ai models

2026 年年中的开放权重浪潮：Kimi K3、GLM-5.2，以及开放模型为何持续进步

Kimi K3 是 2026 年开放权重浪潮的主角，但真正现在就能下载使用的模型是 GLM-5.2。本文坦诚梳理这两款模型，并说明宽松许可的开放模型为何对会议记录如此重要。

T
Telli.sh Team
#open-llm#kimi-k3#glm-5.2#open-weight#ai-models#meeting-notes#ai-notetaker

对开放权重模型来说，2026 年年中格外强劲。在短短几周之内，多家实验室发布或宣布了可与最顶尖闭源系统媲美的模型，并采用允许任何人自行运行的许可证。其中的主角是 Moonshot AI 于 2026 年 7 月 16 日发布的 Kimi K3。而真正现在就能下载使用的模型，是 Z.ai 的 GLM-5.2。两者都值得了解，而且有必要坦诚区分：哪些是已确认的事实，哪些还只是承诺。

数据中心内成排的服务器机柜

Image: Carl Lender, Wikimedia Commons, CC BY 2.0.

Kimi K3 是主角，但有明确的注意事项

Kimi K3 是一款 3 万亿参数级别的超大型开放 mixture-of-experts 模型，报告的总参数量为 2.8 万亿。把这种规模的模型作为开放模型发布，而非闭源 API，正是这次发布引人注目的原因。Moonshot AI 将其定位为前沿级系统，独立测试者也已开始验证其中的部分主张。

值得引用的是独立测得的数字。在 Arena Frontend Code 排行榜上，Kimi K3 以 1,679 分位居第一，领先于 Claude Fable 5。在 Artificial Analysis 的长程智能体评测中，它的 Elo 达到 1547，仅次于 Fable 5，每个任务的成本约为 0.94 美元。对一款开放模型而言，尤其在成本方面，这是非常强劲的成绩。

注意事项同样重要。截至撰稿时，权重仍无法下载。Moonshot AI 承诺"在 2026 年 7 月 27 日之前"发布，因此在发布时，Kimi K3 更多是开放的意图，而非开放的现实。许可证预计为 Modified-MIT 的变体，但尚未确认，而团队能否真正在其之上构建，取决于具体条款。发布材料中的头部基准也有一部分是自我报告的数字，正因如此，上文引用的 Arena 与 Artificial Analysis 独立数据才是更可靠的依据。Kimi K3 看起来是一次真正重要的发布，但"重要"与"今天就能用于生产"并不是一回事，在做规划时最好把这两点分开看待。

GLM-5.2 是现在就能用的模型

如果说 Kimi K3 是主角，那么 Z.ai 的 GLM-5.2 就是切实的锚点。它的权重现已以 MIT 许可证提供，目前在 Artificial Analysis Intelligence Index v4.1 的开放权重梯队中位居第一。宽松许可证与顶尖独立排名的组合，使它成为那些想真正部署而非只是阅读开放模型的团队的现实之选。

规格也印证了这一点。GLM-5.2 是一款 7,530 亿参数规模的 mixture-of-experts 模型，每个 token 约有 400 亿活跃参数，并支持 100 万 token 的上下文窗口。在独立测试中，它在长程编码任务上超过 GPT-5.5，而成本仅约六分之一。主要限制是它仅支持文本，因此不像部分多模态系统那样处理图像、音频或视频输入。不过对于大量实际工作而言，一款拥有百万 token 上下文和 MIT 许可证的顶级文本模型，正是许多团队一直在等待的。

同样值得关注的开放模型

Kimi K3 与 GLM-5.2 是最值得关注的两款，但并非仅此二者。DeepSeek V4 Flash 是前沿级开放模型中最便宜的一款，并以 MIT 发布，因此对以每 token 成本为决定因素的高并发工作负载很有吸引力。MiniMax M3 是多模态模型，目前在 SWE-bench Pro 的开放权重榜上领先，为需要在文本之外处理图像或文档输入的团队提供了可信的开放选择。再加上 NVIDIA 的 Nemotron 3 Ultra、阿里巴巴的 Qwen3.6 以及谷歌的 Gemma 4，整体来看，开放权重与闭源前沿的差距已不再是落后一大步，而更像是落后几周，有时甚至没有差距。务实的结论是：如今"开放"不再意味着"次优"。

排行榜之外的意义

基准排名固然有用，但更持久的故事是结构性的。开放模型在长上下文推理上越来越强，每个任务的成本持续下降，并且越来越多地以允许真正部署的许可证发布。这三种趋势相互叠加、共同放大。在 2026 年年中，一支基于开放权重构建的团队，比仅仅一个季度之前拥有更强大的模型、更低的成本和更少的法律约束。

这与会议转写、翻译和摘要的持续改进直接相关。Telli.sh 已经在其摘要层使用开放模型 Qwen3。当开放生态获得更长的上下文窗口、更强的多语言推理和更宽松的许可时，支撑我们这类产品的开放模型层也会同时变得更好、更便宜。当 100 万 token 的上下文意味着可以一次性推理一场长会议、一段完整访谈或一整天的录音时，它就不再是抽象的基准。当然，仅有出色的语音识别还不够，仍然需要一个产品层，把转写变成可复核的记录、决策与行动项。只是支撑这一层的模型，正以比一年前快得多的速度进步。

坦诚的结论

如果你想现在就部署，答案是 GLM-5.2：可用、采用 MIT 许可证，并在开放权重梯队的独立排名中位居第一。如果你想了解前沿正走向何方，请关注 Kimi K3，并在 2026 年 7 月 27 日之后再确认权重与许可证是否如约而至。无论如何，方向都很清晰。开放模型正在缩小差距，而建立在它们之上的产品层，才是把原始能力转化为团队真正可用之物的部分。

开始实时 AI 笔记

来源

← 返回博客