九月国产大模型扎堆开源：这一次，卷的是“用得起”
9月才过了一半，做评测的人已经有点跟不上国产大模型的更新节奏。智谱、美团、面壁、腾讯、蚂蚁几家的新东西几乎落在同一个时间窗口里，类型从通用大模型一路铺到端侧小模型，再铺到图像生成和具身智能。热闹之外，真正值得琢磨的是它们不约而同选的那条路：参数没有一味往上堆，反而在“怎么让人用得起、部署得起”上使劲。
先说智谱。9月发布的 GLM-5.3-Flash，总参数 3200 亿，但每次真正参与计算的活跃参数只有 180 亿。稀疏激活的思路很直接，把模型做大，让单次推理只唤醒一小部分，成本和延迟都能压下来。它以 MIT 许可证开源，原生支持多模态，每百万输出 Token 大约 0.25 美元。发布说明里更重的一句是：推理服务全程跑在国产 AI 芯片上，端到端性能比最初基准提升了约三倍，还做到了每天 100 万亿免费 Token 的规模。对开发者来说，这句话的分量超过参数表上的任何数字。
美团那边拿出了 LongCat-2.0，总参数 1.6 万亿，原生支持 100 万 Token 上下文。它的看点不在尺寸，而在训练的土壤：官方称这是业界首个在万卡级国产算力集群上完成全流程训练与推理的万亿参数开源大模型。配套的还有 AI 经营工作台 CatPaw 和本地生活智能体“小团”，后者累计响应用户需求已超过 7 亿次。一家做本地生活起家的公司把万亿模型端上台面，说明这条赛道的成本结构正在松动。
面壁的 MiniCPM5-2B 走的是反方向，把参数压到 20 亿级别，冲端侧去。它延续了 MiniCPM 一贯的路子，小参数、能落地，装进手机或边缘设备也能干活。几乎同期，MiniMax 把 Code CLI 以 MIT 协议开源，智谱又补了一个主打高吞吐的 GLM-5.3-FlashX，推理速度约每秒 200 Token。端侧、推理加速、编程工具三条线一起补齐，这套组合比单个“旗舰”更能说明生态成熟到什么程度。
把这些放在一起看，一个趋势开始清晰：开源正在变成竞争手段，而不是情怀。MIT、开放权重、免费额度，这些动作的指向很实际，谁先把开发者和中小企业拉进自己的生态，谁就先拿到下一轮的调用量。参数领先能撑起发布会，但撑不起日常的生产环境。
图像这条线也没有缺席。9月4日，蚂蚁集团旗下的百灵实验室发布并开源了 LLaDA-Image 系列，包含 Base 版和 Turbo 版，参数约 70 亿，单个检查点同时支持文生图、参考图编辑和中英文文字渲染，不需要额外的编辑分支。亮点在 Turbo 版，它用 Twin-DMD 蒸馏把采样步数压到 2 到 4 步，质量和速度同时保住，推理不依赖高端 GPU。在 Qwen-Image-Bench 上，它在英文场景拿到 53.53 分，中文场景 53.38 分，官方称均为当前最优。步数从常见的 50 步降到个位数，意义不只在快，更在于让实时生成在消费级硬件上成立。
具身智能这边，紫东太初在 9 月 15 日开源了 ZDTaichu5.0-9B。这个 90 亿参数的模型在空间理解和具身任务上拿了 8 项同参数组别的全球第一，在 MindCube-tiny 上得到 78.27 分，比 Qwen3.5-9B 高出 20.67 个百分点。它补的是机器人“看见之后该怎么办”的那一段：认出一个杯子只是回答“是什么”，判断杯柄朝向、旁边能不能放东西，才接近“能做什么”。
还有无法忽略的腾讯。9 月 22 日，混元发布图像 3.5 预览版，重点提升文字生成、画面布局、真实感和连续编辑，单次最多可上传 5 张参考图，最高输出 2K。价格给到 2K 图像 0.15 元一张，且只对最终输出收费。发布日期选得也很讲究，恰好是阿里云栖大会开幕当天。这种“卡点发布”在国内已经不新鲜，但放在图像模型上，等于把竞争从技术层面直接拉到了注意力和生态入口的层面。
把这些动作串起来，九月的主线可以概括成三件事：开源提速、推理降价、算力自主。三者其实互相咬合。开源降低使用门槛，低价推理把门槛转化成真实的调用量，而国产算力替代又决定了这套低价能不能持续。GLM-5.3-Flash 敢用 MIT 加免费额度，LongCat-2.0 敢在国产万卡集群上跑万亿参数，背后都是同一个判断：成本可控，才敢把模型交出去。
对普通创作者和中小企业来说，这一轮变化带来的直接影响是能算得过账了。过去想用前沿模型，要么承担不便宜的 API 账单，要么自己凑 GPU，两道门槛拦掉了大多数人。现在 2K 一张图 0.15 元、2 到 4 步的实时生图、装满 20 亿参数就能跑的端侧模型，把这些成本压到了很多人真的会去试的区间。工具便宜下来，试错次数就多起来，作品质量往往就是在这种反复试错里磨出来的。
值得保持清醒的地方也有。开源协议越给越松，不代表商用没有代价，非商业条款、数据合规、模型行为的可控性，都还是要在真实业务里逐个验证。国产芯片上的推理性能提升三倍，是基于各自基准的对比，第三方复现还没跟上；模型“开源”但训练代码未公开的情况仍然存在，复现和二次开发会受限。数字好看是一回事，能不能稳定交付是另一回事。
九月的这波密集更新，真正的信号不是“国产又出了几个第一”，而是整个供给端的成本逻辑在重排。当模型本身越来越像基础设施，比拼的东西会往下游走：谁的工作流更顺，谁的场景抓得更准，谁能把便宜算力变成稳定的作品。开源只是把发令枪打响了，后面还有很长的路要跑。