八月中旬，国产大模型密集放了大招。8 月 13 日 DeepSeek V4 Pro 正式版发布，8 月 14 日阿里开源 Qwen3.8 系列。紧接着 8 月 17 日，HuggingFace 发布报告：过去六个月，千问（Qwen）全球累计下载量突破 30 亿次。

同一时间窗口，谷歌旗下模型下载量 4.18 亿，Meta 是 2.27 亿。千问是谷歌的 7 倍，Meta 的 13 倍。

这不是追赶，是断层。

先看这次开源了什么

最受关注的是 Qwen3.8-27B：

• 270 亿参数的稠密多模态模型，原生支持图像和视频理解
• 上下文窗口 26.2 万 token，通过 YaRN 可扩展到百万级
• Apache 2.0 协议，权重完全开放，可自由商用
• 4bit 量化后约 17GB——高配笔记本、消费级显卡就能跑

官方数据显示，它在编码、研究、长程 Agent 任务上的表现，接近甚至局部超过 10 倍参数规模的系统。海外开发者给它的评价是：可以跑在家用电脑上的「本地 Opus 4.6」。

发布两天，下载量破百万，登顶 HuggingFace 全球趋势榜。

同时阿里还放出了旗舰 Qwen3.8-Max 的权重：总参数 2.4 万亿，单次推理激活 950 亿，稀疏 MoE 架构，支持 1M token 上下文。一边给普通开发者能本地跑的强模型，一边把最强底座也开源——策略很清楚：用开放换生态，用生态换长期领先。

DeepSeek 也没闲着

8 月 13 日发布的 DeepSeek V4 Pro：总参数 1.6 万亿，每次激活约 490 亿，全系开源，支持百万 token 上下文，多项评测已接近国外顶尖闭源模型。

更狠的是价格。V4 Flash 采用分时定价：空闲时段每百万输出 token 仅 4.5 元，高峰时段 9 元。对比顶尖国外模型，「便宜的没它强，强的没它贵」。

在全球开源模型调用量排名中，DeepSeek 与千问已连续多周包揽前两席。

为什么都要开源

万亿参数时代的开源，不是做慈善。粗算一笔账：部署总参数 1.6 万亿的 V4 Pro，前期显卡投入近 600 万元，每年电费超 20 万，还有机房、网络、运维。为什么还要开？

因为生态的账比部署的账大。看产业链的反应：平头哥、英伟达、AMD、联发科等芯片厂商 Day 0 适配 Qwen3.8；vLLM、SGLang、Ollama 等推理框架第一时间优化。30 万个衍生模型、30 亿次下载——「开源-下载-衍生-再下载」的正循环一旦转起来，模型就不再是模型，而是标准。

王坚院士的说法更进一步：开源正从 Open Source（开放源代码）走向 Open Resource（开放资源）。每个开放的模型背后，是能源、电力与算力的开放。联合国 AI 问题独立科学小组的最新报告，已把 Qwen 和 DeepSeek 作为全球开源 AI 生态的代表性案例单独列出。

对开发者意味着什么

三件实际的事：

1. 本地部署的门槛没了。17GB 的量化模型覆盖了编码代理、视觉理解、长文档分析、多轮工具调用。处理敏感代码、内部文档的场景，数据不出设备。
2. API 成本谈判的锚点变了。当本地能跑出接近前沿的能力，云端 API 的定价权就在转移。
3. 选型默认值变了。新项目选基座模型，Qwen 已经是全球开发者的默认工作流之一。

参考来源

• 阿里开源 Qwen3.8-27B：笔记本就能跑出接近前沿的智能
• 阿里开源，登顶全球
• 开源，浙产大模型向世界敞开大门
• 人工智能行业半月报（2026年8月第1期）