国产大模型横评：DeepSeek / Kimi / Qwen / GLM 谁更值得用？

阅读前置：本篇是 P3 前沿系列的收官篇。建议先读 Transformer深度解读和大语言模型（LLM）原理，理解”参数/上下文/量化”这些词再来看选型，事半功倍。

2026 年 8 月，国产大模型的”神仙打架”

一个月内，三家头部厂商接连放大招：

7/16：Kimi K3 发布（2.8 万亿参数，全球最大开源模型）
7/19：Qwen 3.8-Max 预览版上线（2.4 万亿参数，开源回归）
7/31：DeepSeek V4-Flash 正式版 API 公测
8/3：GLM-5.3 意外泄露（尚未正式发布）

四家神仙打架，我们怎么选？本篇用一张表 + 场景拆解，帮你做决定。

全部数据来自公开报道与基准测试（标注置信度）。AI 领域变化极快，以官方公告为准。

一、四大家族对比总表

维度	DeepSeek V4-Flash	Kimi K3	Qwen 3.8-Max	GLM-5
厂商	深度求索	月之暗面	阿里	智谱
总参数	130亿激活（未公开总量）	2.8万亿	2.4万亿	7440亿
激活参数	130亿	约1040亿	未公开	400亿
架构	MoE	MoE（896专家/激活16）	MoE	MoE（slime RL）
上下文	长上下文	100万token	128K+	200K
开源	API	✅完整权重	承诺开源	部分
编程能力	WebDev 1577分	Frontend Code Arena 1679分（第1）	编程国产第1	日常编码强
性价比	98%缓存命中，极致	中	高	100万token仅$3.2-4.6
发布时间	2026-07-31	2026-07-16/27	2026-07-19	2026-06
适合场景	高频API调用、Agent	长上下文、复杂推理、研究	编程、全模态、生态	长时后台任务、低成本

置信度：参数/时间线为高（多源一致）；基准分数为中高（不同榜单口径不同）。

二、逐家拆解：谁适合你？

🥇 Kimi K3：长文本之王 + 研究者的宝藏

适合谁：处理超长文档、做研究、想私有化部署的人。

100 万 token 上下文：单次可处理约 75 万单词——整本《三体》三部曲都能塞进去
全球最大开源模型：完整权重开放，配合 WebGPU实战或本地部署，数据完全私有
代码榜第一：Frontend Code Arena 1679 分，超越 Claude Fable 5

注意：模型巨大，本地跑需要多卡集群（适合有算力的人）；普通用户走 API。

🥇 DeepSeek V4-Flash：性价比之王 + Agent 首选

适合谁：开发者、高频调用 API、做 AI 应用。

98% 缓存命中：同样的功能，成本可能是别人的 1/10
Agent 能力大幅增强：LLM 原理里说的”推理时扩展”，它就是标杆
原生 Responses API：开发者接入零成本（特别是用 Codex 生态的）
130 亿激活参数”以下克上”——小身材大能量

🥇 Qwen 3.8-Max：全模态生态 + 编程新王

适合谁：需要视觉/语音/文本多模态、阿里云生态用户。

编程能力国产第一（Arena 编程子榜中国第一）
2.4 万亿参数回归开源：阿里旗舰线首次开源（闭源两代后）
全模态：文本、图像、视频统一理解（Transformer深度解读里讲的混合注意力架构）
阿里云百炼平台成熟，企业级服务完善

🥇 GLM-5：后台任务长跑冠军

适合谁：长时后台任务、批量处理、预算敏感团队。

单次 100 万 token 仅 $3.2-4.6：四家中最低价
slime RL 框架：强化学习驱动的 MoE，日常编码稳定
200K 上下文：长时后台任务（定时摘要、数据清洗）的利器
GLM-5.3 泄露在即（8/3），值得关注升级版

三、场景选型速查表

你的需求	推荐	理由
聊天/写作/翻译	DeepSeek V4-Flash	便宜大碗
处理整本书/超长合同	Kimi K3	100万上下文碾压
写代码	Qwen 3.8-Max / Kimi K3	两个编程王者
做 AI 应用（API）	DeepSeek V4-Flash	98%缓存命中省成本
私有化部署	Kimi K3 / Qwen	开源权重
批量后台任务	GLM-5	每百万token最便宜
多模态（图文视频）	Qwen 3.8-Max	全模态旗舰
学习原理/研究	Kimi K3（读技术报告）	架构最前沿

四、学习者视角：这些模型对我们的意义

1. 学习资源

Kimi K3 开源三件套（MoonEP 训练框架、FlashKDA 注意力算子、AgentEnv 沙箱）——是开源项目贡献指南提到的顶级学习素材
DeepSeek V4 技术报告——理解”低成本高性能”如何做到的教科书

2. 实践建议

先看大语言模型（LLM）原理理解架构，再动手
想不花钱玩模型？WebGPU实战让浏览器跑 Qwen2.5 小模型
想跑本地大模型？RAG 实战（课程中心路线 B 进阶阶段）

3. 就业信号

四家厂商的竞争焦点从”参数竞赛”转向”应用 + 生态 + 成本“——这意味 AI 应用开发者的黄金时代。方向 C 的 AI双周速递会持续追踪这个趋势。

五、P3 系列收官：一张图回顾我们学了什么

P3-1  AI双周速递创刊号      → 看见趋势（Kimi K3 / DeepSeek V4 / WAIC）
  ↓
P3-2  Transformer深度解读    → 理解底座（注意力 / MoE / 位置编码）
  ↓
P3-3  大语言模型原理         → 看懂训练（预训练 / SFT / RLHF / KV Cache）
  ↓
P3-4  WebGPU实战            → 动手落地（浏览器跑模型，零成本）
  ↓
P3-5  顶会论文解读           → 触摸前沿（ICML 2026 / CaRE / 注意力进化）
  ↓
P3-6  国产大模型横评（本篇）  → 做出选择（四大家怎么选）

从”看见新闻”到”理解原理”到”动手实践”到”做出决策”——这就是 AIJVS 想带你走完的路。

下一步：P3 之后

方向 A 项目式：RAG 知识库实战（Docker + Ollama + Milvus）、LlamaFactory 微调你的模型
方向 B 评测：中文 Embedding 排行榜、国产 AI 编程助手盲测
方向 C 周刊：AI 双周速递第二期（DeepSeek V4-Pro 预计 8 月初发布，敬请期待）

全部内容都会与课程中心的路线 A/B 打通，互相引用、层层递进。

六、最终建议（写在最后）

不要纠结”哪个模型最强”——要问”哪个模型最适合我的场景”。

预算有限 → DeepSeek V4-Flash
长文档 → Kimi K3
编程 → Qwen / Kimi
私有化 → Kimi K3 / Qwen 开源版
批量任务 → GLM

动手才是最好的学习。打开课程中心快速通道，今天就开始你的第一个 AI 项目。

下一篇速递（8月中下旬），我们会实测 DeepSeek V4-Pro 和 GLM-5.3，用数据说话。如果你有想测的场景，评论区告诉我——我们下一期见！

互动：你现在在用哪家模型？踩过什么坑？评论区分享，帮助更多初学者避坑。