夜雨聆风
五天四发:中国开源AI一周,密度本身就是信号
OpenAI 发了 GPT-5.5。
然后呢？
然后开发者们转头去排队等 DeepSeek V4 了。
我不是在开玩笑。GPT-5.5 发布那天，Twitter 上最热闹的讨论不是”OpenAI 又变强了”，而是——”DeepSeek V4 到底什么时候上？”
不到 10 个小时后，DeepSeek V4 上线。
中文 AI 圈彻底炸了。
但如果你以为这周的剧情只是一部”DeepSeek 碾压 OpenAI”的爽文，那你可能漏掉了真正离谱的事——这一周，中国四家 AI 公司连续发了四个开源模型。不是两个月，不是两周，是五天。
周一，月之暗面的 Kimi K2.6。
周二，阿里通义的 Qwen3.6-27B。
周四，腾讯混元的 Hy3-Preview。
周五，深度求索的 DeepSeek-V4。
五天四发。 中国 AI 圈上一次这么热闹，还是去年 DeepSeek V3 发布的那一周。
周一：Kimi K2.6——不是来刷榜的，是来干活的
Kimi K2.6 发布当天，vLLM、OpenRouter、Cloudflare、Baseten、MLX 等主流推理框架和平台同日宣布接入支持。NosResearch、Ollama 等十余家开发工具公司接连发文评价。
但真正让我惊的不是热度。是两个案例。
第一个：一个 AI，花 12 个小时，自己下载了一个模型，用 Zig 写了个推理引擎，然后把这个引擎优化到比 LM Studio 还快 20%。
全程 4000 多次工具调用，14 轮迭代，中间没停过。从”下载模型”到”调优到 193 tokens/s”，一气呵成。
注意，它用的不是 Python，是 Zig。一门连很多程序员都没听说过的系统编程语言。
第二个：同样的 AI，花了 13 个小时，重构了一个运营了 8 年的金融撮合引擎。 4000 多行代码，精确修改，分析 CPU 火焰图定位瓶颈，重新配置线程拓扑。最终——中等吞吐量提升 185%。
这些不是 demo，不是 PPT。
这是真实工程任务。是那种你交给一个中级工程师，对方可能要花一周才能搞定的活。Kimi K2.6 用一个下午干完了。
Vercel、Augment Code、Ollama、NousResearch 等十几家公司公开评价：K2.6 在长程 Agent 编码上已经摸到了闭源旗舰的门槛。
稳稳接住了。
周二：Qwen3.6-27B——27B 的身材，旗舰级的战斗力
GitHub 3000+ Star，Apache 2.0 开源。
阿里的标题写得够直接：”Flagship-Level Coding in a 27B Dense Model”。
翻译成人话就是：27B 的小模型，编码能力已经能打旗舰了。
这意味着什么？你手边那台 MacBook，甚至一张 RTX 4090，就能本地跑起一个编码能力接近 Claude Sonnet 的模型。不用上云，不用调 API，不用担心数据泄露。
开发者社区出现频率最高的两个词是 “insane” 和 “this changes everything”。
但我觉得更骚的是这个趋势本身：大模型的能力正在以肉眼可见的速度向小模型迁移。
去年你需要 400B 的参数才能做的事，今年 27B 就搞定了。明年呢？
当”小模型够强”成为常态，”大”就不再是护城河了。这才是 Qwen3.6-27B 真正的杀伤力——它不是一款产品，是一个信号弹。
周四：Hy3-Preview——腾讯终于不佛了
发布当天 OpenRouter 免费接入，OpenClaw 等多个推理平台同步支持。但英文技术社区几乎没讨论——这本身就值得说。
在中国 AI 圈，它的分量一点不轻。
腾讯混元 Hy3-Preview，295B MoE 架构，21B 激活参数，256K 上下文窗口。数字看着不炸裂，但故事很炸。
腾讯混元团队重组了。 2026 年 2 月，腾讯直接推倒了预训练和强化学习的基础设施，从零重建。新的首席 AI 科学家叫姚顺雨（Yao Shunyu）——27 岁，前 OpenAI 研究员，清华姚班+普林斯顿博士。
推倒重来后 90 天，Hy3 发布并开源。
这是什么速度？按照行业惯例，一个同等规模的 MoE 模型从立项到发布，少说 6-9 个月。腾讯推倒重建、重新训练、发布、开源，用了 90 天。
这不是卷 benchmark，这是腾讯在用互联网公司的打法做 AI。
如果你了解腾讯的历史，你会知道一个词——”后发制人”。社交、游戏、支付、云，腾讯从来不第一个出手，但一旦出手就是基础设施级别。
现在 AI 基础模型也用上了同一套逻辑：权重开源、API 上线、腾讯云同步提供 token 套餐（输入 1.2 元/M，输出 4 元/M）。发布前就已经部署到了元宝、CodeBuddy、腾讯文档、和平精英等产品里——不是发完再找场景，是带着场景一起做的。
腾讯不是来跟你比谁的 benchmark 高的。 它是来铺路的。
周五：DeepSeek-V4——三张桌子同时掀了
压轴戏。也是分量最重的一出。
发布当天 Hacker News 登顶前排，Simon Willison、TechCrunch 等主流 AI 观察者当天发文评测，OpenRouter 和 Venice 同日上线。两个版本全部开源，MIT 协议。
DeepSeek 这一次同时发了两个版本，全部开源：
• V4-Pro：1.6T 参数，对标全球顶级闭源模型
• V4-Flash：284B 参数，速度快，成本极低
然后它做了三件事。
第一件：100 万 token 上下文。
这不是简单的”支持长文本”。DeepSeek 重新设计了注意力机制——DSA（Deeply Sparse Attention），让推理成本在长上下文下保持平坦。
什么意思？以前你把上下文从 128K 拉到 1M，推理成本可能翻 10 倍。现在几乎不涨。
这是一个工程上的质变。
第二件：Code Forces 排名第一。 超越 GPT-5.4，和 GPT-5.5、Opus 4.7 打平。
第三件，也是最骚的：V4-Flash 的输出价格是 $0.28/M tokens。
Opus 4.7 是 $15/M。
便宜了 98%。 这不是打折，这是把桌子掀了，把椅子砸了，然后把地板也拆了。
但最让我觉得”整不会了”的，是另一个细节——
V4 首次支持华为昇腾 NPU。
DeepSeek 官方已经完成了细粒度专家并行的适配方案，为下半年昇腾 950 超节点的上市预留了空间。
这是一个战略信号。它的潜台词是：我们不只依赖英伟达了。
美国芯片禁令催生的 Plan B，正在变成 Plan A。
离谱的不是单个模型，是这套组合拳
如果你只看上面四款模型中的任何一个，你可能会说”哦，又一个开源模型”。
但把它们放在一起看，你会发现一个恐怖的规律。
参数全覆盖： 27B → 295B → 284B → 1.6T。从你的笔记本到数据中心，每个档位都有。
场景全覆盖： 编码 Agent（K2.6）→ 参数效率（Qwen3.6）→ 全能均衡（Hy3）→ 长上下文推理（DeepSeek-V4）。不重叠，各有所长。
价格全覆盖： Qwen3.6-27B 免费本地跑 → V4-Flash $0.28/M → V4-Pro $3.48/M。从零成本到企业级，每个预算都有答案。
算力全覆盖： 全部支持 NVIDIA GPU，DeepSeek-V4 额外支持华为昇腾 NPU。
这四家不是在互相竞争。它们是在合谋构建一个完整的开源生态。
你仔细想想这个时间节点——2026 年 4 月。ChatGPT 发布才三年半。三年半的时间，中国开源模型从”能用”进化到了”全面对标闭源旗舰”。
而 GPT-5.5 发布的那天，开发者的第一反应不是”太强了”，而是”DeepSeek 什么时候跟进”。
天平已经悄悄倾斜了。
一个更深的观察
很多人在讨论”中美 AI 差距”的时候，喜欢用 benchmark 数据来论证。
但我觉得真正重要的指标不是 benchmark。
是密度。
这一周，中国 AI 产业释放出的信号不是”我们追上来了”——这个结论半年前就有了。
信号是：我们能持续地、高密度地、体系化地输出。
月之暗面搞 Agent 编码，阿里卷参数效率，腾讯铺基础设施，DeepSeek 在推理和价格上掀桌。每一家都有自己的战略定位，每一家都在自己最擅长的维度做到极致。
这不是”四个模型碰巧同一周发布”。这是一个产业生态成熟后的自然结果。
对比一下：OpenAI 一年发两三个大版本。Google 也是。Anthropic 也是。
中国这边，一周四个。
当然，数量不等于质量。这四款模型各自都有局限——K2.6 的泛化能力、Qwen3.6 的非编码场景、Hy3 的英文社区存在感、V4-Pro 的算力瓶颈。这些都是事实。
但趋势是明确的：开源追赶闭源的速度，正在从”年”缩短到”周”。
最后说一句
上周有朋友问我：”你觉得 AI 行业现在最值得关注的趋势是什么？”
我说了一个很多人可能觉得反直觉的答案——
不是某个具体模型的突破，是中国开源 AI 的发布密度。
当一个产业能以”一周四发”的节奏持续输出，而且每一发都在不同维度逼近甚至超越闭源旗舰的时候，你就知道——这不是追赶了。
这是超车。
Macaron 🧁 | 当一周四发成为常态，追赶就变成了超车