在这个开源「从夯到拉」榜单，我终于明白中国 AI 为什么能逆袭

最近几天，一张开源模型的等级列表在 X 上被疯狂转载。

图片来源：https://www.interconnects.ai/p/2025-open-models-year-in-review

从夯到拉， 国产开源模型排在了数一数二的位置，DeepSeek、Qwen、Kimi、智谱、还有 MiniMax 是全球开源模型的前五名。

而 OpenAI 排在了第四梯队，小扎的 Meta，挖了硅谷半壁江山想打造的 Llama 更扎心，只落得了一个荣誉提名。

这份榜单并不是国产模型花钱打广告，也不是咱中国人王婆卖瓜，自卖自夸。知名的 AI 研究员 Nathan Lambert 和德国 AI 研究中心的博士生 Florian Brand，在 interconnectai 上的一篇文章，给出了全球开源模型的完整排名。

Nathan Lambert 曾在 Meta、DeepMind、和 Hugging Face 工作

文章里详细回顾过去这一年，全球开源模型的发展，以 DeepSeek 和 Qwen 为主的国产开源模型，正在用开源改变整个 AI 行业的运行规则。

事实也如此，2024 年对于全球开源来说，可能还是 Llama 的天下。到了今年，国产开源以一种不可忽视的姿态，持续刷新着全球大模型的默认选项。

性能、价格、生态、可用性……每个维度都在快速逼近闭源巨头，甚至在某些方向已经实现了反超。

上下滑动查看更多内容，全球 开源模型发布历史，2024.01-2025.11，

图片来源：https://www.atomproject.ai/

当我们还在想国产模型什么时候能追上 ChatGPT、Gemini 时，AI 的军备竞赛场上，另一个问题也开始沸腾起来，为什么全球开发者都在用国产开源模型？

开源模型，前浪后浪一起上

过去这几个月，国产开源模型的更新节奏几乎没有停过。而且不只是某一家模型公司的爆发，是整个国产开源生态，持续接力，就像一条快速攀升的曲线，不断在突破瓶颈。

11 月，Kimi 发布了万亿参数的混合专家模型，Kimi K2 Thinking，直接拿下多个榜单第一名，甚至超过了 OpenAI 的 GPT-5 和 Anthropic 的 Claude 4.5。

10 月底，MiniMax 正式发布了 MiniMax M2 混合专家模型 MoE，和 Kimi 一样，继续开源，在综合榜单上的表现，MiniMax M2 排名第五，超过了 Gemini 2.5 Pro 和 Claude Opus 4.1。

9 月，阿里在云栖大会上，一套模型七连发的组合拳，在视觉、语音、推理、编程等多个领域做到极致。

海外社交媒体上，关于国产开源模型的认可，从横空出世的 DeepSeek 以来就没停过。「好用、便宜、小公司的开发首选、自己做的副业项目，用的就是中国开源模型……」，这些评论在 X 上随处可见。

像是网友们对 Kimi K2 Thinking 写作风格，以及用 token 数量换思考深度的称赞。

还有网友说拿 Minimax M2 和 Claude Sonnet 4 对比，M2 只用一次就能生成一个功能齐全的网站，但是 Sonnet 4 会失败。

上下滑动查看更多内容

关于 Qwen 的帖子就更多了，从 2.5 更新到现在的 3.0，从大尺寸的 4800 亿参数，到只有 6 亿参数的小模型，从视觉语言 Qwen 3 VL，到代码编写 Qwen 3 Coder，开源市场几乎都有 Qwen 的影子在。

爱彼迎 CEO 在接受采访时，甚至大方的表示 OpenAI 虽然好，但是不适合我们；而来自中国的开源模型 Qwen 非常好，能实际地应用到他们的工作中，比 OpenAI 更好更便宜。

在开源这块，说国产开源模型还在追赶都不贴切，是已经实打实地成为了全球默认的开源选择。

MiniMax M2，能落地的开源智能体

如果要用具体案例，来说明国产开源模型，到底好在哪里，过去我们分享的多个开源工具的实测体验，其实就已经有了答案。

发布时间最近的 Kimi K2 Thinking，一次性能执行 300 次工具调用的超长思考链条，还有为手机而生的通用 Agent，智谱 AutoGLM 2.0；以及 AI 时代的安卓，阿里通义模型大家族。

Artificial Analysis 统计的 2025 Q1 国产前沿 AI 模型大厂和初创公司

这些模型虽然都是开源，但是都有各自的技术亮点，努力让国产开源模型这张地图，变得更完整、更丰富。

像 K2 Thinking 主打万亿参数大模型，然后还有自己的 KDA（Kimi Delta Attention）机制；DeepSeek 主打混合注意力，成本骤降；Minimax M2 在这次的更新里面，反而是一改常态，使用了完全注意力，模型参数也仅 2300 亿。

M2 好不好用，本着能体验都上手试试的原则，我们也简单测了一下。

第一个任务是让他处理 Excel 表格数据，我们把今年国考的岗位信息表格发给他，让它根据表格内容，设计一个通用的公务员岗位筛选工具。

表格的数据非常多，大小有 10MB，累计两万多个岗位。MiniMax M2 特别好的一点是，它会在正式执行任务前，询问用户，是否需要对任务进行调整。

在他们的技术博客里面提到，M2 此次采用了「交错思考」的技术，这项技术最早是在 Claude Sonnet 4 模型中开始应用，但具体的采用还很有限。

MiniMax 给了一个小贴士，提醒用户保留模型的思考记录，即 think 标签。M2 依赖于交错式思维，上下文就是为记忆，保留了，才能更好的开展交错式思考。

上下滑动查看更多内容，MiniMax 工程主管发 X 解释，交错思考如何让模型更好地完成智能体任务

简单来说，交错思维（Interleaved Thinking）就是让大模型在「动手做事（用工具/调用接口），停下来想一想再动手，然后接着再思考」，这样的循环里推进任务，而不是先把一大段思路想完再一次性执行。

最近更新的 Kimi K2 Thinking 同样采用了交错式思考的技术。边思考边调用的方式，能让模型在每次拿到工具输出后，立刻复盘、调整计划，这特别适合流程长、结果不确定的智能体任务。

体验地址：https://2rfxtimus5nr.space.minimaxi.com/；虽然考试已经结束，但是也能看到 MiniMax M2 处理 Excel 表格数据的能力，不容小觑

最后给出的结果是非常的准确的，20714 个岗位，以及对于应届生、基层工作年限、户籍地等方面的条件，它都有统计到；相比市面上一些付费的选岗工具，自己用 Agent 自动生成一个，再方便不过。

我们还让它去做一些深度研究，丢给它关于 M2 自己的信息，让它制作一个精美的 PPT。

预览链接：https://z4czsdfoakc7.space.minimaxi.com/

除了这种从零开始做一个产品的 vibe coding 体验，MiniMax 还提供了详细的教程，关于如何接入 Claude Code 等命令行工具，或开发平台 Cursor、VS Code 等。

使用 MiniMax M2 模型 API 的 Claude Code

交错思考能让模型更聪明，知道何时该调用何种工具。但 MiniMax M2 这次在技术上还有一个亮点，是它一反常态的使用了全注意力机制。

之前我们介绍过 DeepSeek 能把成本打到这么低，其中最重要的原因之一就是它采用了稀疏注意力，以及混合注意力机制。稀疏注意力能让模型在处理 token 时，和我们人类一样，有选择的聚焦在重要信息，而忽略掉次要信息。

配合其他的策略，就能在不影响输出质量的前提下，提升模型的推理速度，降低成本。

上下滑动查看更多内容｜ 博客原文

https://huggingface.co/blog/MiniMax-AI/why-did-m2-end-up-as-a-full-attention-model

MiniMax 团队也专门写了一篇技术博客来介绍，为什么又走回了原点，继续选择全注意力机制，这种增加训练和推理压力的方式。

他们提到主要的原因是「具体的表现」，现在大部分所说的稀疏注意力、或者高效注意力，并不是让模型的效果更好，而是单纯为了节省计算资源、降低成本。

全注意力模型的性能，和可靠性仍然是更高，随着上下文长度需求不断增加，以及 GPU 计算增速放缓，到那时，线性和稀疏注意力的潜力，可能会逐渐显现。

而 MiniMax M2 目前要做的，是在有限的算力资源下，尽可能实现质量、速度、价格这个三角的平衡，这次它也确实做到了。

上下滑动查看更多内容

所以说，在某种程度上，很多人觉得开源，就意味着把技术白白送给别人；但在整个的技术发展路线历史上，开源是让不同的技术碰撞，让不同的研究员合作，从而取得进一步的技术创新。

大模型分析平台，Artificial Analysis 在发 X 介绍 MiniMax M2 的综合榜单表现时，也提到了国产开源，他说。

中国 AI 实验室在开源领域持续保持领先地位。
MiniMax 的发布延续了中国 AI 在开源领域的领先地位，这一地位由 DeepSeek 在 2024 年底开启，并由 DeepSeek 的后续发布、阿里巴巴、智谱、和 Kimi 等公司持续保持。

确实是这样，等了一年都没等来的 DeepSeek R2，却让我们看到了在国外爆火的 Kimi K2，智谱 GLM 系列，还有几乎所有开发者都离不开的 Qwen 系列。

所有的这些国产开源模型，多元的技术路线、不同的应用方向，完全组合在一起，才有了真正的优势和力量，让闭源不再成为「好模型」的代表。

Hugging Face 上，热门榜单前四个，都是国产开源模型；图片来源：https://huggingface.co/models?sort=trending

闭源没法卷赢闭源，只有开源，才能打穿壁垒

前段时间，在小红书的 1024 程序员节上，Hugging Face 创始人提到，开源和闭源差距在缩小，中国在这方面比较领先；小红书的技术负责人也说，开源降低了社会运用 AI 的成本，动用大家的力量，推着技术往前走。

毫无疑问，开源肯定是一件好事，只是没有人想到，打败闭源的，是来自我们的开源。

DeepSeek 的出现，除了向全世界公开了全新的模型训练逻辑，以更低的成本实现同等惊艳的效果；更多的是让整个国产 AI 的运行模式，有了明确的方向。

它让所有人意识到，在当时全球 AI 话语权被美国垄断的语境里，开源是让自己被看见的唯一方式。

OpenAI 的万亿算力商业帝国，包括 Google、Meta、Anthropic 等

当然，选择开源，背后更具体的原因有很多，OpenAI、Anthropic、Gemini 每家都在闭门造车，他们可以靠着无上限的显卡，训练更大的模型，融资动辄千亿美元。

但国产模型面临的困境是，算力紧张、芯片受限……如果不共享模型，就没人能复用算力。没有可以使用的基础模型，就意味着一切都要从头开始。百度一开始选择了闭源，为了商业模式的运转；在今年六月，他们也宣布正式开源了，文心大模型 4.5 系列模型。

另一方面是国产模型厂商太多、竞争太激烈，他选择不开源，就会有别人开源；而闭源，用户就有可能选择其他模型。

图片来源：https://a16z.substack.com/p/charts-of-the-week-open-model-of

a16z 前段时间统计了开源模型的数据，结果显示，国产开源模型的累计下载量，不仅超过了美国模型，而且领先优势还在不断扩大。

今年四月，斯坦福大学也发表了一份 2025 人工智能指数报告，里面统计了开源模型和闭源模型的性能对比，以及中美两国模型的性能对比。这份报告的数据只截止到今年 2 月份，明年再看的时候，国产开源大概会顺利超过闭源和美国。

如果把国产开源的优势拆到最小，我们会发现现在的领先，是因为一个完整、庞大的开源系统，这个系统的每一环都在让国产开源的能力，越来越强大。

无论是社区对国产开源模型的评价，即 Elo 排名，还是在 ArtificialAnalysis 基准测试中，按地区划分的性能对比，国产开源都在领先位置｜图片来源：https://www.atomproject.ai/

DeepSeek 拿成本结构和高效推理打开了第一道缝；Qwen 凭借着生态规模把缝撕成了口；MiniMax、智谱和 Kimi 则用不同的技术路线，把这个口越撑越大。

当全球的小团队都用 Qwen 做微调、用 DeepSeek 做推理基座、用 MiniMax 做智能体验证，国产开源从选择变成了默认。结果就是，全球开源生态的中心，开始向中国倾斜。

上个月，黄仁勋在人工智能峰会上接受采访时表示，「中国将在人工智能竞赛中获胜。」尽管随后他立刻通过英伟达官方账号 X 发表声明，收回了之前的言论，澄清说中国实际上「在人工智能竞赛中，落后美国仅几纳秒。」

其实这也不是黄仁勋第一次提到，中国在人工智能竞赛的位置了。过去在多个公开场合，他都表示开源模型极其重要，无论是对开发者还是初创公司，甚至是所谓的 AI 竞赛。

今年 10 月的英伟达 GTC 大会上，黄仁勋的演讲里再次提到，全球模型开源市场，来自中国的通义千问排名第一，并且占据了大部分的市场份额。

几乎超过 60% 都是 Qwen

今年 4 月，他还在华盛顿的科技大会上说，「毫无疑问，华为是世界上最强大的科技公司之一……中国在人工智能领域并不落后。我们非常非常接近……全球50%的人工智能研究人员是中国人。我们将不得不竞争。」

但是在开源上的竞争，看美国的开源老大，来自 Meta 的 Llama，去年四月发布了 Llama 3，7 月 Llama 3.1，9 月 Llama 3.2，然后到了今年 4 月让人大跌眼镜的 Llama 4，甚至还有一个更高级的 Behemoth 版本至今没发布。

四月份发布的 Llama 4，提到有 Behemoth、Maverick、Scout 三个版本，Behemoth 目前看来是被放弃了

再后来，关于 Meta 的新闻就只有小扎开出天价薪酬到处挖人，然后最近又疯狂裁员六百人，连图灵奖得主 Yann LeCun 都不干了，要走人自己去创业。

大概小扎根本没想到，自己在硅谷选择开源，可以说是一枝独秀的存在，也会被今年 1 月爆火的 DeepSeek 偷了家。于是乎，Meta 现在开源也不是，闭源也难追赶，进退两难。

很难不认同，Llama 走到今天这步，有一半是国产开源的「功劳」。

Meta 相关的衍生模型，和 Mistral AI 早期领先优势，完全被阿里巴巴的 Qwen 模型超越

前几天刷社交媒体，看到一个评论说，「开源就是把你的对手变成了你的儿子，没有儿子会去打爸爸。」话糙理不糙，在 AI 的开源周期里，中国的代表性开源模型，明显地变成了 AI 生态的底座。

这场由国产开源引领的 AI 模型浪潮，正在改变谁能定义未来的 AI 这个问题。它会让我们每个人，以更低的成本、更快的速度，用上全世界最顶尖、也最好用的 AI。

最后这张图的详细情况如下。

从上到下依次为：

前沿模型：DeepSeek、Qwen、Moonshot AI（Kimi）

主要竞争对手：智谱（Z.Ai）、MiniMax

值得关注的公司：StepFun 阶跃星辰、InclusionAI / 蚂蚁 Ling、美团龙猫、腾讯、IBM、英伟达、谷歌、Mistral

专业领域：OpenAI、Ai2、Moondream、Arcee、RedNote、HuggingFace、LiquidAI、微软、小米、穆罕默德·本·扎耶德人工智能大学

崛起中：字节跳动 Seed、Apertus、OpenBMB、Motif、百度、Marin Community、InternLM、OpenGVLab、ServiceNow、Skywork

荣誉提名：TNG 集团、Meta、Cohere、北京人工智能研究院、多模态艺术投影、华为

欢迎加入 APPSO AI 社群，一起畅聊 AI 产品，获取，解锁更多 AI 新知

我们正在招募伙伴

简历投递邮箱hr@ifanr.com

✉️ 邮件标题「姓名+岗位名称」（请随简历附上项目/作品或相关链接）