1.1 一年主线：三个关键词

过去 12 个月（2025.08—2026.08），全球大模型产业的变化可以用三个关键词概括：

• 能力代际加速：GPT-5→5.6、Claude Opus 4.6→5、Gemini 3→3.6、DeepSeek V3.1→V4-Pro、Qwen3.x→3.8-Max、Kimi K2.x→K3，一年内头部厂商普遍完成 3–5 次版本迭代，迭代周期从「季度」压缩到「月度」〔1〕〔3〕〔7〕〔8〕〔9〕。
• 价格体系雪崩：旗舰输出价从 2025 年中的 60 美元级下探至 12–30 美元级，轻量档低至 0.2–1.5 美元；国内低端主力已降到每百万 token 0.8–2 元人民币，旗舰级为 20–100 元〔1〕〔3〕〔8〕〔14〕。
• 竞争主线迁移：从「拼参数、拼榜单」转向「拼推理深度、拼 Agent 原生、拼长上下文」——1M token 上下文成为主流配置，深度推理模式（Gemini Deep Think、GPT-5.6 深度研究）与「能干活」的 Agent 能力成为新分水岭〔1〕〔3〕〔10〕〔15〕。

1.2 三梯队格局（2026-08）

注：榜单为逐日波动数据，本图取 2026 年 8 月多次采样的稳定排序，具体位次以当日实时榜单为准〔16〕。

1.3 海外阵营盘点

1.4 国内阵营盘点

下表为核心交付成果：截至 2026 年 8 月，覆盖国内外 19 款主流模型的版本线、上下文、能力标签、价格、开源情况与落地要点。价格单位统一为美元/百万 token（输入/输出），开源模型标注许可证。

注：价格口径不一，美元为厂商官方定价，人民币为国内公开渠道报价并按 1 USD≈7.2 CNY 折算（估计值）；「估计值/待核实」数据详见附录声明。

3.1 六维能力雷达：四大代表模型

选取四个有代表性的模型（海外闭源×2、国产开源×2）做六维对比：推理、多模态、代码、长上下文、Agent 原生、中文/本土化。雷达图分数为分析师基于 AA Intelligence Index、LMArena 与各厂商官方基准的定性合成（估计值，0–100），用于相对位置示意，不作绝对精度断言。

3.2 推理能力：闭源旗舰仍是天花板，国产开源逼近

AA Intelligence Index 等第三方综合评测显示，Claude Opus 5（63）、GPT-5.6 Sol（61）、Kimi K3（60）、Qwen3.8-Max（58）位居第一集团〔17〕。Claude 与 GPT-5.6 在数学/科学/长程推理上保持领先，Kimi K3 与 DeepSeek V4-Pro 则证明「开源权重同样可以进入推理第一梯队」〔7〕〔9〕〔17〕。企业侧的实测差异主要集中在复杂多步任务的稳定性，而非单题正确率。

3.3 代码能力：从「补全」到「工程级 Agent」

代码已从「自动补全」演进为「仓库级工程任务」。Claude 系仍是工程代码口碑标杆〔2〕；OpenAI 通过 Codex 将 GPT-5.6 与 100 万 token 上下文结合，主攻大规模代码库重构〔1〕；国产侧 GLM-5.3 以「后训练 Scaling」实现编程能力提升约 50%，被社区认为已追平头部〔10〕；MiniMax M3 与 Kimi K2.7 Code 亦以代码能力切入〔9〕〔12〕。值得注意的是 Qwen3.8-27B 这类 30B 级小模型「以小博大」的破圈效应〔8〕——编程场景正从「堆参数」转向「工程化微调 + 长上下文」。

3.4 多模态与长上下文：1M 成为标配，实时化是下一程

多模态端，Google Gemini 3.x 凭借原生全模态优势领先〔3〕；Kimi K3 将原生视觉融入 1M 上下文〔9〕；字节 Seed 生态（Seedream 5.0 图像、Seedance 2.5 视频、SeedRealtime 实时语音，2026-08-05 更新）代表「多模态全家桶」路线〔11〕。长上下文端，1M token 已是主流配置——DeepSeek V4 系、Kimi K3、Gemini 全档位均支持〔3〕〔7〕〔9〕；Llama 5 更将窗口拉到 500 万 token〔4〕。判断：单模态长文之争基本结束，下一分水岭是实时音视频多模态〔11〕〔15〕。

3.5 Agent 原生：从「会聊天」到「能干活」

这是 2026 年最重要的能力迁移。海外以 OpenAI（深度研究、Codex Agent）与 Anthropic（长程自主任务）为标杆〔1〕〔2〕；国内以 GLM-5.1 的「8 小时持续工作」开源模型、阶跃的 Agent OS 为代表〔10〕〔15〕。企业选型时，「工具调用成功率、多步任务完成率、可观测性」已取代单项 benchmark 成为核心指标；GLM-5.3 的 CyberGym 84.5% 与腾讯混元 99.99% 高优先级成功率，均为 Agent 可靠性竞争的直接体现〔10〕〔14〕。

4.1 一年降价曲线：每百万 token 输出价的下探轨迹

近一年价格变化的量级可以用三条线概括：海外旗舰输出价从约 $60 级降至 $12–30 级〔1〕〔2〕；轻量档低至 $0.2–1.5（GPT-5.6 Luna、Gemini Flash-Lite）〔1〕〔3〕；国内低端主力已降到每百万 token 0.8–2 元人民币，旗舰级为 20–100 元〔8〕〔9〕〔14〕。换算后，头部模型的单位智能成本一年内下降约一个数量级〔1〕〔7〕〔8〕〔20〕。

4.2 三个定价结构性变化

• 峰谷动态定价出现：DeepSeek 自 2026-08-17 起按「峰值/非峰值」分时计价（V4-Pro 峰值 $1.32/$3.96，非峰值 $0.66/$1.98），首次把「电网峰谷」逻辑引入推理市场，为可调度负载企业提供明确的省钱空间〔7〕。
• 「旗舰-通用-轻量」三层价格阶梯成为行业标准：OpenAI 的 Sol/Terra/Luna 结构（$5/$30、$2/$12、$0.20/$1.20）与 Google 的 Pro/Flash/Flash-Lite 结构，把「按任务复杂度选档位」变成企业预算常态〔1〕〔3〕。
• 开源把边际调用成本打到接近零：MIT/Apache 权重免费 + 私有化部署，长期边际成本仅剩算力；对数据敏感、调用量大的企业，开源+自部署的 TCO 显著低于按量付费〔7〕〔8〕〔10〕。

5.1 阵营盘点

5.2 趋势判断

• 双轨并行成为定局：Meta 从纯开源转向「开源 Llama + 闭源 Muse Spark」双轨〔4〕；月之暗面 K3 权重开源但托管 API 商业化〔9〕；DeepSeek 全开源但提供托管服务〔7〕——「开源打生态、闭源做收入」是共同剧本。
• 国产开源已进入全球第一梯队：DeepSeek V4-Pro 与 Kimi K3 的权重质量，配合 OpenRouter 上中国模型的主导调用量，证明开源不再只是「追赶者」〔7〕〔9〕〔16〕。
• 许可证分层细化：MIT/Apache 2.0（可商用可闭源衍生）成为主流，但「开放权重 ≠ 完全开放训练数据」，企业做合规审查时需逐项核对衍生条款〔7〕〔8〕。

6.1 六大平台生态

6.2 行业落地适配速览

7.1 海外主线

7.2 国内主线

以下 6 条建议按 AICOR 的「能力—成本—合规—生态」四轴选型框架给出，覆盖不同企业画像；没有「最好的模型」，只有「最合适的组合」。

9.1 五点结论

• 三梯队收敛，能力差压缩至 6 个月左右：国产一线与海外旗舰的单点能力差距明显收窄，仅在超长程自主 Agent、前沿数学等极少数任务上落后约半代〔7〕〔8〕〔9〕〔17〕。
• 价格战已从营销手段变成市场出清机制：一年内单位智能成本下降约一个数量级，峰谷定价、三层价格阶梯把「按任务复杂度与时间调度负载」变成预算常态〔1〕〔3〕〔7〕。
• 开源与闭源双轨并行，且开源已进入第一梯队：DeepSeek V4 系（MIT）、Kimi K3、Qwen3.8-27B（Apache 2.0）、Llama 5 构成可私有化的完整梯队；Meta 的「开源+闭源」双轨成为行业模板〔4〕〔7〕〔8〕〔9〕。
• 1M 长上下文 + Agent 原生成为新护城河：上下文窗口是「能处理什么」，Agent 原生是「能完成什么」；企业评估体系正在从 benchmark 转向任务成功率〔3〕〔7〕〔9〕〔10〕。
• 中国模型在中文、性价比、开源生态三项领先：OpenRouter 日调用量前十中 6 席为中国模型，中国大模型周调用量连续多周全球第一〔14〕〔16〕。

9.2 2026 下半年与 2027 展望

• 推理需求爆发与「Token 计量」精细化：动态定价、缓存命中定价、批处理折扣将普及，企业成本结构从「按模型」转向「按任务形态」〔7〕。
• Agent 评估体系建立：行业将围绕「任务成功率、可观测性、人机边界」形成新评测标准，GLM 8 小时持续工作、混元 99.99% 可靠性等指标会越来越多出现在采购要求中〔10〕〔14〕。
• 多模态实时化进入生产：实时音视频（SeedRealtime、StepAudio 等）从演示走向客服、会议、内容生产等真实业务〔11〕〔15〕。
• 开源继续下探、旗舰继续上探：10–30B 级轻量开源模型将覆盖端侧与私有化长尾；旗舰闭源则在「超长程自主任务」（数小时级 Agent）上竞争〔1〕〔2〕〔8〕。
• 「选型→落地」缺口扩大，服务成为新增长极：模型同质化后，企业缺的不是模型而是「场景适配 + 组织变革 + 度量体系」——这直接放大了 AICOR「企业 AI 重构 + 人机协同组织」的战略空位〔10〕〔14〕。

数据来源清单（检索时间：2026 年 8 月 19 日，共 10 轮关键词检索）

1. OpenAI 官方发布与定价公告、开发者文档（GPT-5 至 GPT-5.6 Sol/Terra/Luna 定价、Codex 100 万 token 上下文、UltraFast 档位）
2. Anthropic 官方发布及 The Information、Reuters 等编译报道（Claude Opus 4.6 / Opus 5 / Fable 5 定价、2026-06 出口管制暂停）
3. Google DeepMind 官方发布与定价页（Gemini 3 / 3.1 Pro+Deep Think / 3.5 Flash / 3.6 Flash / Flash-Lite 定价、1M 上下文、约 289 tok/s）
4. Meta 官方发布及编译报道（Llama 5 约 600B、5M 上下文、RSI 训练、Muse Spark 闭源化）
5. xAI 官方发布（Grok 4.5 / 4.6 定价、500K 上下文）
6. Mistral 官方发布及 TechCrunch、EU-Startups 等报道（Large 3、Small 3.2、Voxtral TTS、欧盟融资规模）
7. DeepSeek 官方发布、GitHub/HuggingFace 仓库与 API 定价页（V3.1/V3.2/V4 预览/V4-Pro/V4-Flash、MIT 开源、1M 上下文、峰谷定价 2026-08-17、Harness 框架）
8. 阿里云 Qwen 官方与通义千问百炼（Qwen3.8-Max、Qwen3.8-27B Apache 2.0 开源、Qwen3.6-Plus 定价、「家用 Opus」社区评价）
9. 月之暗面官方发布及编译报道（Kimi K2.5→K3、权重开源、1M、原生视觉、OpenRouter 日 64B token）
10. 智谱 AI 官方发布（GLM-5.1 8 小时持续工作 / 5.2 / 5.3、编程能力 +50%、CyberGym 84.5%、API 定价）
11. 字节跳动火山引擎/豆包官方发布（Seed 2.1 系列、日 Token 消耗 180 万亿、Seedream 5.0/Seedance 2.5/SeedRealtime、10T 参数规划）
12. MiniMax 官方发布（M3 编程+1M+原生多模态）
13. 百度官方发布与 LMArena 榜单（文心 5.1、搜索榜 1223 分、国内第一/全球第四）
14. 腾讯官方发布与行业周报（混元 Hy3-preview 295B、99.99% 成功率、TokenHub 迁移、中国大模型周调用量连续多周全球第一）
15. 阶跃星辰官方发布及投资媒体报道（Step 3.7 Flash、Agent OS、StepAudio、Pre-IPO 约 25 亿美元融资）
16. OpenRouter 公开调用数据与每日榜单（前十国别分布、Kimi K3 日处理量）
17. AA Intelligence Index 第三方综合评测（Claude Opus 5 63、GPT-5.6 Sol 61、Kimi K3 60、Qwen3.8-Max 58）
18. LMArena 官方 Elo 榜单（文心 5.1 搜索榜位次等）
19. 各厂商技术文档与博客（Codex 上下文、Sol UltraFast 速度、Gemini Deep Think、DeepSeek Harness 等）
20. 行业编译报道（价格战综述、国产替代与全球格局、汇率口径说明）