最近几天，一张开源模型的等级列表在X上被疯狂转载。
从夯到拉，国产开源模型排在了数一数二的位置，DeepSeek、Qwen、Kimi、智谱、还有MiniMax是全球开源模型的前五名。
而OpenAI排在了第四梯队，小扎的Meta，挖了硅谷半壁江山想打造的Llama更扎心，只落得了一个荣誉提名。
这份榜单并不是国产模型花钱打广告，也不是咱中国人王婆卖瓜，自卖自夸。知名的AI研究员Nathan Lambert和德国AI研究中心的博士生Florian Brand，在interconnectai上的一篇文章，给出了全球开源模型的完整排名。
文章里详细回顾过去这一年，全球开源模型的发展， 以DeepSeek和Qwen为主的国产开源模型，正在用开源改变整个AI行业的运行规则 。
事实也如此，2024年对于全球开源来说，可能还是Llama的天下。到了今年，国产开源以一种不可忽视的姿态，持续刷新着全球大模型的默认选项。
性能、价格、生态、可用性……每个维度都在快速逼近闭源巨头，甚至在某些方向已经实现了反超。
上下滑动查看更多内容，全球开源模型发布历史，2024.01-2025.11，
图片来源：https://www.atomproject.ai/
当我们还在想国产模型什么时候能追上ChatGPT、Gemini时，AI的军备竞赛场上，另一个问题也开始沸腾起来， 为什么全球开发者都在用国产开源模型？
开源模型，前浪后浪一起上
过去这几个月，国产开源模型的更新节奏几乎没有停过。而且不只是某一家模型公司的爆发，是整个国产开源生态，持续接力，就像一条快速攀升的曲线，不断在突破瓶颈。
11月，Kimi发布了万亿参数的混合专家模型，Kimi K2 Thinking，直接拿下多个榜单第一名，甚至超过了OpenAI的GPT-5和Anthropic的Claude 4.5。
10月底，MiniMax正式发布了MiniMax M2混合专家模型MoE，和Kimi一样，继续开源，在综合榜单上的表现，MiniMax M2排名第五，超过了Gemini 2.5 Pro和Claude Opus 4.1。
9月，阿里在云栖大会上，一套模型七连发的组合拳，在视觉、语音、推理、编程等多个领域做到极致。
海外社交媒体上，关于国产开源模型的认可，从横空出世的DeepSeek以来就没停过。「好用、便宜、小公司的开发首选、自己做的副业项目，用的就是中国开源模型……」，这些评论在X上随处可见。
像是网友们对Kimi K2 Thinking写作风格，以及用token数量换思考深度的称赞。
还有网友说拿Minimax M2和Claude Sonnet 4对比，M2只用一次就能生成一个功能齐全的网站，但是Sonnet 4会失败。
关于Qwen的帖子就更多了，从2.5更新到现在的3.0，从大尺寸的4800亿参数，到只有6亿参数的小模型，从视觉语言Qwen 3 VL，到代码编写Qwen 3 Coder，开源市场几乎都有Qwen的影子在。
爱彼迎CEO在接受采访时，甚至大方的表示OpenAI虽然好，但是不适合我们； 而来自中国的开源模型Qwen非常好，能实际地应用到他们的工作中，比OpenAI更好更便宜。
在开源这块，说国产开源模型还在追赶都不贴切，是已经实打实地成为了全球默认的开源选择。
MiniMax M2，能落地的开源智能体
如果要用具体案例，来说明国产开源模型，到底好在哪里，过去我们分享的多个开源工具的实测体验，其实就已经有了答案。
发布时间最近的Kimi K2 Thinking，一次性能执行300次工具调用的超长思考链条，还有为手机而生的通用Agent，智谱AutoGLM 2.0；以及AI时代的安卓，阿里通义模型大家族。
这些模型虽然都是开源，但是都有各自的技术亮点，努力让国产开源模型这张地图，变得更完整、更丰富。
像K2 Thinking主打万亿参数大模型，然后还有自己的KDA（Kimi Delta Attention）机制；DeepSeek主打混合注意力，成本骤降；Minimax M2在这次的更新里面，反而是一改常态，使用了完全注意力，模型参数也仅2300亿。
M2好不好用，本着能体验都上手试试的原则，我们也简单测了一下。
第一个任务是让他处理Excel表格数据，我们把今年国考的岗位信息表格发给他，让它根据表格内容，设计一个通用的公务员岗位筛选工具。
表格的数据非常多，大小有10MB，累计两万多个岗位。MiniMax M2特别好的一点是，它会在正式执行任务前，询问用户，是否需要对任务进行调整。
在他们的技术博客里面提到， M2此次采用了「交错思考」的技术，这项技术最早是在Claude Sonnet 4模型中开始应用，但具体的采用还很有限。
MiniMax给了一个小贴士，提醒用户保留模型的思考记录，即think标签。M2依赖于交错式思维，上下文就是为记忆，保留了，才能更好的开展交错式思考。
简单来说，交错思维（Interleaved Thinking）就是让大模型在「动手做事（用工具/调用接口），停下来想一想再动手，然后接着再思考」，这样的循环里推进任务，而不是先把一大段思路想完再一次性执行。
最近更新的Kimi K2 Thinking同样采用了交错式思考的技术 。边思考边调用的方式，能让模型在每次拿到工具输出后，立刻复盘、调整计划，这特别适合流程长、结果不确定的智能体任务。
最后给出的结果是非常的准确的，20714个岗位，以及对于应届生、基层工作年限、户籍地等方面的条件，它都有统计到；相比市面上一些付费的选岗工具，自己用Agent自动生成一个，再方便不过。
我们还让它去做一些深度研究，丢给它关于M2自己的信息，让它制作一个精美的PPT。
预览链接：https://z4czsdfoakc7.space.minimaxi.com/
除了这种从零开始做一个产品的vibe coding体验，MiniMax还提供了详细的教程，关于如何接入Claude Code等命令行工具，或开发平台Cursor、VS Code等。
交错思考能让模型更聪明，知道何时该调用何种工具。 但MiniMax M2这次在技术上还有一个亮点，是它一反常态的使用了全注意力机制 。
之前我们介绍过DeepSeek能把成本打到这么低，其中最重要的原因之一就是它采用了稀疏注意力，以及混合注意力机制 。稀疏注意力能让模型在处理token时，和我们人类一样，有选择的聚焦在重要信息，而忽略掉次要信息。
配合其他的策略，就能在不影响输出质量的前提下，提升模型的推理速度，降低成本。
MiniMax团队也专门写了一篇技术博客来介绍，为什么又走回了原点，继续选择全注意力机制，这种增加训练和推理压力的方式。
他们提到主要的原因是「具体的表现」，现在大部分所说的稀疏注意力、或者高效注意力，并不是让模型的效果更好，而是单纯为了节省计算资源、降低成本。
全注意力模型的性能，和可靠性仍然是更高，随着上下文长度需求不断增加，以及GPU计算增速放缓，到那时，线性和稀疏注意力的潜力，可能会逐渐显现。
而MiniMax M2目前要做的，是在有限的算力资源下，尽可能实现质量、速度、价格这个三角的平衡，这次它也确实做到了。
所以说，在某种程度上，很多人觉得开源，就意味着把技术白白送给别人；但在整个的技术发展路线历史上，开源是让不同的技术碰撞，让不同的研究员合作，从而取得进一步的技术创新。
大模型分析平台，Artificial Analysis在发X介绍MiniMax M2的综合榜单表现时，也提到了国产开源，他说。
中国AI实验室在开源领域持续保持领先地位。
MiniMax的发布延续了中国AI在开源领域的领先地位，这一地位由DeepSeek在2024年底开启，并由DeepSeek的后续发布、阿里巴巴、智谱、和Kimi等公司持续保持。
确实是这样，等了一年都没等来的DeepSeek R2，却让我们看到了在国外爆火的Kimi K2，智谱GLM系列，还有几乎所有开发者都离不开的Qwen系列。
所有的这些国产开源模型，多元的技术路线、不同的应用方向，完全组合在一起，才有了真正的优势和力量，让闭源不再成为「好模型」的代表。
前段时间，在小红书的1024程序员节上，Hugging Face创始人提到，开源和闭源差距在缩小，中国在这方面比较领先；小红书的技术负责人也说，开源降低了社会运用AI的成本，动用大家的力量，推着技术往前走。
毫无疑问，开源肯定是一件好事，只是没有人想到，打败闭源的，是来自我们的开源。
DeepSeek的出现，除了向全世界公开了全新的模型训练逻辑，以更低的成本实现同等惊艳的效果；更多的是让整个国产AI的运行模式，有了明确的方向。
它让所有人意识到，在当时全球AI话语权被美国垄断的语境里，开源是让自己被看见的唯一方式。
当然，选择开源，背后更具体的原因有很多，OpenAI、Anthropic、Gemini每家都在闭门造车，他们可以靠着无上限的显卡，训练更大的模型，融资动辄千亿美元。
但国产模型面临的困境是，算力紧张、芯片受限……如果不共享模型，就没人能复用算力。没有可以使用的基础模型，就意味着一切都要从头开始。百度一开始选择了闭源，为了商业模式的运转；在今年六月，他们也宣布正式开源了，文心大模型4.5系列模型。
另一方面是国产模型厂商太多、竞争太激烈，他选择不开源，就会有别人开源；而闭源，用户就有可能选择其他模型。
图片来源：https://a16z.substack.com/p/charts-of-the-week-open-model-of
a16z前段时间统计了开源模型的数据，结果显示，国产开源模型的累计下载量，不仅超过了美国模型，而且领先优势还在不断扩大。
今年四月，斯坦福大学也发表了一份2025人工智能指数报告，里面统计了开源模型和闭源模型的性能对比，以及中美两国模型的性能对比。这份报告的数据只截止到今年2月份，明年再看的时候，国产开源大概会顺利超过闭源和美国。
如果把国产开源的优势拆到最小，我们会发现现在的领先，是因为一个完整、庞大的开源系统，这个系统的每一环都在让国产开源的能力，越来越强大。
无论是社区对国产开源模型的评价，即Elo排名，还是在ArtificialAnalysis基准测试中，按地区划分的性能对比，国产开源都在领先位置｜图片来源：https://www.atomproject.ai/
DeepSeek拿成本结构和高效推理打开了第一道缝；Qwen凭借着生态规模把缝撕成了口；MiniMax、智谱和Kimi则用不同的技术路线，把这个口越撑越大。
当全球的小团队都用Qwen做微调、用DeepSeek做推理基座、用MiniMax做智能体验证，国产开源从选择变成了默认。结果就是，全球开源生态的中心，开始向中国倾斜。
其实这也不是黄仁勋第一次提到，中国在人工智能竞赛的位置了。过去在多个公开场合，他都表示开源模型极其重要，无论是对开发者还是初创公司，甚至是所谓的AI竞赛。
今年10月的英伟达GTC大会上，黄仁勋的演讲里再次提到，全球模型开源市场，来自中国的通义千问排名第一，并且占据了大部分的市场份额。
几乎超过60%都是Qwen
今年4月，他还在华盛顿的科技大会上说，「毫无疑问，华为是世界上最强大的科技公司之一……中国在人工智能领域并不落后。我们非常非常接近……全球50%的人工智能研究人员是中国人。我们将不得不竞争。」
但是在开源上的竞争，看美国的开源老大，来自Meta的Llama，去年四月发布了Llama 3，7月Llama 3.1，9月Llama 3.2，然后到了今年4月让人大跌眼镜的Llama 4，甚至还有一个更高级的Behemoth版本至今没发布。
再后来，关于Meta的新闻就只有小扎开出天价薪酬到处挖人，然后最近又疯狂裁员六百人，连图灵奖得主Yann LeCun都不干了，要走人自己去创业。
大概小扎根本没想到，自己在硅谷选择开源，可以说是一枝独秀的存在，也会被今年1月爆火的DeepSeek偷了家。于是乎，Meta现在开源也不是，闭源也难追赶，进退两难。
很难不认同，Llama走到今天这步，有一半是国产开源的「功劳」。
Meta相关的衍生模型，和Mistral AI早期领先优势，完全被阿里巴巴的Qwen模型超越
前几天刷社交媒体，看到一个评论说，「开源就是把你的对手变成了你的儿子，没有儿子会去打爸爸。」话糙理不糙，在AI的开源周期里，中国的代表性开源模型，明显地变成了AI生态的底座。
这场由国产开源引领的AI模型浪潮，正在改变谁能定义未来的AI这个问题。它会让我们每个人，以更低的成本、更快的速度，用上全世界最顶尖、也最好用的AI。
最后这张图的详细情况如下。
从上到下依次为：
崛起中：字节跳动Seed、Apertus、OpenBMB、Motif、百度、Marin Community、InternLM、OpenGVLab、ServiceNow、Skywork
荣誉提名：TNG集团、Meta、Cohere、北京人工智能研究院、多模态艺术投影、华为"