美欧开源大模型加速追赶，中国厂商确立全球标杆地位

【科技纵览】西方开放模型阵营的竞速赛骤然提速。10月5日，被誉为“美版DeepSeek”的美国初创公司Reflection发布了其首款开放权重模型Beam；紧随其后，法国Mistral在次日推出了迄今规模最大的Mistral Large 4。这两家公司的对标对象高度重合，均指向GLM、Kimi、DeepSeek及Qwen等中国头部模型。Hugging Face数据显示，过去一年中国模型占据了平台约41%的下载量，月度与累计数据均超越美国。DeepSeek、阿里Qwen、月之暗面Kimi、智谱GLM、MiniMax及小米MiMo等轮番刷新能力上限，使中国开放模型成为全球开发者竞相追赶的目标。与此同时，开放模型已不再是极客的小众玩具。Vercel AI Gateway数据显示，今年8月开放权重模型处理了其平台56%的Token流量，而去年12月这一比例尚不足10%，全球开放模型竞赛已成必然趋势。

Reflection此次交出的答卷显示其仍有差距。该公司成立于2024年，由前Google DeepMind高管Misha Laskin和Ioannis Antonoglou创立，最初聚焦自主编程，后因DeepSeek V3的出现调整战略，旨在将开放模型前沿重新带回西方。Beam作为MoE模型，总参数量达5010亿，每Token激活230亿参数，针对编程、推理及Agent负载优化。该模型经23.8万亿Token预训练，并动用1.05万张Nvidia GB300进行为期4周的高算力强化学习，生成超1亿次rollout。目前Beam处于红队测试阶段，计划10月公开权重。尽管在部分高级推理任务中，Beam能以GLM-5.2四分之一至三分之一的算力实现相近表现，但在横向对比中仍显落后。例如在DeepSWE v1.1测试中，Beam得分44.4，虽持平GLM-5.2，却低于GLM-5.3（61.0）、Kimi K3（68.0）及DeepSeek V4.1 Flash（74.2）。在Terminal Bench v2.1上，Beam得分为80.1，亦不及GLM-5.3（88.2）、Kimi K3（88.3）和DeepSeek V4.1 Flash（90.6）。Humanity's Last Exam测试中，Beam得分36.2，同样低于GLM-5.3（42.3）和Kimi K3（46.9）。这表明Beam虽将美国开放模型拉回中国头部附近，但主要追平的是上一代GLM-5.2，与中国最新一代模型仍存在一代左右的差距。

Reflection并未回避这一现实，官方承认Kimi K3在绝对能力上领先，转而强调Beam的卖点在于“单位推理算力换取的智能”。CEO Misha Laskin将其定位为企业可长期运行的主力模型，而非单纯冲榜的最大模型。这与DeepSeek早期打动市场的逻辑相似，即价值不在于是否第一，而在于达到特定能力的成本效益。然而，Reflection并非低成本版DeepSeek，仅最后一轮强化学习就占用超万张GB300，且公司已融资数十亿美元并获得Nvidia大额投资，通过SpaceX、Nebius等锁定大量算力，堪称拥有美国资本加持的“重资产版DeepSeek”。Ioannis表示，未来几年目标是让开放与封闭前沿合一，2027年计划发布更大规模模型并扩大强化学习算力。Misha认为，强化学习已从特定领域技术变为推动通用模型进步的基础方法，当前模型要么已是某种形式的AGI，要么清晰处于通往AGI的路径上。接下来的核心在于如何将这种能力工程化、产品化，并通过多极化生态扩散。

相比之下，欧洲厂商Mistral面临的压力更为严峻。两三年前它曾是开放模型的代表，但随着中国模型的快速迭代，其在榜单上的存在感下降。今年9月，CEO Arthur Mensch面对排名跌出前20的质疑时回应称，新一代模型即将发布，且未来一年规划了两代产品，新融资将用于扩大训练算力，预计可调用的计算量提高约20倍。两周后，Mistral Large 4亮相。该模型激活参数520亿，总参数1.05万亿，搭载16亿参数视觉编码器，原生支持多模态及超160种语言，上下文窗口达100万Token。值得注意的是，它在欧洲数据中心使用约3800张Nvidia Grace Blackwell GPU从头训练而成，目前已开放API预览，完整权重将于10月底发布。在Coding Agent Index中，Large 4超过DeepSeek V4 Pro和Qwen 3.8 Max，但低于Kimi K3；在与Surge AI合作的盲测中，代码质量评分为3.74，低于Claude Opus 5（4.22），但高于Kimi K3（3.59）、GLM-5.3（3.60）和GLM-5.2（3.40）。

Mistral明显意在争夺企业Agent市场。在AutomationBench的657个跨应用业务工作流中，Mistral称Large 4超过Kimi K3、MiMo-V2.6-Pro和DeepSeek V4 Pro，但低于GLM-5.3。在科学代码、网络安全及部分金融法律任务上，Mistral宣称已达到开放模型头部水平。特别值得一提的是其网络安全能力，Mistral称Large 4进入Artificial Analysis Cyber Index全球前五，在“复现真实漏洞并修复”任务中达到82%的最高分，Cybench完成率为93%。Mistral强调，部分闭源模型因安全拒绝机制无法作答某些漏洞复现任务，而开放权重模型允许企业自定义安全策略并部署在私有环境。不过，这些数据多源自Mistral自身测试，且Large 4仍处于public preview阶段，真正权重尚未开放。

除模型能力外，Mistral和Reflection也在践行国内厂商初步验证的商业路线。Reflection的故事极具美式风格，旨在建立新的AI基础设施提供商，从基础模型向上承接推理、Agent及企业部署，向下深入算力管理与集群调度，甚至长期自建数据中心。Misha认为，模型、应用、云计算等各层终将商品化，唯有垂直整合整个技术栈的公司才能持续获利。他提出公式：收入潜力=智能密度×算力规模×企业信任。开放模型本身未必直接盈利，但能创造巨大推理需求，如同Kubernetes推动云市场一样，开放模型将推动企业购买算力及完整AI基础设施。因此，Reflection真正出售的是围绕Beam构建的智能基础设施能力，类比早期AWS或GCP的发展路径。

Mistral的商业模式则更偏向“欧洲版全栈AI”。Arthur主张，小而高效、可定制部署的开放模型比追求最大规模的通用模型更符合企业需求。Mistral同时建设模型、企业定制平台及欧洲算力基础设施，力求成为从训练到部署均在欧洲法律体系内完成的供应商。在他看来，欧洲企业不能将核心AI能力建立在别国厂商的服务意愿之上，必须控制从算力到部署的完整链条。

尽管身处不同地域，两家公司对开放模型的判断趋于一致：AI市场已从“提供最好用API”进入“谁拥有模型、谁控制基础设施”的阶段。Reflection解释称，AI市场正从“租赁智能”走向“拥有智能”。Misha将闭源API比作租房，早期模式简单高效，但随着AI进入企业核心业务，所有权市场自然出现。若企业希望真正拥有智能，就必须能在自有基础设施上部署模型，控制数据并进行定制，这要求模型足够开放。Ioannis从技术角度指出，开放与闭源模型最前沿的距离正在缩小，只要拥有足够人才和算力，开放模型完全有能力达到同等水平。过去企业不用开放模型主因是能力不足，如今一批中国模型已能替代闭源模型完成大量任务，商业迁移前提成立。

Mistral CEO Arthur的判断与此接近，他认为随着能力提升，大量企业无需再为闭源模型支付溢价，接触的大约99%企业场景可用开放模型完成。对于为何中国模型率先跑出来，两家公司看法一致：这是商业激励、产业环境和训练资源共同作用的结果。Misha指出，美国曾拥有最强开放模型如Llama 3，但当时市场以API为主，缺乏持续开放前沿能力的动力。中国情况不同，DeepSeek V3是重要转折点，此后中国出现了更集中的开放模型推进。这背后动力来自建设开放权重生态的产业和战略价值。实际上，这些中国实验室近期才开始真正产生收入，此前并未赚取太多利润。Arthur则从工程层面解释，中国头部实验室算力虽低于美国巨头，但高于Mistral，且尽可能利用互联网数据，迭代方式工业化，从而实现快速迭代。

关于开放模型的安全性，两家公司均未主张无条件开放。Reflection的核心论点是开放能增加系统安全性。Misha借用开源软件的“Linus定律”，认为只要有足够多眼睛检查，漏洞就会变得浅显。封闭实验室仅有数百名安全研究人员，难以覆盖复杂模型的所有长尾问题，而开放模型能让数十万研究者参与检查、攻击和修复，生态反而更安全。OpenAI内部评测中智能体越出测试环境进入Hugging Face系统一事被反复引用，说明单一安全哲学不可靠，封闭模型可能因安全护栏无法执行防御任务，而开放模型能提供另一套工具。Ioannis进一步提出“用AI防御AI”思路，认为模型和提供者越多，系统冗余越高，避免最强能力集中在一两家公司手中形成“单点故障”。但Reflection也承认开放并非无限制，Ioannis明确表示模型达到某种能力等级后需更谨慎部署，Misha也表示超过风险阈值后行业和政府应共同决定发布条件及访问控制。Arthur近期反驳了超级智能失控风险说法，倾向于加强Agent监控、安全工程和实际治理，这与Anthropic主张开放与闭源模型面对一致能力安全门槛的立场存在部分重合。