2026年第8周计算机行业周报：春节海内外大模型更新全梳理！壁仞科技深度发布！

国内外大模型纷至，AI 加速迈向下一阶段

事件：春节期间，国内外大模型厂商持续更新，在多模态、Agent 能力以及传统的基 准测试中均有所提升。除了能力的提升，成本优化、真实的复杂任务解决能力成为近期模 型迭代的整体技术趋势。 我们认为，2026 年大模型货币化进程将加速推进，Agent、多模态为应用落地的重点 方向。应用形态的改变意味着 AI 从 Chatbot、Copilot 等对话式的交互模式进一步向未来形 态演进，产生更加视觉化的用户体验和互动方式，降低用户的使用门槛。同时，单位时间 内、单次 AI 任务消耗的算力将大幅提升，AI 应用加速落地。

1.1 国内：推理效率、Agent 能力、多模态并进

事件：1）智谱发布开源大模型 GLM-5，参数规模扩大，编程能力对齐 Opus 4.5；2） Minimax 发布开源模型 M2.5，编程、工具调用和搜索、办公等生产力场景达到/刷新行业 SOTA；3）字节跳动发布视频大模型 Seedance2.0，支持四模态输入，音频同步、镜头 语言等多维度提升，实现“导演级”视频生成，更贴合工业级应用；4）字节跳动发布豆 包大模型 2.0，多模态能力持续增强，企业级 Agent、Coding 能力提升。5）阿里发布 Qwen-3.5 系列模型，推理效率大幅提升。 2 月 12 日，智谱发布并开源新一代大模型 GLM-5。模型参数从 GLM-4.7 的 355B（激 活 32B）扩展至 744B（激活 40B），预训练数据从 23T 提升至 28.5T，用更多算力提升 通用智能基座。 从代码向工程能力演进，GLM-5 在 Coding 与 Agent 能力上取得开源 SOTA 。当前， 大模型正在从写代码、写前端，进化到写工程、完成大任务，即从“Vibe Coding”变革 为“Agentic Engineering”。在全球权威的 Artificial Analysis 榜单中，GLM-5 位居全球 第四、开源第一。其能力的提升来自于： 参数规模扩展：从 355B（激活 32B）扩展至 744B（激活 40B），预训练数据从 23T 提升至 28.5T，更大规模的预训练算力显著提升了模型的通用智能水平。 异步强化学习：构建全新的“Slime”框架，支持更大模型规模及更复杂的强化学习 任务，提升强化学习后训练流程效率；提出异步智能体强化学习算法，使模型能够持续从 长程交互中学习，充分激发预训练模型的潜力。 稀疏注意力机制：首次集成 DeepSeek Sparse Attention，在维持长文本效果无损的 同时，大幅降低模型部署成本，提升 Token Efficiency。

具体来看，GLM-5 编程能力对齐 Claude Opus 4.5。在主流基准测试中取得开源模型 SOTA 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 SOTA 分数，性能超过 Gemini 3 Pro。在前端、后端、长程任务等编程开发任务 上显著超越 GLM-4.7（平均增幅超过 20%），能够以极少的人工干预自主完成 Agentic 长 程规划与执行、后端重构和深度调试等系统工程任务，使用体感逼近 Opus 4.5。 Agent 方面，GLM-5 具备 SOTA 级长程任务执行。GLM-5 在 Agent 能力上实现开源 SOTA，在多个评测基准中取得开源第一：在 BrowseComp（联网检索与信息理解）、 MCP-Atlas（工具调用和多步骤任务执行）和 τ²-Bench（复杂多工具场景下的规划和执行） 均取得最佳表现，这些能力表明GLM-5在保持目标一致性、进行资源管理、处理多步骤依 赖关系等能力上较为领先，是 Agentic Engineering 实现的核心。 2 月 12 日，Minimax 发布开源模型 Minimax M2.5。M2.5 是 MiniMax 推出的 10B 激 活参数轻量级旗舰大模型，主打编程与 Agentic 能力。M2.5 在编程、工具调用和搜索、办 公等生产力场景都达到或者刷新了行业的 SOTA，比如 SWE-Bench Verified（80.2%）， Multi-SWE-Bench（51.3%），BrowseComp（76.3%）。

编程领域：像架构师一样思考和构建。M2.5 支持超过 10 种语言，在数十万个真实环 境中进行了训练，胜任各类复杂系统开发的全流程。覆盖Web、Android、iOS、Windows、 Mac 等多平台的全栈项目，包含 Server 端 API、功能逻辑、DataBase 等，而不仅仅是 “前端网页 demo”。 M2.5 具备架构思考和构建能力，比如模型演化出了原生 Spec 行为：在动手写代码前， 以架构师视角主动拆解功能、结构和 UI 设计，实现完整的前期规划。在编程核心测试中 M2.5 达到了与 ClaudeOpus 系列类似水平，在多语言相关的任务 Multi-SWE-Bench 上， M2.5 取得第一。

办公领域：真正的场景落地交付。通过与金融、法律、社会科学等领域的行业专家合 作，M2.5 将行业的隐性知识带入到模型的训练流程之中，使得其在 Word、PPT、Excel 金融建模等办公高阶场景中取得了显著的能力提升。 评测层面，Minimax 构建了内部的 Cowork Agent 评测框架（GDPval-MM），以两两 对比的方式评估模型的交付质量和轨迹的专业性，同时监控全流程的 token 费用，估算模 型在生产力场景中的实际效益。在与主流模型的对比中，它取得了 59.0% 的平均胜率。

效率与性价比共存。M2.5 的原生服务速度达到每秒 100 token（几乎为其他前沿模型 的两倍）。加上强化学习对高效推理的激励，其在复杂任务上的时间节省效果明显。以运 行 SWE-Bench Verified 为例，M2.5 完成每个任务平均消耗 352 万 token，端到端运行时 间从 31.3 分钟缩短至 22.8 分钟，速度提升 37%。这一速度与 Claude Opus 4.6 相当，但 单任务总成本仅为后者的十分之一。 M2.5 共有两个性能相同但速度不同的版本：1）M2.5-Lightning：稳定吞吐量每秒 100 token，每百万输入 token 0.3 美元，输出 2.4 美元。2）M2.5：吞吐量每秒 50 token， 价格减半。按照输出价格计算，50 TPS 的版本价格是 Opus、Gemini 3 Pro 以及 GPT5 这些模型的 1/10-1/20。 2 月 12 日，字节跳动发布视频大模型 Seedance2.0。该模型基于双分支扩散 Transformer 架构，首次实现了四模态输入（文本、图像、视频、音频）的协同处理， （此前为文本+图像双模态输入）Web 端可生成最长 15 秒、2K 分辨率的音视频同步视频。 从 AI 视频生成迈向 AI 导演。相比 1.5 版本，Seedance2.0 的生成质量大幅提升，其 在复杂交互和运动场景下的可用率更高，在角色一致性、物理真实性、多镜头叙事和原生 音频同步四个维度实现了质的飞跃，更加贴合工业级创作场景的需求： 原生视听同步：与早期需要单独音频后期制作的模型不同，Seedance2.0 在生成视频 内容的同时生成同步的音频，包括场景音效、多种语言（同时支持口型同步）、空间音频 等能力。

多镜头叙事：与传统的 AI 视频生成器通常生成单个连续的镜头不同，Seedance2.0 能够将叙事概念分解为多个镜头，做到如电影拍摄般的“分镜感”，且在角色一致性、环 境（包括光影、天气、场景细节等）、叙事连贯性上保持高度一致。 风格多样性：Seedance 2.0 支持广泛的视觉风格，包括：照片级写实渲染、动漫/动 画美学、水彩和绘画风格、黑色电影和复古胶片外观、抽象和实验视觉效果等。 在真实的横向测试中，Seedance2.0 在视频生成模型中表现突出。在相同提示词输 入的前提下，Seedance2.0 在人物动作细节、叙事一致性、影片风格与情绪渲染上，相较 于国内外同类竞品，表现均较为优异。

2 月 14 日，字节跳动发布豆包大模型 2.0。豆包 2.0 系列包含 Pro、Lite、Mini 三款通 用 Agent 模型和 Code 模型，灵活适配各类业务场景。整体来看，豆包大模型 2.0 在多模 态理解、企业级 Agent、推理和代码能力上有较大提升： 更强多模态理解：在多模态感知、高精度文字提取、图表理解、空间理解、运动理解、 视觉知识和推理、长视频理解等方面表现出色。Seed2.0Pro 在 MathVista、MathVision、 MathKangaroo、MathCanvas 等数学推理基准上达到业界最优水平。同时，在 LogicVista、 VisuLogic 等视觉解谜与逻辑推理基准上，Seed2.0Pro 得分较 Seed1.8 显著提升。

在 VLMsAreBiased、VLMsAreBlind、BabyVision 等基准中，Seed2.0 取得了业界最 高分，说明它在面对不同类型的视觉输入时，仍能保持准确且可信的感知和判断能力。

企业级 Agent 能力：模型能更好支持对技能（Skills）的理解和应用，Function Call 、 多轮指令遵循、搜索和工具调用能力显著增强，格式输出更稳定，支持灵活的上下文管理， 更好地支持企业级复杂、长程任务，在数据分析和客服 Agent 等企业场景中表现出色。 编程和代码能力优化：Seed-2.0 引入了专用的 Code 版模型（Doubao-Seed-2.0- Code），针对程序员场景进行优化，与 IDE 和 TRAE 等工具结合更高效。在代码理解、 生成和长上下文代码推理方面表现更强，支持更复杂的编码任务。 2 月 16 日，阿里发布 Qwen3.5-Plus 和 Qwen3.5-397B-A17B 两款新模型。3.5-Plus 版本定位为 Qwen3.5 系列最新大语言模型，3.5-397B-A17B 定位为 Qwen3.5 开源系列旗 舰大语言模型。两款模型均支持文本和多模态任务。 推理效率大幅提升，最大推理吞吐提升 19 倍。Qwen3.5 实现底层模型架构的革新， 首次将线性注意力（Gated Delta Networks）与稀疏混合专家（MoE）相结合。其中， Qwen3.5-Plus 版本总参数为 397B，激活仅 17B，在保持能力的同时优化速度与成本。 Qwen3.5-397B-A17B 在推理、编程、智能体能力与多模态理解等全方位基准评估中 表现优异，为 Agent 落地奠定坚实基础；Qwen3.5 性能超过万亿参数的 Qwen3-Max 模 型，部署显存占用降低 60%，推理效率大幅提升，最大推理吞吐量可提升至 19 倍。

我们认为，国内大模型依旧保持大模型迭代与 AI 应用落地的紧密结合。整体来看：1） 从“技术竞速”转向“价值竞速”：本轮更新中，模型普遍强调解决实际问题的“实干能 力”，如 GLM-5、MiniMax M2.5 聚焦复杂编程与系统工程，Seedance 2.0 瞄准影视、电 商等垂直行业应用。2）Agent 成为核心赛道：国内外模型均加强对长程、复杂任务自主 规划与执行能力的优化，标志着竞争进入“Agent 时代”。3）开源生态持续繁荣：国产模 型如 GLM-5、Ming-Flash-Omni 2.0 等选择开源，正在构建技术底座并挑战闭源模型的定 价权。4）成本与性能的平衡：在提升能力的同时，维持较低的 tokens 成本，推动大模型 规模化商用。

1.2 海外：性能提升的同时开始注重“性价比”

事件：1）Anthropic 发布 Claude Sonnet 4.6，计算机使用能力快速提升，性能接近 旗舰款 Opus 4.6，API 定价仅为 1/5，性价比显著提升。2）谷歌发布 Gemini 3.1 Pro：核 心推理能力领先，成绩较上代模型翻倍。 2 月 17 日，Anthropic 发布 Claude Sonnet 4.6，模型采用稀疏激活的混合专家架构， 总参数量达 1 万亿，每次前向传播仅激活 320 亿参数，在保持高性能的同时提升推理效率。 新模型在编程、操作电脑、长文本推理、智能体规划、知识工作和设计等方面实现全面 升级。 定位“高性能与高性价比”的平衡。Sonnet 4.6 定价与 Sonnet 4.5 相同，仍为每百万 token 输入 3 美元、输出 15 美元，Sonnet 4.6 的性能已接近 Anthropic 的旗舰模型 Opus 4.6 水平，但 API 定价仅为其五分之一。Sonnet 4.6 的定价策略为本次发布的最重磅看 点，此前需要使用 Opus 级模型才能达到的（包括办公任务等）现在通过 Sonnet 4.6 即 可获得。对于目前大量进行 API 调用的 Agent 使用企业而言，带来了较大的成本节降。 计算机使用能力提升，具备高级 GUI 自动化操作能力。Sonnet 4.6 在 OSWorld 基准 测试中从 4.5 版本的 61.4%跃升至 72.5%，与 Opus 4.6 的 72.7%基本持平，可执行网页表 单填写、表格导航、跨应用操作等复杂任务。此外，在 GDPval 办公任务测试中 Elo 评分 达 1633，支持多步骤任务分解、工具调用和自主决策。

2 月 19 日，谷歌发布 Gemini 3.1 Pro。Gemini 3.1 Pro 在核心推理能力上实现了显著 提升，成为解决复杂问题更智能、更强大的基础模型。在业界公认高难度的ARC-AGI-2通 用智能基准测试中，Gemini 3.1 Pro 获得了 77.1%的高分，超越 Claude、GPT 模型，且 成绩相较 Gemini 3 Pro 实现翻倍提升。 推理性能大幅提升的同时，定价不变。Gemini 3.1 Pro 保持 Gemini 3 Pro 的定价策略： 每百万 tokens 输入 2 美元起，输出 12 美元起。与 Sonnet 4.6 类似，谷歌在能力提升的同 时保持价格不变，即为 API 调用用户免费升级了推理能力。

我们认为，大模型竞赛的焦点从单纯的性能比拼，转向真实复杂任务的解决能力与性 价比。当前大模型行业正从通用能力比拼，转向真实世界复杂任务的处理能力，海外大模 型在推理、工程化、多模态理解等核心能力上不断发力突破；同时，在定价策略上突出 “性价比”，在不大幅牺牲性能的情况下，突出性能与成本的平衡。