中國AI實驗室的逆襲：開放權重浪潮如何突破美國出口管制

從2026年6月中旬開始的八週內，中國AI實驗室接連發布一系列前沿模型，徹底重塑了全球AI格局。這股浪潮在8月13日達到頂峰，當天DeepSeek V4 Pro正式全面上市。但這個故事遠不止於單一產品的發布：它說明了旨在減緩中國AI進展的出口管制，反而催生了一個更高效、更自給自足，並且積極擁抱開放權重的競爭對手。如今，這個對手在能力上已能與美國前沿模型並駕齊驅，同時在價格上實現了數量級的壓倒性優勢。

推動這股浪潮的三股力量

三股互相強化的力量匯聚在一起，將數年的發展壓縮成了幾個月：

1. 出口管制壓力。 美國的晶片限制切斷了中國實驗室不受限制地獲取NVIDIA H100/B200 GPU的途徑，迫使它們轉向在國產硬體（如華為昇騰910B/C晶片）上進行創新，並為效率而非原始算力進行最佳化。美團的LongCat-2.0是最明顯的例子——它是首個完全在中國晶片上訓練和運行的兆級參數模型 。

2. 激烈的國內競爭。 十多家資金雄厚的實驗室——包括DeepSeek、Moonshot、智譜/Z.AI、美團、阿里巴巴、騰訊、百度、字節跳動——正在為聲譽、開發者關注度和企業採用率而競爭，這將發布週期壓縮到了幾週。

3. 作為地緣政治武器的開放權重策略。 中國實驗室正在以寬鬆的授權（MIT、修改版MIT）發布模型，且沒有任何地域限制，這與OpenAI和Anthropic日益封閉的策略形成了直接對比。這種策略正在贏得全球開發者的青睞 。

各款模型詳解

DeepSeek V4 Pro（2026年8月13日）

這款旗艦級產品為夏季浪潮畫下句點。DeepSeek V4 Pro是一個1.6兆參數的混合專家（MoE）模型，每個token有490億活躍參數，擁有100萬token的上下文視窗，並在三種推理模式（標準、高效、最大努力）下可輸出多達384,000個token 。在Terminal-Bench 2.1上，它獲得了87.9分——比四月份的預覽版提升了15.8%——其性能與Claude Fable 5相當，但成本僅約為其1/57 。路透社報導該模型「正在接近——在某些測試中甚至超越——Claude Fable 5」在AI代理和軟體工程基準測試上的表現 。

定價方面，標準模式下每百萬輸入token為0.435美元，每百萬輸出token為0.87美元，快取折扣最高可達97% 。在最大努力推理模式下，定價為每百萬token 1.32美元/3.96美元 。

Moonshot Kimi K3（2026年7月16日/27日）

Moonshot AI發布了其所謂的「全球首個3兆參數級別的開放模型」——一個2.8兆參數的混合專家模型，每個token啟動896個專家中的16個，擁有100萬token的上下文視窗和原生多模態（視覺+文字）能力 。完整權重已於7月27日在Hugging Face上以修改版MIT授權發布 。該模型已在Kimi.com、Kimi Work、Kimi Code和Kimi API上線 。

智譜AI GLM-5.2（2026年6月13日/16日）

這款模型開啟了整個浪潮。GLM-5.2是一個7440億參數的MoE模型，每個token約有400億活躍參數，擁有100萬token的上下文視窗，並採用MIT授權 。美國國家標準與技術研究院（NIST）的CAISI評估認為其整體能力與GPT-5.2（2025年12月發布）相似，其網路安全能力則與Claude Opus相當 。它在Terminal-Bench 2.1上獲得81.0分，在SWE-bench Pro上獲得62.1分——在Artificial Analysis Intelligence Index上排名最高的開放權重模型 。其API定價大約比Claude或GPT-5便宜10倍 。

美團 LongCat-2.0（2026年6月30日）

這是一款1.6兆參數的MoE模型（每個token約480億活躍參數），擁有100萬token的上下文視窗，並以MIT授權發布 。其最關鍵的區別在於：這是首個完全在中國國產晶片上訓練和運行的兆級參數模型——使用了50,000顆華為昇騰910B/C晶片組成的叢集 。根據美團的測試，它在軟體工程基準測試上略微超越了GPT-5.5 。在正式發布前，它曾以「Owl Alpha」的化名悄然佔據OpenLLM排行榜的榜首 。API定價為每百萬輸入/輸出token 0.75美元/2.95美元，發布促銷價為0.30美元/1.20美元 。

與美國前沿模型的對比

維度	中國前沿模型	美國前沿模型
能力對比	GLM-5.2 ≈ GPT-5.2 ；DeepSeek V4 Pro ≈ Claude Fable 5（多項基準測試）；LongCat-2.0聲稱在SWE-bench上超越GPT-5.5	OpenAI GPT-5.5、Anthropic Claude Fable 5/Opus、Google Gemini 3
成本優勢	中國模型每token或每項任務便宜10倍至57倍	美國模型收取高額API費用
開放性	MIT/修改版MIT開放權重授權；全球無限制存取	主要為封閉API；無權重發布
硬體限制	中國最佳模型現已完全在國產晶片上運行（LongCat-2.0 ）	美國模型可無限制使用NVIDIA H100/B200

更廣泛的影響

全球企業採用

中國以外的企業現在擁有了可靠、低成本、開放權重的替代方案，不再局限於美國的API模型。GLM-5.2的MIT授權沒有任何地域限制，意味著任何公司都可以在商業上不受限制地自行托管 。這正在改變東南亞、中東、非洲和部分歐洲地區的採購決策。

出口管制的悖論

證據有力地支持了這樣一個論點：美國的晶片出口管制至少在兩個方面產生了反效果：

• 加速了國產晶片的成熟：LongCat-2.0在由50,000顆中國製造的華為昇騰處理器組成的叢集上進行訓練，證明了在沒有美國硬體的情況下進行前沿規模訓練是可行的 。這比單純依靠市場力量更快地推動了中國AI晶片生態系統的發展。
• 強制驅動的演算法效率：在缺乏充裕高端GPU供應的情況下，中國實驗室比美國實驗室更加積極地優化了MoE稀疏性、稀疏注意力機制和活躍參數效率等架構。其結果是，在僅使用一小部分計算預算的情況下，便實現了可媲美的能力——帶來了10倍至57倍的成本優勢 。

有待確認的資訊

在現有證據中，未找到能夠證實DeepSeek V4 Pro「每項任務0.06美元」或Claude Opus 5「2.34美元」等具體定價的可靠來源。騰訊Hy3和阿里巴巴Qwen3.8-Max也缺乏經過驗證的規格或發布日期。關於馬克·祖克柏近期開放原始碼宣言的相關說法也無法得到證實。

關於論點與來源的說明

本文基於截至2026年8月中旬的現有證據。所有關於模型能力的論點均來自開發者報告的基準測試和第三方評估（包括NIST的CAISI）。所有基準測試分數的獨立驗證正在業界持續進行中。成本比較基於已公布的API token定價；實際的每項任務成本會因任務複雜度、上下文長度和快取命中率而有顯著差異。