大模型公司的「春节档」之争

DeepSeek、智谱、MiniMax 抢先开席「年夜饭」。

作者 / 企鹅

除夕夜还没到，「大模型春晚」就已经拉开帷幕。

2 月 11 日，国产选手智谱 AI、MiniMax 与 DeepSeek 几乎押注同一时间窗口，似乎谁都不想带着「落后一个代际」的焦虑跨入新年。

昨日多位用户发现，DeepSeek 在网页端和 App 端推送了新一轮灰度测试。上下文窗口长度从此前 V3.1 版本的 128K token 增加到 1M token，知识截止日期也从 2024 年 7 月更新至 2025 年 5 月。外界普遍认为这是 V4 正式亮相前的热身。

随后，智谱在深夜揭晓了此前以「Pony Alpha」代号并在 OpenRouter 上匿名登顶的神秘模型便是 GLM-5。而在这一周前，「Pony Alpha 到底是谁」的猜测席卷了整个开发者社区，GPT-5 偷跑、Claude 5 内测……各种版本的阴谋论轮番上演。

GLM-5 是智谱新一代的旗舰基座模型，面向 Agentic Engineering 打造。在 Coding 与 Agent 能力上，智谱方表示 GLM-5 已「取得开源 SOTA 表现」。它在真实编程场景的使用体感逼近 Claude Opus 4.5，擅长复杂系统工程与长程 Agent 任务。

与此同时，Minimax 也传来消息，M2.5 模型的正式上线已提上日程。目前 M2.5 模型已在海外 MiniMax Agent 产品进行内测。有拿到 M2.5 内测资格的人在社交平台分享了使用感受，称其是「真正的 SOTA 模型，和 Opus 4.6 打的有来有回」。

三家此次模型的对比/新物种绘图

或许这份「春节档」之争要从 2025 年的 1 月 20 日说起，DeepSeek 发布的 R1 模型掀起了一场关于算法效率的惊天骇浪。时隔一年，DeepSeek V4 再借灰度测试打开一场「心理战」，而智谱与 Minimax 在春节前的密集入场，更像是面对「焦虑」顺势而来的「截击」。

01. DeepSeek：静默灰度，悬念留给 V4

具体来看，DeepSeek 一步跨到 1M ，对齐了此前 Google Gemini 系列触及的百万级门槛。

要知道，128K 大约能处理一本普通小说，而 1M 是它的近 8 倍，理论上可以一次性处理《三体》三部曲这样体量的超长文本。

同时 DeepSeek 模型的回复风格也有着微妙变化，灰度版模型在自我介绍中将自身回复风格概括为「热情、细腻，尽可能让答案对你有帮助」。新版本支持图片、PDF、Word、Excel、PPT 等多格式文件上传，支持联网搜索（需手动开启），App 端支持语音输入。

DeepSeek 模型的「自我介绍」

不过多模态能力仍未加入，这也是社区反馈中的一个「小遗憾」。

早在一个月前，DeepSeek 团队发布了《Conditional Memory via Scalable Lookup》论文，并开源了对应的实现库 Engram。核心思路是用条件记忆将知识查找的复杂度压缩到近似 O(1)。技术路线与这次灰度测试中「超长上下文」的能力方向高度吻合。

同时在 GitHub 的更新中 V4 也初现端倪：其 FlashMLA 仓库中出现了名为 「Model 1」 的模型标识，在百余个文件中被反复调用。且Model 1 模型的 KV 缓存布局、稀疏性算法及 FP8 解码方式均与 V3.2 存在显著差异，明显像是一次架构级重构而非增量迭代。此前外媒也曾爆料，DeepSeek 计划于 2 月中旬发布下一代旗舰模型 V4。

02.智谱：Pony马甲下的GLM-5

相对于DeepSeek的「烟雾弹」，智谱的牌面则明朗得多。

智谱的 GLM-5 采用了 MoE 混合专家架构，总参数量达到 745B（7450 亿），大约是上一代 GLM-4.7 的两倍。包含 256 个专家，每次推理激活其中 8 个，激活参数约 44B，与 DeepSeek V3.2 的 5.4% 基本持平。通过稀疏激活设计，GLM-5 实际推理延迟被控制在了一个可用的水平， 有 WaveSpeed AI 的博主反馈，实际体感上首 token 延迟已接近 30-70B 密集模型的水平。

架构层面，GLM-5 继承了两项来自 DeepSeek 的核心技术。

第一是DeepSeek 稀疏注意力（DSA），通过 Lightning Indexer 轻量级组件快速扫描所有历史 token 并打分，仅挑选相关性最高的 Top-k 个 token 进行完整注意力计算，在处理超长文本时大幅降低计算开销；其次是多 Token 预测（MTP），提升模型的生成效率。这两项技术在 vLLM 推理框架的代码提交中被开源社区发现，GLM-5 的实现逻辑被直接映射到了 DeepSeek-V3 的组件上。

值得注意的是，GLM-5 在编程与 agent 能力直逼 Claude Opus 4.5，但 API 成本却只有后者的四十分之一。

在业内公认的主流基准测试中取得开源模型最高分数。在 SWE-bench-Verified 和 Terminal Bench 2.0 中分别获得 77.8 和 56.2 的开源模型最高分数，性能表现超过 Gemini 3.0 Pro。

GLM-5 性能评测对比图

在 Agent 能力维度，GLM-5 拿下了开源模型的SOTA表现。

BrowseComp（联网检索与信息理解）、MCP-Atlas（工具调用与多步骤任务执行）、τ²-Bench（复杂多工具场景下的规划与执行）三项评测均为开源最高分。这三项基准覆盖了 Agentic Engineering 的核心要求：模型不只是能写代码、交付工程，还要在长程任务中维持目标一致性，管理资源调度，处理多步骤之间的依赖关系。

换言之，GLM-5 瞄准的不是「能用」，而是「能扛活」的 Agentic Ready 基座。

智谱首席科学家唐杰在 1 月 8 日的内部信中，将 2026 年定义为「全面回归基础模型研究」的一年，并明确提出四个聚焦方向：GLM-5 的推出、全新的模型架构设计、更强泛化能力的强化学习（RL），以及对在线学习与持续学习的前瞻布局。受 GLM-5 即将发布的消息刺激，智谱港股在公布前两日暴涨近 60%。

03.MiniMax：小参数，大野心

同一天，MiniMax 也没有闲着。

2 月 11 日，MiniMax 向部分用户开放了 M2.5 的内测资格。

M2.5 的前身是 2025 年 12 月 23 日发布的 M2.1。M2.1 总参数 230B，仅激活 10B，主打多语言编程能力，在 SWE-bench 多语言测试上表现超过了 Claude Sonnet 4.5，但 M2 系列的定价仅为 Claude Sonnet 4.5 的 8%，速度却快一倍。MiniMax M2（2025 年 10 月正式开源）在 Artificial Analysis 综合智能基准中拿到了全球开源模型第一的总分。

目前M2.5 的具体参数官方尚未披露。而社区讨论主要集中在两个方面：总参数能否从 M2.1 的 230B 推到 300B 量级，拉近与 GLM-5 在复杂任务上的体感差距；以及MCP工具调用能否真正可靠，M2.1 被用户普遍反映「不爱调工具」「格式错误调不对」，这在 Agent 场景下几乎是硬伤。

在 agent 界面已可以选择 M2.5

MiniMax 在 2026 年初的产品节奏相当密集。1 月 29 日，公司发布了 Music 2.5 音乐大模型和面向长程陪伴场景的 M2-her 模型。Music 2.5 凭借段落级强控制和物理级高保真技术，更是被国内的一家科技媒体称为「AI 界的格莱美」。加上此前推出的 Agent Desktop 桌面端、Hailuo 2.3 视频模型，MiniMax 的多模态生态正在快速补齐。

从竞争策略看，MiniMax 走的是一条与智谱截然不同的路。

智谱用 745B 的参数规模证明「中国也能做前沿级大模型」，MiniMax 则坚持用极小的激活参数（10B 量级）去逼近大模型的天花板。创始人闫俊杰在多个场合强调「Intelligence with Everyone」的愿景，即让更多人以更低的成本获得 AI 能力的加持。

04.「春节档」之争

去年春节，DeepSeek R1 的横空出世改变了全球 AI 竞争格局。今年业内也在观望：谁会复刻 R1 的辉煌？

从 2 月11 日来的信息密度来看，答案或许不是某一个模型，可能是属于集体的质变。

智谱用一周的匿名测试和一夜的正式揭幕，把 GLM-5 送上了 OpenRouter 热度榜首，在 BrowseComp、MCP-Atlas 等 Agent 基准上交出了与 Claude Opus 4.5 正面交手的成绩单；DeepSeek 没有发布会、没有博客，只用一次静默的灰度更新便将上下文推到百万 token 量级，留下的悬念比答案更多；而 MiniMax 还没亮出 M2.5 的全部底牌，但 M2 系列一直坚持的方向很明确：用尽可能小的激活参数，把性价比压到极限。这条路能走多远，M2.5 是一次关键检验。

除夕夜还没到，但大模型的「年夜饭」已经端上了桌。至于谁是这桌上的「主菜」，我们可以等藏在后厨里的其他「硬菜」揭晓后，再做定夺。

头图来源 / 三国演义

排版运营 /Teagan

- End -