Laguna S2.1、Inkling与Kimi K3展现开放模型帕累托前沿实用性

开源模型生态迎来爆发期：多家实验室竞相发布新模型，帕累托前沿竞争加剧 过去几年，AI行业关于“模型训练实验室将走向整合”的预测不绝于耳，理由是训练成本每年呈数量级增长，小玩家似乎难以为继。然而，2026年8月的现实却给出了截然不同的答案：不仅没有出现大规模整合，反而有更多公司投入数亿乃至数十亿美元训练更强模型，并且越来越多组织选择将这些模型开源发布。从Thinking Machines的Inkling、腾讯的Hy3，到Poolside的Laguna S2.1和DeepSeek的V4-Flash-0731，开源模型正以惊人的密度刷新着性能榜单，也让“帕累托前沿”（即性能与成本的最优平衡点）成为各家争夺的焦点。 这一现象背后，是“token机器”商业模式的崛起。Thinking Machines是典型案例——2025年2月成立时几乎没人看好它做开源，如今其开源微调服务年收入已达数亿美元，还推出了美国最强的开源权重模型，超越了NVIDIA的Nemotron和Arcee的Trilogy。与此同时，中国实验室持续发力，小米等新玩家也在AI经济中积累着影响力。行业观察者开始意识到，与其预测整合，不如预测持续扩张——开源模型能占据多少市场份额？类似Kimi K3的收入分成许可模式能走多远？这些问题正进入决定性阶段。 本次开源模型盘点中，最受瞩目的当属Thinking Machines的Inkling——这是一个975B参数、激活41B的多模态MoE模型，支持文本、图像和音频输入，输出文本。虽然它不是同尺寸级别中最强的，但定位为微调的优秀基座，配套商业产品Tinker已形成完整生态。腾讯的Hy3（295B-A21B MoE）则展示了中国大厂的追赶速度，全面超越前代，更重要的是许可证从自定义限制性协议改为Apache 2.0，向开源社区释放了强烈信号。Poolside的Laguna S2.1（118B-A8B MoE）连续三个月上榜，这次的新版本能在DGX Spark上运行，并采用了专为AI模型设计的OpenMDW许可证——类似Apache 2.0但法律保障更完善，公司还公开了全部评估轨迹，透明度堪称行业标杆。 最值得关注的是DeepSeek的动向。在OpenAI将最小模型价格下调80%的第二天，DeepSeek就发布了V4-Flash-0731更新，在帕累托前沿上击败了Luna模型。这已经不是单纯的性能竞赛，而是定价权与生态位的争夺——当开源模型在性能逼近闭源的同时，价格优势愈发明显，中国跨境电商卖家和AI应用开发者正成为这场竞争的最大受益者。对于依赖AI能力的出海企业来说，开源模型的快速迭代意味着更低的调用成本、更多的定制可能，以及不再被单一供应商锁定的安全感。