘅整體能力同GPT-5.2（2025年12月發布）差唔多，網絡安全能力就同Claude Opus相若。喺Terminal-Bench 2.1拎到81.0分，喺SWE-bench Pro拎到62.1分——係Artificial Analysis Intelligence Index入面最高分嘅開源權重模型。API定價大約係Claude或GPT-5嘅十分之一。

美團 LongCat-2.0（2026年6月30日）

一個1.6萬億參數嘅混合專家模型（每個token啟用約480億個參數），有100萬個token嘅上下文窗口，用MIT許可證發布。佢最關鍵嘅賣點：係第一個完全喺國產芯片上訓練同運行嘅萬億參數模型——用咗一個由50,000塊華為昇騰910B/C芯片組成嘅集群。根據美團自己嘅測試，佢喺軟件工程基準測試上輕微超越GPT-5.5。正式發布之前，佢一直以「Owl Alpha」呢個代號靜靜雞佔據OpenLLM排行榜榜首。API定價係每100萬個輸入/輸出token要$0.75/$2.95，發布優惠價係$0.30/$1.20。

同美國前沿模型嘅比較

更廣泛嘅影響

全球企業採用

中國以外嘅企業而家有可靠、低成本、開源權重嘅選擇，可以取代美國嘅API模型。GLM-5.2嘅MIT許可證冇任何地區限制，任何公司都可以無限制噉商業自托管。呢個趨勢正喺影響東南亞、中東、非洲同部分歐洲地區嘅採購決策。

出口管制嘅反效果

證據強烈顯示，美國嘅芯片出口管制最少喺兩個方面適得其反：

• 加速國產芯片技術成熟：LongCat-2.0喺一個由50,000塊中國製造嘅華為昇騰處理器組成嘅集群上訓練，證明咗冇美國硬件都可以做到前沿規模嘅訓練。呢個比市場力量更快咁推動咗中國AI芯片生態系統嘅發展。
• 逼出算法效率：冇咗充足嘅高端GPU供應，中國實驗室比美國實驗室更加進取咁優化MoE稀疏性、稀疏注意力同活躍參數效率呢啲架構。結果就係，可以用少好多嘅計算資源達到同等嘅能力——成本優勢達到10倍至57倍。

有啲乜嘢仲未確認？

DeepSeek V4 Pro「每個任務$0.06」同Claude Opus 5「$2.34」呢啲特定價格，搵唔到任何可靠來源證實。Tencent Hy3同Alibaba Qwen3.8-Max呢兩個模型都冇確切嘅規格或者發布日期。關於Mark Zuckerberg最近嘅開源宣言嘅聲稱，亦都冇辦法證實。

關於聲稱同來源嘅說明

呢篇文章係基於截至2026年8月中嘅可用證據。所有關於模型能力嘅聲稱，都係嚟自開發者報告嘅基準測試同第三方評估（包括NIST嘅CAISI）。業界而家仍然緊密進行緊獨立驗證所有基準分數。成本比較係基於已公布嘅API token定價；實際每個任務嘅成本會因為任務複雜度、上下文長度同緩存命中率而有好大差異。