企业官网建设流程全解析

2026 年夏天，国产大模型迎来了又一次重要升级。

短短几个月前，万亿（Trillion）参数仍然是行业讨论的焦点；如今，国产基础模型已经开始向2T+ 参数规模全面迈进。

月之暗面正式发布2.8T 参数的 Kimi K3，并宣布即将开源；阿里通义团队则上线2.4T 参数的 Qwen3.8-Max Preview，向开发者开放抢先体验。

相比单纯追求参数规模，这一代模型更值得关注的是另一件事——它们开始真正面向长周期 Agent、复杂工程任务以及科研工作流进行设计。

无论是 GPU 编译器开发、自主芯片设计，还是百万 Token 长上下文推理，都意味着国产大模型正在进入新的竞争阶段。

Kimi K3：目前规模最大的开源基础模型之一

月之暗面（Moonshot AI）此次发布的Kimi K3，总参数达到2.8 万亿（2.8T），也是目前公开发布的最大规模开源模型之一。

相比上一代模型，Kimi K3 更大的突破并不仅仅来自参数增长，而是在模型架构、训练方法以及 Agent 能力上的全面升级。

更高效的 2.8T 架构

超大模型最大的挑战并不是训练，而是如何在保持性能的同时控制通信成本与推理效率。

Kimi K3 主要采用了三项核心技术：

• KDA（Kimi Delta Attention）+ AttnRes：优化超长上下文的信息流动，相比 Kimi K2，整体扩展效率提升约2.5 倍。

• Stable LatentMoE 稀疏专家架构：模型包含896 个专家，每次推理仅激活16 个，兼顾模型容量与计算效率。

• QAT（量化感知训练）：从 SFT 阶段开始支持 MXFP4/MXFP8 量化，使模型能够更好适配主流 AI 推理硬件。

这些优化意味着，即便模型规模已经达到 2.8T，实际推理成本依然能够控制在商业部署可接受的范围内。

Agent 能力成为重点

相比聊天能力，Kimi K3 更强调复杂工程任务的自主执行能力。

官方展示了多个具有代表性的案例：

这些案例说明，模型的目标已经不仅是"写代码"，而是能够持续完成整个软件工程流程。

即将全面开源

根据官方计划：

• 完整模型权重将在 7 月 27 日前陆续开放。

• API 基于 Mooncake 分离式推理架构，编码场景缓存命中率超过90%。

• 缓存命中输入价格低至0.30 美元/MTok。

对于开发者而言，这意味着超大模型开始具备更加实际的部署价值。

Qwen3.8：2.4T Preview 正式开放体验

另一边，阿里通义团队也带来了Qwen3.8-Max Preview。

官方公布的信息显示，该模型总参数约2.4T，目前 Preview 版本已经上线，可供开发者体验。

相比前代版本，Qwen3.8 更强调综合能力的提升，包括：

• 长上下文推理

• Agent 工作流

• 编程能力

• 数学与科学推理

• 多轮复杂任务执行

目前开发者已经可以通过：

• Token Plan（国内/国际站）

• Qoder

• Qoder Work

等平台调用最新 Preview 模型。

官方同时表示，模型完成最终收敛和对齐之后，将继续开源权重，延续 Qwen 系列长期坚持的开放生态策略。

国产大模型为何集体迈向 2T+？

如果把近两年的技术路线串联起来，会发现行业正在发生三个明显变化。

聊天机器人 ↓ 代码助手 ↓ Agent ↓ 软件工程 ↓ AI 基础设施

1. AI 正在进入"工程执行"阶段

过去的大模型更多承担代码补全、文本生成等辅助角色。

而最新一代模型已经开始尝试完成：

• GPU Kernel 优化

• 编译器开发

• 芯片设计

• 科研复现

• 大型项目开发

模型正在从"工具"逐渐演进为能够持续执行复杂任务的 Agent。

2. MoE 已成为超大模型主流路线

无论是 Kimi K3，还是 Qwen3.8，都采用了超大规模 MoE 架构。

这种设计能够在保持万亿级参数容量的同时，仅激活少量专家参与计算，大幅降低推理成本。

可以预见，未来几年MoE + 长上下文 + Agent将成为基础模型的重要发展方向。

3. 开源模型持续缩小与闭源模型的差距

过去几年，最强模型几乎都来自闭源阵营。

而如今，国产开源模型正在快速提升：

• 参数规模进入 2T+ 时代；

• 编程、Agent 与复杂推理能力持续增强；

• API 成本不断下降；

• 开源生态持续扩大。

虽然顶尖闭源模型在部分能力上仍保持领先，但开源模型与闭源模型之间的差距正在进一步缩小。

写在最后

Kimi K3 与 Qwen3.8 的发布，意味着国产基础模型竞争已经从"参数规模"进入"工程能力"的新阶段。

对于多数开发团队而言，真正需要解决的不只是"选哪个模型"，还有模型的持续接入与管理。相比自行维护多个模型接口，通过MaaS（Model as a Service）平台统一调用通常更加省心。例如魔芋 AI MaaS提供统一 API 接入多家主流模型，支持通过一个 API Key 灵活切换不同模型，在兼顾价格、响应速度、稳定性和安全性的同时，也降低了多模型协同和后续迁移的成本。通过链接注册可获百万token包福利。

魔芋AI大模型网关I全球大模型一站式调用及服务平台魔芋AI大模型聚合平台（大模型网关平台）专注于提供高效能、低成本的多品类 AI 模型服务，助力开发者和企业聚焦产品创新。https://www.moyu.info/register?aff=qBX9

未来值得关注的，不再只是模型有多大，而是它是否能够真正完成复杂的软件开发、科研分析、工程设计等长周期任务。

随着 Kimi K3 即将开源，以及 Qwen3.8 持续迭代，2026 年下半年国产大模型竞争或将进一步升温。与此同时，DeepSeek、GLM、Seed、MiMo、LongCat 等团队的新一代模型也值得期待。