

> **导语**
> 阿里巴巴于除夕夜开源Qwen3.5-Plus，凭借3970亿参数与底层架构革新，性能全面超越万亿参数模型，比肩Gemini 3 Pro。新模型实现原生多模态跃迁，显存占用降60%，API成本仅为竞品的1/18，并在MMLU-Pro等多项权威评测中刷新全球纪录。

## 架构革新 小参数撬动万亿级性能

2026年2月16日除夕之夜，阿里巴巴向全球开源社区送上了一份重磅“年货”——全新一代大模型千问Qwen3.5-Plus。这款模型的发布标志着国产大模型在底层架构设计上取得了突破性进展。

Qwen3.5-Plus并未盲目追求参数规模的无限扩张，而是选择了更高效的MoE（混合专家）架构路线。其总参数量为3970亿，但激活参数仅为170亿。这种设计使得它能够以“四两拨千斤”之势，在性能上超越了万亿参数级别的Qwen3-Max。在实际部署中，其显存占用大幅降低了60%，而在256K超长上下文场景下的推理吞吐量更是惊人地提升了19倍。这不仅意味着算力利用率的极致优化，也为开发者大幅降低了硬件门槛。

![Generated Image February 19, 2026 - 7_52PM.png](https://static.downly.cn/images/1c3f52dd9d527724442635f627feebf1.png) <center>图源备注：图片由AI生成</center>

## 原生多模态与极致性价比

与前几代依赖纯文本训练的模型不同，Qwen3.5-Plus实现了向 **原生多模态** 的代际跨越。通过基于视觉和文本混合Token的预训练机制，模型以不到40%的参数量就获取了顶尖的理解与生成性能。

在商业化落地方面，阿里打出了极具杀伤力的价格牌。其API定价为每百万Token仅0.8元，这一价格仅为同级别竞品Gemini 3 Pro的1/18。这种“性能顶格、价格地板”的策略，无疑将对全球大模型API市场造成剧烈冲击。

## 权威评测霸榜 刷新多项世界纪录

在硬核性能指标上，Qwen3.5-Plus的表现堪称“屠榜”。
*   **MMLU-Pro**：得分87.8分，超越GPT-5.2。
*   **GPQA**：斩获88.4分，优于Claude 4.5。
*   **IFBench**：刷新历史最高纪录。

目前，该模型已全方位超越Gemini 3 Pro等国际一线竞品，并已同步接入千问多端平台。对于开发者而言，这意味着即刻起便能以极低的成本调用全球最强性能的开源模型能力。

![Generated Image February 19, 2026 - 7_52PM (1).png](https://static.downly.cn/images/b12d4408341790d0afc3eadddf311e33.png) <center>图源备注：图片由AI生成</center>


阿里除夕夜突发Qwen3.5 Plus 登顶全球最强开源模型并大幅降低推理成本



> 导语
> DeepSeek 近日悄然开启新长文本模型灰度测试，支持高达100万 token 上下文，被视为 V4 发布的压力测试。然而，模型交互风格由“暖心”转为“高冷”，在提升信息密度的同时也引发了大量情感型用户的“戒断反应”。

## 风格突变引发的用户戒断反应

2月11日开启灰度更新，2月14日正式官宣，DeepSeek 的这波操作迅速引爆了社交网络。此次更新重点在于网页和 APP 端支持最高100万 token 的超长上下文，并将知识库更新至2025年5月。然而，引起最大讨论的并非参数，而是交互风格的剧变。

更新后的 DeepSeek 被大量用户吐槽“变冷淡”。它不再使用专属昵称，统一称呼为“用户”；在深度思考模式下，回复变为干练的短句，甚至被部分用户指责为“阴阳怪气”。相关话题在微博阅读量超6853万，习惯了此前“共情模式”的用户纷纷表示出现“戒断反应”。对此，DeepSeek 官方回应称，这是基于效率优先的边界意识优化，旨在去除干扰信息密度的语气词，满足用户获取清晰答案的核心需求。这一解释也得到了“效率党”的支持，认为其回复速度更快、逻辑更纯粹，并通过了著名的“洗车图灵测试”。

![Generated Image February 15, 2026 - 9_39AM (2).png](https://static.downly.cn/images/cbcc845f71096cc1366c856b7aca4a9f.png) <center>图源备注：图片由AI生成</center>

## 旗舰模型 V4 的颠覆性潜力

此次更新被业内普遍视为 DeepSeek V4 发布前的最后一次大规模技术预热，全网期待值已拉满。据悉，V4 模型预计将于2026年2月中旬春节期间正式发布。作为万亿参数级别的旗舰，V4 聚焦于编程能力的颠覆性提升。

内部初步基准测试显示，DeepSeek V4 在编程任务上已超越 Claude 和 GPT 等主流顶尖模型。其核心突破在于对极长代码提示词的解析能力，可一次性理解庞大的代码库上下文，这对企业级开发意义重大。此外，V4 升级了训练算法，使得模型在提升推理严密性的同时，实现了性能无退化。值得注意的是，DeepSeek 仍计划保持百万 Token 上下文优势，并以 Apache 2.0 许可证开源发布，承诺推理成本远低于西方竞品，这或许将彻底改变 2026 年 AI 编程赛道的竞争格局。

![Generated Image February 15, 2026 - 9_41AM.png](https://static.downly.cn/images/851d5c5202afbc48cf2674f0a235a67b.png) <center>图源备注：图片由AI生成</center>

前沿｜DeepSeek V4 前哨战开启百万级上下文测试，风格突变引发用户热议



> 智谱正式开源新一代基座模型 GLM-5，以 744B 参数规模问鼎开源榜首，在长程任务与系统工程能力上实现对标国际顶尖水平的重大突破，重新定义 AI 工程化边界。

## 性能跃迁 迈向Agentic Engineering时代

智谱今日发布的 GLM-5 不仅仅是一次版本号的更新，更代表着大模型能力范式的转移——从单一的代码生成进化为能够独立处理复杂系统工程的 **“Agentic Engineering”**。

在权威的 Artificial Analysis 全球榜单中，GLM-5 强势位居全球第四，并摘得 **开源模型第一** 的桂冠。其工程化实战能力已逼近 Claude Opus 4.5
*   **编程对齐** 在 `SWE-bench-Verified` (77.8分) 和 `Terminal Bench 2.0` (56.2分) 中均取得开源界最佳成绩，超越了 Google 的 Gemini 3 Pro。
*   **长程智能体** 在 `BrowseComp` 及复杂工具规划测试 `τ²-Bench` 中稳居开源首位，展现了卓越的任务拆解与执行能力。
*   **经营决策** 在模拟商业环境的 `Vending Bench 2` 测试中，其长期规划能力表现出类拔萃。

![Generated Image February 12, 2026 - 11_09AM (1).png](https://static.downly.cn/images/a81c005a2294b9c18c77ea0461a92130.png) <center>图源备注：图片由AI生成</center>

## 技术硬核 稀疏注意力与异步进化

GLM-5 的强大性能源于底层架构的彻底重构：
1.  **参数规模暴力美学** 模型参数量从前代的 355B 暴涨至 **744B**（激活参数 40B），预训练数据量更是提升至 **28.5T** Token。
2.  **Slime 进化框架** 引入全新的异步智能体强化学习算法，使模型能够像人类一样在长程交互中不断自我修正与进化。
3.  **效率优化** 集成 **DeepSeek Sparse Attention**（稀疏注意力）机制，在处理超长文本的同时，大幅降低了推理成本与显存占用。

## 生态闭环 全面适配国产芯

为了打破算力瓶颈，GLM-5 在发布之初便完成了广泛的硬件适配。目前，该模型已实现与 **华为昇腾、摩尔线程、寒武纪、昆仑芯、海光** 等国产主流算力平台的深度兼容。通过底层的算子级优化，确保了在国产芯片集群上的高吞吐与低延迟运行。

与此同时，智谱同步推出了基于 GLM-5 的 **Z Code** 编程工具，支持多智能体并发开发。更令人瞩目是其办公生态的打通——GLM-5 可直接将素材转化为 Office 文档，并作为原生插件嵌入 Excel，将大模型能力无缝注入日常办公流。

目前，GLM-5 模型权重已通过 Hugging Face 和 ModelScope 正式开源，遵循 **MIT License** 协议，允许全球开发者自由商用。

![Generated Image February 12, 2026 - 11_10AM.png](https://static.downly.cn/images/9b5045a381cf3b998937f2ea1040d5d3.png) <center>图源备注：图片由AI生成</center>

智谱GLM-5开源登场 744B参数重塑国产大模型工程化天花板



> 国产大模型赛道在 2026 年春节期间迎来高光时刻。GLM-5 的发布不仅在技术路线上验证了稀疏注意力架构的可行性，更在资本市场上演了一场造富神话。

## 马甲曝光后的资本狂欢

继 DeepSeek 之后，智谱 AI 的新一代大模型 GLM-5 成为了市场的绝对焦点。这一动作直接引爆了资本市场，导致智谱股价近期大涨 200%，总市值冲破 1500 亿港币大关，达到其 IPO 时的 3 倍。

此前，全球模型服务平台 OpenRouter 上出现了一款代号为“Pony Alpha”的神秘模型，其代码编写能力直逼行业顶尖的 Claude Opus。经过网友对其特有逻辑 Bug（如特定且异常的烹饪问答）的“指纹识别”，以及系统提示词的自曝，该模型的真实身份最终被确认为 GLM-5。

![Generated Image February 11, 2026 - 10_28AM.png](https://static.downly.cn/images/7ffe63c8085889d9e58ed98db9acf20a.png) <center>图源备注：图片由AI生成</center>

## 复用 DSA 架构的参数跃升

在技术路线上，GLM-5 选择了与 DeepSeek-V3 相同的稀疏注意力架构（DSA），这被行业视为一种极具性价比的演进策略。
*   **规模跨越**：总参数量飙升至 745B，是前代 GLM-4.7 的 2 倍。
*   **计算效率**：采用 Mixture-of-Experts (MoE) 机制，拥有 256 个专家，每次仅激活 8 个（约 44B 激活参数），稀疏度低至 5.9%，大幅降低了推理成本。
*   **能力补齐**：支持最高 202K token 的上下文窗口，并重点强化了视频理解等多模态能力，弥补了此前纯文本架构在 2026 年市场需求下的短板。

![Generated Image February 11, 2026 - 10_28AM (1).png](https://static.downly.cn/images/c6a4604350a47c39de7e90273da19cb3.png) <center>图源备注：图片由AI生成</center>

## 行业影响与部署门槛

GLM-5 对 DSA 架构的采用具有深远的行业意义。它意味着该模型可以直接复用 vLLM、SGLang 等主流推理框架现有的优化方案。对于企业级用户而言，这直接降低了部署门槛和算力成本。在国产 AI 积极出海、与海外大模型贴身肉搏的浪潮中，智谱凭借 GLM-5 在性能与工程化上的双重突破，再次证明了其作为头部玩家的实力。

智谱 GLM-5 借力稀疏架构突围 资本热捧助推市值千亿新高



> **导语**
> 上海人工智能实验室开源全球最大科学多模态模型，基于MoE架构实现万亿参数与极致算力效率平衡，在AI4S领域确立国际领先地位，并全面开放SAGE架构技术链路。

## 科学计算领域的参数里程碑

全球开源 AI 社区近日迎来了一次重量级的技术刷新。上海人工智能实验室正式发布并开源了 **Intern-S1-Pro**，这是一款参数量达到万亿级别（1T）的科学多模态大模型。

该模型的发布不仅打破了开源社区的参数规模纪录，更标志着国产 AI 在 **AI for Science (AI4S)** 这一前沿赛道上取得了战略性突破。在综合学科评测中，Intern-S1-Pro 展现出了令人惊叹的专业能力，其复杂数理逻辑推理水平已达到奥林匹克竞赛金牌标准。在真实的科研场景下，它能够作为高水平的智能体辅助科学家进行实验设计与数据分析，其实力已稳居全球开源模型的第一梯队。

![Google_AI_Studio_2026-02-05T02_39_23.699Z.png](https://static.downly.cn/images/a85a54b0f905d1efb66a6bc31955bce4.png) <center>图源备注：图片由AI生成</center>

## 混合专家架构与物理直觉

在庞大的参数规模之下，Intern-S1-Pro 的技术内核同样精妙。研发团队采用了先进的 **混合专家架构（MoE）**，虽然总参数量高达1万亿，但通过高效的动态路由机制，模型在处理每一次具体任务时，仅需激活 **220亿（22B）** 参数。这种设计极大地降低了推理成本，实现了超大规模模型在算力效率上的最优解。

为了让 AI 真正理解科学规律，团队还引入了创新的“通专融合”技术架构 SAGE。通过引入傅里叶位置编码并重构时序编码器，模型仿佛拥有了“物理直觉”，能够统一理解从微观粒子信号到宏观物理现象的复杂规律。这一技术突破攻克了超大 MoE 模型训练中常见的稳定性难题，证明了国产团队在底层算法架构上的原创能力。

## 全链路自主可控的生态底座

Intern-S1-Pro 的意义远超模型本身，它是一次从原创架构到国产算力基座的完整技术验证。目前，该模型已在 GitHub 和 HuggingFace 等主流平台全面开源，并提供在线体验服务。

这一举措为全球科研机构和开发者提供了一个开放、共享的高性能基础设施。通过降低顶级科学模型的获取门槛，上海人工智能实验室正在加速构建一个基于国产技术的科研 AI 生态，为未来的科学发现提供源源不断的智能动力。

![Google_AI_Studio_2026-02-05T02_39_28.314Z.png](https://static.downly.cn/images/f3ead6a4fb51a05a89f7d6f330992612.png) <center>图源备注：图片由AI生成</center>

国产开源新高地：万亿参数Intern-S1-Pro发布，数理推理对标奥赛金牌



> **导语**
> 谷歌凭借Gemini 3模型强劲表现实现用户激增，季度内净增1亿月活，同时推出低价订阅与自研芯片Ironwood，正式宣告完成向“AI优先”实体的全面转型。

## 双雄争霸格局下的数据突围

Alphabet 发布的2025年第四季度财报揭示了全球AI版图的最新战况。最引人注目的数据在于谷歌旗下AI聊天机器人 Gemini 的迅猛增长：其月活跃用户数（MAU）已正式突破 **7.5亿** 大关。

相比上一季度，Gemini 在短短三个月内实现了1亿用户的惊人净增长。这一数据不仅大幅甩开了拥有5亿月活的 Meta AI，更在以极快的速度逼近行业领头羊 ChatGPT（2025年底估算月活约为8.1亿）。谷歌 CEO 桑达尔·皮查伊将这一成绩归功于最新发布的 **Gemini 3 模型**，指出其在逻辑深度与交互细腻度上的显著提升，成功赢得了市场的核心用户群。

![Google_AI_Studio_2026-02-05T02_38_20.003Z.png](https://static.downly.cn/images/b4012481b75c8ae399c14a58c4283a17.png) <center>图源备注：图片由AI生成</center>

## 差异化定价与商业化提速

在用户规模迅速扩张的同时，谷歌开始在商业化变现上祭出新招。为了进一步渗透价格敏感型市场，谷歌打破了行业惯例，推出了每月仅需 **7.99美元** 的 Google AI Plus 订阅方案。

这一激进的定价策略旨在通过降低门槛，从竞争对手的高价订阅体系中抢夺市场份额。尽管该计划上线时间较短，尚未对本季度财报产生直接影响，但在财报电话会议中，管理层对其后续拉动付费用户增长的能力表现出极强信心，这被视为谷歌在AI消费端发起的“价格战”信号。

## 基础设施重构支撑万亿帝国

支撑起庞大用户体量与算力需求的，是谷歌在硬件底层的持续加码。为了减少对英伟达GPU的依赖并提升自主可控能力，谷歌正式推出了新一代 TPU AI 加速芯片 **Ironwood**。

Ironwood 的问世不仅优化了 Gemini 模型的推理成本，更标志着谷歌在“算力-模型-应用”全链路闭环上的成熟。得益于 AI 部门的强劲驱动，Alphabet 全年总营收历史上首次突破 **4000亿美元** 里程碑。这一财务数据有力地向华尔街证明，谷歌已不再是一家单纯的搜索广告公司，而是成功转型为以人工智能为核心驱动力的科技巨擘。

![Google_AI_Studio_2026-02-05T02_38_22.681Z.png](https://static.downly.cn/images/96c931fc231cd29ed9aad687ad5bc8b7.png) <center>图源备注：图片由AI生成</center>

谷歌财报详解：Gemini月活破7.5亿逼近OpenAI，年营收首破4000亿美元



> **导语**
> 微软 AI 硬件战略再落一子，Maia 200 推理芯片凭借台积电 3nm 工艺与单片千亿晶体管规模，将 4 比特算力推升至 Petaflops 级别。这款芯片不再单纯追求参数堆砌，而是剑指企业级 AI 大规模落地的高昂运营成本。

## 工艺跃迁 4比特算力进入 Petaflops 时代

作为 Maia 100 的迭代产品，Maia 200 在硬件规格上实现了质的飞跃。该芯片基于台积电最先进的 **3纳米制程工艺** 打造，单片集成超过 **1000亿个晶体管**，为复杂的逻辑处理构建了坚实的物理基础。

在算力表现上，Maia 200 展现了惊人的数据吞吐能力。其 **4比特精度算力** 突破 **10 petaflops** 大关，即便在 **8比特精度** 下也能维持约 **5 petaflops** 的高性能输出。相较于前代产品，这种指数级的性能提升，使其在处理大规模语言模型（LLM）的实时推理任务时更加游刃有余。

![Google_AI_Studio_2026-01-27T03_19_56.774Z.png](https://static.downly.cn/images/88a5602f764db122b8bad260dc51741a.png) <center>图源备注：图片由AI生成</center>

## 战略卡位 终结推理烧钱模式

对于当下布局 AI 的企业而言，模型训练只是入场券，推理阶段的高昂持续成本才是真正的痛点。微软 Maia 200 的设计哲学正是为了解决这一“烧钱”难题。

该芯片的核心使命是 **降本增效**，通过定制化架构显著降低大型 AI 模型的运营开支（OpEx）。在互联技术上，Maia 200 采用了以太网连接方案，这种设计不仅保证了优于同类产品的性能，更支持灵活高效的 **组网策略**。通过降低集群能耗提升系统稳定性，微软试图为企业提供一种比购买通用 GPU 更具性价比的替代方案。

## Copilot 实战验证 生态对外开放

Maia 200 并非停留在实验室的概念产品，而是经过了微软内部大规模业务的实战洗礼。目前，该芯片已全面接入微软旗下的明星产品 **Copilot** 及多个核心 AI 项目。

在验证了其在复杂业务场景下的稳定性与扩展潜力后，微软选择将这一算力平台向外开放。目前，Maia 200 已面向开发者提供试用，旨在吸引顶尖技术团队加入其硬件生态，共同构建基于微软自研芯片的算力未来。

微软发布 Maia 200 芯片 意在破解 AI 推理成本困局



> **导语**
> 年末科技圈再迎重磅炸弹，智谱科技发布的 GLM-4.7 模型在 WebDev 榜单上强势超越 GPT-5.2，问鼎开源大模型之首。凭借卓越的编码能力与更低的推理成本，它被开发者誉为 "Claude Code 的最佳平替"。

## 技术揭秘 后训练阶段的精细化打磨

在近期的 AMA 活动中，智谱团队不仅展示了成绩，更披露了技术跃迁的核心逻辑。GLM-4.7 的突围并非单纯依赖参数堆叠，而是得益于后训练阶段（Post-training）的极致优化。

团队在监督微调（SFT）和强化学习（RL）环节引入了更为精细的配方，这种策略显著提升了模型在复杂指令下的稳定性。除了性能，成本控制也是此次迭代的亮点。智谱明确表示，设计初衷是让高性能模型能够跑在消费级显卡上，这种 "亲民" 的算力需求，为个人开发者和中小企业的大规模部署扫清了障碍。

![Google_AI_Studio_2025-12-29T03_19_21.225Z.png](https://static.downly.cn/images/147bd94fc3fcbe41f7be5712d8d40fb1.png)
 <center>图源备注：图片由AI生成</center>

## 全能表现 从代码构建到角色扮演

GLM-4.7 正在展现出 "全能选手" 的潜质。在代码领域，它对 Python 和 JavaScript 等主流语言的支持更加稳健，不仅能完成基础编码，还能在调试和执行复杂开发任务时展现出清晰的逻辑链条。

更有趣的是，该模型的 "情商" 也得到了进化。在创意写作和角色扮演任务中，GLM-4.7 能够长时间保持角色设定的一致性，大幅减少了以往模型常见的 "出戏" 现象。这种灵动性使其在游戏 NPC 对话、虚拟陪伴等感性交互场景中也具备了极高的应用价值。

与此同时，智谱宣布开源自研的 Slime 框架，旨在反哺社区，提升大模型强化学习的效率。团队承诺，即便在商业化进程加速的背景下，对开源生态的投入不仅不会缩减，反而会作为公司成长的核心动力持续加强。

搜索结果: 推理成本