本文聚焦国内大厂在大模型技术方向的最新进展，内容基于公开资讯与厂商披露整理。厂商自报的性能与基准数据尚需第三方独立评测验证，阅读时请注意甄别。整理日期：2026-07-16。

---

一、腾讯：混元 Hy3 正式版开源，最后一家闭源大厂加入开放阵营

2026 年 7 月 6 日，腾讯混元团队发布 Hy3（混元 3.0）正式版，并在 GitHub、HuggingFace、ModelScope 全面开源模型权重。这一发布的意义在于：它把国内最后一批坚持闭源的头部大厂，正式带入了与 Qwen、DeepSeek、GLM、Kimi 并列的开放权重阵营。

核心规格

项目	参数
架构	混合专家（MoE），「稠密注意力 + 稀疏 FFN」
总参数 / 激活参数	2950 亿（295B）/ 210 亿（21B）
网络结构	80 层 Transformer + 1 层多 Token 预测（MTP）
注意力头	64 个，采用分组查询注意力（GQA）
上下文窗口	256K
许可证	Apache 2.0（相比 4 月预览版更宽松，取消了对欧盟、英国、韩国的授权限制，全球免费商用）

效率对比（对标开源代码王者 GLM-5.2）

GLM-5.2 约为 7440 亿参数 MoE、约 400 亿激活，其 FP8 权重约占 744GB，生产部署最低需 8×H200 节点；而 Hy3 的 FP8 体量不到 300GB（不到一半显存），每 Token 计算量也约减半。用不到一半的资源，对标 2 至 5 倍参数量的开源旗舰，这是 Hy3 主打的性价比叙事。

厂商披露的可靠性提升数据

• 幻觉率：12.5% → 5.4%
• 多轮问题率：17.4% → 7.9%
• WorkBuddy 办公场景任务解决率：72% → 90%，平均耗时缩短 34%

此外，Hy3 与微信生态、数字人、短视频深度打通，可部署在华为昇腾芯片，海光深算系列 DCU 也已完成对其的深度适配。

⚠️ 提示：上述可靠性数据均为厂商自报。在独立的时延、工具调用与生产环境评测跟进之前，建议将其视为「有前景的厂商证据」。

---

二、DeepSeek V4：昇腾首发适配 + 压缩注意力，把长文本算力打下来

DeepSeek V4 于 2026 年 4 月 24 日正式发布，同步在 Hugging Face 与 ModelScope 开源并附 58 页技术报告。进入 7 月后，它在国产算力适配与商业化定价两个方向持续推进。

双版本配置

版本	总参数	激活参数	专家配置	昇腾推理时延
V4-Pro	1.6T	49B	384 路由专家 + 1 共享	20ms
V4-Flash	284B	13B	256 路由专家	10ms

关键技术创新：CSA 与 HCA 压缩注意力

传统注意力处理长序列时，每个 Token 都要与所有历史 Token 计算注意力，算力随序列长度呈平方增长。V4 通过两级压缩化解这一瓶颈，把上下文从 128K 扩展至 1M（近 10 倍）：

• 压缩稀疏注意力（CSA）：先把每 m 个 Token 的 KV 缓存压缩为 1 个条目（m=4），再用稀疏注意力让每个查询 Token 仅关注 k 个压缩条目（k=512~1024），并引入 Lightning Indexer（轻量索引器） 高效选出重要块，整体将序列长度压缩至 1/m。
• 高度压缩注意力（HCA）：采用更激进的压缩率（m’=128），把每 128 个 Token 压为 1 个，但保持稠密注意力，适用于信息密度较低的场景。

CSA 与 HCA 以交错方式堆叠，兼顾效率与表达力。

国产算力与商业化

• 6 月 20 日全球首发跑通华为昇腾，寒武纪等 7 家国产芯片高效适配；
• 7 月版新增峰谷分时定价 + 缓存命中优惠，夜间批量任务最高省 70%；
• 接口变更提示：旧接口 deepseek-chat 与 deepseek-reasoner 将于 2026 年 7 月 24 日停用，过渡期分别指向 deepseek-v4-flash 的非思考模式与思考模式，请及时迁移。

---

三、美团 LongCat-2.0：纯国产 ASIC 集群训练的前沿模型

一个略显意外的玩家交出了硬核成果。6 月 29 日，美团以 MIT 许可发布 LongCat-2.0。其技术看点在硬件：该模型完全基于一个 5 万卡规模的国产 ASIC 集群训练，未使用任何受美方出口限制的英伟达硬件。

这被视为国产芯片生态能够训练前沿规模模型的一次概念验证。在昇腾 A2 芯片上部署时，推理时延可降至 20ms。MIT 许可意味着无地域限制、无使用禁令、可自由微调与再分发，对于需要「前沿邻近」编码能力又想摆脱美系模型依赖的企业团队，LongCat-2.0 与 GLM-5.2、DeepSeek V4-Pro 一起，构成了可信的开放权重替代方案。

---

四、阿里、百度、华为：生态、多模态与自主算力

阿里（Qwen）——多语言与智能体的广度领跑者

Qwen 的开放权重策略已在 Hugging Face 上衍生出超过 10 万个派生模型，成为阿里云在东南亚、中东扩张的核心驱动力。当前正推进 Token Hub 整合，把全部 AI 能力统一到单一战略与领导架构之下。不过阿里在开放度上有所收敛——把最大的 Qwen 旗舰（Max 档）保留为闭源 API，而非开放下载。

百度（ERNIE）——原生多模态与研究型智能体

百度 1 月发布通用多模态模型 ERNIE 5.0，参数量 2.4T，原生统一建模文本、图像、音频、视频四种模态，支持深度/宽度/稀疏度三种弹性推理，可适配云端、边缘与手机。智能体方向推出「千帆深度研究 Agent」，可将博士级研究任务压缩至十几分钟，覆盖 22 个学科。需注意：ERNIE 5.0/5.1 目前仅提供 API，基准与效率数据无法被独立验证。

华为（盘古 + 昇腾）——全栈国产化与具身智能

华为的核心动作聚焦自主算力与具身智能：盘古 Ultra MoE（7180 亿参数）全流程在昇腾平台训练，实现从硬件到软件的全栈国产化闭环；2026 年盘古转向具身落地，可驱动工业机械臂完成误差小于 0.01mm 的精密装配，并在自动驾驶实现「车路云一体化」决策。

---

五、行业格局：从「模型能力竞赛」转向「入口与生态之争」

中国开放权重模型正快速逼近西方闭源系统。 中国实验室已占据开放权重前五名中的四席：GLM-5（智谱 AI）、Qwen3.5（阿里）、Kimi K2.5（Moonshot）、DeepSeek V4，各自在不同能力维度领跑。其中 GLM-5.2（6 月 13 日发布，MIT 许可，1M 上下文） 在整体基准与智能体编码上暂居国产头名，SWE-bench Verified 一度达到 77.8%。

几个值得关注的宏观信号：

• 规模爆炸：国家数据局披露，中国全国日均处理 Token 已达 140 万亿，相较 2024 年初的 1000 亿，两年增长约 1400 倍。
• 监管转向：中国监管方面正在讨论限制先进国产模型的境外访问，涉及阿里、字节、Z.ai 等。分析指出一个耐人寻味的悖论——若「AI 边境墙」落地，反而可能削弱依赖廉价国产开源模型的西方初创，间接强化其本想挑战的美系巨头。
• 出海加速：字节 Doubao 海外版 Dola 在国际社交平台热度攀升，智谱在新加坡、阿联酋、沙特落地大模型基础设施项目。

一句话总结：截至 2026 年年中，国产大模型完成了从「拼参数、拼榜单」到「拼生态、拼落地、拼推理成本」的重心切换——GLM 领跑综合与智能体编码，Qwen 领跑多语言与工具调用，DeepSeek 领跑成本效率，Hy3/LongCat 则以国产算力适配和宽松许可扩大了开放阵营的边界。

---

参考来源

• AI News Today July 6 2026: 15 Biggest Stories - BuildFastWithAI
• AI 每日技术要闻 · 2026年7月10日｜腾讯 Hy3 开源、DeepSeek-V4 昇腾首发 - CSDN 鲲鹏昇腾开发者社区
• DeepSeek V4 重磅开源！首次打通华为 Ascend - InfoQ
• 腾讯发布最新一代 AI 大模型 - 新浪财经
• The Open-Source LLM Revolution 2026: How Chinese Models Are Redefining AI Supremacy - AlphaMatch
• Best Chinese AI Models 2026: DeepSeek, Qwen, GLM, Kimi - Remote OpenClaw
• Xinhua Headlines: As AI races ahead, China bets on a people-centered digital future - Xinhua

---

声明：本文由自动化任务整理生成，仅作技术资讯参考。文中性能、时延、适配等数据多来自厂商披露或资讯汇总站点，建议以各家官方技术报告及开源仓库为准。