国产开源大模型9月密集上新，端侧与多模态成主战场

发布时间：2026-09-17 04:00 更新时间：2026-09-17 04:00 阅读量：0

进入2026年9月，国内开源大模型的更新节奏明显加快。据公开信息，紫东太初、面壁智能、上海人工智能实验室、腾讯、科大讯飞等团队在两周内陆续放出新模型，覆盖从1.7B的端侧小模型到数百B参数的旗舰基座，开源社区的注意力也被这些新面孔持续占据。

端侧与多模态两头并进

这一批新模型里，端侧部署是出现频率很高的关键词。面壁智能与OpenBMB联合推出的MiniCPM5-2B，只有2B参数，官方称其在4B以下开源基座中综合表现居前，并初步具备端侧通用Agent能力。科大讯飞开源星火X2.5-4B与1.7B两款端侧模型，原生支持100万Token上下文，训练基于全国产算力平台。腾讯则开源了EVIE-8B与EVIE-4.5B视觉文档检索模型，采用Apache 2.0协议。

多模态方向同样热闹。紫东太初开源ZDTaichu5.0-9B，定位面向物理世界的通用多模态大模型，官方信息显示其在空间理解与具身智能相关评测中取得多项靠前成绩。上海AI实验室发布的书生-S2（Intern-S2）主打长程科研与智能体能力，在生命科学、材料科学任务中有针对性优化，并与昇腾生态做了协同适配。此外，基元律动等团队推出面向Agent场景训练的NeoHorse-1，覆盖工具调用与任务规划。

从比规模到比省钱

把时间线稍微拉长看，8月阿里开放Qwen3.8-Max权重并开源27B稠密模型，智谱开源GLM-5.3-Flash（320B-A18B）原生多模态模型，腾讯混元Hy4 preview总参数770B、激活49B，上下文突破1M。这些模型普遍采用稀疏MoE架构，用较大的总参数配合较小的激活参数，换取推理成本的下降。

对站长和运维人员来说，这波开源潮带来两个现实变化。一是可选模型变多，本地或私有化部署的门槛在降低，2B到9B级别的模型已经能在常见GPU甚至部分端侧设备上跑起来；二是推理成本正在取代参数量，成为选型时更实际的比较维度。以GLM-5.3-Flash为例，官方公布的定价约为GLM-5.2的十分之一，背后由国产芯片集群支撑，这类信息值得在预算评估时纳入参考。

部署前建议先确认显存与量化方案，再决定是否上生产。下面是一个查看显卡与显存占用的常见命令，可用来判断机器是否满足目标模型的运行条件：

nvidia-smi
查看显存占用与GPU利用率，具体字段以实际驱动版本为准
nvidia-smi --query-gpu=name,memory.total,memory.used --format=csv

生态层面还有一个信号值得留意。据MIT与Hugging Face的联合报告，中国开源模型的全球下载量占比为17.1%，高于美国的15.8%；阿里累计开源Qwen系列模型超过460款，全球下载量突破30亿次。开源模型处理词元的占比也从年初的34%升至6月的65%。这些数字说明，开源不再只是技术展示，而是实际承载了大量线上流量。

需要提醒的是，模型迭代速度已从过去的半年压缩到一两个月，同一系列可能很快出现新版本。选型时不必追最新，先跑通业务链路、把推理成本和稳定性摸清楚，再考虑升级。文中涉及的评测成绩、定价与发布时间均来自公开报道，具体参数与许可条款请以各团队官方公告和模型仓库说明为准。

继续阅读