70天发布10款旗舰：国产大模型密集迭代的背后逻辑

70 天发布 10 款旗舰：国产大模型密集迭代的背后逻辑

2026 年 6 月中旬以来，国产大模型进入了一段罕见的密集发布周期。据多家财经媒体报道，在约 70 天的时间里，9 家中国主要 AI 公司累计发布了 10 款新模型及重大更新，覆盖语言、多模态、语音、Agent 工程等各个方向。有媒体用"八周五连发"来形容，也有人称之为"大模型进入月抛时代"。

拉出时间线，这轮更新的密度与覆盖面都远超此前任何一轮。语言模型方面有 DeepSeek-V4-Pro、Qwen3.8-Max、智谱 GLM-5.2 与 GLM-5.3、月之暗面 Kimi K3；多模态生成方面有 MiniMax H3；语音方向有 B站 开源的 IndexTTS-2.5；工程层还有 DeepSeek Harness。密集程度令人目不暇接。

业内普遍认为，这股密集迭代并非简单的版本更新，而是由三重力量共同驱动。

其一是开源路线的崛起。中国开源模型的全球下载占比已达 41%，首次超过美国，开源模型从"追赶者"变成了对闭源"围剿"的角色。以"开放权重 + 商业许可"为特征的新范式，让国产模型在打开生态的同时也能实现商业回收。

其二是成本优势重构了商业模型。国产模型与海外闭源旗舰之间存在数十倍的价格差，让高频迭代有了直接的商业动力——既然低价能换来规模，规模又能摊薄成本，厂商自然敢于"月抛式"地快速发新版。

其三是 Agent 竞争的升温。当模型能力逐渐趋同，厂商的叙事重点从"通用智能"转向"Agent 能力"，评测重心也迁移到终端任务基准。谁能把智能体稳定地跑进真实场景、抓住长程任务数据，谁就掌握了下一阶段的主动权。

支撑这种高强度发布的，还有技术层面的"后训练 Scaling"。无需重建大规模基座，通过强化学习等后训练阶段快速打磨能力，就能大幅降低单次迭代的成本和周期。叠加中美模型差距收窄至 2.7%、迭代时差压缩至 6 至 9 个月的大背景，国产模型的高频发布也就水到渠成。

值得关注的风险也在积累：开源"边界"参差、低价能否长期维持、海外厂商的应对节奏等，都可能影响竞争天平的走向。但可以确定的是，这轮热度过去的国产模型"月抛时代"，才刚刚开始。