中美大模型调用量首次反超：90.2%开源占比背后的真实差距

核心洞察

这份报告最值得看的地方，是它没有把“国产模型追上来了”当成一句口号来喊。它给出了具体的数字和梯队划分，让你自己判断差距到底还剩多少。我比较在意的是那个“90.2% 新增开源模型来自中国厂商”的数据，这个比例背后其实藏着一个问题：开源数量多，不等于生态话语权大，后面几节应该会展开聊。

---

核心结论

1. 2026年2月，中国大模型总调用量首次超过美国；全球新增开源大模型中，中国厂商占比达90.2%；全球实力榜前十中美各占五席，形成双极格局。

2. 国产头部模型已稳定进入第一梯队（综合得分90+），与海外旗舰的差距缩至历史最低，代表模型包括GLM-5.1（综合90.5）、Qwen3-Max（综合89.7）等。

3. 在Agent桌面操作基准OSWorld操作系统交互基准测试，评估模型在图形用户界面环境中的任务完成能力。上，GPT-5.4/Operator自报75.0%、Claude Opus 4.6独立验证72.7%、Claude Sonnet 4.6独立验证72.5%、Qwen3 VL 235B独立验证66.7%，四款前沿系统差距收窄至3个百分点以内，竞争焦点转向失败恢复、权限治理、数据驻留等工程维度。

4. 编程能力方面，Claude Fable 5在SWE-bench软件工程基准测试，用于评估模型在真实软件工程任务中的性能，Claude Opus 4和Sonnet 4在该测试中分别达到72.5%和72.7%的通过率。 Verified达95.0%，GPT-5.2约80.0%，国产开源模型Qwen3.5（397B）为76.4%、Kimi K2.5为76.8%、GLM-5为77.8%。

5. 国内外形成结构性差异：国际阵营以闭源旗舰主导、云平台生态壁垒高、旗舰API价格高（高端

这份报告最值得看的地方，是它没有把“国产模型追上来了”当成一句口号来喊。它给出了具体的数字和梯队划分，让你自己判断差距到底还剩多少。我比较在意的是那个“90.2% 新增开源模型来自中国厂商”的数据，这个比例背后其实藏着一个问题：开源数量多，不等于生态话语权大，后面几节应该会展开聊。

---

0–50/M token）；国内阵营开源比例高、中文适配与政务金融私有化部署领先、中文场景性价比突出。

概述：研究背景、概念界定与方法论

2026 年的大模型行业已经过了拼参数的那个阶段。现在大家关心的是能力分层、场景细分、成本能不能控住。这份报告梳理主流产品的同时，重点回答一个问题：几十个模型和 Agent 摆在面前，怎么给具体场景找到最对的那个。

研究背景与目的

2026 年 2 月，中国大模型总调用量第一次超过美国。全球新增开源大模型里，中国厂商占了 90.2%。全球实力榜前十，中美各占五家。另一边，Agent 从演示视频走进了日常工作，OpenAI Operator、Claude Cowork、Manus 这些产品让 AI 从“回答问题”变成“自己把多步任务干完”。这份报告想用结构化的方式把这个格局摆出来，给技术选型和学习路径做个参考。

核心概念界定：LLM 与 Agent

大语言模型（LLM）大型语言模型是驱动ChatGPT等AI系统的机器学习工具，能够理解和生成人类语言，但在不同问题表述下可能产生不一致答案。：基于海量文本训练、以“下一个词预测”为核心机制的基座模型，比如 GPT、Claude、通义千问。擅长语言理解、生成、推理，是单轮或多轮对话的智能内核。

智能体（Agent）基于AI的自动化程序，能够执行特定任务并与环境交互。：把 LLM 当大脑，加上规划、记忆、工具调用、自主执行这几层能力，能在最少人工干预下完成“给目标、出成果”的长链路任务。自动写代码、填表、做调研都算。

关系：LLM 是 Agent 的能力底座，Agent 是 LLM 的行动化形态。2026 年生成式 AI 的两条主轴，就是这两样东西。

方法论与数据来源

报告综合了公开权威基准和厂商披露，主要来源如下：

数据口径声明：2026 年模型版本号和分数在不同来源之间有出入，比如 GPT-5.4、5.5、5.6 并存，Claude Fable 5、Opus 4.7、4.8 的命名也混着用。报告一律标注“截至 2026-09 公开基准或厂商自报，仅供参考”，并且区分独立验证和厂商自报两类分数，尤其是 Agent 的 OSWorld 分数。没有核实过的数据不写。

阅读导航

1. 全球大模型发展格局（2026 态势）
2. 国际主流大语言模型（分类介绍）
3. 国内主流大语言模型（分类介绍）
4. 智能体（Agent）产品与平台
5. 国内外对比分析（核心章节）
6. 发展现状与未来趋势（核心章节）
7. 结论与建议
8. 附录：术语表与数据来源

---

全球大模型发展格局（2026 态势）

全球大模型由中美厂商主导，是个双极格局。中国力量在调用量、开源占比、头部席位三个维度同时往上走，但和美国旗舰比，前沿研发和生态壁垒上还有结构性差异。

几个关键数字先摆出来：2026 年 2 月中国大模型总调用量首次超过美国；全球新增开源大模型里中国厂商占 90.2%；全球实力 TOP10 中美各占五席；头部模型上下文窗口已经到了百万 token 量级。

中美双极格局

Arena 全球大模型实力排行按 Agent 自主执行能力计分，TOP10 依次是：Claude Fable 5（Anthropic）、GPT-5.6 Sol（OpenAI）、Kimi K3（月之暗面）、GLM-5.2（智谱）、Grok 4.5（xAI）、Muse Spark 1.1（Meta）、Qwen3.7 Max（阿里）、Gemini 3.1 Pro Preview（Google）、DeepSeek V4 Pro（深度求索）、Hy3（腾讯）。美国厂商多数走纯闭源或混合路线，中国头部厂商普遍保留部分开源模型。

能力梯队划分

结合基准得分、功能覆盖、商业化成熟度和落地适配性，当前主流模型可以分成三个梯队：

国产头部模型已经稳定进入第一梯队，和海外旗舰的差距缩到了历史最低。现在的选择困难不再是“有没有”，而是“几十个里选哪个最合适”。

---

国际主流大语言模型（分类介绍）

国际阵营以美国厂商为核心，闭源主导、前沿研发、生态壁垒是三个明显特征。下面按代表性机构逐一梳理。

OpenAI · GPT-5.x 系列

混合路线，旗舰闭源。

核心能力：通用推理均衡，多模态和任务闭环出色。GPT-5.2 在 SWE-bench 达 80.0%，AIME 2025 满分。

技术特点：统一多模态架构，强化了函数调用和 Agent 编排。衍生出 Operator，一个 CUA 计算机操作模型。

典型场景：通用助手、企业自动化、ChatGPT Agent 的长链路任务。

发展现状：迭代很快，5.2、5.4、5.5 Sol 并存。API 定价分层，Plus 和 Pro 订阅捆绑了 Agent 能力。

基准：SWE-bench 约 80%，AIME 2025 100%，OSWorld 自报 75.0%。

Anthropic · Claude 系列

闭源，编程和 Agent 的标杆。

核心能力：Agent 执行、编程、超长文本解析都是业界标杆。Fable 5 在 SWE-bench Verified 达 95.0%。

技术特点：强对齐和可解释性，走 Constitutional AI 路线。Computer Use 原生桌面操作，百万 token 上下文。

典型场景：代码工程、知识工作、合规敏感型自动化。Cowork 加 Docker 微 VM 的组合。

发展现状：Opus 4.6 在 OSWorld 独立验证 72.7%。2026 年 4 月 Cowork 正式 GA，企业治理能力很强。

基准：SWE-bench 95.0%（Fable 5），GPQA 93.6%（Opus 4.8），OSWorld 72.7%（独立验证）。

Gemini 系列
Google DeepMind · 美国

原生多模态 · 长上下文

核心能力：科学推理与音视频多模态突出；Gemini 3.1 Pro 在 GPQA 达 94.3%、ARC-AGI-2 77.1%。
技术特点：原生多模态（文本/图像/音频/视频）；超长上下文；深度绑定 Google 生态。
典型场景：科研分析、多模态创作、Project Mariner 浏览器 Agent、Deep Research。
发展现状：3.1 Pro 与 3 Flash 并行，性价比梯度清晰；通过 Vertex AI / Gemini API 分发。

基准：GPQA 94.3% · AIME 2025 100% · SWE-bench 80.6%

Llama / Muse Spark
Meta · 美国

开源权重 · 生态丰富

核心能力：Llama 系列全开源，生态最丰富；Muse Spark 1.1 进入全球 TOP10。
技术特点：开放权重便于私有化与二次训练；社区工具链完备（vLLM、Ollama 等）。
典型场景：私有化部署、端侧/边缘推理、研究与原型。
发展现状：开源阵营核心锚点，被大量企业用作自托管底座。

基准：Llama 3.1 居第三梯队 · Muse Spark 1.1 入 TOP10

Grok 系列
xAI · 美国

实时数据 · 推理强

核心能力：数学与推理顶尖，Grok 4 在 AIME 2025 满分；深度整合 X 平台实时数据。
技术特点：强调实时性与长思维链；与社交数据闭环结合。
典型场景：实时问答、社媒分析、硬推理任务。
发展现状：Grok 4 / 4.5 持续迭代，稳居第一梯队边缘。

基准：AIME 2025 100% · 综合得分 80–90 区间

Mistral Large
Mistral AI · 法国

欧洲代表 · 开源+商用

核心能力：欧洲合规语境下的高性能代表；兼顾开源（Mistral 系列）与商用 Large 版。
技术特点：强多语言与欧系合规；模型尺寸与成本可控。
典型场景：欧盟企业本地化部署、多语言业务。
发展现状：第二梯队主力，欧洲市场首选。

基准：第二梯队（80–90）· 多语言优势

Command R+
Cohere · 加拿大

企业 RAG 专精

核心能力：面向企业检索增强生成（RAG）与工具调用优化。
技术特点：强 citation（引用溯源）与私有数据接入；企业级安全。
典型场景：企业知识库问答、合规文档处理。
发展现状：企业市场差异化定位，常作为 RAG 后端。

定位：企业 RAG / 引用溯源专精

区域/开源其他代表
Databricks / AI21 等

行业/区域特色

核心能力：Databricks DBRX（开源企业级）、AI21（企业语言）、Snowflake 等垂类。
技术特点：与数据仓库/企业 IT 栈深度耦合。
典型场景：企业数据闭环、行业专用模型。
发展现状：与云/数据厂商绑定，构成国际阵营长尾。

定位：企业数据栈耦合型模型

3.1 国际阵营小结

闭源主导：OpenAI、Anthropic 旗舰闭源，Meta 等保留开源权重；前沿研发：在推理模型、Agent 自主执行、原生多模态上持续领先；生态壁垒：绑定云平台（Azure / Vertex / AWS）、开发者工具与订阅体系，形成高转换成本。

04 — CHINA LLMs

国内主流大语言模型（分类介绍）

国内阵营呈现「开源比例高、中文适配强、合规私有化部署成熟」三大特征，头部模型已跻身全球第一梯队。

智谱 GLM
智谱 AI · 清华系

国产天花板 · 开源权重

核心能力：中文精准度与私有化部署领先；GLM-5 综合 77.8% SWE-bench、92.7% AIME、86.0% GPQA。
技术特点：开源权重（GLM-5 开放）；AutoGLM 智能体能力；长链路推理。
典型场景：企业私有化、政务/金融合规、智能体编排。
发展现状：GLM-5.1 综合得分 90.5，被列为国产天花板；SuperCLUE GLM-5 64.3。

基准：SWE-bench 77.8% · AIME 92.7% · GPQA 86.0%（开源）

通义千问 Qwen
阿里云 · 中国

开源生态 · 中文性价比

核心能力：开源生态最完善，中文性价比远超海外同级；Qwen3-Max 综合 89.7。
技术特点：全尺寸矩阵（0.5B–397B）；Qwen3-VL 多模态；开放权重。
典型场景：中小企商用、二次微调、端侧部署、百炼平台智能体。
发展现状：Qwen3.5（397B）SWE-bench 76.4%、AIME 91.3%；Qwen3 VL 235B OSWorld 66.7%。

基准：SWE-bench 76.4% · AIME 91.3% · GPQA 88.4%（开源）

DeepSeek
深度求索 · 中国

极致性价比 · 国产算力

核心能力：推理型代表，训练/推理成本极低；V4 完成大模型与国产算力全栈适配。
技术特点：MoE 架构 + 强化学习推理；开放权重；V4 Pro 综合 71.0（SuperCLUE）。
典型场景：低成本高推理、私有化、国产算力部署。
发展现状：2026-04 发布 V4，全栈国产适配；V4 Flash 68.8、V3.2-Thinking 61.9。

基准：SuperCLUE V4 Pro 71.0 · V4 Flash 68.8

豆包 Doubao
字节跳动 · 中国

调用量大 · 多模态

核心能力：语音识别与实时交互领先；豆包系调用量居国内前列。
技术特点：Doubao-Seed-2.0-pro 综合 71.5（SuperCLUE）；端到端语音/视觉。
典型场景：C 端助手、内容创作、实时语音应用、Coze 平台底座。
发展现状：背靠字节流量与内容生态，调用规模快速扩张。

基准：SuperCLUE Doubao-Seed-2.0-pro 71.5

Kimi
月之暗面 · 中国

超长上下文 · 原生多模态

核心能力：K3（2026-07）参数约 2.8 万亿，支持 100 万 token 上下文，原生多模态，综合能力全球前三。
技术特点：超长上下文与长文档处理；K2.5 开放权重（SWE-bench 76.8%）。
典型场景：长文分析、科研、法律/金融文档、多模态理解。
发展现状：K3 跻身 Arena TOP3；K2.5-Thinking 64.6（SuperCLUE）。

基准：SWE-bench 76.8%（K2.5）· Arena TOP3（K3）

文心一言

百度 · 中国

中文评测 · 产业落地

核心能力：中文 MMLU 评测领先，情感识别强；文心 4.0/5.0 综合 67–80。
技术特点：ERNIE 知识增强架构；深度绑定搜索与产业应用。
典型场景：搜索增强、政企应用、文心智能体平台。
发展现状：文心 5.0 入第二梯队；中文评测长期第一梯队。

基准：SuperCLUE 文心 4.0 67.2 · 5.0 第二梯队

混元 Hy3

腾讯 · 中国

社交/游戏 · 调用榜首

核心能力：背靠微信/游戏生态；Hy3 preview 曾在 OpenRouter 调用量榜首。
技术特点：多模态与推理并重；Tencent HY 2.0 Think 综合 59.2（SuperCLUE）。
典型场景：社交/内容、游戏 NPC、元器智能体平台。
发展现状：加速迭代，调用量增长显著。

基准：SuperCLUE Tencent HY 2.0 Think 59.2 · Hy3 入 TOP10

讯飞星火

科大讯飞 · 中国

语音核心 · 教育场景

核心能力：语音识别/合成标杆，教育场景深厚；星火 4.0 Ultra 综合 65.8。
技术特点：讯飞语音技术栈 + 大模型；软硬一体（学习机/办公）。
典型场景：教育、办公转录、语音交互硬件。
发展现状：斯坦福 HAI 报告中国产前十常客；MiniMax（56.0）、阶跃 Step（3.5）等同梯队。

基准：SuperCLUE 星火 4.0 Ultra 65.8 · MiniMax 56.0

4.1 国内阵营小结

开源比例高：智谱、阿里、DeepSeek、Kimi 等均开放权重，形成全球开源主力；中文适配强：中文评测与本地化体验对标甚至超越海外同级；合规私有化成熟：政务、金融、央国企场景的本地部署与信创适配走在前列。

05 — AGENTS

智能体（Agent）产品与平台

Agent 是以 LLM 为大脑、具备自主执行能力的系统。其成熟度取决于「规划—记忆—工具—推理—执行」五环节的闭环质量。本节先给出能力框架，再分国际与国内梳理代表产品。

5.1 Agent 核心能力框架

5.2 国际代表 Agent 产品

OpenAI Operator / ChatGPT Agent

OpenAI · 美国

云端浏览器 Agent

能力：在 OpenAI 云浏览器中自动导航、填表、比价、下单（到结账前待确认）。
技术特点：CUA 计算机操作模型；不与本机交互，安全模型保守；Pro 全量、Plus 限次。
现状：GPT-5.4 在 OSWorld-Verified 自报 75.0%；WebVoyager 约 87%。

定价：Plus $20/mo 限次 · Pro $200/mo · OSWorld 75.0%（自报）

Claude Computer Use / Cowork

Anthropic · 美国

跨应用桌面 · 治理强

能力：截图+点击+键入+运行 shell，跨 App 工作流；Cowork 配对知识工作。
技术特点：Docker 微 VM、默认只读、显式授权；百万 token 上下文；企业 RBAC/审计。
现状：2026-04 GA；Opus 4.6 OSWorld 独立验证 72.7%（业界最可信）。

定价：API 按量（Sonnet 4.6 ~$3/$15 每 M token）· OSWorld 72.7%（独立验证）

Project Mariner / Gemini Agent

Google · 美国

浏览器限定 · 生态内

能力：仅在浏览器标签内操作；Gemini Agent 配 Deep Research Max 做深度研究。
技术特点：攻击面最小；集成 Google AI Ultra / Vertex；Mariner Studio 可视化编排。
现状：面向 Google/Workspace 生态；不参加 OSWorld（超出浏览器范围）。

定价：Google AI Ultra 订阅 · 浏览器基准前沿级

Devin

Cognition · 美国

自主编程 Agent

能力：读代码库→规划→写码→跑测试→开 PR→回应评审，端到端自主。
技术特点：云端 VS Code 会话；适合明确 AC 的后端票/依赖升级/重构。
现状：2026 年唯一「无星号」全自主编程 Agent；设计型前端与模糊票仍吃力。

定价：$500/mo 起 · 适合范围明确工程票

5.2 国际通用 Agent 代表

Manus 是 Monica 团队做的，2026 年被 Meta 收购。给个目标就异步产出成果，云端有 root 权限的 VM，还能桥接你本机桌面。多 Agent 编排是它的看家本领，Planner 负责拆解任务，执行 Agent 并发干活。GAIA Level 1 跑到约 86.5%。可自托管，2026 年 3 月推了桌面版。开源版免费，云版 $20/mo 信用制。

Genspark Super Agent 走的是另一条路。建站、做 PPT、剪视频、深度研究、打电话，80 多个工具加云端计算机，什么都能干一点。异步自校验，面向独立开发者和营销人。和 Perplexity 这些一起构成国际通用 Agent 的长尾。信用分层定价。

5.3 国内代表 Agent 与平台

Coze 扣子是字节跳动的低代码智能体平台。可视化搭建，插件、工作流、知识库都有，一键发布到多平台。背靠豆包，C 端流量和内容生态联动。国内最活跃的低代码 Agent 平台之一，定位就是大众化智能体搭建与分发。

文心智能体是百度那条线，AgentBuilder 低代码加搜索流量分发。知识增强、中文场景深，绑着百度搜索和产业客户。政务和行业智能体落地很广。搜索流量型智能体生态，这个定位很清晰。

百炼和通义智能体走云原生路线。阿里云百炼平台做模型托管、智能体编排、工具集成，和通义、Qwen 以及阿里云栈深度集成。企业 Agent 部署的主流选择，云原生企业 Agent 中台。

元器是腾讯的，智能体创建加多渠道分发，微信、QQ 都能铺。借力腾讯社交和混元底座。社交场景智能体普及得很快，定位社交生态智能体平台。

AutoGLM 来自智谱 AI，面向手机和桌面的 GUI 自主操作 Agent。和 GLM 推理能力协同，也在探索具身和端侧操作。国产「计算机使用」方向的代表。

开发框架这块，Dify 做可视化，LangChain、AutoGen 做编排，MetaGPT 做多角色，n8n 做工作流。厂商中立、可私有化，满足合规和数据驻留的硬需求。国内政企自建 Agent 首选基座，DIY Agent 框架与编排。

5.4 Agent 评测基准与分数

计算机和通用操作类 Agent 的基准对照，2026 年的数据：

四款前沿系统在 OSWorld 上差距收窄到 3 个百分点以内，排行榜已经不太能主导采购决策了。分化转移到失败恢复、权限治理、数据驻留这些工程维度。自报分数和独立验证分数不能直接画等号。

06 国内外对比分析

这一节从技术路线、中文能力、合规私有化、生态、成本、Agent 自主性六个维度做结构化对照，给出优劣判断和选型建议。

6.1 多维度对比大表

6.2 优势与短板对照

国内阵营

优势这块，性价比高是最直观的，中文适配也做得扎实，开源开放程度高，合规私有化方案成熟，调用规模这两年涨得很猛。国产算力全栈适配也在推进，DeepSeek V4 就是个标志，外部依赖在降低。

短板同样明显。前沿架构和原生多模态比美国旗舰慢半拍，全球开发者生态和跨境合规体系还在搭建中，自主 Agent 的产品化和可靠性也处于追赶阶段。

国际阵营

优势集中在前沿研发，推理模型、Agent 自主执行、原生多模态都领先。生态壁垒高，云平台和订阅体系完善，自主 Agent 产品最成熟，OSWorld 独立验证里领先。

短板在于中文本地化不如顶级国产模型，成本偏高。跨境数据合规和地缘政治因素也限制了它在中国市场的落地。

6.3 差距与趋同

国产头部模型和海外旗舰的综合差距已经缩到历史最低。GLM-5.1、Qwen3-Max 进了第一梯队，Kimi K3 跻身 Arena 全球前三，DeepSeek 用极致性价比重塑了成本曲线。但自主 Agent 的产品化成熟度和全球开发者生态这两项，国际阵营仍然领先。

6.4 典型场景选型建议

07 — 趋势

发展现状与未来趋势（核心章节）

现状可以概括成一句话：能力分层、场景细分、成本可控。下面七条趋势会定义 2026 年之后的竞争主轴。

7.1 现状总结

行业已经从参数军备竞赛转向务实落地。模型能力不再是唯一标尺，场景适配、成本控制、私有化和 Agent 化才是采购决策的真正分水岭。中美双极格局固化，差距继续收敛。

7.2 七大未来趋势

TREND 01 多模态原生融合

文本、图像、音频、视频统一建模，从外接多模态走向原生多模态，实时音视频交互和跨模态创作会被解锁。

TREND 02 推理模型与 Test-time Compute

o1 式长思维链成为标配，推理时多投算力换更高准确率，数学、科学、代码这些硬推理的上限持续抬升。

TREND 03 Agent 化（对话→自主执行）

AI 从回答问题进化为交付成果。规划、记忆、工具、执行的闭环成熟了，企业工作流会被重构。

TREND 04 开源与国产算力全栈

DeepSeek V4 的国产算力适配是个标志。算法创新加算力自主加成本可控，这条线构成中国 AI 全链路崛起的主线。

TREND 05 长上下文与端侧/边缘部署

百万 token 上下文普及，模型往手机、PC、IoT 端侧下沉，隐私和低延迟场景会爆发。

TREND 06 安全对齐与合规治理

权限治理、审计、数据驻留成了 Agent 落地的硬门槛。对齐和可控性是企业采购的核心指标。

TREND 07 中美技术脱钩与自主生态

算力、模型、生态双轨并行，各自形成自主技术栈和标准体系，国产替代和出海同时推进。

08 — 结论

结论与建议

8.1 给开发者 / 企业的选型建议

8.2 给学习者 / 培训的路径（呼应星火之光 AI 课程矩阵）

理解 LLM 和 Agent 是 2026 年 AI 应用的底层素养。可以沿星火之光 AI 四层进阶体系系统学：

8.3 研究局限与数据说明

本报告数据截至 2026-09，综合 SuperCLUE、LMArena、SWE-bench、OSWorld、GAIA 等公开基准与厂商披露。2026 年模型版本和分数跨源存在出入，相关数字都标注了「公开基准/厂商自报，仅供参考」，并区分独立验证与自报。行业迭代极快，落地前请以厂商最新官方数据为准。

09 — 附录

附录：术语表与数据来源

9.1 术语表

9.2 数据来源与基准

SuperCLUE（中文综合）、LMArena / Chatbot Arena（人类偏好）、SWE-bench Verified（代码）、OSWorld（桌面操作）、GAIA（通用 Agent）、GPQA / AIME（推理与数学）。行业态势数据参考公开研究报告与厂商披露（截至 2026-09）。

9.3 参考链接（方向性）

各模型与 Agent 的官方文档、SuperCLUE 排行榜、LMArena 排行榜、SWE-bench / OSWorld / GAIA 基准主页，以及星火之光 AI 官网（sparklight-ai.com）相关课程与 GEO 说明文档。具体网址以各机构最新发布为准。

常见问题（FAQ）

2026年中国大模型调用量真的超过美国了吗？

是的。报告指出2026年2月中国大模型总调用量首次超过美国，全球新增开源大模型中国厂商占90.2%，实力榜前十中美各占五席，但美国旗舰在前沿研发和生态壁垒上仍有优势。

LLM和Agent到底有什么区别？

LLM是基于海量文本训练、以预测下一个词为核心的基座模型，如GPT、Claude、通义千问；Agent把LLM当大脑，加上规划、记忆、工具调用和自主执行，能完成多步长链路任务。

几十个模型怎么选？能力梯队是怎么划分的？

报告按基准得分、功能覆盖、商业化成熟度和落地适配性分三档：第一梯队90分以上为顶级旗舰，第二梯队80到90分为商用主力，第三梯队70到80分为垂直、入门或开源轻量模型。