延伸阅读
9月AI多极爆发：3万亿参数炸场，代码与智能体能力密集亮牌
来源：知乎 · 查看原文
9月中旬的AI行业呈现出一种罕见的“多极爆发”态势，原本按部就班的模型迭代节奏被打破，取而代之的是各家巨头在参数规模、上下文长度以及智能体能力上的密集亮牌。这一轮竞争的核心不再仅仅是单点性能的突破，而是向长时程任务、代码生成以及具身智能等复杂场景的全面渗透。DeepSeek、Anthropic、xAI以及国内多家头部实验室几乎在同一时间窗口内释放了下一代模型的信号，使得市场对于“下一代基座模型”的定义正在快速重构。这种集体动作并非偶然的营销巧合，而是各家在算力储备、数据闭环以及工程化落地层面达到临界点后的必然释放。对于开发者与终端用户而言，这意味着选择模型的逻辑将从“谁更聪明”转向“谁在特定工作流中更稳定、更具成本优势”，行业竞争正式进入深水区。
在具体的技术动态上，DeepSeek Code 2.0的泄露信息成为今日焦点。多方爆料指向该模型将把计算机使用能力列为核心优先事项，直接对标OpenAI的Codex系列，并预计在本月窗口期内推出。最关键的技术指标在于其宣称支持100万token的上下文窗口，且传闻参数规模达到3万亿以上，虽然官方尚未证实具体数值，但其开放权重的策略若属实，将对开源生态产生巨大冲击。与此同时，Anthropic的Claude Code被曝出疑似将Opus 5路由至未正式发布的Opus 5.2版本，代码中出现的5.2标识以及Devin与Claude Code在相同提示词下的输出差异，暗示Anthropic可能跳过了5.1的灰度测试，旨在直接拉升Opus系列以缩小与竞品Fable 5.1的性能差距。xAI方面，马斯克确认Grok 4.8已完成2.5万亿参数的预训练，该模型采用全新C++软件栈构建，即将进入强化学习阶段，其参数量已逼近Fable 5.1的2至5万亿区间，而Grok 4.7也在本周内有望率先推出以维持市场热度。
除了头部大模型的参数军备竞赛，智能体（Agent）与垂直领域模型的落地速度同样惊人。小红书AllSpark团队开源了Search Agent模型Iris，提供35B与397B两个版本，在BrowseComp、DeepSearchQA等四项基准测试中取得了同量级最强开源成绩，其中35B版本的表现已逼近万亿参数级模型，且训练数据与完整配方将陆续公开。OpenBMB发布的Atria Dawn预览版则专注于长周期任务，基于GLM 5.2后训练，在AutomationBench等基准中领先DeepSeek、Kimi、GLM及GPT等对手，实现了从探索、设计到代码验证的研究闭环。在基础设施与硬件层面，英伟达发布了RTX PRO 5500 Blackwell工作站显卡，配备84GB GDDR7显存与1398GB/s带宽，旨在满足机柜式部署的高算力需求。此外，Perplexity的Portable Computer登陆Windows PC，允许在本地运行智能体与模型，兼顾离线可用性与数据隐私，标志着AI应用正从云端向端侧进一步下沉。
这一系列密集发布揭示了当前AI竞争的三个核心含义。首先，上下文长度与参数规模的“内卷”正在加速，百万级上下文与3万亿参数成为新一代旗舰模型的入场券，这直接提升了模型处理复杂代码库、长文档分析的能力上限，但也对推理成本提出了更高要求。其次，开源与闭源的界限在智能体领域变得模糊，小红书Iris、蚂蚁Ling-3.0-flash-Fin（金融场景量化版）以及M-A-P社区的YuE2（音乐生成）等模型的开源或开放权重策略，表明垂直场景的落地能力正成为新的竞争高地，开发者可以通过低成本获取高性能模型来构建特定工作流。最后，具身智能与机器人基础模型开始进入实用化阶段，宇树科技发布的人形机器人G1+（国内标准版9.5万元）以及Reward AI发布的零样本泛化机器人基础模型OM-1，显示AI正从数字世界向物理世界延伸，无需针对每台机器人重新训练的技术突破将大幅降低具身智能的部署门槛。
未来一周的关注点应集中在三个方面：一是DeepSeek Code 2.0的正式发布及其实际性能表现，特别是其在代码生成与计算机使用能力上是否真能对标Codex；二是Anthropic Opus 5.2的正式亮相，以及它能否在基准测试中确立对Fable 5.1的优势；三是Grok 4.8在强化学习阶段后的推理能力表现，尤其是其2.5万亿参数在保持低延迟前提下的智力水平。此外，需警惕OpenAI被曝外包人员审读用户对话所引发的隐私争议，这可能影响部分企业用户对云端大模型的信任度，进而推动本地化部署（如Portable Computer模式）的需求增长。对于投资者与从业者而言，模型排行榜的变化（如Claude Fable 5.1与GPT-6 Astra并列第一，GLM-5.3与Kimi K3逼近第一梯队）提示我们，国产模型在通用智力上已具备国际竞争力，但在特定垂直场景的工程化落地与生态构建上，仍将是决定胜负的关键变量。