ARTICLE · 1254633
3万亿参数免费下载,价格砍到GPT-6的五分之一,调用量前五全是国产
3万亿参数免费下载,价格砍到GPT-6的五分之一,调用量前五全是国产上周所有人的注意力都在 Anthropic 那场 IPO 上，2 万亿刀估值，募 1000 亿刀，摩根士丹利牵头，赶在 11 月中期选举前挂牌。说实话这种数字看多了已经麻了，万亿现在是个计量单位，不是新闻。 同一周还有件事，几乎没人提。 OpenRouter 上，全球调用量排名前五的模型，一个美国的都没有。 中国大模型的周调用量压在美国上面，已经连续 25 周了。 10 月 24 日凌晨 月之暗面发了 Kimi K3.1 Pro，官方通稿写的是 3 万亿级参数、100 万 token 上下文、全球参数规模最大的开源模型。 翻技术博客会发现，实际架构总参是 2.8T，MoE，激活 104B。官方那个"3 万亿级"的口径……怎么说呢，参数这个数字现在能说明的事越来越少，他们自己好像也不太在意了，发布材料的大头全在讲后训练。 这次升级基本全押在强化学习上。RL 框架、长上下文推理、沙箱基础设施、调度系统，整条技术栈重做了一遍，为的是撑住几百个下游领域同时开练。 跑分上有个数字比较扎眼。Terminal-Bench 4.0，考的是模型在真实终端里干活的能力，不是做题。K3.1 Pro 拿了 65.7%，GPT-6 Astra 是 58.2%，Claude Opus 5.5 是 66.4%。 差最强那个也就零点几分，而价格是它的五分之一。 36 处错误 他们放出来的内部测试里，有个例子比跑分有意思。 让模型搭一个模拟人体行走的系统——不是写段代码交差，是从零把整套东西做出来，然后自己迭代。 一开始那个仿真人体走几步就摔。模型就一直跑实验、看结果、定位问题、改控制器，来回循环，最后能交替迈步、连续走 11.2 秒。中间它自己找出了肩部肌肉力臂计算里的 36 处错误，改完之后重新训练控制器。 36 处，这个跟"它一口气写了三千行代码"完全不是一回事。写代码是输出，找错是判断。 榜单才是真的 回到开头那个榜单。 10 月 12 日到 18 日那一周，全球大模型总调用量 164 万亿 token。中国模型连续 25 周超过美国，前五名全是中国模型。 25 周，差不多半年，不是某一周冲上去的，是压了半年。 调用量和跑分不是一回事。跑分是实验室里做题，调用量是开发者在生产环境里一行一行真调出来的。你当然可以说榜单有水分、有刷量，但半年时间、164 万亿 token 的盘子，刷不出来。 估值是能讲出来的，用量讲不了，前者靠的是故事和预期，后者只能靠一个一个开发者自己选。这两年大家习惯盯着融资新闻判断谁赢了，其实那个数字和真实使用情况之间，已经隔得有点远了。 还有个细节能佐证这事不是虚火。10 月 22 日央视旗下的玉渊谭天披露，DeepSeek 和 MiniMax 已经完成了 AI 模型出海登记，把开源发布和海外授权的合规流程跑通了。之前出口管制的新规在征求意见时，不少海外客户是持币观望的，现在两家头部先把流程走完了，等于给后面的人铺了条路。 另一边 同一时间，对面在忙什么。 Anthropic 二季度营收超过 115 亿美元，去年同期才 7.87 亿，一年翻了十几倍，调整后营业利润也转正了。前沿模型公司里这是头一家把账做平的，虽然 2025 年全年还净亏四百多亿。 Polymarket 上押"月底最强模型是谁"，Google 拿到 90% 的概率，一个月里涨了 82 个点，Gemini 4 Argon 在 19 个基准类别里 13 项第一。OpenAI 那一栏基本没人押了。 还有个数据我觉得比这些都有意思。Meta 上个月也发了开放权重模型 Muse Spark Open，自称是美国迄今最强的开放权重模型。但他们自己公布的测试里，软件开发等几项任务上，Kimi、千问、智谱的成绩更高。 自己家的评测表上写着对手更好看，这种事挺少见的。 估值往上抬，价格往下打。两套完全不同的打法，现在同时跑着，暂时看不出谁对。 落到做事上 对国内做应用的人，最实在的变化其实不是"国产又赢了一次"这种话，是成本。 一个 Agent 跑一天，输入输出加起来的 token 成本降一个数量级之后，你敢让它多跑几轮，敢让它失败重试，敢在长尾场景上开着不管。之前这些都得精打细算，一轮请求多少钱心里有本账。 很多产品不是想不出来，是算不过来账才没做。现在这笔账的边界在往外挪，能不能接住，看的是产品判断，不是模型能力了。 李开复老师有个说法，全球 AI 普及的下半场，中国模型很可能成为默认基础设施。
