四个国产AI同时发布：中国大模型，开始反攻！

Kimi K3 完整权重开放后的第四天，MiniMax H3、Seedance 2.5、 DeepSeek V4‑Flash 与 GLM 的新产品发布，这一天是 2026 年 7 月 31 日。 这不是整齐划一的「发布会」，而是开放权重、视频生产、Agent 能力与订阅商业化四条 AI 战线，在算力受限的现实里同时向前推进。当然，我想说的是，「反攻」并非中国模型已经全面胜出，而是竞争的主导变量正在改变： 从谁拥有最多 GPU，转向谁能以更低的单位成本，把足够强的 AI 智能交付给最多的终端用户。

全文速览

先陈述一些容易被误读的事实：7 月 31 日并不是四家公司同时「发布新基础模型」。 更准确的时间线是——Kimi K3 于 7 月 16 日发布，7 月 27 日放出完整权重； Seedance 2.5 曾在 6 月的火山引擎大会预告，7 月 31 日通过即梦面向更多全球地区正式开放； 智谱在 31 号的核心操作是 GLM Coding Plan 恢复订阅、推出团队管理并重做价格与额度； MiniMax H3 和 DeepSeek‑V4‑Flash 的正式 API，则实打实地在 31 号这一天成为市场的主角。

它们从不同的时间节点出发，在 7 月 31 号这一天，站到了一起。但这并不削弱「7·31」的象征意义。恰恰相反，它说明国产 AI 的竞争已经越过单点跑分：模型、应用、渠道、价格和开放生态开始以产品矩阵的方式协同出击。 一年前，人们还会把中国模型的每一次追赶写成「下一个 DeepSeek 时刻」； 到今天，更值得关注的是「时刻」变成了「节奏」。一天之内，视频模型争生产级控制， 语言模型争 Agent 执行力，订阅产品争开发者钱包，开源权重争全球部署入口。

一、同一天，四条战线

7 月 31 日上午到下午，国内的 AI 社区的注意力在四种完全不同的产品上跳转。上午 09:53，MiniMax 宣布 H3 登陆海螺、API 以及 Runway、fal、OpenRouter、Vercel AI Gateway 等首日渠道；中午 12:22，智谱的 GLM Coding Plan 恢复不限量放号并上线团队版；下午 13:05，即梦宣布 Seedance 2.5 向海外订阅用户开放；14:56，沉默了一段时间的 DeepSeek 放出 V4‑Flash‑0731 正式 API 公测。这一波所有的模型，都是万众期待的硬货，而这种渠道布局和紧凑的发布节奏，则打出了一种「会师」的氛围，各自强大的模型能力和剑指头部模型的性能，则让「反攻」二字不言自明。

更重要的是，这些模型不再等用户走进官网，而是在开发者已经使用的网关、代码工具、创作平台里，同时部署上线。

1.1、MiniMax H3：占领整个生产工具链

7月31日，上午09:53，MiniMax 海螺 H3 官宣。

H3 的卖点不是单纯「更会生成视频」，而是把文本、图片、视频和音频放进统一上下文： 可生成 5—15 秒、24fps、原生 2K 且带立体声音频的片段，也可做指令式编辑与动作迁移。 官方强调开放权重「即将到来」；Artificial Analysis 在发布日把它列为视频编辑第一。更具攻击性的，是其第三方报价约为 Seedance 2.0 的三分之一。开放权重尚未真正落仓，因此此刻应称「承诺开放」， 不能提前写成已经完全开源。

1.2、GLM：恢复供给，也调整了定价

7月31日，上午12:22，智谱 GLM 宣布重新恢复订阅。

智谱的动作最容易被「新模型潮」误读。可以确认的新产品是 GLM Coding Plan 团队管理与重新开放订阅：成员独立额度、管理员统一查看用量和账单。 不过社区这边让用户爆炸的是重新恢复之后的价格。用户截图显示新 Lite、Pro、Max 价格明显上升，部分层级的相对额度反而收缩。官方文档能确认套餐体系迁移、 老用户补偿与新套餐规则，却没有为「为何此刻大涨」给出与新模型绑定的解释。

但是无论如何，前阵子一直想买但是买不到 GLM 套餐的同学，起码可以重新开始订阅了。

1.3、Seedance 2.5：从「生成片段」走向「可编辑长镜头」

7月31日，中午 13:05，Seedance 2.5 官宣。

Seedance 2.5 把单次原生生成拉到 30 秒，并提供最长 3 分钟的长视频模式、局部交互式重绘、精确到秒的时间控制，以及 Maya、Blender 插件。最多 50 份多模态参考素材，意味着品牌资产、角色、绿幕和 3D 白模可以进入同一条制作链。这一轮升级的关键不是 demo 更像电影，而是试图把「抽卡式生成」变成可以反复修改的工作流。

1.4、DeepSeek V4‑Flash：击穿模型底价的极致性价比

7月31日，下午 14:56，DeepSeek V4‑Flash 官宣。

DeepSeek‑V4‑Flash‑0731 没有扩大架构和参数，只做了重新后训练。 但官方公布的 DeepSWE 从预览阶段的低位跃升到 54.4，Terminal‑Bench 2.1 达到 82.7，并原生支持 Responses API、适配 Codex。官方明确说明： 本次只更新 API，V4‑Pro 和网页、App 暂未改变。Flash 的价格维持每百万输入 0.14 美元、输出 0.28 美元附近，因而真正制造冲击的，并不止是它是一个 284B 总参数、13B 激活参数的模型，更让用户疯狂的点在于，相比 GPT‑5.6 Sol 和 Claude Opus 5 和 Fable 5，它的价格只需要大约百分之一。

二、算力受限，为什么反而打起了规模战？

如果只看 GPU 数量，这场竞争似乎不该发生。先进芯片出口管制、采购与集群建设限制， 让中国实验室很难照搬美国公司的「堆更多卡、训练更大更稠密模型」的路线。 但约束并没有让竞争停止，而是改变了优化目标：稀疏 MoE、低激活参数、线性或混合注意力、 缓存复用、量化权重，以及更彻底的工程适配，成为把每一单位算力榨出更多可用智能的办法。

Kimi K3 是这套逻辑的极端展示。它拥有 2.8 万亿总参数，却只在每个 token 激活约 1040 亿参数；896 个专家中每次选择 16 个，并以 MXFP4 权重发布。它仍然是庞大模型，本地部署绝不「轻松」，但开放权重让全球云厂商、 推理框架和硬件团队可以共同做量化、调度与内核优化。华为昇腾在权重开放后迅速宣布 0day 适配，vLLM 也提供首日支持。开放的意义因此不只是意识形态： 它把原本只能由一家实验室承担的推理工程，外包给整个生态。

对研究者与创业者而言，这一步的性质尤其不同。过去面对 GPT、Claude 一类闭源前沿模型，外部团队得到的是调用接口：可以观察输入和输出，却无法进入内部。 Kimi K3 同时给出权重、配置、推理与训练代码、技术报告，意味着研究者第一次能在接近 3T 规模的前沿模型上检查 KDA、Attention Residuals、Stable LatentMoE 如何共同工作，能做消融、量化、蒸馏、微调和硬件适配；创业者得到的也不只是一个更便宜的 API，而是一套可以私有部署、改造成垂直模型、嵌入自有产品并掌握迁移主动权的生产资料。 这是能力边界的拓展，也是稀缺资源的下放，从「租用一家公司的智能」，转向「持有并改造一套前沿模型」。

它与普通的价格促销，根本就不是同一性质。

三、打破「钢铁侠」的垄断，进入全面的「装甲战争」

目前的情形，就像是钢铁侠死后的「装甲战争」。机甲技术外流造就了全新的局面， 动力系统、装甲图纸与制造方法不再锁在唯一的实验室里。变化的重点不是某一套战甲突然无敌， 而是研究者可以拆解原理，创业者可以制造不同型号，供应链可以降低成本，新的参与者能够把机甲 装进完全不同的任务场景。此后决定胜负的，就不再是「谁拥有唯一一套战甲」，而是谁能改造、 量产、部署并组织一整支机甲部队。Kimi K3 的开放，正把大模型竞争推向这样的扩散阶段。

反攻的真正武器，不是比美国公司拥有更多算力， 而是让同一份智能穿过更多硬件、更多工具和更低价格。

DeepSeek V4‑Flash 则把这种效率压缩到另一端。与 2.8T 的 K3 相比，它的总参数和激活参数 都小得多，却通过重新后训练显著补强工具调用与代码 Agent。这里需要对跑分保持冷静： 不同厂商使用不同 harness、推理强度和内部数据集，82.7 分不能直接等价为「全面击败 GLM 或 Claude」。可它足以提出一个商业问题：如果一个便宜得多的 Flash 模型能完成大多数可验证任务，企业为什么要把每个步骤都交给最贵的旗舰？

这也是为什么 7·31 的竞争不只是哪边 AI 更聪明的问题，而是 Agent 系统的路由权之争。复杂规划交给最强模型，明确实现、测试、检索、分类交给便宜模型， 再用评测和验证闭环兜底——当工作流可以这样拆分，单一旗舰的品牌溢价会被稀释。 中国模型最有威胁的地方，不是每项能力都第一，而是它们正在把「足够好」的价格压到 可以被大规模调用的阈值以下。

四、开源，不再只是「把模型权重放出来」

Kimi K3 的革命性，不只是降低模型价格，而是把前沿能力从平台黑箱中释放出来：研究者获得可拆解、验证的对象，创业者获得可控制的技术底座，模型能力开始像基础设施一样向下分配。

这并非无条件的自由软件。Kimi K3 采用「开放权重＋商业条件」：模型服务业务连续 12 个月收入超过 2000 万美元时，需另行获得商业许可；超大规模产品还须显著标注 Kimi K3。但这些限制并未改变资源下放的事实——云厂商、芯片企业和私有部署平台都能承接、优化同一权重，企业也由此获得数据自主、供应安全和迁移能力。

美国闭源模型仍在顶级推理、生态和可靠性上占优，却首次面对一种可以被客户带走、由竞争云托管、被硬件厂商自行优化的「商品化智能」。MiniMax H3 则把这种开放延伸到更复杂的多模态场景。社区关心的不再只有榜单名次，而是显存需求、本地运行、LoRA 训练和 ComfyUI 支持。这说明开放已从发布后的公益附件，变成产品本身的一部分。

这是赤裸裸的阳谋，开辟出更广阔的区域和全新的道路，敲碎垄断。

五、同一天发布，不同的商业答案

Kimi K3 以超大开放权重和原生多模态争夺全球 Agent 基础设施入口，依靠生态协作扩张，但仍面临部署门槛与许可证边界。MiniMax H3 通过开放承诺、2K 音画同生和多渠道首发切入专业视频工作流，潜力取决于权重能否落地以及推理成本能否下降。DeepSeek V4‑Flash 凭借小激活参数和极低 API 价格承接高频、可验证的 Agent 任务，其考验在于服务容量与长期稳定性。GLM Coding Plan 从模型竞争转向团队管理和订阅变现，尝试建立国产模型的开发者定价权，但涨价也可能削弱其性价比优势。

挑战依然存在，但是答案已经摆在所有人面前，用户用脚投票，巨头也必须做出回应。

六、两大巨头应战：OpenAI 降价，Anthropic 守住高端

7 月 30 日，OpenAI 将 GPT‑5.6 Luna API 输入与输出价格下调 80%，Terra 降价 20%，并为 Sol 增加价格更高、速度最快提升 2.5 倍的 Fast 模式。（更务实的是，Tibo 在 8 月 1 日中午又重置了用户 Token 额度，继续刷好感）

官方将降价归因于模型、推理系统和调度效率提升，而社交媒体更愿意把这种行为解释为中国模型带来的竞争压力。当然，没有内部证据，不能断言 OpenAI 是被迫降价；但 Kimi K3 和 DeepSeek 已经改变了市场对「合理价格」的判断，自然会有用户开始追问：轻量任务为什么仍要支付旗舰模型的价格？

OpenAI 的策略是用 Luna 争夺自动化、代码审查、批量分类和工具调用等高频任务，同时依靠全球服务与工具生态维持溢价。竞争的目标不只是单次调用价格，而是谁能成为 Agent 系统的「默认路由模型」。

Anthropic 没有同步大幅降价，而是继续依靠 Claude 的编码质量、长任务稳定性、Claude Code 工作流和企业信任守住高端市场，同时，保持沉默。但用户对额度消耗、重置时间和套餐规则的抱怨仍在增加，越来越多人开始组合使用模型：Kimi 或 GLM 负责复杂分析，DeepSeek 承担廉价执行，Claude 只处理最困难的规划与修复。模型忠诚度正在被新的模型组合和路由策略取代。

两家巨头给出了不同答案：OpenAI 以效率红利和分层定价主动下沉，Anthropic 则依靠稳定性维持高端价值。国产模型带来的真正冲击，不是让用户一夜之间抛弃 GPT 和 Claude，而是让它们不再天然占据每一次调用。与此同时，中国厂商也必须证明，除了便宜与开放，它们还能提供稳定的容量、清晰的定价和可靠的长期服务。

七、从追赶头部，到改写规则

当闭源巨头开始主动守住低价层，而中国模型开始输出架构、权重与产品规则， 竞争双方的位置已经发生变化。

《过秦论》把秦朝由盛转衰的因由压缩成一句： 「仁义不施而攻守之势异也。」打天下时有效的力量逻辑，到了守天下的阶段， 如果不能随形势改变治理方式，优势本身就可能成为负担。两千多年后， 大模型竞争当然不是帝国兴亡，开放权重也不能被简单等同于「仁义」； 但其中的因果结构仍有惊人的回声：取得领先可以依靠资源集中， 守住领先却要回答如何让能力进入更广泛的社会协作。当智能开始成为生产资料， 若仍试图用封闭、昂贵和单向控制守住旧秩序，便可能错认自己所处的位置。 形势逆转，攻守之势异也。答案早已写就，先人的智慧，含金量还在上升。

这种照应也藏在用户每天面对的产品规则中。调用限额、动态配额、套餐分层与临时促销，在平台看来是算力调度，在用户看来却像一套随时变化的游戏规则，最顶尖的科技公司在 Token 上锱铢必较斤斤计较。所谓「仁义不施」，并非简单的道德指控，而是提醒厂商，如果无法提供稳定、透明、可预期的使用关系，长期积累的不满就会在替代品出现时变成迁移势能，昔日被限额困住的用户，转身便会投身新的生态。用户会用脚投票。

7月31日的集中发布，展示的也不再是一张简单的模型榜单，Seedance 与 H3 争夺视频工作流，Kimi K3 争夺开放生态，DeepSeek 争夺高频 Agent 调用，GLM 则试探国产模型的订阅定价权。中国厂商开始定义自己的产品与商业分层，但矛盾同样存在，开放权重不能自动解决服务容量，低价 API 也可能被排队、限额和涨价抵消。这场「反攻」仍是一场边扩张、边补给的持久战。

对 OpenAI 和 Anthropic 来说，真正的威胁不是某项跑分被超越，而是用户开始相信旗舰能力可以被拆解和路由：让开放模型承担大部分执行，只把少数高风险任务交给昂贵的闭源模型。对中国公司而言，胜负则取决于开放承诺能否兑现、服务能否稳定，以及评测能否从发布日的热闹走向生产端持续的稳定产出。

7 月 31 日值得被记住，不是因为胜负已定，而是因为战场变了。此时最值得写下的，仍是六个字：攻守之势异也。

参考来源：
https://github.com/MoonshotAI/Kimi-K3
https://huggingface.co/moonshotai/Kimi-K3
https://arxiv.org/abs/2607.24653
https://x.com/i/status/2081760186235289764
https://vllm-project.github.io/2026/07/27/k3.html
https://docs.vllm.ai/en/latest/api/vllm/models/kimi_k3/
https://docs.vllm.ai/projects/ascend/en/v0.23.0/tutorials/models/Kimi-K3.html
https://m.ithome.com/html/982615.htm
https://x.com/MiniMax_AI/status/2083008095488516262
https://x.com/TopviewAIhq/status/2083008098063847456
https://artificialanalysis.ai/embed/text-to-video-leaderboard/leaderboard/text-to-video
https://x.com/louszbd/status/2083045723680260528
https://docs.bigmodel.cn/cn/coding-plan/transition
https://x.com/dreamina_ai/status/2083056471147958714
https://www.xiaohongshu.com/search_result/6a6c2d4f0000000026034884
https://x.com/deepseek_ai/status/2083084415157022911
https://api-docs.deepseek.com/updates/