行业动态
阅读: 293 评论: 0 点赞: 0 发布时间：发布日期：2026-08-10 08:23:34
8月才刚过几天，AI圈子已经甩出三张牌。阿里把2.4万亿参数的旗舰模型开源了；字节让豆包能边看边听边说；DeepSeek则证明，一个"小激活"模型也能逼近三个月前的旗舰能力。三件事拆开看是技术更新，合起来看其实是一条主线：大模型竞争已经从"谁能刷榜"进入"谁能落地、谁能便宜地落地"。
对企业来说，这其实是好消息。过去两年大家被各种评测分数轰炸，现在终于能看到一些更实在的指标：能不能私有化部署、能不能实时音视频交互、能不能把Agent的调用成本压到可接受的范围。下面我把这三个信号拆开聊。
8月3日，阿里巴巴发布新一代基座大模型Qwen3.8，其中最大尺寸的Qwen3.8-Max总参数量达到2.4万亿。这个数字放在一年前，妥妥是闭源旗舰的配置。但阿里这次宣布，Qwen3.8-Max的权重将在下周正式开源，同时还会放出27B的轻量化版本。这是千问Max级别旗舰模型第一次对外开源。
技术参数上，Qwen3.8-Max用的是稀疏MoE架构，单次只激活约950亿参数，支持100万Token的上下文窗口，并且原生具备多模态视觉理解能力。阿里官方给出的定位是：在编程、办公、科研推理和长周期任务上进入全球第一梯队。
但我更在意的是商业逻辑。为什么旗舰模型要从闭源转向开源？一个直接原因是DeepSeek已经用"开源+低价"切走了大量开发者。与其死守API利润，不如把模型权重放出去，换取生态话语权。用蔡崇信的话说，像阿里这种有云、有芯片、有应用的全栈公司，可以在其他层面把价值收回来，不一定非要从模型API上赚钱。
对企业客户的实际影响是：私有化部署顶级模型的门槛在降低。以前想用这种能力，基本只能走云端API，数据出内网、网络抖动、调用成本上涨都是现实问题。拿到开源权重后，金融、政务、医疗这些对数据敏感的行业，可以在本地跑一个接近旗舰水平的模型。当然，2.4万亿参数的模型不是普通服务器能扛住的，阿里云已经宣布灵骏真武M890超节点实例完成适配，27B轻量版则更适合中小企业试水。
8月5日，字节跳动推出SeedRealtime，一个原生音视频全双工大模型。所谓"全双工"，简单说就是它能同时听、同时看、同时说，而不是像过去的级联方案那样，先把视频转成文字、文字再生成回复、回复再转成语音。端到端评测显示，相比级联模型，SeedRealtime在音视频对话节奏上的卡顿问题减少了一半。
这个产品的落地速度很快，已经在豆包App全量上线。对用户来说，体验升级是直观的：你可以举着手机边拍边问，模型能实时理解画面里的内容并给出反馈。对教育、电商客服、设备巡检这些场景，这种能力是有实际价值的。
从行业角度看，SeedRealtime代表了一种趋势：多模态大模型正在从"生成图片/视频"转向"实时交互"。过去一年大家看多了文生图、文生视频的演示，但企业真正需要的是能把视觉、语音、文本融合在一起、实时响应的系统。字节的这一步，等于把"边看边聊"从实验室Demo变成了C端可用产品。
不过我要泼一点冷水。实时多模态对算力和网络的要求不低，企业如果要在自己的业务里复刻这种体验，成本结构和延迟问题还需要仔细算。短期内，更现实的用法可能是把这类能力封装成SaaS服务，嵌入到客服、培训、质检等具体流程中。
几乎在同一时间，DeepSeek V4-Flash正式版开始API公测。这个模型总参数2840亿，但激活参数只有130亿。也就是说，它在推理时实际调动的参数量并不大，却能逼近三个月前V4-Pro预览版的能力。官方测试里，它的Agent智能体能力、代码能力和长文本处理能力都有明显提升。
这件事的意义在于：它证明了"模型能力"不必然等于"参数规模"。通过后训练优化、Harness驾驭层、Agent框架的工程打磨，一个相对轻量的模型可以在实际任务中追平甚至超过更大的模型。这对企业落地是巨大利好——意味着调用成本可以大幅下降，响应速度可以变快，私有化部署也更容易。
DeepSeek的定价策略一向激进。V4-Flash的峰谷定价模式让企业可以在低峰时段以更低成本调用，这对批量处理文档、代码审查、数据分析这类非实时任务非常友好。当然，低价也带来了甜蜜的烦恼：开源社区OpenCode发文称，V4-Flash因为访问量过大一度出现容量不足。这说明市场需求是真实的，也说明DeepSeek在基础设施扩容上还有功课要做。
把三件事串起来，8月初的AI行业其实给出了一个清晰的判断：2026年下半年，大模型的竞争主线已经从"参数和榜单"切换到"成本、落地形态和生态控制"。
阿里开源旗舰，争夺的是生态控制权；字节推实时多模态，争夺的是交互入口；DeepSeek压低成本，争夺的是企业客户的预算份额。三条路径不同，但目标一致：让企业真正用得起、用得上AI。
对中小企业来说，我的建议是：不要急着追最新最大的模型，先想清楚自己的业务场景需要什么样的能力。需要私有化、数据不出域的，关注开源模型和国产算力适配；需要音视频交互、客服升级的，关注多模态SaaS；需要批量自动化处理、成本敏感的，关注像V4-Flash这样的高性价比模型。AI落地的关键，从来不是用最大的模型，而是用对的模型。