搜索
“「出海四巨头」智谱、Kimi、千问......谁最受外企欢迎？ ” 作者丨胡清文 编辑丨徐晓飞 去年这个时候，硅谷讨论的还是中国模型能不能打。但在今年，这个问题已经被一组数据碾过。 OpenRout
就在今年的WAIC上，无问芯穹一口气亮出了「前店后厂一中心」，一整套完整的Agentic Infra战略布局：算力集散中心（一中心）：Agentic Infra自主式基础设施平台；Token工厂（后厂）：Agentic MaaS大模型服务平台；
“芯片的定价权越强，模型和应用公司的成本刚性就越难消解。” 当下，仅豆包一家大模型的日均Token调用量就已突破180万亿；国家数据局的统计显示，全国日均调用量在今年3月已超过140万亿——无论从哪个口径衡量，这都是一条两年内从“近乎为零”飙涨超千倍的曲线。
来自港科大的研究团队提出了RepetitionCurse，这是一种针对MoE大模型服务的黑盒压力测试方法。它不需要模型权重，不需要梯度，也不需要知道后端专家如何部署，只利用高度重复的输入模式，就能诱导专家路由把大量token路由到同一小批专家上。
Kimi K3 是一个 2.8 万亿参数模型，基于 KDA 混合线性注意力机制（Kimi Delta Attention）和注意力残差（Attention Residuals）技术构建，原生支持视觉理解，并拥有 100 万 token 上下文窗口。它是全球首个开源的 3 万亿级别模型，面向长程编程、知识工作和推理等前沿智能场景而设计。
这便是中国电信人工智能研究院（TeleAI），刚刚在WAIC 2026提出的新技术路线；其背后这套融合AI、通信和网络的技术体系，则是智传网（AI Flow）。就在此次发布前一天，智传网（AI Flow）还拿下了WAIC大会最高奖项卓越人工智能引领者奖（SAIL）中的赋能（Applicative）奖。
50多个智算中心，超过1000 EFLOPS的智能算力规模，平均利用效率却远远没有跑满。是石给出的解法，叫拓元（Vectron），一座国产Token优化工厂。是石科技依托国家级计算中心工程经验积淀，持续投入大规模集群研发，建设万卡级国产大集群，持续稳定运营，优化推理效率，构筑了深厚壁垒
随着 DeepSeek 发布 DSpark，动态 MTP（多 Token 预测）成为了对抗高并发、提升 GPU 利用率的绝对焦点。然而，DSpark 高度绑定特定模型且需要额外训练。
7 月 16 日，月之暗面正式发布 Kimi K3：总参数量 2.8 万亿（2.8T），原生视觉理解，100 万 token 上下文，并且——开源权重。这是历史上第一个摸到 2.8 万亿参数量级的开源模型。前任"开源最大模型"的纪录保持者？也是它自己。
时至今日，全球大模型格局已成定数，还有必要耗费巨资从零开始训练一个新模型吗？