大模型开始放「预告片」了

昨天晚上刷到一个挺有意思的事。

通义千问发了个模型叫 Qwen3.8-Flash，然后在博客里写了一句，这是 Qwen4 架构的早期预览。

同一天，智谱也发了 GLM-5.3-Flash，之前匿名以「Ox Alpha」的身份在 OpenRouter 上跑了整整六天，22万人免费调用，谁都不知道是谁家的。等大家猜了一轮微软、DeepSeek、谷歌、小米之后，智谱才掀开底牌，说这是我的。

一个把下一代架构当预告片放出来，一个用匿名身份搞了一波悬疑营销。

我当时的第一反应是，这俩公司的市场部是不是偷偷约了个饭。

但冷静下来想想，其实吧，加上腾讯混元同一周把翻译模型压到 440MB 塞进了B站直播弹幕，三家几乎同时做了同一件事，都在用自己的方式说同一句话，我的下一代已经在路上了，而且比你以为的更快。

这不是巧合。这是一种新的游戏方式。

我管它叫「预告片经济」。

就像漫威每次电影结束后的彩蛋，观众看完黑寡妇就知道下一部是什么，期待感从散场那一刻就开始积累了。大模型现在也学会了这招，不等产品完全成熟就先放出一个能跑的版本，让你知道未来长什么样。

但漫威放彩蛋是因为故事线太长需要提前铺垫。大模型公司这么干，是因为另一个更现实的原因。

开发者的注意力正在变成最稀缺的资源。

你想想看，现在一个想选大模型的开发者面对什么局面。每周都有新模型发布，每个都说自己是最强的那个。如果你只是发一个完成品，说「我很强」，那你的声音会在一周内被下一个新模型淹没。但如果你说「我现在很强，而且你看，我下一代的架构已经能跑了，性能是现在的9倍性价比」，那开发者会怎么想？

他会等。

他会把技术栈的选择权暂时留给你。

这就是预告片经济的核心逻辑，不是卖今天的产品，是抢明天的预期。

顺着上面的再聊聊三家具体做了什么，因为虽然策略方向一致，执行细节里藏着完全不同的思路。

先说通义千问的 Qwen3.8-Flash。这个模型有意思的地方在于它的架构创新。它用了一个叫 GDN + QSA 的混合注意力机制，简单说就是把四层网络里的三层换成了一种叫 Gated DeltaNet 的结构来压缩历史上下文，剩下一层用稀疏注意力来捞全局里真正重要的信息。结果是什么呢，在100万 token 的长上下文里，预填充速度比上一代快了 7.6 倍，解码快了 4.9 倍。

125B 总参数，每个 token 只激活 6B。训练成本是 Qwen3.7-Plus 的九分之一。

坦率的讲，如果只看数字，这就是一个很强的推理模型。但通义千问做了一个决定性的动作，它把这个模型定义为「Qwen4架构的预览」，而不是一个独立产品。

那结果会怎样呢？开发者在评估这个模型的时候，脑子里想的不是「Qwen3.8-Flash 够不够我用」，而是「如果 Qwen4 是这个架构的完全体，那会有多猛」。

预告片的价值不在于预告片本身有多好看，在于它让你对正片产生了期待。

再说智谱的 GLM-5.3-Flash。320B 总参数，18B 激活，也是 MoE 架构。但智谱玩了一招更骚的。

他们先把模型匿名丢到 OpenRouter 上，取了个代号叫 Ox Alpha。六天之内 22 万用户调用，社区开始疯狂猜它是谁。有人跑 tokenizer 指纹对比，有人拿视频编码方式交叉验证，一个一个排除微软、DeepSeek、小米、谷歌。最后社区自己得出结论，95 项 tokenizer 测试全匹配，这一定是智谱的。

然后智谱官宣，说对，是我。

你敢信，22万人帮你做了六天压力测试和口碑传播，一分钱营销费没花。

而且你注意一个细节，GLM-5.3-Flash 用了 KDA 线性注意力加 NoPE 稀疏 MLA 的混合架构，注意力计算量比 GLM-5.3 砍了 3 倍，KV缓存缩了 4.4 倍。全部跑在国产芯片上。定价是 Claude Opus 4.8 的四十分之一。

这两个数据放在一起看，智谱在说的不止是「我有个好模型」，它在说的是「我能在国产芯片上跑出和世界顶级模型一个水平的东西，而且便宜40倍」。

这是一个关于自主可控的预告片。

回到腾讯混元这块。坦率的讲，腾讯做的事看起来最不性感，一个 1.8B 的翻译模型，量化到 440MB，塞进手机跑。但我反而觉得这是三家里最有说服力的预告片。

为什么？因为它有一个已经落地的产品场景。

哔哩哔哩直播弹幕实时翻译。一条弹幕从输入到翻译完成，500到800毫秒。不需要联网，不需要云端GPU，在手机本地芯片上就能跑。

如果说通义千问的预告片是关于「下一代架构有多强」，智谱的预告片是关于「性价比能做到多极端」，那腾讯混元的预告片是关于「AI 什么时候真的跑到你口袋里」。

三种预告片，三个不同的赌注，但都在回答同一个问题。

这个问题就是，MoE 架构趋同之后，大家靠什么差异化？

你看，Qwen3.8-Flash 是 512 个专家选 10 个激活，GLM-5.3-Flash 是 288 个专家选 8 个。大家都在用 MoE，都在做稀疏激活，都在堆总参数但压激活参数。从宏观架构上看，这两个模型长得几乎一模一样。

但如果你仔细看细节。

通义千问赌的是「混合注意力」，用 Gated DeltaNet 替代传统 Transformer 的自注意力，说到底是在长上下文效率上下注。它在说，未来的 Agent 场景需要处理百万级 token 的上下文，谁能在这个尺度上又快又便宜谁就赢。

智谱赌的是「IndexPool + 流形约束超连接」，说到底是在 Scaling 效率上下注。它用更少的激活参数和更少的层数达到了更大模型的效果，而且在国产芯片上验证了可行性。它在说，性能天花板不是问题，成本地板才是。

腾讯混元赌的是「极端量化」，1.25-bit 量化把 3.3GB 压到 440MB，翻译质量几乎无损。它在说，最后赢的不是云端的百亿参数大模型，是能真正跑在每一台设备上的小模型。

三条路，三个对未来的判断。

我自己的感受是，这三条路其实不矛盾。

长远来看，AI 会分化成两层。上面一层是百亿参数的大模型，跑在云端，负责复杂推理和创意生成，对应通义千问和智谱在做的事。下面一层是极度压缩的小模型，跑在端侧，负责实时响应和隐私敏感的场景，对应腾讯混元在做的事。

中间那层，那些既不够聪明又跑不了端侧的模型，会慢慢被挤掉。

但这里有一个更深的东西值得聊。

预告片经济之所以出现，其实反映了一个结构性的变化。大模型的竞争正在从「谁先做出来」变成「谁先定义下一代长什么样」。

以前大家比的是基准测试分数，你 MMLU 高一个点我就输了。但现在，当头部模型的能力开始趋同的时候，仅仅发一个新版本已经不够了。你得告诉市场，你看到的未来和别人不一样。

通义千问说未来是混合注意力，智谱说未来是极致性价比，腾讯说未来是端侧。这不是产品发布，这是叙事权之争。

谁的叙事被开发者接受了，谁就拿到了生态位。

不知道为什么，这让我想起了早年的 PC 时代。Intel 和 AMD 打得最凶的那几年，两家每年都会提前一两年公布下一代架构的代号和路线图。不是因为提前公布能让产品卖得更好，是因为OEM厂商需要提前做主板设计，需要知道未来两年的方向。谁的路线图被采纳了，谁就锁定了下游的整个生态。

现在的大模型也一样。开发者需要知道，我今天基于你的模型写的代码，明年是不是还能用。你的架构会往哪个方向演进。你的API接口会不会大改。

预告片，说到底是一种对开发者的承诺。

我来告诉你未来长什么样，你放心，跟着我走没问题。

所以你再回头看通义千问那句「Qwen4 架构的早期预览」，这七个字的信息量远不止一个模型发布那么简单。它在说，我的 Qwen4 已经有雏形了，我对方向有信心，而且我愿意提前让你看到。

这是一种技术自信的外化。也是一种对生态伙伴的喊话。

反过来说，如果你是一个大模型公司，到了这个阶段你还只是默默发模型、贴基准测试分数、等用户自己来选，那你可能已经掉队了。

因为这个游戏的规则已经变了。

不是谁的模型最强谁赢，是谁的故事最让人信谁赢。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～
谢谢你看我的文章，我们，下次再见。