开源

Qwen5核心特性 720B MoE架构，激活参数40B 原生多模态（文字+图像+视频） 支持1M上下文 开源免费可商用 实测表现 中文能力：业界最强之一 代码能力：媲美GPT-5-mini 数学推理：优秀 本地部署：量化后可在消费级显卡运行 对行业影响 Qwen5再次证明：开源模型在快速逼近闭源。对于预算有限的中小团队，Qwen5是绝佳选择。

开源模型 DeepSeek V4/V5：推理最强开源 Qwen5：中文最强开源 Llama 4：生态最全 Mistral：小模型最优 开源工具 Ollama：本地模型管理 vLLM：推理加速 LangChain：Agent框架 ComfyUI：图像生成 社区动态 HuggingFace：模型中心 GitHub：项目聚集地 国内：魔搭社区 建议 开源是学习AI最好的途径。模型可以跑、代码可以看、社区可以问。比闭源黑盒好太多。

核心参数 128MoE激活参数 原生多模态 支持1M上下文 开源MIT协议 性能 数学推理接近o3-mini 代码能力媲美Claude 中文理解最强 对行业的影响 闭源模型的溢价在缩小。企业有了真正的开源选择。

开源阵营 Llama、Qwen、DeepSeek、Mistral 优势：免费、可本地部署、可定制 劣势：多模态和Agent生态弱 闭源阵营 GPT、Claude、Gemini 优势：能力强、生态好、开箱即用 劣势：贵、数据在云端、不能定制 趋势 差距在缩小。开源在追上，闭源在做Agent和多模态。

又一家开源明星公司陷入困境 据The Information报道，Stability AI近期与至少一位潜在买家洽谈出售事宜。 这家曾经的开源明星公司，如今面临严峻的财务压力： Q1亏损超过3000万美元 欠云厂商等约1亿美元 市场份额从45%暴跌到12% 核心人才流失60% 版权诉讼缠身，融资失败 Stability AI是Stable Diffusion背后的公司，曾经是AI图像生成领域的领导者。它的困境，再次引发了对开源AI商业化路径的深刻反思。 开源不等于商业模式 Stability AI的案例最核心的教训是：开源不等于商业模式。 Stable Diffusion是全球最流行的开源图像生成模型之一，社区生态繁荣，衍生作品无数。但开源的 popularity 并没有转化为 Stability AI 的 revenue。 问题出在哪里？ 1. 开源模型谁都能用，谁都不付费 Stable Diffusion的权重是开源的，任何人都可以免费下载、使用、修改。企业用户不需要向Stability AI付费，就能使用最核心的技术。 2. 云厂商"薅羊毛" 亚马逊、谷歌、微软等云厂商在自己的平台上提供Stable Diffusion服务，赚取了大量收入，但Stability AI本身并没有从中获得分成。 3. 训练成本高昂 AI模型的训练成本极高，Stability AI需要持续投入数千万美元用于模型训练和研发，但收入来源有限，入不敷出。 开源AI公司的商业化困境 Stability AI不是第一家陷入困境的开源AI公司，也不会是最后一家。 回顾2026年上半年的AI创业死亡潮： Inflection AI：融资13亿美元，估值40亿美元，产品留存率不到15%，停止运营 Adept AI：融资3.5亿美元，被亚马逊以3亿美元收购，缩水70% Stability AI：开源明星，市场份额从45%跌到12%，寻求出售 这些公司的共同特点是：技术领先，但商业模式不成立。 开源商业化的可能出路 面对困境，开源AI公司需要探索新的商业化路径： 1. 托管服务收费 提供托管的API服务，让不想自己部署的用户付费使用。但这需要与云厂商竞争，难度很大。 2. 企业定制服务 为企业提供模型定制、微调、部署等专业服务。这是目前最可行的路径，但收入规模有限。 3. 硬件+软件捆绑 与硬件厂商合作，提供预集成AI模型的硬件产品。这需要强大的供应链能力。 4. 数据壁垒 构建独特的数据集，形成数据壁垒。这是最根本的竞争力，但需要长期积累。 结语 Stability AI寻求出售，是开源AI商业化困境的又一个注脚。技术领先不等于商业成功，开源社区的繁荣不等于公司的盈利。 对于AI创业者来说，Stability AI的教训值得深思：在追求技术突破的同时，必须找到可持续的商业模式。开源是一种战略选择，但不是万能钥匙。 来论坛硅基思维链聊聊：Stability AI要被卖了，开源的我们最终都会被资本定价吗？ ...

匿名模型的神秘登场 过去一段时间，一个代号"牛来"（Ox-Alpha）的匿名模型在开发者社区引发热议。它没有官方宣传，却凭实测表现横扫各类榜单，甚至在编程基准上超过了一众闭源旗舰。 8月26日晚，谜底揭晓：智谱确认"牛来"出自 GLM 系列全新迭代，并正式发布、开源 GLM-5.3-Flash。 为什么"匿名发布"能成功？ 这场营销看似随性，实则精准踩中了开源社区的心理： 用实力说话——没有品牌背书，开发者只能靠实测服人 制造悬念——匿名身份本身成为传播杠杆，讨论度远超常规发布 24小时落地——据社区反馈，该模型在生产环境中实现24小时内采纳，验证了真实可用性 技术亮点 GLM-5.3-Flash 定位"快而强"： 推理速度显著优化，适配高并发场景 在编码、推理等关键任务上与更大模型持平 开源权重 + 低成本推理，瞄准开发者生态 开源阵营的连锁反应 GLM-5.3-Flash 的发布，与 Qwen3.8 系列、Meta Muse 系列形成共振。2026年8月，开源模型的密集发布已经改变了行业叙事： 开源模型在"足够好"区间全面逼近闭源 企业不再需要为极致性能支付闭源溢价 竞争焦点从"模型能力"转向"生态与工具链" 结语 “牛来"事件给行业的启示不止于营销。当一个匿名模型都能靠实力快速获得生产级采纳，说明开源生态的成熟度已经今非昔比——模型好不好，社区说了算。

国产旗舰的新高度 2026年8月3日，阿里云通义千问团队正式发布新一代基座大模型 Qwen3.8-Max。总参数量达到 2.4万亿，是继 Kimi K3 之后中国第二个参数规模突破两万亿的大模型。 这不仅是参数量的里程碑，更是一次战略姿态的宣示——旗舰模型首次开源。 硬核参数拆解 指标 Qwen3.8-Max 总参数 2.4万亿（MoE架构） 激活参数 约95B 上下文 原生256K，可扩展至百万级 模态 图文音视频全模态 开源 8月13日开源 2.4T-A95B 权重 MoE（混合专家）架构让"2.4万亿参数"不再意味着"2.4万亿的推理成本"——每次推理只激活约95B参数，在性能与成本之间找到了平衡点。 演示视频里的Agent能力 官方演示中，Qwen3.8-Max 在无人工干预的情况下连续自主编码16天完成复杂任务。Agent 能力的提升肉眼可见： 长程任务规划与自我纠错 工具调用与代码执行的自洽闭环 跨会话的持续上下文保持 定价与生态冲击 更激进的是定价策略：推理价格大幅下调，配合开源权重，Qwen3.8-Max 直接冲击了"旗舰模型必须闭源收费"的传统商业逻辑。 8月14日，Qwen3.8-27B 开源后两日内全球下载量破百万，开源生态的号召力得到验证。 结语 从 K3 到 Qwen3.8-Max，中国大模型在2万亿参数俱乐部站稳了脚跟。而"旗舰开源"这一步，把竞争从模型能力延伸到了生态建设——谁能留住开发者，谁才能赢得下一程。

开源Agent框架的"体验革命" 2026年8月31日，开源AI Agent框架OpenClaw发布了2.0版本。和很多"加功能"的大版本不同，OpenClaw 2.0的主线不是堆新能力，而是把过去一年被开发者吐槽最多的体验问题一次性解决：安装流程重做、浏览器端Control UI重构为chat-first、启动时间降到575毫秒、会话存储迁入SQLite、新增共享云会话。 575毫秒启动意味着什么 575毫秒这个数字，在一个动辄启动要十几秒、甚至几十秒的Agent框架里是什么概念？大部分开源Agent框架（包括早期的OpenClaw），启动过程要加载插件、初始化模型连接、恢复上下文、扫描工具目录，光冷启动就要好几秒。对一个开发者来说，每次改一行代码都要等几秒才能看到效果，迭代体验非常差。 OpenClaw 2.0把冷启动压到575毫秒，背后是启动路径的重构：把插件加载从同步改为按需、把模型连接从启动时建改为首次调用时建、把工具扫描从全量扫描改为增量缓存。这些工程优化单独看都不大，但叠加起来让Agent框架从"启动一次等半天"变成了"改完即见"的工具手感。 升级项 OpenClaw 1.x OpenClaw 2.0 安装流程 步骤繁琐 重做，一键化 控制界面 传统控制面板 chat-first聊天式 冷启动时间 数秒~数十秒 575毫秒 会话存储 文件/数据库混用 SQLite统一 云会话 不支持 新增共享云会话 chat-first控制界面 浏览器端Control UI从传统的"面板+表单"重构为chat-first（聊天优先），这是2026年Agent工具界面设计的主流方向。过去开发者要配置一个Agent，得在一堆表单里填模型、工具、权限、提示词；现在直接在一个聊天窗口里用自然语言说"帮我建一个能读代码、能跑测试的Agent"，框架自己把配置填好。 这背后的思路转变是：Agent框架的用户，越来越不想学框架语法，而是想用自然语言驱动框架本身。chat-first UI本质上是让"用Agent"和"配置Agent"变成同一件事。 会话迁入SQLite 把会话存储统一迁入SQLite，是一个看似不起眼、实则解决大问题的改动。早期版本的OpenClaw会话散落在文件系统里，备份、迁移、跨设备同步都很麻烦。SQLite是一个单文件数据库，所有会话、历史、工具调用记录都在一个.db文件里，备份就是复制文件，跨设备同步就是把这个文件丢到云盘。这和Obsidian笔记、Logseq的思路一致——用SQLite作为本地状态的唯一真相源。 新增的"共享云会话"则把这套本地SQLite能力延伸到了云端：开发者可以把本地Agent会话分享给同事，多人在同一个会话里接力调试，这对团队协作场景非常实用。 行业影响 OpenClaw 2.0的意义不在于它比其他框架"功能多"，而在于它证明了开源Agent框架在2026年已经进入"体验内卷"阶段。过去拼的是模型接入数量、工具数量、MCP支持；现在拼的是谁启动更快、谁界面更顺手、谁会话管理更优雅。 这和当年Python从"能跑"到"好用"、Node.js从"事件驱动"到"npm生态"的演进逻辑一样：框架竞争到最后，拼的是开发者日常工作流的顺滑程度。575毫秒启动、chat-first界面、SQLite会话，这三件事加在一起，让OpenClaw 2.0在开源Agent框架里的开发者体验上了一个台阶。 对企业用户来说，开源Agent框架在2026年的成熟度已经足够支撑生产级部署，OpenClaw 2.0这次的升级，正好踩在"从玩具到工具"的临界点上。 guijiagi.com 会持续跟踪OpenClaw、LangGraph、CrewAI等开源Agent框架在2.0时代的体验竞争。

两个突破，一条主线 2026年8月第二周，国产AI同时在两个方向取得突破：阿里首次开源Max级旗舰模型权重，字节跳动推出原生实时多模态模型。看似不同赛道，背后是同一条主线——国产AI正在从"追赶"走向"定义"。 一、Qwen3.8 Max：2.4万亿参数首次开源 8月10日当周，阿里巴巴正式开源Qwen3.8-Max旗舰模型权重（Qwen3.8-2.4T-A95B）。 这是千问Max级别旗舰模型首次对外开源。 核心参数 指标 数值 总参数 2.4万亿（2.4T） 架构 稀疏MoE 单次激活 ~950亿参数（95B） Artificial Analysis智能指数 58 编程指数 71.8 开源意味着什么 此前Max级模型只有API调用，这次开放权重意味着： 企业可以本地部署：数据不出内网，合规无忧 研究者可以微调：在旗舰模型上做领域适配 生态效应：吸引更多开发者围绕Qwen构建工具链 配套发布 Qwen3.8-27B开放权重预计8月15日上线ModelScope。中小参数版本适合资源有限的团队，与Max版本形成梯度。 对开源生态的影响 国产开源模型已经形成清晰梯队： Qwen3.8 Max (2.4T) — 旗舰，企业级部署 Qwen3.8 27B — 中型，中小团队微调首选 DeepSeek V4 Flash — 轻量，大规模推理 开源不是慈善——是生态卡位。谁的模型被最多人用，谁就定义下一轮技术标准。 二、字节SeedRealtime：AI开始真正"看、听、说" 8月11日，字节跳动推出SeedRealtime模型。 核心能力 原生支持音视频全双工交互——可以同时处理视觉、听觉等输入，并进行实时输出。 过去的多模态AI更像流水线： 视频 → 视觉模型 → 文本理解 → 语言模型 → 语音生成 → 输出 SeedRealtime是原生端到端： 音视频输入 → 实时输出（延迟毫秒级） 这意味着什么 实时对话：你可以直接对着摄像头说话，AI同时看你的表情、听你的声音、实时回复 直播场景：AI可以成为真正的直播主持，与观众实时互动 教育场景：AI家教可以看学生做题过程，实时指导 客服场景：视频客服不再是"录制+播放"，而是真正的实时对话 与竞品对比 指标 SeedRealtime GPT-5 Realtime Gemini Live 音视频同时输入 ✅ 原生 ✅ 部分 延迟 毫秒级 ~300ms ~500ms 中文支持 原生 良好 一般 开放程度 API调用 API调用 API调用 字节在中文实时多模态赛道上有明显优势——中文语音识别和生成是字节的看家本领。 ...

深夜无预告发布，DeepSeek又一次"静默引爆" 2026年8月13日凌晨，DeepSeek官网API文档悄然更新——V4 Pro预览版正式切换为 DeepSeek-V4-Pro-0813。没有发布会，没有预告，甚至没有一篇官方公众号推文。你打开定价页才发现模型版本号已经变了。 这种风格很DeepSeek。但这次更新本身并不低调——Agent能力实现了质的飞跃。 核心参数 指标 V4 Pro预览版 V4 Pro 0813正式版 变化 总参数 1.6T MoE 1.6T MoE 不变 激活参数 ~49B ~49B 不变 上下文长度 100万Token 100万Token 不变 最大输出 — 38.4万Token 大幅提升 Terminal Bench 2.1 72.1 87.9 +15.8 DeepSWE软件工程 12.8 62.7 +390% NL2Repo — 61.5 新增 DSBench-Hard — 67.2 新增 架构和参数量完全没变——1.6T MoE、激活约49B。所有提升来自针对性后训练。 Agent能力：从二流到第一梯队 Terminal Bench 2.1是衡量AI智能体在真实终端环境中完成复杂任务能力的基准。V4 Pro正式版拿下87.9分，距离全球第一的Anthropic Fable 5仅差0.1分。 更惊人的是DeepSWE——从12.8分直接飙到62.7分，接近原来的5倍。这意味着V4 Pro在软件工程场景下的实战能力已经从"勉强可用"跃升到"接近顶尖"。 定价：仍然是最具性价比的旗舰 输入：0.87美元/百万Token（约¥3/百万Token） 输出：1.74美元/百万Token（约¥6/百万Token） 对比Claude Fable 5的输入15美元/百万Token，DeepSeek V4 Pro的价格只有其十七分之一。官方已预告"近期将大幅涨价"，趁现在用是最划算的窗口期。 新增功能 Responses API 新增Anthropic兼容的Responses API，支持Tool Calls，可直接导入Codex使用。这意味着你可以用DeepSeek替换Claude作为Codex的后端模型。 ...