数据截止：2026 年 9 月 6 日，北京时间。检索日期已通过本机 date 确认。范围：通用语言、推理、代码及以文本为输出的多模态模型。本文是技术研究，不涉及证券投资建议。
配套报告：千亿参数模型、许可证与部署成本。
先读结论
选模型需要同时回答三个问题：任务能否完成、完成一次要花多少钱、能否合法地自行部署。参数量只能回答其中一部分。
截至本次检索，全球前沿产品已经包括 GPT-6 Astra、Claude Fable 5.1 / Opus 5、Gemini 3.8 Flash / 3.1 Pro Preview、Grok 4.6、Muse Spark 1.3；中国重点候选包括 DeepSeek-V4、Qwen3.8、Kimi K3、GLM-5.3、MiniMax M3。它们的“旗舰”含义不同：有的是能力上限，有的是厂商主推的生产模型，有的是可下载权重的最强产品。本报告将这几种定位分别写明，而不以型号中的数字大小排名。OpenAI 模型页、Claude 产品矩阵、Google 模型目录、Grok 模型目录、Meta 产品页。中国模型的逐项来源见下表。
最需要纠正的认知是：权重能下载，不代表可以不受额外条件限制地商用。 Kimi K3、Qwen3.8-2.4T、GLM-5.3、MiniMax M3 都有自己的许可证；GLM-5.3-Flash 则是 MIT。同一家公司的不同代际、不同档位可能采用完全不同的许可。Kimi K3 许可证、Qwen3.8 许可证、GLM-5.3 许可证、MiniMax M3 许可证、GLM-5.3-Flash 许可证。
范围与判断方法
“所有旗舰”没有权威、固定的全集。本文覆盖 23 家主要厂商或研究组织的旗舰及必要的开放模型对照；同一权重的量化版、微调版和不同 API 日期快照通常合并。未覆盖所有地方性厂商、行业专用模型和实验室内部模型。图像生成、视频生成、语音合成、机器人模型不纳入同一排行榜，因其任务和计费单位不同。
表中的“优先评估用途”是基于模型设计、接口能力及公开评测作出的选型判断，不是本报告实际跑分。基础模型、聊天产品与执行工具的软件环境分别看待：模型会调用工具，不等于下载权重后就自动具备浏览器、联网搜索、文件管理或电脑控制功能。
开放程度采用以下明确口径：
| 标记 | 本文含义 | 能否自行部署 | 商用判断 |
|---|---|---|---|
| 闭源 | 未核实到公开模型权重，主要通过产品/API 提供 | 通常不能直接获得权重；企业特约另论 | 按服务合同 |
| 宽松许可开放权重 | 权重采用 MIT、Apache 2.0 等许可 | 可以，前提是算力与框架支持 | 通常允许，仍须履行许可证义务 |
| 附条件开放权重 | 自定义、社区或研究许可证 | 通常可以下载；可能要求申请 | 必须逐条看商业门槛、用途和再分发条款 |
| 受限预览 | 已发布或展示，但访问对象受限 | 不能据此认定权重开放 | 按准入及合同 |
这是一份权重与许可证核查，不是对每款模型是否满足完整“开源 AI 定义”的认证。完整开放还涉及训练代码、数据说明、修改和复现所需材料。MIT/Apache 权重本身不能证明整个训练过程可复现。OSI 开源 AI 定义。
国际前沿旗舰：能力上限与主力产品
参数“未披露”表示本次核查未找到可引用的官方精确数字，不能据传闻填入“万亿”。上下文是相应接口或模型卡的上限，实际账户、产品与运行时可能更低。
| 厂商 | 当前核实到的旗舰/主力 | 优先评估用途 | 模态与上下文 | 参数 | 是否开源/开放权重 |
|---|---|---|---|---|---|
| OpenAI | GPT-6 Astra；GPT-5.6 Sol 为成本对照 | 复杂软件工程、电脑操作、跨工具研究与文档任务 | Astra 文本/图片输入，文本输出；1,050,000 tokens | 未披露 | 两者闭源；另有 Apache 2.0 的 gpt-oss-120b，不能把它当作 Astra 权重。模型卡、gpt-oss |
| Anthropic | Claude Fable 5.1 为高能力档；Opus 5 为多数任务起点；Sonnet 5 偏速度 | 长时间代码与知识工作，按任务难度提高推理预算 | 文本/图片输入；三者均为 1M 上下文 | 未披露 | 闭源。Mythos 5.1 面向受信任项目，不能与普通公开 API 同等看待。产品矩阵、发布说明 |
| Google DeepMind | Gemini 3.8 Flash 为最新稳定 Flash；3.1 Pro 仍为 Preview | 原生音视频理解、长资料处理、Google 工具集成 | 两者均接受文本、图片、视频、音频、PDF；输入上限 1,048,576 | 未披露 | 闭源。官网仍将 3.5 Pro 列为 coming soon，不列为已可用产品。3.8 Flash、3.1 Pro、官网 |
| xAI / SpaceXAI | Grok 4.6 | 代码、工具调用；结合 X Search/Web Search 做实时检索 | 500K 上下文；具体图片能力按接口配置 | 未披露 | 闭源。Grok-1 的 Apache 开放不适用于 Grok 4.6。实时信息需要启用搜索工具。官方文档、Grok-1 |
| Meta | Muse Spark 1.3，API 与 Muse Code 公开预览 | 代码、长任务和原生视觉理解 | 支持视频、图片、文档理解；本次未统一核验接口窗口 | 未披露 | 当前未核实公开权重，按闭源预览处理；Llama 开放权重是另一条产品线。Meta 官方产品页 |
| Amazon | Nova 2 Pro Preview；Nova 2 Lite 为可评估主力 | AWS 企业系统、多文档与视频分析、软件迁移 | Nova 2 Lite 为 1M；Pro 具体限制按预览准入 | 未披露 | 专有模型；Pro 的早期访问面向 Nova Forge 客户，定制能力不等于公开权重。AWS 官方目录 |
中国主流旗舰：能力、部署与开放的分化
单位：B 为十亿参数，T 为万亿参数；下列参数按“总量 / 每 token 激活量”表示。带“约”或“仓库统计”的值不得当作相同口径的精确工程计数。
| 厂商 | 当前核实的重点模型 | 总参数 / 激活参数 | 能力与上下文 | 是否开源/开放权重 |
|---|---|---|---|---|
| DeepSeek | DeepSeek-V4-Pro / V4-Flash；API 分别已更新到 Pro-0813 / Flash-0731 | 1.6T / 49B；284B / 13B | 推理、代码、长文本，1M；视觉实验接口单列 | V4 公开权重为 MIT。不要默认发布日期权重与后续 API 快照完全一致。权重卡、API 更新 |
| 阿里 Qwen | Qwen3.8-Max API；开放权重 Qwen3.8-2.4T-A95B；较小对照 Qwen3.5-397B-A17B | 开放 3.8 为 2.4T / 95B；3.5 为 397B / 17B | 开放 3.8 是纯文本、始终思考，原生 262,144，可扩展至 1,010,000；3.5 为视觉语言模型 | 3.8 为附条件 Qwen3.8-Max License；3.5 为 Apache 2.0。API 多模态支持说明不能直接套用到开放 3.8 权重。3.8 模型卡、云端目录、3.5 |
| 月之暗面 | Kimi K3 | 2.8T / 104B | 原生视觉、代码与知识工作；1,048,576 上下文；视频输入按产品/处理方式核对 | 已开放权重，Kimi K3 自定义许可。它连激活参数也超过 100B，部署门槛很高。模型卡 |
| 智谱 Z.ai | GLM-5.3；多模态效率档 GLM-5.3-Flash | 5.3 约 753B 仓库张量统计，激活量未在本版卡中单列；Flash 320B / 18B | 5.3 偏长时间代码/工具任务；Flash 为原生多模态；1M 级上下文 | 5.3 权重已发布，许可证为 GLM-5.3 License；Flash 为 MIT。旧版“即将开放”新闻不能代表当前状态。5.3、张量统计、Flash |
| MiniMax | MiniMax M3 | 约 428B / 23B | 原生多模态、代码与长任务；1M | 已开放权重，MiniMax Community License；有商用通知、署名和收入门槛，不能沿用 M1 的 Apache 许可。模型卡、许可证 |
| 腾讯 | Hy3 正式版 | 295B / 21B；另有 MTP 层参数 | 文本、代码、腾讯产品工作流；256K | Apache 2.0，开放权重；7 月正式版已替代此前 Preview。腾讯发布、模型卡 |
| 字节跳动 | Doubao-Seed-2.1-Pro / Turbo | 未披露 | 办公 Agent、代码交付、视觉视频理解 | 未核实公开权重，按闭源产品/API；Seedream 等独立模型不代表 Seed2.1 开源。官方发布 |
| 百度 | ERNIE 5.1；开放对照 ERNIE 4.5 系列 | 5.1 未单列精确值；4.5 有 300B / 47B 与视觉版 424B / 47B | 5.1 面向中文表达、推理与 Agent；4.5 可私有化评估 | 未核实 5.1 公开权重；4.5 对应公开模型为 Apache 2.0。不能把 4.5 的许可套给 5.1。5.1 发布、4.5 视觉卡 |
| 小米 | MiMo-V2.5-Pro；MiMo-V2.5 | 1.02T / 42B；310B / 15B | Pro 为纯文本复杂代码/Agent；V2.5 提供多模态能力；1M | 模型卡标注 MIT，开放权重。Pro、V2.5 |
| 阶跃星辰 | Step 3.5 Flash，官方明确的开放旗舰 | 196B / 11B | 推理与代码 Agent；256K | Apache 2.0，开放权重。Flash 名称不意味着低能力，但也不证明胜过所有闭源旗舰。官方仓库、权重卡 |
| 蚂蚁 inclusionAI | Ling-2.6-1T / Ring-2.6-1T | 约 1T；同代底座披露约 63B 激活 | Ling 偏直接响应，Ring 偏深度推理；256K 级，Ring 有扩展设置 | 模型卡标注 MIT。主干、MTP 与张量统计会导致“1T”出现不同精确数。Ling、Ring、底座参数 |
| 华为 openPangu | openPangu-Ultra-MoE-718B，开放产品对照 | 718B / 39B | 昇腾生态、企业文本部署；本次不声称是华为所有内部模型的能力上限 | 开放权重，OPENPANGU MODEL LICENSE 1.0，非 Apache/MIT。官方模型卡 |
欧洲、韩国与企业开放生态
这些模型补充的是企业部署、语言覆盖和许可选择，不应因为参数大就自动列入全球能力第一梯队。
| 厂商 | 重点模型 | 总参数 / 激活参数 | 适用方向 | 开放程度 |
|---|---|---|---|---|
| Mistral | Medium 3.5；Large 3；代码专用 Devstral 2 | 128B 稠密；675B / 41B；123B 稠密 | 欧洲企业部署、多语言、视觉与代码；三者均为 256K 级 | Large 3 为 Apache 2.0；Medium 3.5 和 Devstral 2 为 Modified MIT，有收入门槛。Medium、Large、Devstral |
| NVIDIA | Nemotron 3 Ultra；Super | 550B / 55B；120B / 12B | 混合 Mamba/Transformer 与 MoE，面向推理吞吐和企业 Agent；最高 1M | 开放权重；Ultra 当前模型卡采用 OpenMDW 1.1，Super 采用 NVIDIA Nemotron Open Model License。两者均标明可商用，不能统一写成同一种许可。Ultra 模型卡、Super 模型卡 |
| Cohere | Command A+ | 218B / 25B | 企业检索、工具调用、多语言与图片文档；128K 输入、64K 输出限制分别看 | Apache 2.0，开放权重。旧 Command A / R+ 的非商业许可不能套到 A+。发布、模型卡 |
| LG AI Research | K-EXAONE 2.0 | 750B / 37B | 韩语、多语言、长文本推理；262,144 上下文 | Apache 2.0，开放权重；旧 K-EXAONE 236B 是自定义许可。2.0、旧版许可 |
| Upstage | Solar Pro 3 | 102B / 12B | 韩语与企业 Agent；可用 API 型号 solar-pro3-260323 | 官方 Pro 3 发布页只确认 API，本报告按未核实开放权重处理；Solar Open 为另一款模型。官方发布 |
AI21 的 Jamba Large 1.7、Meta 的 Llama 3.1/4、TII 的 Falcon 180B、BigScience 的 BLOOM 等也纳入配套参数报告作为企业或历史对照；它们不因此被称为 2026 年 9 月全球前沿旗舰。
到底谁更强：保留可比条件，才能读懂分数
本次没有运行付费 API 的实测。以下引用评测机构自己的原始分析，以及厂商公布的原始评测，明确区分两种证据。
独立评测快照：2026 年 9 月 3 日
Artificial Analysis 当日的 Astra 专题给出了下列结果。Intelligence Index 和 Coding Agent Index 是两套指标，两列之间不可比大小。代码列评估的是模型搭配具体工具环境的系统能力。
| 模型及评测设置 | Intelligence Index | Coding Agent Index | 能说明什么 |
|---|---|---|---|
| Claude Fable 5.1，最高推理档，含 fallback 条件 | 66 | 70，Claude Code | 该快照中领先；需保留 fallback 条件 |
| GPT-6 Astra，max | 61 | 67，Codex | 在代码执行系统中的竞争力强；通用指数并未与前代明显拉开 |
| GPT-5.6 Sol，max | 61 | 65，Codex | 是比较成本与效果的重要基准 |
| Claude Opus 5、Fable 5、Muse Spark 1.3 | 本表不从文字估计 | 文中描述约在 67 同一水平，运行环境各异 | 只能支持同一能力区间，不能据此强行分出第一至第四 |
数据来自同一篇Artificial Analysis 原始评测文章。最后一行没有伪造精确小数。9 月 6 日动态排行榜可能增加测试或调整指数，不能与这份 9 月 3 日快照直接拼接。
由此作出的判断：追求复杂任务上限，可把 Fable 5.1 与 Astra 放在第一轮实测；考虑价格时，Opus 5、Sol 及其他候选仍然有意义。“更新”“输入价更高”都不足以证明每一种任务更划算。
中国开放模型：以任务为单位比较
Z.ai 公布的 GLM-5.3 评测表中，Terminal-Bench 2.1 的分数为 GLM-5.3 88.2、Kimi K3 88.3、DeepSeek-V4-Pro-0813 87.9、Qwen3.8-Max 86.6；DeepSWE v1.1 分别为 66.9、67.5、62.7、56.6。这说明几款模型都值得进入长任务代码候选池，且在不同任务上的差距不同。Z.ai 原始模型卡及评测脚注。
这些是厂商公布的数据，不是四款模型在本地统一环境下复测的结果。 模型卡对各项基准使用了不同工具框架、时间预算及部分自定义修正，竞争模型的数字也可能转引各自最佳结果。不能拿 0.1 分差异宣称稳定领先，不能拿发布时的旧型号成绩代表今天的最新旗舰。
从工程用途看，Kimi K3 的原生视觉与长任务能力、GLM-5.3 的代码方向、DeepSeek-V4 的长上下文设计、Qwen 的多档位生态，分别构成候选理由；最终顺序应由你的中文资料、代码仓库与输出要求决定。
API 成本：先统一单位，再谈性价比
以下为已核实的官方标准文本价格，单位为美元 / 100 万 tokens，输入按未命中缓存计；不是聊天订阅价。长上下文、缓存写入、工具和优先服务可能另计。
| 模型 | 输入 | 输出 | 会显著影响账单的条件 |
|---|---|---|---|
| GPT-6 Astra | 10 | 50 | 输入超过 272K 时，整次请求输入/缓存费率与输出费率提高；Fast/Batch/Flex 另有费率。官方价 |
| Claude Fable 5.1 | 10 | 50 | 推理 tokens、缓存和具体服务条件另看完整计费。官方价 |
| Claude Opus 5 | 5 | 25 | 同上。官方价 |
| Claude Sonnet 5 | 2 | 10 | 同上。官方价 |
| Grok 4.6 | 2 | 6 | 搜索等工具另计。官方价 |
| GLM-5.3 | 1.4 | 4.4 | 缓存输入 0.26；工具费用另计。官方价 |
| GLM-5.3-Flash | 0.075 | 0.25 | 限时折扣至 2026-09-09 24:00，UTC+8；标价为 0.15 / 0.50。官方价 |
其余厂商部分价格页存在区域、快照、促销或抓取失败问题，本表没有用第三方托管价替代官方价。可分别查Google、DeepSeek、Kimi、MiniMax、Qwen 的当前计费。这个价格表不构成全市场最低价排名。
作为固定 token 用量的账单示例：一次请求输入 100,000 tokens，合计计费输出 10,000 tokens，不用缓存和额外工具，Astra 为 1.50 美元，Opus 5 为 0.75 美元，Grok 4.6 为 0.26 美元，GLM-5.3 为 0.184 美元。计算式为 输入数量 / 1,000,000 × 输入价 + 输出数量 / 1,000,000 × 输出价，已通过项目精确算术工具复核。这只是统一用量下的比较；完成同一任务的推理长度、重试次数和成功率并不相同。
开放许可最容易踩错的地方
以下为所链接许可证的简要阅读结论，完整条款以对应版本正文为准，尤其不能把商业门槛理解成一次性购买价格。
| 模型 | 许可证实际要求的重点 |
|---|---|
| Kimi K3 | 运营 MaaS 且本人及关联方任意连续 12 个月合计收入超过 2,000 万美元，商业使用需另行协议；大规模商业产品还有署名要求；条文对内部使用及官方/认证伙伴访问设有例外。原文 |
| Qwen3.8-2.4T | 运营 MaaS 或独立 AI 编程/办公助手业务，且本人及关联方连续 12 个月总收入超过 5,000 万美元，需另行许可；符合定义的内部使用例外；达到月活或月收入门槛还需显著展示模型名。原文 |
| GLM-5.3 | MaaS 经营主体及关联方连续 12 个月合计收入超过 100 亿美元时，商业使用前须通过 Z.ai 安全审查；因此不是标准 MIT。原文 |
| MiniMax M3 | 商业使用需展示 Built with MiniMax M3；相关产品/服务年收入超过 2,000 万美元需事先书面授权，否则需一次性通知；另有用途限制。原文 |
| Mistral Medium 3.5 | 公司或雇主前一个月全球合并收入超过 2,000 万美元时，不能直接依此 Modified MIT 行使权利，需寻求商业许可或使用托管服务。原文 |
| Llama 4 | Llama 4 Community License，须遵守对应社区许可和可接受用途条款；不能简单写成 Apache，也不能从下载页面可见就推定任何商业用途均获授权。官方许可与模型卡 |
如何按场景选
以下为基于上述事实的选型建议，并非已完成你的业务实测。
| 需求 | 第一轮候选 | 决定胜负的指标 |
|---|---|---|
| 复杂代码与跨软件长任务 | Fable 5.1、Astra、Opus 5；开放侧 Kimi K3、GLM-5.3、DeepSeek-V4-Pro | 验收通过率、单次成功成本、需要人工接手次数 |
| 音频、视频、长文档一体理解 | Gemini 3.8 Flash / 3.1 Pro；再评估 Muse、Kimi 与 MiniMax 的对应接口 | 模态是否原生支持、时间定位准确率、表格/图形读取错误率 |
| 中国业务的中文办公与产品集成 | Seed2.1、Hy3、Qwen、Kimi、ERNIE 5.1 | 真实中文资料、工具权限、引用可追溯性与价格 |
| 商业自托管，希望减少额外许可门槛 | DeepSeek-V4、Qwen3.5、GLM-5.3-Flash、Hy3、Command A+、K-EXAONE 2.0 | 正确许可证版本、部署框架、硬件、吞吐、业务成功率 |
| 尝试 100B 级本地推理 | gpt-oss-120b、Qwen3.5-122B、Nemotron 3 Super、Ling-2.6-flash | 可用内存和量化质量，不能只看激活参数 |
| 韩语或欧洲企业需求 | Solar Pro 3 / K-EXAONE 2.0；Mistral / Cohere | 目标语言表现、私有部署、许可证与交付支持 |
实际评估宜取一组固定的代表性任务，固定工具、数据、时间预算和验收标准，记录成功率、总费用及人工修改时间。涉及检索的回答还应记录引用是否真正支持原句。单看榜单、参数或每百万 tokens 价格，都不能代替这一步。
证据边界与核查记录
本文优先使用厂商官网、官方模型仓库、许可证原文与评测机构自己的文章。模型参数的主干口径与 Hugging Face 张量总数不完全一致时保留差异：例如 GLM-5.3 仓库统计为 753,329,940,480，MiniMax M3 模型卡称约 428B 而张量统计约 427B；不据此推断谁虚报参数。量化存储、额外预测层和视觉编码器是否计入需要逐模型核对。
模型卡与已获取的许可证保存在本目录 evidence/，关键仓库保留了 API 返回的提交哈希和权重文件数量。公开文件列表核验不等于实际下载数 TB 权重并成功部署。对于只核实到 API/产品而没有公开权重的模型，本文采用“未核实开放权重”的保守表述。审计结果见 核查记录。