2026 年 4 月,AI 圈到底发生了什么

四月份的 AI 行业属于那种”你要是出差一周不看新闻，回来就跟不上了”的状态。GPT-5 正式放开、DeepSeek 发了万亿参数的 V4、Anthropic 和阿里各自更新了旗舰模型、月之暗面交出了一份超出预期的答卷。更值得注意的是技术叙事层面的变化：整个行业对”AGI 怎么实现”这件事，开始形成一些以前没有过的共识。

大模型：四月混战

过去几年 AI 行业的节奏大概是一年一两次大更新，2026 年 4 月直接变成一周一个。

GPT-5

OpenAI 4 月正式向所有用户开放了 GPT-5。这次不是小版本迭代，是自 GPT-4 以来最大的一次跳跃。

最显著的变化：思考能力内置了。以前想让 AI 深度推理得专门去调 o 系列模型，现在 GPT-5 自己就能想，而且想完还能快速给结果，不用在”聪明但慢”和”快但浅”之间纠结。

开发者圈子更兴奋的是另一件事：GPT-5 几句话就能生成可直接用的前端 UI 界面，而且支持连续工具调用。简单说就是它不只能回答你，还能一步步帮你操作——查资料、调接口、处理数据，串起来做。

OpenAI 自己给的定位是”迄今最智能、最快、最实用的模型”。这话他们每代都说，不过这次倒不算太夸张。

DeepSeek V4

如果说 2025 年初 DeepSeek-R1 是一颗照明弹，V4 就是正式炮火覆盖了。

几个数字：1 万亿参数，100 万 tokens 上下文（够读完一本长篇小说），全栈适配国产芯片。量化版本甚至能在一张消费级 RTX 显卡上跑推理。你家游戏电脑可能就能跑一个万亿参数模型，这在两年前是完全不敢想的。

配合百亿美元级融资，DeepSeek 已经从那个”以极低成本震惊硅谷的开源新锐”变成了正经的全球头部选手。当然，能不能坐稳这个位置还得看后面几个季度的表现。

Claude Opus 4.7

4 月 16 日 Anthropic 发了 Claude Opus 4.7，没怎么高调宣传，但开发者群里已经传开了。

这个版本在复杂软件工程任务上的提升确实明显，尤其是那种需要长时间持续运行的编程项目。几个新功能值得一提：跨会话记忆（它能记住你上次聊了什么）、支持约 375 万像素的图片理解、新增 xhigh 推理层级、以及一个叫 /ultrareview 的代码审查命令。

同期放出的还有 Claude Mythos Preview，号称”最具对齐性的模型”，说白了就是最安全、最听话的版本。

不过 4 月也有一堆用户在投诉 Claude 性能下降。有人分析是算力紧缺导致了模型降质。这件事挺值得关注的：再好的模型，如果稳定性保证不了，商业价值就要打折。峰值表现和日常体验是两码事。

Qwen3

阿里 4 月 29 日开源了 Qwen3 系列，一口气放了 8 款模型，2 个 MoE 加 6 个 Dense，从轻量到旗舰全覆盖。

旗舰 Qwen3-235B-A22B 的参数量只有 DeepSeek-R1 的三分之一左右，但多项基准上打平甚至反超。

比较有意思的设计是”混合推理模式”：深度思考和快速回答可以无缝切换，不用手动选模型。另外支持 119 种语言。

截至目前阿里千问开源模型总数突破了 400 个，Hugging Face 上全球第一。不管你对阿里这家公司怎么看，开源这件事他们确实是实打实在做。

Kimi K2.6

月之暗面 4 月 20 日发了 K2.6 并开源，官方定位很直接：迄今最强的代码模型。长程编码能力对标 GPT-5 系列水平。

考虑到月之暗面的资源体量跟 OpenAI、Google 完全不在一个量级，这个成绩相当可以了。杨植麟之前在英伟达 GTC 2026 上公开说过他们押注 Token 效率，就是用更少的算力干更多的事。K2.6 算是给这个路线交了一份阶段性答卷。

Google

相比其他家，Google 4 月相对安静。3 月刚出了 Gemini 3.1 Flash Live 主打实时对话，4 月中旬做了一次 Gemini Drop 更新。

但更大的动作应该留在后面了。Gemini 4 和 Veo 4 大概率会在 Google I/O 2026 上正式亮相，到时候再看。

AGI 方向：不再是”预测下一个词”了

大模型发布只是表面热闹，更值得注意的是底层叙事的变化。

过去几年所有大模型干的事情本质上一样：预测下一个词。你给它一段话，它猜接下来最可能出现什么词。简单粗暴，效果惊人，但天花板也越来越明显。

2026 年行业开始集体转向一个新说法：Next-State Prediction，预测世界的下一个状态。

区别在哪？旧范式的 AI 像一个读遍了所有书的文科生，聊什么都行，但你让它理解”推一下杯子会倒”这种物理常识，它就够呛了。新范式想让 AI 理解的不只是语言规律，而是物理世界的因果关系：力、运动、空间、时间。

支撑这个方向的技术叫”世界模型”，你可以理解为 AI 脑子里装了一个物理模拟器。它能做假设推演（What-If Reasoning）：如果我这么操作，世界会变成什么样？当前纯文本 AI 几乎做不到这件事。

智源研究院的”悟界多模态世界模型”已经完成了技术可行性验证。技术层面用的是 Diffusion Transformer 架构处理高维视觉数据，训练素材中视频数据的比重大幅上升。

这个方向是不是真的通向 AGI？没有人能百分百确定。但至少在 2026 年，全球主要的 AI 实验室都在往这个方向投入资源。

各家大佬怎么看 AGI 时间线

Anthropic 的 Dario Amodei 最激进，觉得可能就一两年的事。Musk 也差不多，说 2026 年就要做到”超越全人类集体智能”。Sam Altman 稍微谨慎一点，给了 2027-2028，但他去年底已经放话说”AGI 其实已经悄悄到了”。Google DeepMind 的 Hassabis 觉得 5-10 年更靠谱，而且他坚持认为单一模型不够，需要多系统协作。Zuckerberg 干脆说 AGI 不是 Meta 的优先目标，他更在意开源生态。最冷静的是 Yann LeCun，直接说”几十年”，认为现在 Transformer 这条路根本走不到 AGI，需要全新架构。

今年达沃斯论坛上 Amodei 和 Hassabis 当面辩了一场，一个说一两年，一个说五到十年，谁也没说服谁。但有一点两人倒是一致：世界模型是绕不过去的路。

中国这边的声音

1 月的 AGI Next 峰会上，几个观点印象比较深。

智谱的唐杰说了一句挺到位的话：”Chat 范式的竞争已经基本结束，下一步是走向做事。” 这句话概括了今年整个行业的转向。

杨植麟说”Scaling Law 本质是把能源转化为智能”，但也强调光堆算力不行，数据质量和价值判断得跟上。

张钹院士直接指出当前系统在因果逻辑上有根本性的缺陷，AGI 必须有”可执行、可检验”的标准。这话不太好听但确实是实情。

阿里的林俊旸给了一个冷静得有点扎心的判断：”未来 3-5 年中国做到全球领先的概率大概 20%”，竞争重心不在应用层，在底层架构和生态。

智能体：AI 开始”干活”了

AGI 是远处的灯塔，智能体是眼前能走的路。

新华社给了 2026 一个标签：”智能体爆发年”。这个判断不算夸张。以前的 AI 是个顾问，你问它才答。智能体更像个员工，你给目标，它自己拆任务、调工具、执行操作、检查结果。

4 月这个领域有三件事比较突出：

Claude Opus 4.7 实现了跨会话长期记忆。听上去是个小功能，但影响很大。没有记忆的智能体等于每天都是新入职第一天，什么都得重新交代。有了记忆才有连续性，有连续性才有可能真正替人干活。

具身智能在加速落地。就是有”身体”的 AI，机器人。从实验室往真实工业和服务场景走。中国目前被评为全球这个方向的第一梯队，已经纳入国家产业战略了。不过坦白说，在开放环境下的实际表现和宣传之间还有不小的差距。

多 Agent 协作开始标准化。一个 AI 干不了的事让一群 AI 合作干，但前提是它们得有统一的通信协议。这个方向上 MCP 和 A2A 两个协议正在铺开。

在所有智能体应用里，Coding Agent 是落地最扎实的。GPT-5 的连续工具调用、Claude Opus 4.7 的长程编码、Kimi K2.6 的代码能力，全指向同一件事：AI 不只帮你写代码片段了，它在试图独立完成从需求到实现的完整流程。

字节豆包模型 API 日均调用量 50 万亿次，其中相当一部分来自编程和自动化场景。

算力：台面下的角力

模型越做越大，Agent 越来越多，这一切最终要落在算力上。

华为今年动作密集。昇腾 950PR 芯片在合作伙伴大会上亮相，超节点计算集群在 MWC 2026 上首次面向海外。信号很明确：华为算力不只服务国内了。

DeepSeek V4 全栈适配国产芯片这件事，意义不限于 DeepSeek 自己。它证明了国产算力能撑起万亿参数级别的模型训练。不管你怎么看华为，这对整个中国 AI 产业链的信心提振是实实在在的。

目前 AI 推理芯片基本是四家在打：英伟达、谷歌、高通、华为。竞争焦点已经不只是算力数字了，易用性和能效比越来越被看重。

但绕不开的现实是：国内大量训练芯片仍然依赖进口。美国出口管制这把刀一直悬着，什么时候落下来谁也说不好。高质量中文训练数据的缺口同样没解决。DeepSeek V4 的国产芯片适配是一条突围路径，但要说已经突围成功，还为时过早。

产业侧面：钱在往哪流

几个数字：中国 AI 核心产业规模预计破 1.2 万亿元，同比增长近 30%。AI 企业超过 6000 家。Google 向 Anthropic 投了 400 亿美元。DeepSeek 融资百亿美元级别。月之暗面估值 48 亿美元完成 C 轮。

钱在涌入，但钱涌入不代表大家都赚到钱了。

几个趋势值得注意：

MoE（混合专家）架构正在变成新模型的标配。Qwen3、DeepSeek V4 都用了这个设计。好处是模型参数量很大但每次推理只激活一小部分，计算成本大幅下降。”大模型”不再等于”大开销”了。

开源和闭源的差距在迅速缩小。Qwen3、Kimi K2.6 这些开源模型的表现已经逼近闭源顶级产品。这对行业格局的影响可能比任何单款模型的发布都大。当开源不再是廉价替代品，闭源模型的定价权和护城河就会被侵蚀。

AI 开始往物理世界渗透。制造业、医疗、城市治理，工信部密集推”人工智能+”政策，目标是赋能六百万家以上的工厂。方向没问题，但具体落地质量参差不齐。有些场景确实在用 AI 解决真问题，有些纯粹是为了拿补贴贴个标签。

该担心什么

Anthropic 的 Claude 4 月被大量投诉性能下降。如果这真的是算力紧缺导致的降质，那问题其实挺严重的：用户花钱买的是稳定可靠的服务，不是一个时灵时不灵的工具。能力天花板可以慢慢提，稳定性不行就是真的不行。

安全方面，AI 声音克隆（Taylor Swift 事件又被拿出来讨论了一轮）、深度伪造、系统性欺骗……这些风险正在从零星个案变成结构性问题。智源的 2026 趋势报告里明确说了，风险已经从”局部滥用”升级到”系统性威胁”。但整个行业在安全上投入的资源和注意力，跟这个威胁等级是不匹配的。大家都在抢着发模型、做产品，安全投入的优先级排不到前面。

Musk 和 Altman 的官司还在扯，围绕 OpenAI 营利化吵得不可开交。这场争论表面上是两个人的恩怨，实际上牵扯的问题很根本：AI 这么大的事，最终由谁来主导？以什么规则来主导？目前看不到答案。

所以呢

2026 年 4 月的 AI 行业处在一个挺有意思的位置：技术确实在快速进步，方向上也出现了一些前所未有的共识（世界模型、智能体、从聊天到做事），但同时不确定性也在增加。算力受限、安全治理缺位、商业模式还没跑通、AGI 时间线众说纷纭。

唐杰说”Chat 范式的竞争已经基本结束”，这个判断我觉得是对的。但下一个范式的竞争才刚开始，而且会比聊天这个阶段复杂得多。谁能做出真正可靠的、能干活的 AI 系统，谁就能吃到下一波最大的红利。

至于 AGI 明年到还是十年后到，老实说这个问题可能不如另一个问题重要：AI 今天能帮你做什么，明天又能多做什么？盯着这个问题，比猜时间线有用得多。

信息来源：OpenAI、Anthropic、Google、智源研究院、清华大学、阿里巴巴、DeepSeek、月之暗面等公开报道和技术文档。截至 2026 年 4 月 29 日。