OpenRouter的榜单上,中国模型的周调用量在2026年2月首次超过美国,到7月已经拿下全球近三分之二的份额。
Artificial Analysis的开源智能指数前六名,清一色是中国模型。
但我真正想说的不是“第一”这个位置,而是这一轮霸榜背后,是一批新产品在完全不同的场景里同时接住了真实需求。
单点突破撑不起这样的盘子。
DeepSeek V4:把百万上下文从“高端功能”变成“出厂配置”2026年4月24日,DeepSeek开源了V4系列。Pro版总参数1.6万亿,每次推理激活490亿;Flash版总参数2840亿,激活130亿。
两个版本有一个共同点:百万token上下文是全系标配,不是Pro版的专属特权。
在此之前,1M上下文长期是Gemini的独占卖点,行业主流还在128K到256K之间徘徊。
V4把它打成了基础配置,同时还把成本压了下来:在1M场景下,V4-Pro的单token推理算力只有上一代V3.2的27%,KV缓存占用降到10%。
定价更直接,V4-Flash输入1元、输出2元每百万token,缓存命中后输入只要0.2元;Pro版12元/24元。
对比同期的Claude Opus 4.6,输出价格是25美元每百万token,GPT-5.4是15美元。
一个Flash版的输出价格,不到Opus 4.6的三十分之一。
这意味着,百万上下文不再需要“省着用”。
GLM-5.3:编程之外,它开始干法务的活智谱在2026年10月放出的GLM-5.3,基础模型和上一代GLM-5.2相同,所有提升来自后训练。
官方数据是,内部编程基准Z.ai Code Bench上比5.2提升了50%,Terminal-Bench 3.0从4.6分拉到28.3分。
但更值得看的不是分数,是它在具体任务里到底做了什么。
智谱同期推出的法律专用模型GLM-Legal,在Vals AI的法律测评中拿下Harvey LAB和LegalBench双榜开放权重模型第一,任务全通过率19.2%,准确率86.23%。
这不是“能背法条”的水平。
在官方演示的一个合同审阅场景里,GLM-5.3-Flash只给出泛泛建议,GLM-Legal则把合作终止通知从60天明确压到30天,加上最长90天的过渡支持,还把“尚未完成或尚未付款的工作成果”一并纳入交接范围。
另一个证据串联场景里,它把对外报告“完成60%”和内部记录“约41%”之间的落差,关联到了更早的风险警告和内部沟通记录上,直接落到可执行的核对动作。
一个模型在一个垂直场景里做到“能交活”,比在通用榜单上多拿两分,更能解释企业为什么开始认真考虑国产模型。
Qwen3.8-Max和MiniMax M3:一个替你跑完项目,一个把多模态价格打下来阿里2026年8月发布的Qwen3.8-Max,总参数2.4万亿,推理时激活950亿,支持1M上下文,Text Arena排到全球第五,Vision Arena第二。Frontend Code Arena第四,分数1668。
比排名更有说服力的是一件事:这个模型自主完成了一个为期16天的真实软件工程项目。
从零开始搭建一个自进化智能体框架,持续生成代码、测试、分析日志、根据反馈迭代,最终产出的框架已经完整开源在GitHub上。
模型不只是在对话框里回答问题,而是在一个长周期任务里自己管自己。
这才是“Agent能力”落到实处的样子。
MiniMax在6月发布的M3走的是另一条路。
原生多模态架构,自研稀疏注意力,1M上下文,能处理图像、视频输入和桌面操作,官方称是国内首个集齐这些能力的开源模型。
定价上,输入0.6美元、输出2.4美元每百万token,订阅档位Plus版49元一个月给6亿token,Max版119元给18亿token。
多模态和长上下文不再是“按次付费的奢侈品”,开始进入订阅制的日常消耗品区间。
把这几款产品放在一起看,“霸榜”这件事才说得通。
DeepSeek V4解决的是长文本的成本结构,GLM-5.3解决的是垂直场景里“能不能交出可用的活”,Qwen3.8-Max解决的是长周期自主执行,MiniMax M3解决的是多模态能力的使用门槛。
它们不是在同一个维度上叠加分数,而是在各自打开的入口里,让原本用不起或者用不上的能力变得可及。
全球开发者用调用量投票,投的不是“最强模型”这个抽象标签,而是在某个具体任务上,哪个产品让我花更少的钱、操更少的心,把事做完。
这一轮霸榜真正传递的信号,是中国模型在产品层面接住了这些具体的“做完”。