九月中國本土大模型密集開源：這一次，內捲的是「用得起」
9 月才過了一半，做評測的人已經有點跟不上中國本土大模型的更新節奏。智譜、美團、面壁、騰訊、螞蟻幾家的新東西幾乎落在同一個時間窗口裡，類型從通用大模型一路鋪到端側小模型，再鋪到圖像生成和具身智慧。熱鬧之外，真正值得琢磨的是它們不約而同選的那條路：參數沒有一味往上堆，反而在「怎麼讓人用得起、部署得起」上使勁。
先說智譜。9 月發布的 GLM-5.3-Flash，總參數 3200 億，但每次真正參與計算的活躍參數只有 180 億。稀疏激活的思路很直接，把模型做大，讓單次推理只喚醒一小部分，成本和延遲都能壓下來。它以 MIT 授權條款開源，原生支援多模態，每百萬輸出 Token 大約 0.25 美元。發布說明裡更重的一句是：推理服務全程跑在中國本土 AI 晶片上，端到端效能比最初基準提升了約三倍，還做到了每天 100 兆免費 Token 的規模。對開發者來說，這句話的分量超過參數表上的任何數字。
美團那邊拿出了 LongCat-2.0，總參數 1.6 兆，原生支援 100 萬 Token 上下文。它的看點不在尺寸，而在訓練的土壤：官方稱這是業界首個在萬卡級中國本土算力叢集上完成全流程訓練與推理的兆級參數開源大模型。配套的還有 AI 經營工作台 CatPaw 和本地生活智慧代理「小團」，後者累計回應使用者需求已超過 7 億次。一家做本地生活起家的公司把兆級模型端上檯面，說明這條賽道的成本結構正在鬆動。
面壁的 MiniCPM5-2B 走的是反方向，把參數壓到 20 億級別，衝端側去。它延續了 MiniCPM 一貫的路子，小參數、能落地，裝進手機或邊緣裝置也能幹活。幾乎同期，MiniMax 把 Code CLI 以 MIT 授權開源，智譜又補了一個主打高吞吐的 GLM-5.3-FlashX，推理速度約每秒 200 Token。端側、推理加速、程式設計工具三條線一起補齊，這套組合比單個「旗艦」更能說明生態成熟到什麼程度。
把這些放在一起看，一個趨勢開始清晰：開源正在變成競爭手段，而不是情懷。MIT、開放權重、免費額度，這些動作的指向很實際，誰先把開發者和中小企業拉進自己的生態，誰就先拿到下一輪的呼叫量。參數領先能撐起發布會，但撐不起日常的生產環境。
圖像這條線也沒有缺席。9 月 4 日，螞蟻集團旗下的百靈實驗室發布並開源了 LLaDA-Image 系列，包含 Base 版和 Turbo 版，參數約 70 億，單個檢查點同時支援文生圖、參考圖編輯和中英文文字渲染，不需要額外的編輯分支。亮點在 Turbo 版，它用 Twin-DMD 蒸餾把取樣步數壓到 2 到 4 步，品質和速度同時保住，推理不依賴高階 GPU。在 Qwen-Image-Bench 上，它在英文場景拿到 53.53 分，中文場景 53.38 分，官方稱均為當前最佳。步數從常見的 50 步降到個位數，意義不只在快，更在於讓即時生成在消費級硬體上成立。
具身智慧這邊，紫東太初在 9 月 15 日開源了 ZDTaichu5.0-9B。這個 90 億參數的模型在空間理解和具身任務上拿了 8 項同參數組別的全球第一，在 MindCube-tiny 上得到 78.27 分，比 Qwen3.5-9B 高出 20.67 個百分點。它補的是機器人「看見之後該怎麼辦」的那一段：認出一個杯子只是回答「是什麼」，判斷杯柄朝向、旁邊能不能放東西，才接近「能做什麼」。
還有無法忽略的騰訊。9 月 22 日，混元發布圖像 3.5 預覽版，重點提升文字生成、畫面佈局、真實感和連續編輯，單次最多可上傳 5 張參考圖，最高輸出 2K。價格給到 2K 圖像 0.15 元一張，且只對最終輸出收費。發布日期選得也很講究，恰好是阿里雲棲大會開幕當天。這種「卡點發布」在中國已經不新鮮，但放在圖像模型上，等於把競爭從技術層面直接拉到了注意力和生態入口的層面。
把這些動作串起來，九月的主線可以概括成三件事：開源提速、推理降價、算力自主。三者其實互相咬合。開源降低使用門檻，低價推理把門檻轉化成真實的呼叫量，而中國本土算力替代又決定了這套低價能不能持續。GLM-5.3-Flash 敢用 MIT 加免費額度，LongCat-2.0 敢在中國本土萬卡叢集上跑兆級參數，背後都是同一個判斷：成本可控，才敢把模型交出去。
對普通創作者和中小企業來說，這一輪變化帶來的直接影響是能算得過帳了。過去想用前沿模型，要嘛承擔不便宜的 API 帳單，要嘛自己湊 GPU，兩道門檻攔掉了大多數人。現在 2K 一張圖 0.15 元、2 到 4 步的即時生圖、裝滿 20 億參數就能跑的端側模型，把這些成本壓到了很多人真的會去試的區間。工具便宜下來，試錯次數就多起來，作品品質往往就是在這種反覆試錯裡磨出來的。
值得保持清醒的地方也有。開源協議越給越鬆，不代表商用沒有代價，非商業條款、資料合規、模型行為的可控性，都還是要在真實業務裡逐個驗證。中國本土晶片上的推理效能提升三倍，是基於各自基準的比較，第三方復現還沒跟上；模型「開源」但訓練程式碼未公開的情況仍然存在，復現和二次開發會受限。數字好看是一回事，能不能穩定交付是另一回事。
九月的這波密集更新，真正的訊號不是「中國本土又出了幾個第一」，而是整個供給端的成本邏輯在重排。當模型本身越來越像基礎設施，比拼的東西會往下游走：誰的工作流程更順，誰的場景抓得更準，誰能把便宜算力變成穩定的作品。開源只是把發令槍打響了，後面還有很長的路要跑。