文｜光锥智能，作者｜白鸽 ，编辑｜王一粟
这个十一黄金周，AI 圈真的很热闹。
10 月 1 日凌晨，OpenAI 深夜炸场，正式官宣新一代 AI 视频模型 Sora 2，并直接上线了一个 AI 版的“ 抖音”—— 一个完全由 AI 来生成视频的短视频平台。
就在 Sora 2 发布之前，这一轮的大模型发布其实已经卷起来了。
黄金周前夕，先是国内大模型公司深度求索宣布推出 DeepSeek-V3.2-Exp 实验版模型，紧随其后智谱 AI 正式发布新一代大模型 GLM-4.6。
中国大模型也引起了图灵奖得主杨立昆的关注。就在 9 月 30 日，蚂蚁集团旗下百灵大模型宣布开源其思考模型 Ring-1T 的预览版 Ring-1T-preview，参数量达 1000B（1 万亿）。“ 令人印象深刻，祝贺你们的团队。” 在百灵最新思考大模型发布后，杨立昆在社交平台上也给中国大模型点了赞。
而在大洋彼岸，Claude Sonnet 4.5 同期发布。谷歌 Gemini 3.0 也预计将在 10 月迎战。
显然，全球大模型进入了一个新的井喷期，各家在大模型产品和技术迭代上，都在明显加速。据不完全统计，仅 9 月全球就有 15 家主流企业/机构发布了开源大模型，数量较 8 月激增 70%。
开源大模型的热潮，也是开发者的盛宴。有开发者都在社交媒体上感慨：一天测了 3 个模型，还有一个没测试，这还只是周一......
在这其中，中国大模型凭借场景化能力，正撕开半壁江山。
据光锥智能观察来看，这一波 AI 大模型的更新，更聚焦在细分场景中，比如智谱最新大模型在编程方面的能力更加突出，蚂蚁的百灵大模型则聚焦在自然语言推理领域。
更为重要的一点在于，当 OpenAI 开始学字节跳动做产品时，大模型市场的游戏规则变了。如果说，2023 年讨论大模型参数天花板，那么，2025 年，大模型真正的战场则在场景适配与效率革命。
从 OpenAI 的 Sora 2 到蚂蚁的万亿推理模型，新一轮的大模型“ 军备竞赛” 已然打响，而行业共识则愈发清晰：大模型已从“ 通用能力比拼” 迈入“ 细分技术突围” 的深水区。
那么，在这新一轮 AI 大模型竞赛中，后来者又该如何在开源生态中突围？
深度盘点 9 月大模型，AI 大模型“ 百花齐放”
金九银十的月份，各行各业都在持续加码，大模型赛道也同样“ 卷” 的不行。
据不完全统计，在刚刚过去的 9 月，全球数十家企业共计发布了 40 多款大模型产品，涵盖基础通用大模型、深度思考推理大模型、编程、具身智能、翻译、视频生成等不同细分赛道。
（海外开发者统计的部分 9 月开源模型）
具体来看，这些模型有的侧重高效推理，如带“Flash” 字样的蚂蚁集团 inclusionAI 的 Ring-flash-linear-2.0、美团 LongCat Flash Chat；有的则聚焦多模态能力，如阿里通义 Qwen3-VL；也有的针对轻量化/移动端，如 Meta AI 发布的 MobileLLM-R1-950M、蚂蚁 Ling-mini-2.0、Ring-mini-2.0 等。
可以很明显看到，9 月份 AI 大模型“ 通用能力、专用场景、部署形态” 等维度的全面发展，不同厂商、不同技术路线的大模型“ 百花齐放”，构成了丰富的 LLM 生态。
在这其中，中国大模型产品占据半壁江山，并与海外市场的大模型产品形成了技术分化。
具体来看，相比较此前各家关注的参数规模竞赛，现已经让位于效率革命，MoE（混合专家模型） 架构成为绝对主流。
如蚂蚁百灵大模型最新开源的 Ring-1T-preview，其底座 Ring-1T 是一个拥有万亿参数的深度思考模型，该开源模型延续 Ling 2.0 高效 MoE 架构，在 20T 高质量语料上完成预训练，结合此前公开的棒冰 （icepop） 方法，在自研高效强化学习系统 ASystem（其中 AReaL 框架已开源） 上进行针对推理能力的 RLVR 训练。
有苹果工程师在单个 M3 Ultra 芯片上运行 Ring-1T-preview，量化的效果接近 GPT-5，还能直接生成 《太空侵略者》 小游戏。
（苹果工程师量化后部署 Ring-1T-preview，游戏模拟效果）
这种“ 大参数储备+小参数激活” 的范式，解决了“ 性能与成本” 的核心矛盾，使超大规模模型从实验室走向具体行业场景。
从对开发者开放角度来看，海外阵营中，谷歌 EmbeddingGemma 主打端侧隐私嵌入，Anthropic 开放 Claude Code API，仍停留在工具型开源。
但相比较来说，中国大模型产品更注重场景化能力，比如蚂蚁专攻自然语言推理，腾讯突破小语种翻译，形成“ 场景驱动型开源”。
这种差异在落地效果上立竿见影。如快手将 Keye-VL 1.5 嵌入审核系统，违规识别准确率达 98.7%；爱诗科技的 AI 插画模型对接电商平台，把详情页制作成本降低 80%。
事实上，中国大模型产品已经在各个细分领域全面开花，比如语音交互中，阶跃星辰 Step-Audio 2 mini 支持语音直接调用工具，某智能音箱厂商反馈“ 唤醒准确率提升至 99.2%”；蚂蚁健康管家 AQ 产品识别报告、药盒、皮肤病等医疗图像准确率达 90% 以上，包括对 100 多种复杂多页检查报告的识别与解读。
在翻译领域，腾讯 Hunyuan-MT-7B 在 30 个语种翻译中夺冠，跨境电商卖家实测“ 小语种转化率提升 27%”；同时，3D 生成赛道中，腾讯混元 Voyager 可实现原生 3D 重建，游戏公司开发者称 “ 场景制作周期从 1 周缩至 4 小时”。
另外，值得关注的一点是，相比于大模型创业公司的单点输出，聚焦某一个细分行业，中国互联网大厂们正逐渐形成体系化的产品更新，覆盖基础通用大模型、深度思考大模型、编程大模型、多模态大模型、视频生成大模型等多品类大模型产品，典型的产品就是阿里巴巴旗下的通义千问、腾讯的混元大模型、字节跳动的豆包大模型等。
而这种生态优势，也正在转化为全球影响力。据 Hugging Face 最新数据显示，中文开源模型的 fork 量在 9 月增长 180%。9 月 Hugging Face 榜单显示，阿里通义 7 款模型占据全球前十开源模型席位，Qwen3-Omni 登顶榜首，标志着中国从“ 开源参与者” 升级为“ 生态定义者”。
（9 月 28 日， Hugging Face 模型榜单）
而中国大模型的“ 技术普惠+商业赋能” 的开源模式，正在重塑全球 AI 产业格局。
“2023 年我们追着 OpenAI 跑，2025 年在金融推理、中文语音等领域，国外团队开始抄我们的作业。” 一位深耕 AI 的连续创业者的调侃，道出了中国开源的新底气。
模型开源竞争激烈，新来者蓄势待发
为什么中国大模型能够如此快速实现赶超？
这背后离不开开源战略的选择。据 《全球大模型开源生态报告》 显示，中美开发者贡献占比超四成，尤其是中国厂商非常注重以“ 开放策略” 抢占生态主动权。而就在今年初，始终坚持闭源路线的 OpenAI 也开始走开源路线。
相比较来说，中国最早且始终坚持走开源路线的阿里通义千问，已经在开源生态中占据了领导地位。那么，后来者还有机会吗？
9 月，蚂蚁集团旗下百灵大模型以平均每 4 天一款的速度，密集发布了 7 款大模型：
5 日推出“ 端侧双雄”Ling-mini-2.0 与 Ring-mini-2.0；12 日上线 MoE 架构的 Ling-flash-2.0，19 日上线 Ring-flash-2.0；26 日推出 2 款混合架构推理优化模型 Ring-flash-linear-2.0 与 Ring-mini-linear-2.0；30 日以万亿参数的 Ring-1T-preview 压轴。
模型刚发布完，Ring-1T-preview 就登上了开源社区 Hugging Face 模型趋势榜第三，第四名也是蚂蚁 inclusionAI 社区的 Ring-flash-linear-2.0。
放眼全球，这个月只有蚂蚁的开源大模型数量，能比肩阿里通义千问。可以说，蚂蚁已经成为了开源大模型的新晋“ 搅局者”。
从阿里、智谱、蚂蚁等身上也能看到，中国的开源大模型尤其擅长“ 组合拳”——“ 全类型覆盖、全尺寸适配、全链条开源”。
这种模型版图早已突破语言模型的单一维度，构建起“ 基础通用+垂直专业” 的完整矩阵：
以蚂蚁为例，在语言和推理上，Ling 系列作为基座模型，通 MoE 架构优化实现“ 思考效率跃升”。最新 Ling-flash-2.0 在 AIME 数学竞赛、CodeForces 编程任务中超越 GPT-OSS-120B 等大模型，尤其在前端研发场景，经 WeaveFox 团队联合优化后，能同时满足 UI 布局功能性与美学需求。而 Ring-1T-preview 更将推理精度推至新高度，92.6 分的 AIME 成绩仅比 GPT-5 低 2 分。
多模态深度融合能力上，Ming-lite-omni 系列实现“ 能看、能听、能说、能画” 的全感官交互，发布一周内就被社区贡献出消费级显卡可运行的量化版本，其 1.5 版一度登顶 Hugging Face 趋势榜榜首。其创新的视觉增强奖励 （VAR） 机制，解决前端开发中“ 功能与美学脱节” 的行业痛点。
而在垂直场景中，依托蚂蚁在金融、医疗领域的场景积累，模型在专业数据上完成针对性训练。例如医疗模型通过结构化病历语料优化，民生服务场景模型已支撑社保查询、政务办理等实际应用。
显然，这种布局跳出了“ 为技术而技术” 的陷阱，每个模型都锚定明确的产业价值。
另外，在参数膨胀与落地难的矛盾中，蚂蚁走出了一条“ 全尺寸弹性适配” 的差异化路径，实现从消费级设备到云端算力的无缝覆盖。
如 Ling-mini-2.0 以 1B 以下激活参数实现苹果设备本地运行，响应速度较同类模型提升 2 倍，可解决隐私敏感场景下的“ 云端依赖症”。开发者可直接部署轻量化问答、本地翻译等应用。
其 Ling-flash-2.0 仅激活 6.1B 参数，却能达到 40B Dense 模型的效果，在 H20 平台实现 200+tokens/s 的生成速度，部署成本降低 60% 以上。这种 “ 以小博大” 的能力，让中小企业无需重金算力即可享受大模型红利。
而 Ming-lite-omni 1.5 在保持文本、图像、语音融合能力的同时，通过 INT8 量化技术适配消费级显卡，成为短视频创作、智能硬件交互等场景的首选开源方案。
更为重要的是，其 Ring-1T-preview 的开源打破了万亿参数模型的闭源现状，其基于 Ling-2.0 MoE 架构和 20T 语料训练的技术底座，让全球开发者首次能接触到顶尖推理能力的模型权重。
从“ 口袋里的 AI” 到“ 云端超脑”，蚂蚁用四级尺寸矩阵，覆盖了从个人开发者到企业级用户的全场景需求，这正是其开源生态快速起量的关键。
蚂蚁在大模型赛道异军突起并非偶然，一方面其能够快速把握行业发展趋势，让大模型的迭代不再陷入参数竞赛，而是敢于攻克“ 难而正确的事”。
深扒蚂蚁发起的 inclusionAI 社区就会发现，他们毫不吝啬的分享了很多在 AI 技术上的关键技术思考和进展。比如，蚂蚁发现了“ 编辑式图像分割” 这个技术，对于多模态模型的生成和理解的统一有着非常好的作用，堪比关键的“ 催化剂”，立马就发文分享给所有开发者。
另一方面，当前大模型开源已经进入全栈竞争时代，单纯开放模型权重已无法形成壁垒，蚂蚁通过 ATorch 框架、数据标准、强化学习工具的协同开源，构建了“ 接入-训练-部署” 的闭环生态，这有可能成为未来开源竞争的核心护城河。
中国厂商的全维度开源，正吸引全球开发者向中文生态聚集。开源模式将加速模型的迭代，中国大模型产业或将走出一条“ 生态换市场、开放换速度” 的崛起之路。
场景里的 AGI，中国走在前面
闭源模型更多承担“ 技术标杆” 角色，但开源模型已成为产业落地的核心载体。
中国大模型生态正凭借对产业的深度理解和扎根具体场景化的能力，正走在全球 AI 产业的前列。
在这个 AI 黄金周，我们看到的不仅是技术突破，更是一种全新的发展逻辑：不追求“ 全能冠军”，而是争当“ 单项尖兵”；不止步于模型开源，更聚焦于生态落地。
当全球都在学习“ 场景化思维”，中国团队早已手握先发优势。
这或许就是国产大模型“ 不止半壁江山” 的真正密码：AGI 从不是遥不可及的神话，而是在企业 AI 数字员工扎根业务场景，AI 智能客服更具备个性化能力，借助 AI 人人都可以进行编程等场景中，被无数个具体的技术突破汇聚而成的浪潮。
而这股浪潮，正从中国驶向全球。
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
