AI 大模型 – 东方无解

2026年7月17日2026年7月17日

Kimi K3 正式发布

月之暗面今日凌晨正式推出其迄今能力最强的模型 —— Kimi K3，一个 2.8 万亿参数的开源模型，面向长程编程、知识工作和推理等前沿智能场景设计。这是全球首个开源的 3 万亿级别模型。

核心要点

2.8 万亿参数，全球首个开源 3 万亿级别模型
KDA 混合线性注意力机制 + 注意力残差技术
原生支持视觉理解，100 万 token 上下文窗口
MoE 稀疏度扩大：896 个专家中激活 16 个
相比 K2 整体扩展效率提升约 2.5 倍
从 SFT 阶段采用量化感知训练（MXFP4/MXFP8）
擅长长程编程、视觉推理和端到端知识工作

架构创新

Kimi K3 基于 KDA 混合线性注意力机制（Kimi Delta Attention）和注意力残差（Attention Residuals）技术构建。KDA 为注意力扩展提供高效基础，AttnRes 有选择地跨深度检索表示，二者共同使模型能扩展到万亿参数以上规模。

结合 Stable LatentMoE 框架，模型可在 896 个专家中高效激活 16 个。Quantile Balancing 和 Per-Head Muon 让大规模训练更自适应。

性能表现

虽然 Kimi K3 的整体表现仍落后于最强的闭源模型 Claude Fable 5 和 GPT-5.6 Sol，但在整套评测中展现出前沿水平的能力，并稳定超过了其他所有模型。

可用性

用户可通过 kimi.com、Kimi 手机 App、Kimi Work 桌面客户端、Kimi Code 和 Kimi API 使用
当前默认思考强度为 max（极致），后续增加 low 和 high 模式
完整模型权重将于 2026 年 7 月 27 日前发布
已向 vLLM 社区贡献 KDA 实现

来源：开源中国（OSCHINA）

2026年6月17日2026年6月17日

GLM-5.2：Z.ai 发布旗舰开源模型，1M 可用上下文挑战闭源长程任务

Z.ai 发布 GLM-5.2，1M 可用上下文 + 多级思考力度控制，开源模型首次挑战闭源旗舰长程任务能力

一、GLM-5.2 是什么

GLM-5.2 是 Z.ai 面向长程任务时代的旗舰模型。核心亮点是一个真正可用的 1M token 上下文窗口——不是在评测指标上好看，而是在真实的工程场景中能稳定工作。它能在单次任务中处理项目级别的工程上下文、可靠执行长时间运行的任务、一致性遵循工程规范，并且完成从需求到多平台部署的完整开发工作流。

二、三大新特性

Solid 1M 上下文：1M token 的前置上下文，能稳定支撑长程工作，不只是接受更多 token，而是在混乱的代码轨迹中保持质量。
多级思考力度控制：更强的编程能力，提供 High 和 Max 两个思考努力级别，让用户在性能、延迟和计算成本之间自由平衡。
纯粹开源：MIT 开源许可证——技术无国界。

三、长程任务能力：开源最强，紧追闭源旗舰

GLM-5.2 在三个长程编码基准测试中表现亮眼，全部位列开源模型第一：

基准测试	说明	GLM-5.2 表现	排名
FrontierSWE	衡量 Agent 完成数小时到数十小时的开放式技术项目	落后 Opus 4.8 仅 1%，领先 GPT-5.5 1%，领先 Opus 4.7 11%	开源第一，整体第二
PostTrainBench	给 Agent 一块 H100 GPU，评判其对小模型的后训练改进能力	超越 Opus 4.7 和 GPT-5.5	仅次于 Opus 4.8
SWE-Marathon	超长程任务，包括构建编译器、优化内核、开发生产级服务	落后 Opus 4.8 13%	仅次于 Opus 系列

这三个基准的共性在于：它们测试的不是模型能接受多少 token，而是模型在数万 token 的真实工程轨迹中能否持续保持高质量输出——这正是 GLM-5.2 的 1M 上下文训练的落脚点。

四、更强编程能力：开源标杆

在标准编程基准上，GLM-5.2 大幅领先前代 GLM-5.1，并显著缩小了与闭源前沿的差距：

基准测试	GLM-5.2	GLM-5.1	Claude Opus 4.8	Gemini 3.1 Pro
Terminal-Bench 2.1	81.0	62.0	85.0	低于 GLM-5.2
SWE-bench Pro	62.1	58.4	—	—

Terminal-Bench 2.1 上 81.0 的成绩距离 Claude Opus 4.8 的 85.0 仅差 4 分，而 Gemini 3.1 Pro 已被甩在身后。

GLM-5.2 引入的 effort level 控制是一大亮点。在同等 token 预算下，GLM-5.2 的 Agent 编程能力显著强于 GLM-5.1，能力定位大致介于 Claude Opus 4.7 和 Opus 4.8 之间。当你遇到高难度任务时，切换到 Max 力度级别可分配更多计算资源，换取更高性能。

五、总结判断

GLM-5.2 是截至目前 开源模型在长程 Agent 任务上的最强选手。它的 1M 上下文不是噱头，而是在 FrontierSWE、PostTrainBench、SWE-Marathon 三个真实工程场景中验证过的能力。在标准编程能力上，它稳坐开源第一把交椅，并首次让开源模型与闭源旗舰的差距缩小到个位数百分比。

对于 AI Agent 开发者、长程自动化场景和需要高质量代码生成的团队，GLM-5.2 是目前开源阵营中最值得关注的选择。配合 MIT 开源协议和 Ollama 一键部署，上手几乎没有门槛。

2026年5月27日2026年6月13日

小米 MiMo-V2.5 系列 vs DeepSeek V4 性价比分析

Pro 旗舰级定价完全一致，标准级小米凭多模态实现差异化优势

小米 5 月 27 日降价与 DeepSeek 5 月 22 日宣布的永久降价！！！

一、降价后完整定价对比

计费项	MiMo-V2.5-Pro	DeepSeek V4-Pro	MiMo-V2.5（标准版）	DeepSeek V4-Flash
输入（缓存命中）	0.025 元	0.025 元	0.020 元	0.02 元
输入（缓存未命中）	3 元	3 元	1 元	1 元
输出	6 元	6 元	2 元	2 元
上下文窗口	1M	1M	1M	1M
多模态	纯文本	纯文本	图像/音频/视频	纯文本
开源协议	MIT	MIT	MIT	MIT

数据来源：MiMo 官方调价公告 DeepSeek 官方定价页

两个层级的定价几乎完全镜像：Pro 级别三项单价完全一致，标准/Flash 级别也完全一致。但这里有一个关键差异——MiMo-V2.5 标准版是原生全模态模型（支持图像、音频、视频理解），而 DeepSeek V4-Flash 只是轻量级纯文本模型。同样的价格，小米给了多模态能力。

二、小米独有的成本优化机制

Token Plan 计费体系升级是小米本次降价的隐性加分项，很容易被忽略：

同等价格下可用 tokens 提升至原方案的 5-8 倍
引入 Credits 统一计量，计费规则”所见即所得”
所有有效期内的 Token Plan 用户 Credits 于 5 月 27 日 0:00 全量重置
北京时间 00:00~08:00 期间，所有模型 Credits 消耗速率再打 8 折

这意味着如果你使用 Token Plan 订阅制，小米的实际单位成本还会进一步降低。DeepSeek 目前没有同等规模的订阅优惠体系。

上下文窗口不再区分定价也是重要改进。此前小米对 256K 以上的长上下文窗口收取双倍价格，现在一律同价，这对 Agent 场景（经常需要长上下文）是直接利好。

三、性能与能力对比

根据独立第三方 Artificial Analysis Intelligence Index v4.0（截至 2026 年 5 月 6 日）的数据：

评测维度	MiMo-V2.5-Pro	DeepSeek V4-Pro	优势方
AA Intelligence Index	54 分（并列开源第 1）	52 分（并列第 2）	MiMo
GDPval-AA Agent	并列开源第 1	并列开源第 1	持平
ClawEval（长程 Agent）	63.8%	59.8%	MiMo
τ³-bench（跨任务协作）	72.9%	71.8%	MiMo
SWE-bench Verified	78.9%	80.6%	DeepSeek
SWE-bench Pro（复杂工程）	57.2%	55.4%	MiMo
LiveCodeBench Pass@1	—	93.5%	DeepSeek
Codeforces Rating	—	3206（人类第 23）	DeepSeek
Terminal-Bench 2.0	68.4%	67.9%	MiMo
幻觉率（AA-Omniscience）	暂无数据	94%（极高）	MiMo 无数据但 DS 确认高

数据来源：CSDN 技术博客搜狐

Token 效率是 MiMo 的重要差异化优势。MiMo-V2.5-Pro 在 Agent 长程任务中比 Kimi K2.6 节省约 42% Token，在 ClawEval 评测中比 Claude Opus 4.6、Gemini 3.1 Pro 节省 40%~60%。由于 Agent 任务 token 消耗指数级增长，省 token 直接等于省真金白银——在相同定价下，MiMo 完成同等任务的实际花费更低。

四、场景化性价比结论

场景 1：Agent 自动化与长程工作流（多步工具调用、代码工程 Agent）
推荐 MiMo-V2.5-Pro。Agent 能力在第三方评测中领先，Token 效率更高意味着实际成本更低，响应速度更快。小米取消上下文窗口差异化定价后，Agent 场景的长上下文调用不再有价格惩罚。

场景 2：竞赛编程与深度数学推理
推荐 DeepSeek V4-Pro。LiveCodeBench 93.5% 和 Codeforces 3206 分是开源最强，思考时间更长但推理深度更深。不过需要注意 94% 的幻觉率在可靠性要求高的场景中是硬伤。

场景 3：多模态任务（图像理解、音视频处理、办公自动化）
推荐 MiMo-V2.5（标准版）。DeepSeek V4 全系为纯文本模型，而 MiMo-V2.5 标准版原生支持图像/音频/视频理解，输出价格仅 2 元/百万 tokens，同等价位下 DeepSeek V4-Flash 只能处理文本。

场景 4：高频轻量调用与批量处理
MiMo-V2.5 标准版与 DeepSeek V4-Flash 定价完全相同（0.02 / 1 / 2），但 MiMo-V2.5 多模态能力覆盖更广，且 Token Plan 订阅可进一步压低成本。如果纯文本且高频调用，V4-Flash 也是可靠选择。

场景 5：订阅制与大用量部署
MiMo 占优。Token Plan 体系下同等价格可用 tokens 提升 5~8 倍，加上凌晨 8 折优惠和 Credits 全量重置，大规模部署的实际单位成本显著低于按量计费的 DeepSeek。

五、总结判断

在 Pro 级别，两家定价完全相同，性价比之争完全回归到能力差异：MiMo-V2.5-Pro 综合评分更高（54 vs 52），Agent 和 Token 效率领先；DeepSeek V4-Pro 在纯编程和数学推理上更强，但幻觉率是重大隐患。

在标准级，同样是相同定价，但 MiMo-V2.5 标准版凭多模态能力实现了真正的差异化——同样的 2 元输出价格，小米给的是图像/音频/视频全模态模型，DeepSeek V4-Flash 只是轻量纯文本模型。

叠加 Token Plan 5~8 倍加量、取消上下文窗口差异化定价、凌晨 8 折等优惠机制，小米 MiMo-V2.5 系列在整体性价比上略胜一筹，尤其对于 Agent 场景、多模态需求和订阅制用户。但如果你是竞赛编程或需要极致数学推理深度的用户，DeepSeek V4-Pro 仍然是更专业的工具。

2026年5月27日2026年6月13日

MiMo-V2.5 API 永久降价

2026年5月25日2026年6月13日

deepseek – v4 – pro 永久打折

2026年5月25日2026年6月13日

DeepSeek Reasonix原生编程智能体

powershell

web Reasonix

2026年4月27日2026年6月13日

DeepSeek-V4-Pro 2.5折

模型 & 价格

下表所列模型价格以“百万 tokens”为单位。Token 是模型用来表示自然语言文本的的最小单位，可以是一个词、一个数字或一个标点符号等。我们将根据模型输入和输出的总 token 数进行计量计费。

模型细节

模型		deepseek-v4-flash⁽¹⁾	deepseek-v4-pro
BASE URL (OpenAI 格式)		https://api.deepseek.com
BASE URL (Anthropic 格式)		https://api.deepseek.com/anthropic
模型版本		DeepSeek-V4-Flash	DeepSeek-V4-Pro
思考模式		支持非思考与思考模式（默认）切换方式详见思考模式
上下文长度		1M
输出长度		最大 384K
功能	Json Output	支持	支持
	Tool Calls	支持	支持
	对话前缀续写（Beta）	支持	支持
	FIM 补全（Beta）	仅非思考模式支持	仅非思考模式支持
价格	百万tokens输入（缓存命中）⁽²⁾	0.02元	0.025元（限时2.5折⁽³⁾）~~0.1元~~
	百万tokens输入（缓存未命中）	1元	3元（限时2.5折⁽³⁾）~~12元~~
	百万tokens输出	2元	6元（限时2.5折⁽³⁾）~~24元~~

(1) deepseek-chat 与 deepseek-reasoner 两个模型名将于日后弃用。出于兼容考虑，二者分别对应 deepseek-v4-flash 的非思考与思考模式。
(2) 全系列模型，输入缓存命中的价格已降至首发价格的 1/10。
(3) 当前 deepseek-v4-pro 模型限时 2.5 折，优惠期至北京时间 2026/05/31 23:59。