Qwen、Hy4、GLM：国产开放模型正在争夺开发者默认选择

如果上一阶段的大模型竞争，是“谁更接近 GPT”，那么下一阶段的竞争可能会变成另一个问题：

谁会成为开发者和企业默认调用的模型？

Qwen3.8、腾讯 Hy4 preview 和 GLM-5.3 的出现，说明国产模型的竞争正在发生变化。

模型不再只是回答问题，而是开始进入代码仓库、办公流程、浏览器、企业系统和长期任务。

真正的战场，也从参数规模转向了：

Agent 能力、Coding 表现、部署成本和生态惯性。

一场模型战争，正在从“聊天”转向“干活”

很多人对大模型的印象，还停留在写文章、总结资料和回答问题。

但真正决定下一阶段 AI 市场格局的，很可能不是聊天能力，而是：

模型能不能自主完成一个复杂任务。

比如：

• 给它一个 GitHub 项目，让它找到 Bug、修改代码并运行测试；
• 给它几十万字的资料，让它检索、交叉验证并生成研究报告；
• 让它同时操作浏览器、终端、数据库和办公软件；
• 让它连续工作几十分钟，甚至几个小时。

这就是 Agent 能力。

Qwen3.8、Hy4 和 GLM-5.3 的最新升级，几乎都把重点放在了 Coding、工具调用、长上下文和复杂任务执行上。

这意味着国产模型的竞争已经进入了一个新阶段：

谁能让 AI 从“会回答”，变成“会执行”。

Qwen3.8：阿里想赢的，不只是一个模型

2026 年 8 月，Qwen 团队先后开放了 Qwen3.8-2.4T-A95B 和 Qwen3.8-27B。

其中，Qwen3.8-2.4T-A95B 采用稀疏 MoE 架构，总参数规模达到 2.4 万亿，每次推理激活约 950 亿参数；官方还公布了 262K 上下文能力，并支持进一步扩展。

Qwen 官方将 Qwen3.8 称为首次开放的 Qwen Max 级别模型。

但真正值得关注的，并不是 2.4 万亿这个数字。

而是 Qwen 正在搭建一套非常完整的模型生态。

从轻量级模型，到 27B，再到大规模 MoE 模型，Qwen 覆盖了从个人设备、工作站到企业服务器的不同使用场景。

开发者可以：

• 在个人电脑上运行小模型；
• 在工作站上部署 27B；
• 在企业服务器上运行大型 MoE；
• 通过 API 直接调用云端模型；
• 使用 Transformers、vLLM、SGLang、llama.cpp 等工具部署。

Qwen 官方仓库还列出了 Qwen Studio、Qoder、QwenWork、Qwen API 和 Qwen Code 等产品入口。Qwen3.8 官方 GitHub

所以，Qwen 的真正目标可能不是推出某一个“最强模型”，而是成为大量 AI 应用背后的通用底座。

Qwen3.8 的变化：开始认真解决长任务

Qwen3.8 官方重点强调了 Coding、专业工作、Research 和长程 Agent 能力。

例如，Qwen3.8-27B 官方公布了 Terminal Bench 2.1、SWE-bench Pro 和 CoWorkBench 等测试结果。

这些测试分别更接近终端操作、软件工程任务和长时间办公任务。

当然，模型跑分不能简单理解成绝对排名。

不同模型的测试环境可能不同，包括 Agent Harness、Prompt、工具配置、上下文长度、推理参数和硬件环境。

因此，这些数据更适合用来观察模型定位，而不是直接宣布谁“击败”了谁。

但趋势已经非常明显：

Qwen 不再满足于成为一个聊天模型，而是在向 Coding Agent 和 Cowork Agent 发展。

Hy4：腾讯开始把模型放进真实工作流

相比 Qwen，腾讯混元过去在开发者社区中的存在感并不算最强。

但 Hy4 preview 的发布，改变了这种印象。

腾讯官方公布的信息显示，Hy4 preview 采用 MoE 架构，总参数规模约 770B，激活参数约 49B，上下文长度超过 1M Token。腾讯 Hy4 官方发布

从规模上看，它小于 Qwen3.8-2.4T。

但腾讯选择了另一条路线：

不只追求模型规模，而是强调真实工作任务。

根据腾讯和 Hy4 项目公开资料，Hy4 的训练与后训练更加关注软件工程、游戏开发、金融分析、安全和科研等任务。Hy4 官方 GitHub

这让 Hy4 的定位比较清晰：

它不只是一个陪用户聊天的模型，而是希望进入企业和个人的工作流程。

腾讯的优势，可能是应用入口

理解 Hy4，不能只看参数量。

腾讯拥有比较完整的产品体系：CodeBuddy 面向编程场景，WorkBuddy 面向办公场景，ima 面向个人知识管理，元宝面向普通用户，腾讯云面向企业部署。

这并不意味着 Hy4 天然就能获得最好的训练数据，但它确实拥有更多把模型放进真实工作流的机会。

腾讯公布的一项内部盲测显示，163 名内部专家对 203 个工程任务进行了评价，Hy4 得分略高于 GLM-5.3。

这个结果属于腾讯内部评测，不能直接当成独立第三方排名。

但它说明了腾讯想强调的方向：

Hy4 的目标不是只在榜单上竞争，而是进入真实生产环境。

GLM-5.3：把 Coding 和后训练变成标签

如果说 Qwen 的关键词是生态，Hy4 的关键词是生产力，那么 GLM-5.3 最鲜明的标签就是：

Coding、Agent 和后训练。

智谱公开资料显示，GLM-5.3 主要通过后训练提升模型表现，而不是单纯依赖更大规模的预训练模型。GLM-5.3 官方模型卡

这背后反映出一个重要趋势：

模型能力的提升，不一定只能依赖堆参数。

强化学习、工具调用、执行反馈、Agent 训练和高质量后训练，同样可能显著提升模型完成复杂任务的能力。

GLM-5.3-Flash：模型效率也是竞争力

智谱同时推出的 GLM-5.3-Flash，也值得单独关注。

它的核心思路是：旗舰模型负责能力上限，Flash 模型负责降低推理成本，Coding 和 Agent 任务负责形成应用标签。GLM-5.3-Flash 官方模型卡

对于企业来说，模型是否聪明只是第一个问题。

更现实的问题是：一次调用需要多少钱？长上下文是否会明显增加成本？是否能够部署在现有基础设施上？延迟是否足够低？能不能稳定运行大规模任务？

所以，未来模型竞争很可能不是“最大模型赢”，而是能力、成本、速度和稳定性之间的综合平衡。

三个模型，三种不同的护城河

注：表中判断主要来自官方发布资料和公开模型卡，不同模型的评测环境可能不同，不代表严格排名。

把三者放在一起，可以看到三种不同的竞争路线。

Qwen 更像通用开发者底座；Hy4 正在尝试成为企业工作流模型；GLM 则希望在 Coding 和专业 Agent 中形成标签。

如果一定要问谁更有机会成为开发者默认选择，我会认为 Qwen 目前仍然具备更强的生态优势。

原因并不是每一项 Benchmark 都第一，而是它已经积累了较强的开发者惯性。

一旦开发者围绕一个模型建立了微调数据、部署脚本、应用模板、Agent 工作流、量化版本和社区教程，模型就不再只是一个权重文件，而会变成一个生态入口。

真正难以复制的，往往不是模型代码，而是生态。

Hy4，可能是最大的变量

腾讯过去并不是没有用户，而是开放模型生态影响力相对不足。

Hy4 的出现，正在尝试补上这个短板。

如果腾讯能够继续保持开放策略，并推出更小、更容易本地部署的版本，那么 Hy4 有机会通过 CodeBuddy、WorkBuddy、元宝、ima 和腾讯云等入口吸引更多开发者。

不过，Hy4 仍然是 preview 版本。它能否真正形成开发者生态，还要看许可证、部署门槛、第三方工具适配、社区维护和真实任务稳定性。

参数规模只是起点，生态建设才是长期竞争。

GLM 的机会，在专业 Agent

智谱不一定需要在所有开发者数量上击败 Qwen。

如果 GLM 能够持续在 Coding、安全、企业 Agent 等高价值场景中保持竞争力，它完全可以建立另一种护城河：

专业模型。

这类模型不一定覆盖所有用户，但可以在高价值工作流中获得更高的使用频率和商业价值。

下一场竞争，不只是“谁打败 GPT”

过去媒体经常用“国产模型击败 GPT”这样的标题，但这种比较正在变得越来越简单化。

真正决定模型能否成功的，可能是下面这些问题：

• 谁拥有更多开发者？
• 谁更容易部署？
• 谁的推理成本更低？
• 谁更容易微调？
• 谁的工具调用更稳定？
• 谁拥有完整的 Agent 工具链？
• 谁能在企业内部私有化运行？
• 谁能连续完成几个小时的复杂任务？

到了这个阶段，模型能力可能只是入场券。

生态、成本和真实工作流，才是长期竞争的核心。

最后的赢家，未必是最聪明的模型

Qwen3.8、Hy4 和 GLM-5.3 的出现说明，国产开放模型正在进入第二阶段。

第一阶段的问题是：

我能不能做出一个接近 GPT 的模型？

第二阶段的问题则变成：

谁能让最多的人基于我的模型创造产品？

Qwen 押注开发者生态。

腾讯押注真实生产力场景。

智谱押注 Coding、Agent 和模型效率。

三条路线正在正面碰撞。

现在判断谁最终胜出，还为时过早。

未来真正决定胜负的，可能不是某一次 Benchmark 排名，也不是谁的参数最多，而是某一天，一个创业者准备开发新的 AI 产品时，打开电脑后下意识输入的是：

Qwen。

Hy4。

还是：

GLM。

谁成为开发者的默认选择，谁才真正赢得了这场开放模型战争。

而现在来看——

战争才刚刚开始。