据 ai987.cn 于 2026 年 8 月 21 日收到的消息 ‣ 2026年6月，开放权重大模型领域迎来新一轮发布潮。Z.ai推出GLM-5.2，在编码与智能体任务上显著超越前代，并迅速被Nous Research集成至Hermes Agent。Moonshot AI发布Kimi K2.7 Code HighSpeed，声称多模态编码推理速度提升6倍。WeiboAI开源VibeThinker-3B，基于Qwen2.5-Coder-3B微调，在数学与代码基准上号称达到前沿水平。Nvidia发布Nemotron 3 Ultra，被Sebastian Raschka评价为“能力效率比极其惊人”。Cohere推出30B参数的Command A+衍生模型，专为智能体编码调优。硬件层面，中端工作站形成四强对决：DGX Spark、AMD Strix Halo、RTX 6000 Pro、MacBook Pro M5 Max 128GB，价格跨度4000至10000美元。LLM Stats Index显示，Claude Opus 4.8以68分重夺闭源榜首，开放权重模型与前沿差距缩小至3个月以内。
8月局势呈三足鼎立。8月10日，Meta Superintelligence Labs逆转此前闭源策略，发布Muse Glimmer：300亿参数稠密多模态模型，Apache 2.0许可，128K上下文，4位量化下显存占用不足20GB，可在单张24-32GB GPU或Mac上运行。首发合作伙伴包括AMD、Arm、Dell、Hugging Face、Intel、llama.cpp、LM Studio、NVIDIA、Ollama、OpenRouter、Together AI、Unsloth、vLLM。基准测显示，Qwen3.6-27B在七项测试中有四项优于Muse Glimmer，后者在工具调用类任务表现更强。同日Meta宣布将开源Muse Spark 1.2权重，但截至8月13日尚未兑现。
8月12日，阿里巴巴首次开放Qwen-Max旗舰级权重：Qwen3.8-2.4T-A95B，总参数2.4万亿、激活950亿，采用定制许可，商业使用门槛为月活1亿或月收入2000万美元需显著标注模型名，AI工作助手类业务年收入超5000万美元需单独授权。该模型在文本智能上基本持平托管版Qwen3.8-Max，部署需数据中心级算力。8月14日，阿里再推Qwen3.8-27B：稠密架构、Apache 2.0、原生视觉语言、262K上下文，4位量化约17GB显存。Artificial Analysis智能指数评分52，与GLM-5.2、DeepSeek V4 Flash持平，超越所有400亿至1500亿参数区间的开放模型。但默认倾向过度思考，建议降低推理力度，且Token消耗约为前代两倍。
同日，Z.ai发布GLM-5.3但扣留权重，承诺两周后经安全评估释放，未声明许可证（GLM-5.2为MIT），无公开API，仅通过付费编程计划访问。官方强调“涌现网络能力”，CyberGym评分84.5，漏洞利用基准较前代翻倍。这标志着开放权重叙事在月内第二次反转，且方向相反：Meta回归开放，Z.ai转向有条件延迟开放。
5月27日榜单前五：Kimi K2.6（MoE 1万亿/320亿激活，指数54）、MiMo-V2.5-Pro（小米，MoE 1.02万亿/420亿，指数54）、DeepSeek V4 Pro（MoE 1.6万亿/490亿，指数52）、GLM-5.2（MoE约7500亿，指数53）、Qwen3.8-27B（稠密270亿，指数52）。GLM-5.3因无开放权重和公开API，暂不入榜。
许可证层面，Apache 2.0与MIT成为主流宽松选择：DeepSeek V4系列、Qwen 3.5/3.6/3.8-27B、Gemma 4、Mistral Large 3、Phi-4、Yi均允许无限制商用。Llama 4保留7亿月活条款，Qwen3.8-2.4T-A95B设定营收分级授权，Cohere Command R+限研究用途，腾讯混元与Stability LM为定制许可。
决策框架建议：先按许可证筛选，再按硬件预算分级（16GB消费卡跑Phi-4 14B等，32GB单卡跑Qwen3.8-27B/Gemma 4 31B，48GB以上跑70B稠密，8卡H100/H200跑前沿MoE），再按主任务选型（编码首选DeepSeek V4 Pro/Flash，科学推理选Qwen 3.5，长文档RAG选Llama 4 Scout 1000万上下文，工具调用选Qwen 3.5/Mistral Large 3/Llama 4 Maverick，边缘部署选Phi-4 14B/Gemma 4小模型）。延迟敏感场景优先小激活参数MoE。
架构趋势：MoE成百亿级旗舰默认，稠密模型在320亿以下仍具优势；长上下文技术成熟（DeepSeek CSA/HCA、Llama 4交织注意力），但尾部召回仍是痛点；推理专用模型成独立品类；混合注意力与状态空间模型在长尾显现；量化随模型同步发布，生产可直接用Q4。
硬件分级：边缘/笔记本8-16GB跑14B级；强力工作站24-32GB跑270亿-310亿稠密或30亿激活MoE；专业工作站48-96GB跑70B稠密或千亿MoE量化；单服务器80GB H100跑V4 Flash全精度激活；前沿集群8卡H200/B300跑V4 Pro、Llama 4 Maverick、Qwen 3.5-397B生产速度。Q4_K_M量化显存降75%，质量损失微。
过度炒作：千万上下文实战召回不稳、总参数营销数字、推理专用模型用于通用聊天、Falcon H1R仅凭数学基准宣称“最强7B”。被低估：Gemma 4 31B单卡部署最实用、DeepSeek V4 Flash性价比碾压同级、Qwen 3.6-35B-A3B在带宽受限硬件上极快、Yi-Coder 9B小而强、Mistral Large 3为欧盟合规首选。
常见问答：DeepSeek V4属MIT开源；Llama 4初创可用但需标注；生产代码审查最廉价选Qwen 3.6-35B-A3B或Gemma 4 31B；微调针对领域语言与工具模式，不提升原始推理；多模态模型仅在需视觉时启用；自托管中资模型无遥测风险；评估新模型需跑真实提示、抗污染基准、实时延迟成本；SWE-bench Verified为500人工验证子集；托管适合突发流量，自建适合日均超千万Token稳态；开源智能体框架(vLLM、SGLang、LangGraph)同等重要；旗舰开放模型约每4-6周迭代，评估管线须支持一日切换；2026主流为混合策略：高频内部用开放权重，高风险对外用闭源API。
跟踪来源：ArtificialAnalysis、LiveCodeBench、Hugging Face Open LLM Leaderboard v2、LMSYS Arena四大看板为核心信号。最快落地路径是引入已在生产部署过开放权重模型的工程师，涵盖微调、服务、延迟成本权衡、在线推理集群、微调管线等实战经验。
综合自网络信息