一周之内，三个"重量级"模型接连登场

2026年10月的第一周，开源大模型领域密集发布了多个标志性产品：

Mistral Large 4（代号 Le Chonk）：10月6日开启公开预览 API。总参数约1.05万亿，激活参数490亿，原生多模态，上下文窗口100万token。Mistral 宣布权重将于10月底开放。（来源：AIHOT、TechNews 科技新报）

Reflection AI Beam：10月5日发布，总参数5010亿，激活参数230亿，基于23.8万亿token预训练，采用10500张 NVIDIA GB300 GPU 进行为期4周的强化学习训练。权重将以 Apache 2.0 协议于本月开源。（来源：TechCrunch、Reflection AI 官方博客）

美团 LongCat-2.0：1.6万亿总参数，480亿激活参数，100万token上下文，MIT 协议开源。全程在5万张国产算力卡上完成训练。（来源：方普实业建站报道）

除此之外，2026年9月已有小米 MiMo-V2.6 Pro（1.02万亿参数）、阿里 Qwen3.8-Max（2.4万亿参数）等多款万亿级开源模型登场。开源大模型的"总参数量级"正在以肉眼可见的速度膨胀。

技术脉络：MoE 如何让"万亿"变得可行

这些模型有一个共同的架构选择——Mixture of Experts（MoE，混合专家）。

MoE 的核心思路是：模型拥有大量参数，但每个 token 只激活其中一小部分。以 Mistral Large 4 为例，1.05万亿总参数中，每个 token 只激活490亿参数，稀疏度约95%。美团 LongCat-2.0 的激活比例更低，约3%。

这种"大总参、小激活"的设计带来两个直接好处：

  • 推理成本可控：实际计算量只取决于激活参数，而非总参数。这就是为什么万亿级模型的 API 价格可以做到与几十亿参数的模型同一量级。
  • 知识容量大：总参数越多，模型能存储的知识和模式越多，尤其在长上下文和多领域任务中表现更明显。

另一个共同点是100万token上下文已成为旗舰级标配。对于需要处理整个代码库、长文档或复杂 Agent 任务的场景，长上下文不再是锦上添花，而是刚需。

开源阵营的格局：中国领先，欧美追赶

过去一年，开放权重前沿模型的主导权明显向中国倾斜。DeepSeek、Qwen、MiMo、Step、LongCat 等中国开源模型在下载量、基准测试和学术采用上整体领先。

2026年10月的这波发布，可以看作欧美阵营的回应：

  • Mistral Large 4：欧洲最大的开源模型玩家，主打"主权 AI"和可自部署，权重月底开放。
  • Reflection AI Beam：美国阵营首款明确对标中国开源模型的开放权重前沿大模型，背后有 NVIDIA 投资。
  • 小米 MiMo-V2.6 Pro：MIT 协议，训练成本约262万美元，训练周期不到6天——展示了高效率训练的可能。

值得注意的是，这些模型的能力正在快速逼近闭源旗舰。以编码能力为例，Mistral Large 4 在 DeepSWE v1.1 基准上取得61.7%，官方称在网络安全、金融、法律等垂直领域达到开源模型 SOTA。以上为厂商口径，独立复测待权重发布后验证。

价格：Token 正在变成"基础设施"

这一轮开源浪潮的另一条主线是价格。

  • Mistral Large 4：每百万 token 输入 $1.36 / 输出 $4.18
  • Reflection AI Beam：推理算力较同级模型低3-4倍
  • DeepSeek-V4.1-Flash：API 最高降价60%，实测成本约为闭源旗舰的1/15
  • 小米 MiMo-V2.6 Pro：MIT 许可，可免费商用

当开源模型的价格降到闭源模型的1/10甚至1/15，开发者的选择逻辑就变了：不再是"哪个模型最强"，而是"哪个模型在满足需求的前提下最经济"。

对开发者意味着什么

第一，本地部署从"能跑"变成"能用"。 480亿激活参数意味着2-4张80GB显存的卡可以运行 BF16 版本，量化后单卡也能推理。对于需要数据不出域的企业场景（金融、法律、医疗），这是真正的转折点。

第二，Agent 应用的基础设施在成熟。 100万token上下文加上强化学习后训练和工具调用能力，让开源模型可以支撑完整的 Agent 工作流——把整个项目代码、文档、对话历史塞进上下文，让模型做跨文件修改。

第三，选择权回到开发者手中。 MIT / Apache 2.0 协议意味着商用无门槛。开发者可以根据场景自由组合：轻量任务用小模型，复杂推理用大模型，敏感数据走本地部署。

下一步观察什么

  • 10月底：Mistral Large 4 权重发布，届时可独立验证其基准成绩
  • 10月内：Reflection AI Beam 权重开源
  • 持续关注：开源模型在真实 Agent 任务中的表现，而不仅仅是基准分数

开源大模型的黄金时代，才刚刚开始。

参考来源

  1. AIHOT — Mistral 发布 Large 4 公开预览版：https://aihot.news/items/mjxlbx06wrnbd9v3dt4nrkkwu
  2. TechCrunch — Reflection AI Beam：https://techcrunch.com/2026/10/05/reflection-debuts-beam-a-open-weight-ai-model-to-rival-chinese-models-at-lower-compute-cost/
  3. Reflection AI 官方博客：https://reflection.ai/blog/introducing-beam
  4. TechNews 科技新报 — Mistral Large 4：https://technews.tw/2026/10/07/mistral-large-4-le-chonk/
  5. AI 大模型月报·2026年9月：https://www.cnblogs.com/foxcharon/p/23203041