导语：基础技术积累已经形成，下一阶段还有很多问题没有答案，希望国模能够成为下一轮技术突破的探索者，而不只是追赶者。

雷递网 雷建平 11月3日

最近，中国大模型行业的舆论风向有些微妙。

过去一年，国模的参数规模不断扩大，开源模型在全球开发者社区快速普及，Token价格一降再降。但当市场开始重新审视模型能力、商业收入和研发投入，中美大模型之间的差距，又一次被摆到了台面上。

10月27日，Artificial Analysis更新了Intelligence Index。新版本引入更多私有评测和真实任务，Claude Opus 5.5以58分领先，Kimi K3.1 Pro获得46分；已发布权重的DeepSeek V4.1 Flash和GLM-5.3均为32分。

几乎同一时间，Anthropic走向资本市场。11月2日更新的招股书显示，2026年前三季度，Anthropic收入达到332.42亿美元，同比增长约13倍；算力与基础设施开支达到188.08亿美元。

美国头部实验室已经开始利用技术、资本、算力和企业客户收入，建立下一阶段的竞争优势。

但另一组数字，呈现了不同的景象。

根据OpenRouter的统计，10月5日至11月1日，中国模型贡献了平台65%的Token用量，对应的标价支出份额却只有29%；美国模型贡献25%的Token，却对应61%的支出。

具体到公司，DeepSeek供应了约32%的Token，对应6%的支出；Anthropic只有7%的Token用量，却对应40%的支出。

OpenRouter只是全球模型API市场的一部分，标价支出也不等于厂商实际收入。但这组数据已经足够说明一个问题：中国模型正在成为全球智能服务的重要供给方，却还没有获得与使用规模相匹配的商业价值。

过去几年，国模在工程效率和成本控制上进步很快。但如果只能用更低的价格提供接近前沿的能力，这门生意能否持续支撑高成本的基础模型研发？市场的担忧由此而来。

与此同时，大模型产业正在经历一轮重要变化。从Coding到Agent，再到Computer Use，模型不再只是回答问题，而是开始进入真实环境、完成复杂工作。训练方法、数据需求和商业模式，都在随之改变。

对于中国模型企业，这意味着新的挑战，也可能是重新建立竞争优势的机会。

一、智能上界，仍然有新的解法

过去几年，中国模型在工程效率上的创新，已深刻改变全球大模型的成本结构。MoE、稀疏注意力、低精度训练、推理加速和软硬件协同，让越来越强的模型能够以更低成本训练和部署。但模型研发还有另一个更重要的问题：如何在有限计算***下，继续提高智能上界？

中国企业正在探索不同的答案。

DeepSeek更重视改变模型的计算结构。9月发布的DeepSeek V4.1 Flash***用552B参数的MoE架构，引入非对称Causal Encoder–Decoder设计，输入侧仅激活约8B参数，输出侧约16B。相较前代，KV Cache对高带宽显存的需求降至四分之一，对SSD存储的需求降至八分之一。

这类架构创新不只是降低推理成本，也为长上下文处理和更大规模模型的训练、部署打开新的效率空间。

智谱的技术积累则可以追溯到更早。2022年，智谱与清华团队开源GLM-130B，一个1300亿参数的中英双语预训练模型。当时，能够完成千亿参数模型训练并开放权重的研究团队并不多。

GLM-130B的论文记录了大规模训练中的Loss Spike、训练发散等问题，以及稳定训练所***用的技术方案。团队还研究了INT4量化，使千亿参数模型可以在4张RTX 3090上运行。

到了今年8月，智谱发布GLM-5.3-Flash，重新设计基座架构和训练方案。

模型总参数320B，每Token仅激活18B参数，***用45层网络结构，引入稀疏注意力与线性注意力的混合架构，以及Manifold-Constrained Hyper-Connections，并使用30万亿Token多模态预训练数据。

根据官方披露，相较GLM-5.3，新架构的注意力计算量减少约三分之二，KV Cache规模降低约77%，同时保持较强的Coding和Agent能力。

从千亿参数稳定训练，到混合注意力与计算结构优化，智谱在持续研究如何让模型获得更高的有效计算效率。

阿里千问则在更大规模的基座上继续投入。Qwen3.8-Max总参数达到2.4万亿，结合百万级上下文、多模态能力和阿里云基础设施，探索更大模型的能力边界。

这几条路线并不冲突。更大的模型规模、更高效的计算架构和更好的训练数据，都可能带来下一轮能力突破。

尤其是随着万亿参数MoE成为重要技术路线，稳定预训练本身仍有大量问题值得研究：Loss Spike、专家负载失衡、路由塌缩、Attention Logit异常、新优化器的超参数迁移，以及数据配比、Mid-training和学习率退火的设计。这些细节会影响模型最终的知识表示、推理潜力和可扩展性。

今年以来，Anthropic和OpenAI持续加强模型访问控制和反蒸馏措施，也让自主研究的重要性进一步提高。蒸馏可以帮助学生模型高效迁移已有能力，但要探索尚无成熟答案的新任务，最终仍然需要自己的数据、训练方法和实验体系。

国模已经积累了扎实的工程能力。下一阶段，更值得期待的是这些能力与基础研究的结合。这其中最重要的***之一，是人才。能够提出正确问题、设计关键实验，判断能力增长是真实信号还是评测噪声的人，比单纯熟悉训练流程的人更加稀缺。

中国拥有庞大的算法与工程人才群体。随着基础模型研发持续深入，一批长期研究模型架构、优化算法和大规模训练的团队，正在成为下一轮技术创新的基础。而预训练之外，强化学习正在打开另一条能力增长曲线。

二、后训练，正在打开新的技术空间

过去，大模型主要从静态语料中学习。进入Agent时代，模型开始通过行动改变环境，再从环境反馈中学习。

一个Coding Agent不仅需要生成代码，还要读取仓库、安装依赖、运行测试、修改文件，并根据执行结果不断调整。

这种训练方式对环境、奖励和算法提出了全新要求。环境必须可运行、可复现、可重置，能够支持大规模并行训练。任务难度还要接近模型当前的能力边界：太简单没有学习梯度，太难则难以获得有效反馈。

奖励需要尽可能准确地定义任务完成。编程和数学可以利用单元测试、编译结果和答案验证；金融、法律、研究等开放任务则需要Rubric、生成式奖励模型、过程奖励和多层验证，还要防止模型修改测试、绕过校验等Reward Hacking行为。

算法需要解决长程任务中的信用分配、异步RL的Off-policy偏差、熵塌缩、探索不足，以及长轨迹中的上下文压缩和记忆问题。这些难题仍没有公认的完整答案，也意味着新的研究空间。

Kimi和智谱正在沿着这个方向取得进展。

10月发布的Kimi K3.1 Pro，在Kimi K3基础上进一步扩大强化学习计算，并优化RL框架、Sandbox、Rollout调度和环境质量检查。在Artificial Analysis的Terminal-Bench 4.0评测中，其成绩达到67%，已经接近当时最强的闭源模型。

智谱GLM-5.3则沿用GLM-5.2基座，将主要能力增量投入长程任务环境和强化学习。

根据技术报告，其训练系统通过研究Agent从真实工作中提取任务模式，自动构造可执行环境，再由Judge Agent检查任务是否可完成，通过验证器和多层检查发现奖励漏洞。

训练任务已经延伸到机器学习基础设施优化：模型需要分析计算集群、存储系统、代码和实验结果，找到性能瓶颈，完成优化并验证实际效果。

智谱披露，GLM-5.3在内部Code Bench上的端到端完成表现较GLM-5.2提高约50%；通过异步调度和Rollout优化，长程Coding RL训练吞吐量提高2.3倍以上。

这些进展表明，大模型的能力增长正在形成新的技术体系：基座模型提供基础能力，复杂环境产生训练任务，奖励系统提供反馈，强化学习持续提高任务完成能力。

更值得期待的是模型参与自身训练的可能性。从人类构造任务、模型学习任务，逐步走向模型自己生成任务、构建环境、执行实验、验证结果，再利用反馈改进能力。这条路线仍面临验证器可靠性、自我强化偏差和奖励漏洞等问题。尤其是当生成器能力超过验证器时，模型可能不断强化错误。但如果能够建立可靠的生成、验证和学习闭环，大模型研发的效率和能力增长方式，都有可能发生重要变化。

三、数据产业的下一次升级，机会可能在中国

强化学习的发展，还可能重新定义数据产业。

中国拥有成熟的数据服务供应链、大量软件工程师和丰富的产业场景。但新一代Agent训练需要的，已经不只是文本标注和人工评价。

高质量训练数据的交付物，正在转向可执行环境、验证器和专家轨迹。例如，训练一个财务Agent，需要构造包含多份财报、数据冲突和业务约束的工作空间，让模型完成核对、计算、分析和交付，再验证任务结果。

这要求数据服务商不仅懂业务，还要具备软件工程、Sandbox构造、Reward设计，甚至基础强化学习实验能力，判断环境能否持续产生有效学习信号。

海外已经出现Mercor等围绕专业知识和高质量AI训练数据建立业务的公司。中国同样有机会培育一批技术密集型的数据服务企业。

路径至少有两条：传统数据公司引入RL和Agent人才，升级为训练环境供应商；已有的RL、Agent公司则利用软件工程和行业经验，向基础模型企业提供复杂任务环境。由此可能形成一种新的商业模式：Environment as a Service，环境即服务。

客户购买的不再只是数据条数，而是能够持续训练模型的环境、验证器和有效学习信号。更进一步，环境构造本身也在自动化。

GLM-5.3的技术报告已经展示自动生成任务环境和部分验证机制的流程。随着这种能力扩大，标准化环境的生产成本可能快速下降。

人的价值将进一步集中到自动生成器覆盖不到的环节：真实业务长尾、企业私有场景、复杂行业知识，以及对自动生成环境进行质量评估的能力。

未来甚至会出现专门评估训练环境的“环境的环境”，用来判断任务难度是否合理、奖励是否存在漏洞、模型究竟能从中学到什么。

中国的制造、金融、软件开发、电子商务和专业服务领域，拥有大量复杂而具体的工作流程。过去，这些场景更多被视为AI应用市场。Agent时代，它们还可能成为下一代模型的训练***。

能否把真实产业知识转化为可复现、可验证、可规模化的学习环境，将决定这种***优势能够释放多少价值。

四、大模型开始干活，中国市场的机会正在扩大

训练方法发生变化，是因为模型的工作正在发生变化。

从Coding到Agent，再到Computer Use，模型逐渐进入计算机环境，承担越来越复杂的任务。Coding最先取得突破，因为代码可以执行、测试，能够形成相对清晰的训练反馈。

Agent需要多步决策、异构工具调用、外部状态维护和长期规划，奖励往往稀疏且延迟。

Computer Use则进一步要求模型理解GUI、完成视觉Grounding，并在不断变化的软件界面中***取行动。

每向前一步，都需要足够多的基础数据、足够广的训练环境、足够复杂的任务，以及足够精准的轨迹与反馈。

计算机之外，还有与物理世界交互的机会。

机器人、工业控制、自动化设备和实验室系统，都需要模型理解环境、执行动作并根据反馈调整。物理环境难以复制，训练成本和安全要求更高，但也对应着更广阔的产业空间。这些变化正在改变模型的商业价值。

过去，用户主要按Token购买智能服务；现在，越来越多的企业开始按最终任务结果衡量AI。

完成一次软件开发任务、交付一份可复核的分析报告、自动处理一项业务流程，其价值不只取决于消耗多少Token，而取决于任务成功率、人工接管比例和整体交付成本。

一个价格较高的模型，如果能够用更少的步骤完成工作，也可能比低价模型更经济。

Kimi K3.1 Pro上线后出现的额度消耗问题，反映的正是这一变化：复杂Agent能力提高了，但子Agent调用和长程推理也增加了使用成本。如何以合理成本交付高质量任务，将成为下一阶段重要的竞争指标。

不同中国企业正在寻找自己的市场位置。

MiniMax从语音、***和AI原生应用起步，逐步强化Coding、Agent和Computer Use。10月发布的M3.1 Flash，重点优化推理速度和成本，官方披露成本较此前版本下降约70%。

2026年上半年，MiniMax收入达到1.166亿美元，同比增长283.1%；其中开放平台及企业服务收入7390万美元，占总收入的63.4%。

千问和混元则拥有大型科技公司的生态优势。阿里可通过阿里云、QwenWork进入企业和办公流程；腾讯则通过腾讯云、CodeBuddy、WorkBuddy，将混元能力融入软件开发和生产力场景。

腾讯8月发布的Hy4 preview总参数770B、激活参数49B，重点面向编程、办公与科研。腾讯还披露，模型通过分析并优化自身推理基础设施，在内部实验中将端到端吞吐量提高31.8%。

这些路径说明，AI的价值正从模型API延伸到软件、工具和完整业务流程。

中国既有独立模型企业，也有庞大的软件与互联网生态，还有制造业和专业服务中的复杂场景。随着Agent真正开始承担工作，模型能力、系统工程和行业知识之间会产生更多新的组合。

五、从全球用量，到全球价值

如果说技术和应用创造了新机会，那么商业化需要回答的，是如何让这些机会支持长期研发。

Anthropic的招股书已经证明，高价值企业客户愿意为可靠的智能服务持续付费。但这种增长也需要巨大投入：2026年前三季度，其算力与基础设施开支达到188.08亿美元，并签下了规模庞大的长期算力***购协议。

中国模型目前的一个优势，是已经通过开放权重、效率创新和价格竞争进入全球开发者生态。

接下来的机会，是建立更加多元的商业模式：基础模型API、订阅产品、企业服务、推理基础设施，以及面向具体任务的Agent产品。

智谱近期的OpenRouter表现，提供了一个值得观察的案例。

根据11月初一组统计快照，GLM-5.3 Flash近7天调用量约15万亿Token，位列全站第二，环比增长13%；近30天约55.1万亿Token，与此前30天基本持平。

GLM-5.3近7天和近30天均位列第十，近30天调用量约19.1万亿Token，环比增长54%。模型发布后的第二个月，用量高于第一个月。

更有意思的是价格。GLM-5.3的OpenRouter标价约为DeepSeek V4.1 Flash 1017的7至9倍，而Token用量约为后者的十一分之一。

这并不能直接推导出模型能力的差距，却说明中国模型正在形成不同的价格与使用量组合。对于部分开发者来说，模型的复杂任务能力、长程可靠性和整体交付成本，已经可能比单Token价格更加重要。

智谱的财务数据也显示出商业模式的变化。

2026年上半年，智谱收入达到9.54亿元，同比增长399.7%；其中开放平台及API收入8.25亿元，同比增长约2736%，占总收入的86.5%。

相比过去以本地化部署为主的业务结构，标准化模型调用已经成为主要收入来源。

另一项进展来自推理基础设施。智谱披露，已在十万级国产芯片规模上实现模型推理，并通过系统优化，将单位Token推理成本较年初降低约80%。从基座架构、后训练到推理成本和API收入，技术效率正在直接影响模型企业的商业能力。但开放权重也带来了新的商业问题。

模型发布之后，第三方推理服务商可以部署同一模型，与原始研发企业竞争。Epoch AI曾观察到，GLM-5.3 Flash开放权重后约20天，智谱自身承接的该模型OpenRouter Token份额从88%下降至22%。

模型使用量增长，并不意味着所有商业收入都会流向原始研发公司。

因此，未来开源模型的竞争，不仅是扩大开发者覆盖，还包括能否通过更好的模型能力、产品体验、推理服务和企业关系，形成稳定的收入来源。

DeepSeek以架构创新和高性价比扩大开发者生态；Kimi向更高的智能上限和复杂任务投入；智谱尝试连接基础研究、后训练、国产推理和API商业化；MiniMax同时经营全球AI产品与企业服务；阿里、腾讯则可以通过已有的云计算和软件业务获取模型价值。

不同路径都已经出现了实际进展。

而随着AI从卖模型转向提供工作成果，中国企业也有机会建立不完全依赖低价竞争的商业能力。

六、下一轮竞争，中国需要更多这样的团队

机遇正在出现，挑战当然也还存在。

前沿模型研发依然高度依赖算力，国产芯片在推理侧的进步，还需要进一步向大规模训练和完整软件生态延伸。

高质量训练环境也不是有了行业数据就能自动获得。环境构造、奖励验证和专业任务设计，需要更加紧密的产业合作。

同时，随着Agent进入真实工作系统，权限控制、数据安全、奖励***防范、过程审计和人工接管，都必须成为模型能力的一部分。

还有研发投入。2026年上半年，智谱研发开支达到21.31亿元，期内亏损约20.72亿元；MiniMax同期经调整净亏损达到2.93亿美元。商业化已经开始增长，基础模型研发仍然需要持续的大规模投入。

一项新架构可能需要多轮实验才能验证，一批RL环境可能因为奖励设计问题失效，一次大规模训练也可能因系统不稳定而遭受损失。

基础研究需要这样的试错过程。

中国模型企业过去几年的处境，多少有些“小米加步枪”的意味：算力和资本没有对手充足，研究方向却必须持续跟进全球最前沿。有限的***，需要同时支持技术研发、工程优化、产品交付和商业化探索。

但也正是在这样的条件下，中国已经形成了一批能够独立开展大规模基座训练、研究模型架构、构造强化学习环境、建设推理基础设施，并向全球开发者提供模型的团队。

从2022年的千亿参数预训练，到今天的万亿参数架构、长程Agent和自动训练环境，技术积累已经不再局限于某一个模型版本。

对于下一阶段的中国AI产业，这些研究团队、工程经验和开发者生态，可能是比单次榜单排名更重要的资产。

中国也需要更多能够穿越周期的耐心资本，为长期基础研究提供稳定支持，让研究人员有空间探索那些尚未得到验证的方向。

因为大模型的竞争，还远没有到终局。

智能上界如何继续提高，强化学习能否发展出更有效的训练范式，模型如何自主生成与验证学习任务，Agent怎样进入真实生产流程，以及智能如何进一步与物理世界交互，都还是开放的问题。在这些方向上，中国已经有了自己的研究积累、工程能力、人才网络和产业场景。

中国大模型产业需要的，也不仅是一两家在某个榜单上领先的公司，而是一批能够在不同技术方向持续探索的团队。

DeepSeek、Kimi、智谱、MiniMax、千问、混元……它们各自选择的路线，也在拓展中国参与全球基础模型竞争的方式。它们是中国大模型产业的排头兵。这些企业未必每一次都做对，也不一定走向同一个终点。但它们已经在用自己的研究与工程实践，回答下一代智能技术中那些尚无标准答案的问题。

过去几年，中国模型证明了，先进智能可以用更高的效率实现，也可以通过开放生态服务全球开发者。未来，中国还有机会在新的模型架构、训练范式、Agent和真实产业应用中，形成自己的技术优势。

从追赶已有的智能，到探索智能新的增长方式，中国大模型正在走向更广阔的技术空间。这场竞争的下一章，仍然值得期待。

———————————————

雷递由媒体人雷建平创办，若转载请写明来源。返回搜狐，查看更多