前沿科技，數智經濟
這個十一黃金周，AI 圈真的很熱鬧。
10 月 1 日凌晨，OpenAI 深夜炸場，正式官宣新一代 AI 視頻模型 Sora 2，并直接上線了一個 AI 版的 " 抖音 " ——一個完全由 AI 來生成視頻的短視頻平臺。
就在 Sora 2 發布之前，這一輪的大模型發布其實已經卷起來了。
黃金周前夕，先是國內大模型公司深度求索宣布推出 DeepSeek-V3.2-Exp 實驗版模型，緊隨其后智譜 AI 正式發布新一代大模型 GLM-4.6。
中國大模型也引起了圖靈獎得主楊立昆的關注。就在 9 月 30 日，螞蟻集團旗下百靈大模型宣布開源其思考模型 Ring-1T 的預覽版 Ring-1T-preview，參數量達 1000B（1 萬億）。" 令人印象深刻，祝賀你們的團隊。" 在百靈最新思考大模型發布后，楊立昆在社交平臺上也給中國大模型點了贊。
而在大洋彼岸，Claude Sonnet 4.5 同期發布。谷歌 Gemini 3.0 也預計將在 10 月迎戰。
顯然，全球大模型進入了一個新的井噴期，各家在大模型產品和技術迭代上，都在明顯加速。據不完全統計，僅 9 月全球就有 15 家主流企業 / 機構發布了開源大模型，數量較 8 月激增 70%。
開源大模型的熱潮，也是開發者的盛宴。有開發者都在社交媒體上感慨：一天測了 3 個模型，還有一個沒測試，這還只是周一 ......
在這其中，中國大模型憑借場景化能力，正撕開半壁江山。
據光錐智能觀察來看，這一波 AI 大模型的更新，更聚焦在細分場景中，比如智譜最新大模型在編程方面的能力更加突出，螞蟻的百靈大模型則聚焦在自然語言推理領域。
更為重要的一點在于，當 OpenAI 開始學字節跳動做產品時，大模型市場的游戲規則變了。如果說，2023 年討論大模型參數天花板，那么，2025 年，大模型真正的戰場則在場景適配與效率革命。
從 OpenAI 的 Sora 2 到螞蟻的萬億推理模型，新一輪的大模型 " 軍備競賽 " 已然打響，而行業共識則愈發清晰：大模型已從 " 通用能力比拼 " 邁入 " 細分技術突圍 " 的深水區。
那么，在這新一輪 AI 大模型競賽中，后來者又該如何在開源生態中突圍？
深度盤點 9 月大模型
AI 大模型 " 百花齊放 "
金九銀十的月份，各行各業都在持續加碼，大模型賽道也同樣 " 卷 " 的不行。
據不完全統計，在剛剛過去的 9 月，全球數十家企業共計發布了 40 多款大模型產品，涵蓋基礎通用大模型、深度思考推理大模型、編程、具身智能、翻譯、視頻生成等不同細分賽道。
（海外開發者統計的部分9 月開源模型）
具體來看，這些模型有的側重高效推理，如帶 "Flash" 字樣的螞蟻集團 inclusionAI 的 Ring-flash-linear-2.0、美團 LongCat Flash Chat；有的則聚焦多模態能力，如阿里通義 Qwen3-VL；也有的針對輕量化 / 移動端，如 Meta AI 發布的 MobileLLM-R1-950M、螞蟻 Ling-mini-2.0、Ring-mini-2.0 等。
可以很明顯看到，9 月份 AI 大模型 " 通用能力、專用場景、部署形態 " 等維度的全面發展，不同廠商、不同技術路線的大模型 " 百花齊放 "，構成了豐富的 LLM 生態。
在這其中，中國大模型產品占據半壁江山，并與海外市場的大模型產品形成了技術分化。
具體來看，相比較此前各家關注的參數規模競賽，現已經讓位于效率革命，MoE（混合專家模型）架構成為絕對主流。
如螞蟻百靈大模型最新開源的 Ring-1T-preview，其底座 Ring-1T 是一個擁有萬億參數的深度思考模型，該開源模型延續 Ling 2.0 高效 MoE 架構，在 20T 高質量語料上完成預訓練，結合此前公開的棒冰（icepop）方法，在自研高效強化學習系統 ASystem（其中 AReaL 框架已開源）上進行針對推理能力的 RLVR 訓練。
有蘋果工程師在單個 M3 Ultra 芯片上運行 Ring-1T-preview，量化的效果接近 GPT-5，還能直接生成《太空侵略者》小游戲。
（蘋果工程師量化后部署 Ring-1T-preview，游戲模擬效果）
這種 " 大參數儲備 + 小參數激活 " 的范式，解決了 " 性能與成本 " 的核心矛盾，使超大規模模型從實驗室走向具體行業場景。
從對開發者開放角度來看，海外陣營中，谷歌 EmbeddingGemma 主打端側隱私嵌入，Anthropic 開放 Claude Code API，仍停留在工具型開源。
但相比較來說，中國大模型產品更注重場景化能力，比如螞蟻專攻自然語言推理，騰訊突破小語種翻譯，形成 " 場景驅動型開源 "。
這種差異在落地效果上立竿見影。如快手將 Keye-VL 1.5 嵌入審核系統，違規識別準確率達 98.7%；愛詩科技的 AI 插畫模型對接電商平臺，把詳情頁制作成本降低 80%。
事實上，中國大模型產品已經在各個細分領域全面開花，比如語音交互中，階躍星辰 Step-Audio 2 mini 支持語音直接調用工具，某智能音箱廠商反饋 " 喚醒準確率提升至 99.2%"；螞蟻健康管家 AQ 產品識別報告、藥盒、皮膚病等醫療圖像準確率達 90% 以上，包括對 100 多種復雜多頁檢查報告的識別與解讀。
在翻譯領域，騰訊 Hunyuan-MT-7B 在 30 個語種翻譯中奪冠，跨境電商賣家實測 " 小語種轉化率提升 27%"；同時，3D 生成賽道中，騰訊混元 Voyager 可實現原生 3D 重建，游戲公司開發者稱 " 場景制作周期從 1 周縮至 4 小時 "。
另外，值得關注的一點是，相比于大模型創業公司的單點輸出，聚焦某一個細分行業，中國互聯網大廠們正逐漸形成體系化的產品更新，覆蓋基礎通用大模型、深度思考大模型、編程大模型、多模態大模型、視頻生成大模型等多品類大模型產品，典型的產品就是阿里巴巴旗下的通義千問、騰訊的混元大模型、字節跳動的豆包大模型等。
而這種生態優勢，也正在轉化為全球影響力。據 Hugging Face 最新數據顯示，中文開源模型的 fork 量在 9 月增長 180%。9 月 Hugging Face 榜單顯示，阿里通義 7 款模型占據全球前十開源模型席位，Qwen3-Omni 登頂榜首，標志著中國從 " 開源參與者 " 升級為 " 生態定義者 "。
（9 月 28 日， Hugging Face 模型榜單）
而中國大模型的 " 技術普惠 + 商業賦能 " 的開源模式，正在重塑全球 AI 產業格局。
"2023 年我們追著 OpenAI 跑，2025 年在金融推理、中文語音等領域，國外團隊開始抄我們的作業。"一位深耕 AI 的連續創業者的調侃，道出了中國開源的新底氣。
模型開源競爭激烈
新來者蓄勢待發
為什么中國大模型能夠如此快速實現趕超？
這背后離不開開源戰略的選擇。據《全球大模型開源生態報告》顯示，中美開發者貢獻占比超四成，尤其是中國廠商非常注重以 " 開放策略 " 搶占生態主動權。而就在今年初，始終堅持閉源路線的 OpenAI 也開始走開源路線。
相比較來說，中國最早且始終堅持走開源路線的阿里通義千問，已經在開源生態中占據了領導地位。那么，后來者還有機會嗎？
9 月，螞蟻集團旗下百靈大模型以平均每 4 天一款的速度，密集發布了 7 款大模型：
5 日推出 " 端側雙雄 "Ling-mini-2.0 與 Ring-mini-2.0；12 日上線 MoE 架構的 Ling-flash-2.0，19 日上線 Ring-flash-2.0；26 日推出 2 款混合架構推理優化模型 Ring-flash-linear-2.0 與 Ring-mini-linear-2.0；30 日以萬億參數的 Ring-1T-preview 壓軸。
模型剛發布完，Ring-1T-preview 就登上了開源社區 Hugging Face 模型趨勢榜第三，第四名也是螞蟻 inclusionAI 社區的 Ring-flash-linear-2.0。
放眼全球，這個月只有螞蟻的開源大模型數量，能比肩阿里通義千問。可以說，螞蟻已經成為了開源大模型的新晉 " 攪局者 "。
從阿里、智譜、螞蟻等身上也能看到，中國的開源大模型尤其擅長 " 組合拳 " —— " 全類型覆蓋、全尺寸適配、全鏈條開源 "。
這種模型版圖早已突破語言模型的單一維度，構建起 " 基礎通用 + 垂直專業 " 的完整矩陣：
以螞蟻為例，在語言和推理上，Ling 系列作為基座模型，通 MoE 架構優化實現 " 思考效率躍升 "。最新 Ling-flash-2.0 在 AIME 數學競賽、CodeForces 編程任務中超越 GPT-OSS-120B 等大模型，尤其在前端研發場景，經 WeaveFox 團隊聯合優化后，能同時滿足 UI 布局功能性與美學需求。而 Ring-1T-preview 更將推理精度推至新高度，92.6 分的 AIME 成績僅比 GPT-5 低 2 分。
多模態深度融合能力上，Ming-lite-omni 系列實現 " 能看、能聽、能說、能畫 " 的全感官交互，發布一周內就被社區貢獻出消費級顯卡可運行的量化版本，其 1.5 版一度登頂 Hugging Face 趨勢榜榜首。其創新的視覺增強獎勵（VAR）機制，解決前端開發中 " 功能與美學脫節 " 的行業痛點。
而在垂直場景中，依托螞蟻在金融、醫療領域的場景積累，模型在專業數據上完成針對性訓練。例如醫療模型通過結構化病歷語料優化，民生服務場景模型已支撐社保查詢、政務辦理等實際應用。
顯然，這種布局跳出了 " 為技術而技術 " 的陷阱，每個模型都錨定明確的產業價值。
另外，在參數膨脹與落地難的矛盾中，螞蟻走出了一條 " 全尺寸彈性適配 " 的差異化路徑，實現從消費級設備到云端算力的無縫覆蓋。
如 Ling-mini-2.0 以 1B 以下激活參數實現蘋果設備本地運行，響應速度較同類模型提升 2 倍，可解決隱私敏感場景下的 " 云端依賴癥 "。開發者可直接部署輕量化問答、本地翻譯等應用。
其 Ling-flash-2.0 僅激活 6.1B 參數，卻能達到 40B Dense 模型的效果，在 H20 平臺實現 200+tokens/s 的生成速度，部署成本降低 60% 以上。這種 " 以小博大 " 的能力，讓中小企業無需重金算力即可享受大模型紅利。
而 Ming-lite-omni 1.5 在保持文本、圖像、語音融合能力的同時，通過 INT8 量化技術適配消費級顯卡，成為短視頻創作、智能硬件交互等場景的首選開源方案。
更為重要的是，其 Ring-1T-preview 的開源打破了萬億參數模型的閉源現狀，其基于 Ling-2.0 MoE 架構和 20T 語料訓練的技術底座，讓全球開發者首次能接觸到頂尖推理能力的模型權重。
從 " 口袋里的 AI" 到 " 云端超腦 "，螞蟻用四級尺寸矩陣，覆蓋了從個人開發者到企業級用戶的全場景需求，這正是其開源生態快速起量的關鍵。
螞蟻在大模型賽道異軍突起并非偶然，一方面其能夠快速把握行業發展趨勢，讓大模型的迭代不再陷入參數競賽，而是敢于攻克 " 難而正確的事 "。
深扒螞蟻發起的 inclusionAI 社區就會發現，他們毫不吝嗇的分享了很多在 AI 技術上的關鍵技術思考和進展。比如，螞蟻發現了 " 編輯式圖像分割 " 這個技術，對于多模態模型的生成和理解的統一有著非常好的作用，堪比關鍵的 " 催化劑 "，立馬就發文分享給所有開發者。
另一方面，當前大模型開源已經進入全棧競爭時代，單純開放模型權重已無法形成壁壘，螞蟻通過 ATorch 框架、數據標準、強化學習工具的協同開源，構建了 " 接入 - 訓練 - 部署 " 的閉環生態，這有可能成為未來開源競爭的核心護城河。
中國廠商的全維度開源，正吸引全球開發者向中文生態聚集。開源模式將加速模型的迭代，中國大模型產業或將走出一條 " 生態換市場、開放換速度 " 的崛起之路。
場景里的 AGI，中國走在前面
閉源模型更多承擔 " 技術標桿 " 角色，但開源模型已成為產業落地的核心載體。
中國大模型生態正憑借對產業的深度理解和扎根具體場景化的能力，正走在全球 AI 產業的前列。
在這個 AI 黃金周，我們看到的不僅是技術突破，更是一種全新的發展邏輯：不追求 " 全能冠軍 "，而是爭當 " 單項尖兵 "；不止步于模型開源，更聚焦于生態落地。
當全球都在學習 " 場景化思維 "，中國團隊早已手握先發優勢。
這或許就是國產大模型 " 不止半壁江山 " 的真正密碼：AGI 從不是遙不可及的神話，而是在企業 AI 數字員工扎根業務場景，AI 智能客服更具備個性化能力，借助 AI 人人都可以進行編程等場景中，被無數個具體的技術突破匯聚而成的浪潮。
而這股浪潮，正從中國駛向全球。
光錐智能"AI 交流群 "已建立，
感興趣的朋友可以添加小助手微信（GZZN2019）溝通進群。
聯系我們
王一粟
創始人 / 主編
ID：cishicike000
※添加時請備注公司 + 姓名 + 來意
