DeepSeek、智譜、阿里、騰訊，誰是大模型真正的斬殺線？
中國大模型戰場進入白熱化階段，DeepSeek、智譜、阿里與騰訊四家廠商各自以不同策略爭奪市場主導權。誰能在這場技術與商業的雙重競賽中真正站穩腳跟，已成為業界最關注的焦點。DeepSeek 憑藉開源路線與極致成本控制，迅速在開發者社群中建立口碑。其模型在推理效率與硬體適配性上表現突出，尤其受到中小型企業與個人開發者的青睞。低成本部署的優勢讓 DeepSeek 在價格敏感市場中搶佔先機，但能否持續維持技術領先，仍是一大考驗。智譜 AI 則以深厚的學術背景與底層技術積累見長。背靠清華大學團隊，智譜在自然語言處理與多模態理解上具備紮實基礎，其推出的 GLM 系列模型在中文語境下的表現屢獲好評。
不同於純粹的價格戰，智譜更強調模型的可控性與安全性，試圖在政企市場建立護城河。阿里雲旗下的通義千問系列，則依託阿里龐大的生態系統，從電商、物流到雲端運算，形成完整的商業閉環。阿里的策略是將大模型嵌入既有業務場景，提升用戶體驗與營運效率，同時透過開放平台吸引第三方開發者。其優勢在於數據與場景的豐富性，但模型本身的創新是否足夠，外界仍有討論。騰訊的混元大模型則選擇了一條相對務實的道路。騰訊將大模型優先應用於內部產品，如微信、遊戲與廣告系統，先透過內部場景驗證效果，再逐步向外輸出。這種做法雖然穩健，但也讓外界質疑其對外競爭力是否足夠強勁。
騰訊的優勢在於龐大的用戶基礎與社交網絡效應，但如何將模型能力轉化為可規模化的商業服務，仍待觀察。從市場動態來看，這四家廠商的競爭不再只是單純的模型評測分數高低，而是涵蓋部署成本、生態整合、應用場景與商業模式的全方位較量。華強北等硬體市場甚至出現利用大模型進行套利的新生意，顯示模型能力已開始滲透到實體經濟層面，產生實際的收益流。不過，大模型市場的「斬殺線」並非單一指標可以定義。對於部分企業而言，能快速落地、產生直接回報的模型就是最佳選擇；而對於追求長期技術壁壘的廠商來說，持續投入研發與人才儲備才是關鍵。因此，誰能真正勝出，取決於其對不同市場區隔的適應能力。值得注意的是，Seedance 2.
5 等新技術的上線，也為市場帶來變數。這些新模型能否在「平替」浪潮中站穩腳跟，將影響整個產業的定價與發展方向。用戶對價格與效能的敏感度日益提高，任何廠商若無法同時滿足這兩項需求，都可能被迅速邊緣化。在這樣的競爭格局下，的 AI 測評平台持續追蹤各家模型的真實表現，從答題準確率、推理速度到成本效益，提供使用者客觀的參考依據。測評結果顯示，沒有一家廠商在所有維度上都佔據絕對優勢，市場依然處於快速變動的階段。對於投資人與行業觀察者而言，如何判斷誰具備真正的「斬殺線」能力，或許應該從三個角度切入：技術迭代速度、商業化落地能力，以及生態系統的黏著度。
只有能在這三方面同時取得進展的玩家，才有機會在未來數年內主導市場。整體而言，大模型競賽才剛進入下半場。DeepSeek、智譜、阿里與騰訊各有其戰略優勢，但真正的決勝點可能在於誰能更快地將技術紅利轉化為可持續的商業模式。隨著監管環境與應用場景持續演變，這場競爭的結果仍有極大變數。
Related
相關文章
Google 開源 Harness²：遞迴代理程式框架，無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²，這是一個遞迴代理程式框架，透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言，重點很簡單：你的代理程式無需更強大的模型也能進步。重點摘要：規模為框架而非模型，訓練參數為0，包含8個可編輯的框架元件，版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv，模型呼叫則透過Vertex AI。GPU需求未公開。效能方面：一次改良步驟即可在3個基準測試中，提升所有4個模型與框架組合的表現。最佳成果：GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7（+11.5點）；最差表現：GLM-5搭配Codex在JobBench上僅提升1.2點（23.6至24.8）。什麼是Harness²？它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI：2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作，推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型（VLA）。該模型僅使用公開數據進行預訓練，並配備了輕量級的近期記憶功能。在三個分佈外基準測試中，僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊：規模：2.4B 參數（2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家）。記憶涵蓋最近 3 幀，間隔 1 秒。運行環境：在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入，編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供，暫無量化版本。性能：在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中，為公開數據預訓練的 VLA 模型中最優；在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017，DeepSWE 得分 77.0，並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017，這是其 V4.1-Flash 模型的新檢查點，現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash，並稱之為性能與成本的帕累託改進。同時，DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言，這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要：骨架參數 552B，另加 196B 的 Engram 參數；預填充階段每 token 啟用 8B 參數，解碼階段啟用 16B 參數；上下文長度達 1M tokens，最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重（763B 參數，FP8）採 MIT 授權。
2026年20款Jev替代方案：挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev，這是一款決策模型而非聊天機器人。使用者可定義允許的答案，Jev將回傳標籤、分數或是否的機率。約4週內，至少20款Jev替代方案相繼問世，來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要：規模範圍從287M（GLiNER2.5-multi-Decide）到35B-A3B（Mapika Decider），Jev規模未公開。執行環境：Von和Laya等編碼器可在CPU上運行，4B適配器適用24 GB GPU或32 GB Mac。效能：多數開源模型在困難推理上落後Jev，但在狹窄分類任務上數款與之匹敵或超越。最佳表現：Cloudflare Clef在BANKING7取得94.20分。
長鑫科技市值兩月內跌去1萬億；阿里加碼AI硬件品牌，天貓、速賣通聯動；國行版蘋果AI有望12月上線，百度、阿里參與合作丨雷峰早報
要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障！DeepSeek發放宕機補償，有人拿到3000元3.阿里加碼AI硬件品牌，天貓、速賣通聯動4.國行版蘋果AI有望12月上線，百度、阿里參與合作5.可靈AI新一代模型Kling 4.