引言

“许多年以后，当市场回望2026年7月，它很可能成为全球大模型产业竞争的一道重要分水岭。”

2026年7月，短短几周之内，中国5家头部独立大模型公司各自亮出了底牌：智谱以4.2%的新增股份换取314亿港元融资；MiniMax拿出160亿港元的配股加可转债组合，创始人宣布零薪酬直到实现AGI；月之暗面抛出了2.8万亿参数的Kimi K3；DeepSeek完成超500亿融资，IPO提上日程；阶跃星辰发布了探索AI软硬件一体化的概念手机。

海外同样硝烟弥漫。OpenAI取消了Codex的5小时使用限制；Anthropic在2周内4次调整旗舰模型Fable的收费计划；马斯克的xAI发布Grok 4.5，放话“每月发一个大模型”。

大模型正在成为一个 “阶段性技术领先”很可能在数月、甚至数周内被重写的行业。本文将从模型竞赛、推理竞赛、开源冲击、开发范式与产业落地五个维度，复盘这场“无限战争”的最新战况。

一、模型竞赛：从“千亿”到“万亿”，2万亿成为新门槛

1.1 Kimi K3：2.8万亿参数的核弹级发布

7月17日凌晨，月之暗面正式发布Kimi K3——一个2.8万亿参数、100万Token上下文窗口的模型，也是全球参数最大的开源模型。发布不久后，特斯拉CEO马斯克在社交平台评论称：“令人印象深刻（Impressive）”，并随即宣布xAI正在训练2万亿参数的新模型，“可能超越Kimi”。

K3在Arena前端代码盲测榜单上以1679分登顶全球之首。但月之暗面在官方博客中坦承，K3整体表现仍落后于Fable 5和GPT-5.6 Sol。API输出价格约为此前Kimi模型的近4倍，社区反应中既有赞叹，也有对定价的争议。

更具冲击力的是，K3上线后需求迅速超过算力承载能力，月之暗面一度暂停新用户订阅。这在AI行业极为罕见——不是因为产品不够好，而是因为太好了，算力跟不上。

1.2 连锁反应：一个模型发布，两家公司市值蒸发

K3发布的次日，智谱收跌28%，MiniMax收跌16%。一家尚未上市的模型公司发布新模型，两家已上市公司的估值被随即重估。

紧随其后：

• 7月19日，阿里千问官宣2.4万亿参数的Qwen3.8上线预览版

• DeepSeek V4正式版开始灰度推送

• MiniMax参数规模2.7万亿的M3 Pro处于计划发布状态

• xAI正在训练的Grok 4.6参数规模达2万亿，预计月内完成初始训练

短短时间，行业参数从千亿级别迈入2万亿级别。新智派新质生产力会客厅联合创始发起人袁帅评价：“短短两年时间就将与国际顶尖水平的差距缩小到3个月以内，彻底打破了海外大模型在技术参数和性能上的长期垄断地位。”

1.3 国产算力的里程碑：美团LongCat-2.0

7月6日，美团开源万亿参数大模型LongCat-2.0（总参数1.6万亿，平均激活约480亿参数）——业界首个在五万卡国产算力集群上完成全流程训练与推理的万亿参数模型。

在SWE-bench Pro中得分59.5，领先GPT-5.5（58.6）和Claude Opus 4.6（57.3）。LongCat-2.0采用MoE架构，原生支持100万Token超长上下文，专为Agentic Coding任务设计。三项核心创新包括LongCat稀疏注意力机制（将平方级计算优化为线性级）、N-gram Embedding参数扩展路径，以及多教师在线蒸馏。

二、推理竞赛：算力成为新的“硬通货”

2.1 超节点：AI基础设施的新战场

当模型规模进入万亿甚至数万亿参数时代，已经无法依靠单卡GPU或普通AI服务器完成部署，而需要将模型参数拆分部署到数十甚至上百张AI芯片上协同运行。

7月23日，阿里云宣布搭载真武M890芯片的超节点已完成对2.4万亿参数Qwen3.8的适配并上线百炼平台——国内首个成功运行超2万亿参数大模型的超节点。在Agentic推理场景中，该超节点性能最高可提升1.5倍。

如果说大模型决定了AI的“智商”，那么超节点则开始决定AI能否真正跑进产业。大模型竞争正从单纯的软件算法竞争，演变为芯片、互联网络、交换架构、显存、数据中心以及云平台协同能力的综合竞争。

2.2 推理成本：决定商业化的生死线

相比训练阶段（阶段性投入，成本相对固定），推理伴随每一次用户调用持续发生。Agent越智能，后台需要持续投入的推理算力也越庞大。

Kimi K3暂停新订阅的事件，折射出一个新的产业现实：算力已经不再只是后台资源，而开始直接影响产品销售、用户体验乃至模型商业化进程。此前智谱推出GLM Coding Plan时，也曾因算力资源紧张而限制套餐销售，部分开发者甚至需要“蹲点”购买。

无问芯穹联合创始人夏立雪判断：未来全行业仍有至少90%的成本下降空间，来源不只是单点技术优化，而是全链路协同——跨域异构集群的资源池化、新架构的普及，以及场景端的需求分层。

三、开源冲击：当开源追上闭源

3.1 性能差距缩至3.3%

Mozilla发布的《开源AI现状报告》给出冷静注脚：开放权重模型与闭源模型的平均性能差距已缩至3.3%，在编码、指令执行和通用知识层面已基本持平。

2026年4月，斯坦福大学《AI Index Report 2026》明确指出：中美顶级模型的性能差距已经收窄到仅剩2.7%。

3.2 市场份额逆转

市场在用最诚实的Token投票。OpenRouter数据显示，开源模型处理的Token占比从2026年1月的34%飙升至6月的65%，全球API调用月消耗量前五名已全部被开源模型包揽。美国公司通过中国AI模型处理的Token比例在7月第一周曾短暂冲高至63%，而2025年初这个数字还不到10%。

当开源能以接近顶尖闭源的性能、却以对方几十分之一的价格提供服务时，“闭源高毛利”的叙事便失去了根基。

3.3 模型路由：从选模型到选任务

Kimi K3承诺于7月27日前公开完整模型权重——届时企业将可以下载、自行部署、微调，不再被锁定在某一家API服务上。

模型选择正在从季度采购决策降维成任务级变量：一个任务用便宜模型做信息抽取，另一个任务用强模型做复杂判断——“模型路由”的模式正在落地生根。据报道，Meta正在复刻OpenRouter，开发模型路由工具Switchboard，其核心正是通过评估任务难度，将简单请求分流至廉价小模型。

四、开发范式：从“手搓Prompt”到“可编译程序”

4.1 DSPy 2.0：告别提示词炼金术

2026年AI工程化领域最显著的变化来自DSPy 2.0的崛起。2026 AI Engineering Report显示：采用DSPy等声明式编程框架的AI应用团队，Prompt迭代效率提升了8倍，线上Bad Case率下降了65%。

DSPy 2.0正式宣布支持多模态编译器、分布式优化器与原生MCP集成，标志着它已从学术界的“研究玩具”蜕变为工业界的“生产标配”。

手写Prompt正在成为新的“手动内存管理”——脆弱、不可移植、难以测试。DSPy将LLM调用从“命令式文本指令”提升为“声明式计算图”，只需定义输入输出的签名和评估指标，编译器会自动搜索最优的Prompt或微调策略，且结果可跨模型迁移。

4.2 智能体原生：从AI原生到Agent原生

WAIC 2026上，阿里云推出了一系列智能体原生（Agent-Native）技术，包括AgentLoop（实时追踪、评估和优化Agent性能）、AgentTeams（多Agent协调与治理）和AgentRun（企业级Agent全生命周期管理）。

微软也发布了Agent Framework Harness，开箱即用的生产级Agent运行时，支持规划、记忆、工具编排、审批、上下文管理和遥测。

4.3 从单体模型到群智涌现

2026年的行业共识发生了根本性转移：单一模型的“个人英雄主义”正在退场，以工作流为核心、多智能体协同的 “群智涌现”正在成为重构生产力的绝对主力。

五、产业落地：大模型正在“变小”

5.1 端侧大模型：从云端到指尖

WAIC 2026传递的另一个强烈信号是：厂商们都在搞轻量化部署。曾经庞大到需要一整栋楼才能运行的“超级大脑”，正在被“塞”进手机、汽车、PC甚至机械臂里。

驱动端侧化的是三个现实问题：成本（Agent时代全走云端在成本上越来越荒谬）、延迟（端侧推理毫秒级响应 vs 云端受制于网络）、隐私（数据留在本地，安全可控）。

阶跃星辰在WAIC发布了搭载全球首个智能体原生操作系统Step AOS的STEPX Neo，将大模型原生智能体能力落地个人终端。荣耀与阿里千问合作，基于千问大模型打造手机场景专属AI智能体解决方案，落地全球首款机器人手机Robot Phone。

5.2 能源大模型：进入核心生产链路

雅砻江水风光一体化智慧运营大模型正式发布——国内首个面向水风光一体化清洁能源基地的智慧运行大模型。该模型打通水文气象预测、多能协同调度、设备智能运维、电力市场交易四大核心场景：

• 60天超长周期流域径流预报

• 光伏设备故障诊断准确率超96%

• 高海拔偏远场站运维效率提升50%

依托全国首个高海拔岩洞智算中心运行，以流域绿色电力直供算力设备，形成 “绿电赋能算力、算力优化绿电”的绿色低碳循环。

5.3 航天大模型：卫星有了“智驾”

7月24日，中科天塔自研的航天垂直大模型 “华山” 卫星健康管理模块，随辰光一号卫星成功发射入轨，正式开展在轨大模型验证。这是大模型第一次真正“飞”出地球。

展望：无限战争的下半场

2026年7月的这场“无限战争”揭示了几条清晰趋势：

1. 参数竞赛没有终点：2万亿只是起点，参数增长正从软件问题变成基础设施问题

2. 推理能力决定生死：算力不再只是后台资源，而是直接影响商业化的前线

3. 开源正在改写规则：当性能差距缩至3.3%，闭源的高毛利叙事面临根本性挑战

4. 开发范式正在跃迁：从“手搓Prompt”到“可编译程序”，AI工程化进入新阶段

5. 大模型正在“变小” ：端侧化、轻量化让AI真正走出云端，进入物理世界

正如一位业内人士所言：“参赛者们正在竭尽所能以更高性能模型加速向市场交卷，而模型参数对估值、市值乃至融资能力的带动，又化身为下一阶段模型训练的弹药。”这是一场没有终点的性能-市值-融资-更高性能的递归兑现。

2026年7月之后，没有哪次模型的性能座次是绝对安全的。而这对开发者来说，恰恰是最好的时代。