核心内容摘要
导航重构引擎：微信小程序自定义导航栏组件解决跨端适配难题的技术方案
近日多家国产模型厂商更新模型进展包括DeepSeek开源新的OCR 2模型、Kimi发布并开源Kimi K
5模型、阿里发布千问旗舰推理模型Qwen3-Max-Thinking头部模型的密集更新使中国模型在当日霸榜海外社交平台X的热点前三位。
据一位行业人士透露下周也有多款国产模型产品将更新发布。
2025年春节DeepSeek凭R1的出色表现引发破圈传播使得这一节点成为综合流量窗口、商业竞争、技术节奏等多方面因素的集中展现也让大众对2026年春节国产模型竞赛翘首以盼。
2026年春晚更是因字节跳动火山引擎与豆包大模型、腾讯元宝、百度的提前卡位锁定热度。
多位行业人士对第一财经表示节前大模型行业的密集动作是行业开始迈向工程化成熟期的关键信号包括模型从参数竞赛转向工程优化产品交付从实验室Demo走向规模化服务生态协同从单点突破走向系统协同。
聚焦多模态与推理方向1月27日DeepSeek与Kimi再次同日发布模型此前已有数次模型与论文发布“撞车”足见行业关注度争夺之激烈。
Kimi官方将K
5定义为公司迄今为止最智能的模型包括Agent、代码、图像、视频及一系列通用智能任务表现同时这也是Kimi迄今最全能的模型包括原生多模态架构设计同时支持视觉与文本输入、思考与非思考模式、对话与 Agent任务。
同日发布的DeepSeek-OCR2模型是去年10月官方推出的DeepSeek-OCR模型的迭代版本团队采用了创新的DeepEncoder V2方法让AI能够根据图像的含义动态重排图像的各个部分而不再只是机械地从左到右扫描这种方式模拟了人类在观看场景时所遵循的逻辑流程。
升级后的OCR 2模型在处理布局复杂的图片时表现优于传统的视觉语言模型。
官方提到DeepSeek的OCR模型主要面向两大生产级应用场景一是为DeepSeek大语言模型提供图像/文档读取服务二是用于批量 PDF 处理的预训练数据流水线。
DeepSeek认为第一代OCR的光学压缩是迈向原生多模态的初步探索而OCR 2 的类LLM编码器架构是在这一方向上的进一步推进。
看起来DeepSeek正在多模态领域进行更多技术探索这正是当前DeepSeek所缺乏的部分而业内普遍认为多模态是未来大模型行业的重要趋势。
暖哇科技首席数据官陈鸿对第一财经表示团队正在评测DeepSeek最新推出的OCR2模型。
DeepSeek第一代OCR更偏向于技术论文性质主要是为了验证其技术路线的理论可行性实际应用效果囿于训练数据和模型尺寸还比较有限。
对于OCR2模型他认为其核心是让模型能理解图像中的像素信息背后实则蕴含逻辑关联与文本语义这是OCR任务的本质理应能带来性能提升。
除了原生多模态深化外推理工程化提效也是今年主流模型的一大趋势。
1月早先时间阿里开源多款模型包括全系列语音合成模型Qwen3-TTS专为多模态信息检索与跨模态理解设计的Qwen3-VL-Embedding和Qwen3-VL-Reranker模型系列等均在多模态领域实现了进一步的性能提升。
从近期阿里大模型产品的发布来看一方面大模型能力提升仍是模型更新及竞争的主线另一方面近一年来阿里对大模型布局的“全尺寸、全模态、全场景”战略进一步加深在多模态、跨模态领域的更新加快。
枫清科技创始人兼CEO高雪峰对第一财经表示近一段时间不论是DeepSeek发表的论文还是阿里千问和Kimi发布的全新大模型他们的技术创新都指向了一个核心点进一步提升推理性能、降低推理成本和模型训练门槛让AI大模型更易用、实用和好用。
性价比远比“第一”更重要大模型行业竞争日趋激烈头部公司积极卡位争取在竞争中占据更有利位置。
高雪峰认为这种良性的竞争将进一步缩短国产大模型与国外大模型之间的差距。
各家模型都有自己的优势场景企业也不会只用一家模型。
陈鸿对第一财经表示模型优势的变化很快基本按月、季度迭代每次基座模型的迭代和更新团队都会用实际任务去做评测选择对应最好的。
“2025年初我们还在使用海外的ChatGPT
5当时它的效果最好但DeepSeek 推出后虽效果略逊一筹价格却仅为前者的十分之一几乎成为无可替代的选择。
”陈鸿对记者表示业界可能执着于模型在基准测试中的排名但对企业而言性价比远比“第一”更重要。
大模型的调用成本也在持续下降。
陈鸿透露从暖哇科技的业务来看2025年初到年末客户的token调用量实现多倍增长但token调用费用却大大降低。
在暖哇科技的保险业务场景下目前通用模型有两个选项一是豆包更适合对话场景及需要高情商表达的交互二是DeepSeek V
2模型性价比突出。
此外在编程领域智谱的表现也受到行业认可如果需要精调千问是一个很好的基座选择。
陈鸿透露暖哇科技目前的精调模型就是基于千问32B版本开发的。
高雪峰也发现2025年大模型整体的Token成本明显降低。
DeepSeek、阿里、字节等主流的通用大模型在2025年都进行了大幅降价目前国内主流商用模型API已经进入“厘时代”。
看向未来成本的持续下降是AI技术创新发展的必然也正因如此AI才能真正从C端尝鲜迈向B端规模化落地从而发挥更大的作用和价值。
对于节前大模型行业的密集发布与更新大模型生态社区OpenCSG开放传神创始人陈冉则认为这是行业进入了一个新的“工程化成熟期”的标志从拼规模转向拼效率与落地能力。
高雪峰对第一财经表示开源正在加速技术迭代并大幅降低成本使大模型从少数巨头能力走向产业基础设施。
随着成本持续下降Agentic AI智能体将从“能对话”迈向“能执行、能创造价值”智能体时代的黎明即将到来。
随着巨头的持续发力高雪峰判断通用大模型行业的马太效应将日益凸显呈现出强者恒强的局面中小玩家的机会更多出现在细分行业和领域如制造、金融、教育、医疗等领域的大模型。
陈鸿认为各厂商的核心主线还是围绕自身生态位推进。
以DeepSeek为例其技术核心一直聚焦效率优化以极低的算力成本对外输出服务成为性价比极高的模型。
而阿里作为大厂旗下千问模型有明确的性能追求在编程、推理、多模态多方向持续迭代其开源版本是继续精调模型的优秀基座。
不过高雪峰认为企业在推动AI大模型应用过程中仍面临模型存在幻觉、可解释性和推理能力薄弱等挑战这也是枫清科技在解决的部分。
未来应用厂商更希望大模型在哪些方面实现突破陈鸿认为推理能力的动态优化是非常刚需的当前模型的推理开关要么全开要么全关缺乏灵活性而人类会根据信息完备度动态决定是否深度思考。
若模型能自主判断是否需要推理、是否缺少信息就能在更多业务场景中应用推理模型避免不必要的算力消耗。
其次多模态技术的落地优化很重要当前多模态模型仍是“抽卡机制”生成图像、语音等内容时需反复调整提示词就像抽盲盒难以满足专业场景需求。
谁能解决这些问题谁就能在应用领域更加向前一步。
模型厂商技术指标逐渐聚焦技术方向上多模态、Agent等方面已在行业内形成共识但在实际落地过程中成本把控能力、推理能力、工程化能力等方面逐渐成为考验模型厂商的重要指标。
Kimi创始人杨植麟表示Kimi本身预训练策略乃至整个模型的设计策略都是围绕两个维度展开提升token efficiencytoken效率是Kimi团队认为进行预训练时一项极为重要的指标与优化方案第二个维度是实现long context长上下文因为延长上下文能有效降低损失这也解释了为何当前许多复杂的Agent任务必须在超长上下文中才能完成——延长上下文必然会降低loss而一个优秀的架构能使损耗下降得更多。
紫荆芯界产品副总裁邵巍注意到行业模型和应用发布的节奏正在加快有公司提速至每半年一次发布旗舰模型甚至缩短到了四五个月一次。
这说明一方面负责软件开发的员工在不断推进模型的研发另一方面负责应用开发的员工也在持续迭代更新。
无论是长上下文还是Agent等方面的发展实际上都对推理能力提出了更高的要求。
商汤小浣熊负责人贾安亚在实际服务产业客户的过程中发现软件开发与办公紧密关联着企业的核心资产——代码、文件及数据。
不少企业客户虽然对某些单一功能非常认可但在实际落地过程中平台需要提供一个全面且高效的解决方案包括整体延迟性能、精度等整体方案效果需达到95%以上且需要完全可用。
这对于模型推理是一个较大的挑战因为企业对芯片的投资及推理投入都有一个综合的性价比考量这就要求平台必须考虑如何将大模型以最高效率部署到机器上进行推理。
大模型的频繁更新对需要完成硬件适配的企业用户难言友好。
贾安亚团队近期正在合作一家头部金融客户为其制定的整套解决方案旨在服务数千名员工涵盖从进销存到日常运营等多个方面。
对于这些一线业务人员来说重要的是如何利用大量不同类型的数据包括图片、表格和PDF文件在系统上实现高效且准确的端到端处理。
从技术角度来看这意味着不仅要进行语言推理还需要处理多模态数据并保证超长上下文的支持及各种文件类型的处理能力。
此外还需确保整个过程既快速又精确并且用户可以在过程中随时检查进度并直接应用最终结果。
客户既要求功能全面又要求性能卓越这使得近期大模型行业除了产品的密集更新还要在与产业链上下游加速联动在软硬双端从算法与架构层面降低行业成本上下功夫。
在浙江算力科技董事长钱敏勇看来实施路径上推理成本的降低短期内仍依赖工程优化包括整体架构、算法以及软件栈的优化。
但从长期角度来看新型硬件和芯片的创新将会带来更为深远的影响。
炜烨智算董事长兼CEO周韡韡认为AI已经从“看中学”阶段发展到了“干中学”的阶段。
在基础设施方面基础设施模型及其生态系统将会朝着基模生态一体化的方向发展。
行业已经结束了模型的盲目竞争进入了以推理能力为主导的时代。
学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】