中国大模型“八周五连发“：开源与低成本重写全球选型

一、为什么这件事值得在 8 月 5 日这天关注

如果你最近在选型大模型，大概会有一种"追不动"的感觉：上个月还在比参数，这个月又冒出好几个新名字。据《21 世纪经济报道》2026-08-05 的梳理，从 7 月到 8 月初的约八周时间里，阿里巴巴 Qwen3.8-Max、月之暗面 Kimi K3、深度求索 DeepSeek V4、智谱 Z.ai GLM-5.2、字节跳动 Seedance 2.5 五款国产前沿模型密集亮相，被市场称为"八周五模型"。

这背后的真实问题不是"又多了几个模型"，而是选型逻辑变了：单纯堆参数的竞争正在让位于成本、本地化部署和 Agent 能力。本文用一份可追溯的发布清单和一张规格图，把这个变化讲清楚，并给出开发者能直接落地的三条选型建议。

二、八周五模型：一份可追溯的发布清单

按公开报道，这五款模型的关键事实如下（参数与榜单以各厂商官方发布为准）：

Qwen3.8-Max（阿里巴巴）：2026-08-03 发布，总参数 2.4 万亿、激活约 950 亿，支持 100 万 Token 上下文，采用稀疏 MoE 与混合注意力；在 Text Arena 排名第五、Vision Arena 排名第二、CodeArena 排名第四。来源：Alibaba Cloud 官方发布、第一财经。
Kimi K3（月之暗面）：约 7 月下旬发布，总参数约 2.8 万亿，刷新开源模型规模纪录。来源：公开报道聚合。
DeepSeek V4（深度求索）：V4-Pro 与 V4-Flash 双模型，MIT 许可证开源，支持 100 万 Token 上下文；预览期始于 2026-04-24，正式版于 8 月初推出。来源：公开报道。
GLM-5.2（智谱 Z.ai）：MIT 许可证开源，据独立观察在部分基准上超越 GPT-5.5；GLM-5.5 预计 8 月发布。来源：公开报道。
Seedance 2.5（字节跳动）：视频 / 多模态方向的前沿模型，已纳入"八周五模型"行列。来源：《21 世纪经济报道》。

下面用一张时间线把发布节奏可视化：

图1：2026 年 7---8 月国产前沿大模型发布时间线（日期为公开报道近似窗口，精确发布日期以各厂商官方为准；本图为示意性时间线，非精确排期）。

五款模型的规格与开源状态，集中对比如下：

图2："八周五模型"关键规格与开源状态一览（数据来自各厂商官方发布与公开报道，详见文末来源；未公开项标注"---"，本图为信息图而非性能跑分）。

三、Qwen3.8-Max：把"旗舰级"首次交给开源

在五款模型里，Qwen3.8-Max 最值得单独展开，因为它做了一个此前 Qwen-Max 系列没做过的决定：首次开源 Max 级旗舰权重。据第一财经 2026-08-04 报道，Qwen3.8-Max 的模型权重预计于下周正式开源，这也是 Qwen-Max 级别旗舰模型首次对外开放权重，同时开源的还有 Qwen3.8-27B。

从工程视角看，它的几个数字是有信息量的：

2.4 万亿总参数，但只激活 950 亿：靠稀疏 MoE + 混合注意力，把"脑容量"和"推理成本"拆开了。对开发者而言，这意味着你为每次请求实际付费的是激活参数，而不是总参数。
100 万 Token 上下文：按官方说法，单次可分析 200 页以上文档或约 100 小时视频。
榜单位置：Text Arena 第 5、Vision Arena 第 2、CodeArena 第 4（来源：Alibaba Cloud 官方发布与公开报道）。

成本侧也有一个可对照的数字：据第一财经报道，Qwen3.8-Max 每百万输出 Token 成本约 6 美元，而文中对比的标杆模型（Fable 5）约 50 美元。这是单源报道，建议发布前再核对一次价格页面，但它已经说明趋势------旗舰模型的价差正在被快速压缩。

四、OpenRouter 榜单：中国模型包揽调用量前五

参数归参数，真正说明问题的是"大家实际在用哪个"。据央视财经、OpenRouter 与界面新闻 2026-08-02 的报道，在全球多模型聚合平台 OpenRouter 的最新一周榜单中，调用量前五名均为中国公司研发的模型：小米 MiMo-V2.5 以单周约 10.5 万亿 Token 居首，其后依次为 DeepSeek V4-Flash、腾讯混元 3、智谱 GLM-5.2、DeepSeek V4-Pro；中国模型整体调用份额约 63.5%。

另有"AI 开发者日报（0805）"提到，DeepSeek V4 Flash 正式版发布后流量暴涨，OpenRouter 单周调用量超过 7.22 万亿 Token。这两组数字来自不同日期的快照，说明低成本 + 开源权重 + Agent 能力是这一轮采用率上升的核心原因，而非单纯的性能领先。

五、对开发者的三点可落地启示

结合上面的事实，选型时可以少看"参数海报"，多看三个维度：

看单位任务成本，不看总参数。 MoE 的激活参数决定你的推理账单。API 报价、上下文长度和输出长度，比"2.4 万亿"这种总数更影响月底账单。
优先能本地化部署的开源权重。 MIT / Apache 2.0 等开源许可证允许自托管，能规避数据出境与供应商锁定，也便于跨多云、异构硬件部署。
把 Agent 能力当硬指标。 长周期任务执行、工具调用、记忆与自愈，正在取代"单次对话质量"成为新竞争焦点（Qwen3.8-Max 的"16 天自主交付一个项目"案例即属此类）。

如果你已经拿到 DashScope 的 API Key，可以用下面这段最小代码先跑通 Qwen3.8-Max 的兼容接口：

python 复制代码

# 以阿里云 DashScope 兼容 OpenAI 协议调用 Qwen3.8-Max
from openai import OpenAI

client = OpenAI(
    api_key="你的DashScope_API_Key",
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)

resp = client.chat.completions.create(
    model="qwen3.8-max",
    messages=[{"role": "user", "content": "用一句话解释稀疏 MoE 为什么能降低推理成本。"}],
)
print(resp.choices[0].message.content)

本地部署则可以用 vLLM 直接加载开源权重（以 Qwen3.8-27B 为例，权重开源后可用）：

bash 复制代码

# 本地用 vLLM 拉起开源权重（示例命令，实际模型名以官方仓库为准）
vllm serve Qwen/Qwen3.8-27B --tensor-parallel-size 2 --max-model-len 131072

六、局限与诚实说明

部分模型的精确发布日期为公开报道的近似窗口（Kimi K3、GLM-5.2、Seedance 2.5、DeepSeek V4 正式版），请以各厂商官方公告为准。
"每百万输出 Token 约 6 美元 vs 约 50 美元"为第一财经单源报道；Token 调用量为聚合平台不同日期的快照，会随时间和优惠波动。
本文为技术热点梳理，不构成投资建议，也不荐股；所有数字均来自公开来源，未做独立复现。
本流程仅产出本地草稿，未登录或操作 CSDN，发布请作者本人确认。

主要来源：Alibaba Cloud 官方发布（2026-08-03）、第一财经（2026-08-04）、21 世纪经济报道（2026-08-05）、央视财经 / OpenRouter / 界面新闻（2026-08-02）、AI 开发者日报（2026-08-05）。