一张表看懂本周开放权重：4GB 装对话智能体、24GB 跑 74B、1 万亿参数还没发

一、先把这一周的五件事按时间摆齐

• 10 月 19 日：MiniMax 发布 M3.1 Flash（API 先上线），官方同时认领了此前在 OpenCode 匿名霸榜的 Space Bunny 就是它的早期版本。
• 10 月 22 日：腾讯 WeChat Vision 团队的 WeVisOne-VL 权重、论文（arXiv 2610.31329）与评测脚本同日上线，2B 与 4B 两个尺寸，Apache-2.0。没有发布会、没有新闻稿。
• 10 月 23 日：MiniMax 开源 M3.1 Flash 权重（Hugging Face 与魔搭同步）；NVIDIA Nemotron 3.5 Bolt E4B 4GB 正式放出。
• 10 月 23 日 20:00 起：智谱 ZCode 1024 程序员节礼包开始领取，5 亿 token，20 万份，可用窗口到 10 月 26 日 09:00。
• 10 月 23–24 日：智谱创始人唐杰在成都 CNCC 演讲中把 GLM-5.4/5.5 定义为「全自训练」产品、参数 1 万亿以上；同期官方确认部分推理节点硬件异常导致输出质量下降，故障节点已下线，付费用户补 3 张重置卡。

五件事里只有四件能下载到东西——这是本周最该记住的区别：路线图、补贴券、开放权重，不是同一种「发布」。

二、智谱：路线图往前一格，额度往后补一刀

现役的 GLM-5.3 是 7400 多亿参数的 MoE、100 万 token 上下文；按 Hugging Face 仓库里 safetensors 元数据读出来的总参数量约 753B，约 40B 激活。它并非新基座——官方和第三方口径一致：基座沿用 GLM-5.2，提升全部来自后训练 Scaling。同门的 GLM-5.3-Flash 是另一条线：320B 总参 / 18B 激活、原生多模态、MIT 许可，第三方智力榜给到 57 分档。

• 下一代怎么走：唐杰在 10 月上旬的新加坡演讲与 10 月下旬成都 CNCC 的演讲里给了同一套说法——参数从 7400 多亿抬到 至少 1 万亿，预训练数据向数 T 级扩；后训练继续加码 SFT / RLHF / RLVR；攻坚方向是「更长更自主的智能体」与「模型自己训练自己」（RSI）。
• RSI 到什么程度：官方口径是 GLM-5.4/5.5 只落地阶段性成果，完全自主的自我迭代留给下一代 GLM-6。8 月 31 日财报电话会上点名的是 GLM-6.0，所以「5.4 还是 6.0」这个问题，厂商自己也没给唯一答案。
• 现在能确定什么：截至本页发布，GLM-5.4/5.5 没有权重、没有定价、没有时间表，任何把它们写进选型清单的方案都是把传闻当交付。

同一周里更实用的是两件「往后补」的事。一是 1024 礼包：5 亿 token（= 0.5B），可用于 GLM-5.3 与 GLM-5.3-Flash，20 万份先到先得，10 月 23 日 23:00 生效、10 月 26 日 09:00 到期，过期作废。社区截图显示礼包拆成 2 亿 GLM-5.3 + 3 亿 GLM-5.3-Flash，官方公告只写总额，没有逐项说明——这一点别当成「每款各送 5 亿」。二是降智事故的补偿：官方确认少数推理节点硬件异常、影响经过这些节点的会话，故障节点已全部下线；所有付费用户补 3 张重置卡（有效至 12 月 22 日），并预告「新模型发布后再补一次」——这句预告，被社区普遍读作 GLM-5.4/5.5 临近的信号。

三、MiniMax：428B 的开放权重，先看许可再看跑分

• 规格：约 428B 总参、每 token 激活约 23B（MoE），文本 / 图像 / 视频输入，上下文最高 100 万 token；官方跑分为 BankerToolBench 76.2、DeepSWE v1.1 73.7%、OSWorld 2.0 61.7、CyberGym 82.2，均为自测。
• 用量：官方称上线 72 小时内真实用户处理超过 100 万亿 token；相较 M3，线上推理速度提升近 3 倍、智能体任务综合成本降低 70%。
• 价格：每百万 token 输入 1 元、输出 4 元、缓存读取 0.1 元（海外价 0.15 / 0.60 / 0.015 美元）。
• 许可：权重按 MiniMax 社区许可发布——商用需向 MiniMax 报备，年营收超过 2000 万美元要取得书面许可。这一条比跑分更影响采购：私有化交付前先确认自己落在哪一档。
• 门槛：官方没有公布权重体积；428B 参数即便按 8 bit 存放也在 400 GB 量级（估算，非官方数字），属于机房级资产，不是「一张消费卡就能跑」的那一类。

四、NVIDIA：一头 120B 进服务器，一头 4GB 进设备

Nemotron 3.5 这一批有三个尺寸，正好把「服务器—工作站—设备」三档填满：

• Super VL（120B / 12B 激活）：文本、图像、文档、视频输入；混合 Mamba-Transformer 架构、C-RADIOv4 视觉编码器、多 token 预测（MTP）、NVFP4 量化。官方给出的部署目标很具体：1×GB10、B200、B300、RTX PRO 6000、H200、2×H100。厂商案例里，Scale AI 后训练版本做供应商信用处理，推理成本声称降 40 倍、延迟降 5 倍。
• Bolt 74B-A9B 24GB：从 Super VL 蒸馏而来，74B 总参 / 9B 激活，靠原生 2 bit 量化塞进 24 GB，与其它应用并行跑；支持 llama.cpp、Ollama、LM Studio、Unsloth、vLLM。NVIDIA 称它在 PinchBench 同级别开放模型里排第一、在 BrowseComp 的开放模型里排第二。
• Bolt E4B 4GB（10 月 23 日）：目标约 4 GB 显存，64k 上下文、35 种语言，主打语音助手、角色对话、车载与机器人界面；随包提供 DFlash 并行草稿器，官方称比原 MTP 草稿器吞吐最多高 21%。GGUF Q4_K_M 与 BF16 两个检查点都能下载。

有个细节值得单独说：Bolt E4B 是在 Gemma 4 E4B 上做后训练，不是从零训的底座。开放权重生态里这类「拿别人的基座 + 自己的后训练与配方」会越来越多，对采购方的含义是：同一个参数量下，「谁训的、谁的配方、许可证从哪来」三件事得分开问。

五、腾讯：小尺寸视觉模型，卖的是「看得准、也敢说没有」

WeVisOne-VL 走的是另一条路：不做通用对话，只做「看」。它基于 Qwen3-VL，把坐标与点编码成 <0>…<1000> 的结构化 token，每预测完一个框就吐出一个 <OBJ> token，其隐藏状态送进一个 960 万参数的像素解码器，直接产出实例掩码与全分辨率 alpha matte——中间不再调 SAM 之类的第二个模型。

• 开放程度：Apache-2.0，2B 与 4B 权重、论文、评测脚本一并放出，另有 Hugging Face 演示页。
• 官方自测（4B）：LVIS 检测 F1 55.3、Dense200 密集检测 71.3、RefCOCOg 指代检测 81.8、计数 PixMo-Count 89.6、OCR TotalText 52.0；抠图 P3M-500-NP 平均绝对误差 7.3（对比 SAM2-Matting 15.4）。
• 拒答率被当成一等指标：WeRef-Bench 拒答率 96.4、RefCOCOg 67.4。用白话讲就是——让它找「不存在的灭火器」，它更倾向于回答「没有」，而不是随手框个散热器交差。这类「自信地答错」正是视觉模型进生产最贵的故障。
• 边界：目前只做单轮图像任务，不支持视频，也不输出思维链；所有分数均为作者自测，尚无独立复现，4B 仓库实际参数量约 4.8B，按 F32 存放，下载体积比「4B」这个名字暗示的大。

六、一张表：五件事落到自家机房各要什么

发布方 / 模型	规模与规格（可核）	开放方式	对机房的现实门槛
智谱 GLM-5.4 / 5.5	1 万亿参数以上（官方口径） 预训练数据向数 T 级 攻坚方向：长程智能体、RSI	未发布 无权重、无定价、无时间表	只能做路线规划 写进选型清单就是拿传闻当交付
智谱 ZCode 1024 礼包	5 亿 token GLM-5.3 / GLM-5.3-Flash	20 万份，先到先得 23 日 23:00 → 26 日 09:00	云端试用券 与私有化部署无关
MiniMax M3.1 Flash	428B 总参 · 23B 激活 1M 上下文 · 文本/图/视频	权重（HF + 魔搭） 社区许可，商用需报备	权重 400 GB 量级（估算） 机房多卡，非单机
NVIDIA Nemotron 3.5Super VL 120B	120B · 12B 激活 文本/图像/文档/视频输入	开放权重 BF16 / NVFP4 另有 NIM 服务	1×GB10 至 2×H100 按卡型逐一对表
NVIDIA Nemotron 3.5Bolt 74B-A9B	74B · 9B 激活 原生 2 bit 量化	开放权重 llama.cpp / Ollama / vLLM	24 GB 单卡可跑 代价是 2 bit 的精度损失
NVIDIA Nemotron 3.5Bolt E4B 4GB	基于 Gemma 4 E4B 后训练 64k 上下文 · 35 语言	GGUF Q4_K_M + BF16 Ollama / LM Studio	≈ 4 GB 设备端对话与语音助手
腾讯 WeVisOne-VL 2B / 4B	2B / 4B + 9.6M 像素解码器 单图 ≤1,960 视觉 token	Apache-2.0 权重 + 论文 + 评测脚本	普通卡可跑 仅单轮图像，不支持视频

七行连起来看，本周的真实变化不在「谁又发了个大模型」，而在同一周里 4 GB、24 GB、机房级三档都补齐了：设备端能跑对话智能体，单张消费卡能跑 74B 的智能体模型，机房里能跑 120B 多模态与 428B 的 Flash。选型的动作因此变简单——先定卡，再定档，最后才比榜单。

数据来源：NVIDIA 官方博客与 Nemotron 研究页（Nemotron 3.5 Super VL / Bolt 74B-A9B / Bolt E4B 4GB，2026-10-14 至 10-23）、NVIDIA 开发者博客与 vLLM Day-0 支持说明（2026-10-15）、Tencent/WeVisOne-VL 代码库与 arXiv 2610.31329（2026-10-22）、MiniMax 官方开源页与 Hugging Face 模型卡（2026-10-23）、上海证券报《MiniMax 开源 M3.1 Flash 模型 上线三天处理超 100 万亿词元》、IT之家《MiniMax M3.1 Flash 开源模型权重，总参数 428B》（2026-10-23）、小众软件《智谱 ZCode 1024 程序员节免费送 5 亿 Tokens》（2026-10-23）、站长之家与 C114 关于唐杰披露 GLM-5.4/5.5 路线的报道（2026-10-08 至 10-24）。文中厂商跑分、成本与速度均为各自官方披露口径，非本机实测；GLM-5.4/5.5 与 428B 权重体积换算为方向性估算，官方未公布细节。本文仅转述公开报道，不评判任何企业与产品，不构成投资建议。

返回行业动态列表（共 127 条）→