技术前沿：通义千问发布迄今最大规模的大模型
思瀚产业研究院    2025-09-11

1.大模型持续发布与迭代升级

2025 年 8 月 24 日，马斯克旗下 xAI 宣布开源 Grok-2，参数规模高达 9050 亿，支持超长上下文和混合专家架构，并计划在半年内开源 Grok-3。Grok-2 的推出不仅刷新了开源大模型的规模上限，也进一步推动了业界在长文本处理与高效推理上的突破。

2025 年 9 月 1 日，美团发布并开源 LongCat-Flash-Chat，总参数量 5600亿但实际激活仅 27B，兼顾性能与效率，在智能体任务中表现突出，显示互联网平台型企业在大模型生态中的加速布局。9 月 6 日，阿里通义千问发布迄今最大规模的大模型 Qwen3-Max-Preview，参数量超过 1 万亿，在推理、指令跟随、多语言支持和长尾知识覆盖方面实现重大改进，并已向企业和开发者开放。

Qwen3-Max 的发布标志着大模型正从技术突破加速走向产业化应用，成为企业智能化转型的重要工具。

2.多模态生成能力持续突破

2025 年 8 月 25 日，群核科技发布空间语言模型 SpatialLM 1.5 与空间生成模型 SpatialGen，首次系统性开源文生 3D 能力，聚焦室内空间的认知与生成。8 月 26 日，英伟达发布机器人专用芯片 Jetson Thor，AI 计算性能较上一代提升 7.5 倍，被视为推动具身智能和物理 AI 的重要基础。

2025 年 8 月 28 日，字节跳动推出视频生成模型 OmniHuman-1.5，可通过单张图像和语音轨迹生成与语义匹配的角色动画，适用于影视、教育和虚拟主播等场景；腾讯混元团队同日开源视频音效生成模型 HunyuanVideo-Foley，为视频自动生成电影级高质量音效，显著提升沉浸感。

2025 年 8 月 29 日，中国科学院地化所发布“月球科学多模态专业大模型 V2.0”，赋能“数字月球”科研平台，实现月球撞击坑的图像识别与信息提取，科研效率大幅提升。多模态领域正快速扩展，生成式 AI 的边界不断拓宽。随着技术成熟，AI 正逐步从内容生产延伸到科学研究和现实物理场景。

3.语音交互与实时对话体验升级

2025 年 8 月 25 日，微软研究院开源 VibeVoice-1.5B，支持跨语言文本转语音与歌声合成，可一次生成长达 90 分钟的多说话者自然语音。2025 年 8 月 29 日，OpenAI 发布 GPT-realtime 模型，采用端到端语音对语音架构，可直接生成自然流畅的语音并模拟情感语调，使 AI 助手更接近人类自然对话方式。2025 年 9 月 1 日，阶跃星辰开源端到端语音大模型 Step-Audio 2 mini，在多项基准测试中取得领先成绩，性能超越 GPT-4o Audio 等主流模型。其开源特性也为开发者社区提供了强大工具，推动语音交互技术快速普及。

4.编程与长文本处理能力持续优化

2025 年 8 月 29 日，xAI 发布 Grok Code Fast 1，专为编程任务优化，强调高速和低成本，并在主流编程平台上免费开放使用。2025 年 9 月 5 日，月之暗面发布 Kimi K2 最新版本，上下文容量扩展至 256K，输出速度提升至每秒60–100token，并强化编程辅助与前端生成能力。这一升级显著增强了复杂任务和长文档处理能力，满足更多高阶应用场景的需求。

更多行业研究分析请参考思瀚产业研究院官网，同时思瀚产业研究院亦提供行研报告、可研报告（立项审批备案、银行贷款、投资决策、集团上会）、产业规划、园区规划、商业计划书（股权融资、招商合资、内部决策）、专项调研、建筑设计、境外投资报告等相关咨询服务方案。