追大模型的朋友应该都感觉到了，这周的国产大模型圈，比过年还热闹。
一个匿名模型在 OpenRouter 上霸榜了一整周，最后被智谱"认领"；第二天腾讯就甩出 770B 的旗舰，还免费两周；阿里的 Qwen3.8 系列这个月更是炸弹不断。三天之内，三张"旗舰级白嫖卡"排着队拍在桌上。对普通用户来说，这是今年薅羊毛最舒服的一周。
先把这周发生了什么捋清楚，再说怎么薅、谁适合用谁。
一、霸榜一周的匿名模型，原来是智谱的"牛来"
先说最有梗的这段。
8月20日，一个名叫 OxAlpha 的模型悄悄上架 OpenRouter 和 OpenCode，没有厂商、没有参数、没有技术报告，只有一句"面向代码与智能体任务设计的推理模型"，免费用。结果一周之内，它直接冲上两个平台的用量榜首，把此前霸榜的 DeepSeek V4 Flash 挤了下去。按平台页面的数据，光 OpenRouter 上 ox-alpha 就跑掉约 23 万亿 token，OpenCode 上更是高达 45 万亿，DeepSeek 的卡片上直接被标了个 -78%。知乎
然后就是全网"猜爹"环节。有人押智谱，有人押小米，还有人往谷歌身上猜，Polymarket 上押智谱的概率一度冲到 90% 以上。硬核玩家用分词器指纹、脏 token 测试找证据，偷懒的直接构造错误请求，靠报错信息反推厂商。微博中文社区给它起了个接地气的名字：“牛来”——既是蹭当时正在上映的电影《牛来》的热度，也是接了之前 Pony Alpha（小马）的梗。小马加牛，"牛马"齐活。
8月26日，智谱通过彭博社正式认领：OxAlpha 就是 GLM 系列的新模型，当晚开放权重，话题直接冲上微博热搜前 20。微博智谱官方账号的置顶只写了一句话，信息量很大：此前匿名预览的 Ox Alpha，全部跑在国产 AI 芯片上。知乎
那这模型到底什么水平？几个硬信息：
320B 总参数，每次推理只激活 18B，1M 上下文，MIT 协议开源。知乎
是 GLM-5 系列第一个原生多模态模型，写代码时能自己看界面、看渲染结果，边写边改；
Artificial Analysis 指数 57 分，与 Claude Opus 4.8 持平，官方对比里 DeepSWE 拿到 63.4，超过 Opus 4.8 的 58.0。知乎
价格是真狠：输出价限时两周五折，1.4 元/百万 token，折扣结束回到 2.8 元，而 DeepSeek Flash 空闲时段都要 4.5 元。折算下来，成本大约只有 Opus 4.8 的四十分之一。
有团队拿真实项目做过横评：一个 Unity C# 项目，GLM-5.3-Flash 耗时 46 分钟、总花费 3.02 元，完成度排进第一梯队。知乎另外智谱团队自己也说了，Ox Alpha 只是 GLM-5.3-Flash 的早期版本，正式版还会更稳。知乎
二、第二天腾讯也掀桌了：Hy4，770B，免费两周
8月28日，腾讯混元发布并开源 Hy4 preview。知乎
770B 总参数，每次只激活 49B，MoE 架构；
上下文直接拉到 1M，一整个中型代码库或者几百页文档可以一次性塞进去；
权重开源，API 同步上线腾讯云 TokenHub 和 OpenRouter；
重点：WorkBuddy 和 CodeBuddy 从 8 月 28 日起限时免费两周（大概到 9 月中旬），元宝、ima 和腾讯 AI 开放平台也能直接体验。知乎
对了，多模态版 Hy4-V 其实 8 月 14 日就已经开源，图像、文本、音频、视频、3D 五模态都支持。
腾讯这次没放标准跑分，只给了一场盲测：163 名内部专家、203 个真实工程任务，Hy4 均分 2.99/4，GLM 5.3 是 2.92，Kimi K3 是 2.94——赢了，但三家基本同一梯队。知乎
冷水也得泼两句。第一，官方明说这是 preview 早期版本，预训练和后训练都还有提升空间；第二，社区灰测的用户已经明显感觉到慢，输出速度和首字延迟都偏高，思考久、轮次多，新模型不稳定是常态，重要产出务必自己复核。
还有个值得留意的细节：Hy4 首次参与了自己的研发流程优化，提方案、跑实验、按结果迭代，端到端吞吐比基线提升了 31.8%。AI 帮着优化 AI 自己，方向挺有意思，但普通人当个谈资就好。
三、Qwen3.8：闷声放了一整月的炸弹
阿里通义这个月是连环输出：
8月初，Qwen3.8 Max 正式版上线，有之前为 Claude 付费的开发者说，现在全线换成 3.8 Max，一个月账单连 200 美元都花不到。知乎
8月14日，开源 Qwen3.8-27B，一个稠密模型，Agent 执行力被社区评为"今年最令人意外的成果"。知乎
8月26日，开源 Qwen3.8-Flash-Next，官方定位是 Qwen4 架构的早期预览：125B 主干、每 token 只激活 6B，外加 51B 的 N-gram Embedding，千问平台上 Qwen3.8-Flash 可以直接免费用。
本地部署党这周最热闹。有人把约 94GB 的 Qwen3.8-Flash-Next 塞进 RTX 3090（24GB 显存）+ 128GB DDR5 内存，128K 上下文跑出 40.4 token/s。知乎有人在 M5 Max 的 Mac 上用 llama.cpp 跑 Qwen3.8-Flash，干到 50 token/s——llama.cpp 官方在 8 月 27 日刚把这个模型的支持合进主分支。还有人在双 V100S-32GB 的老服务器上，用 4 天时间、6 篇实战记录，把 27B 从"裸跑能开"一路推到全链路可用。知乎
这意味着：旗舰级模型不再是云端专属。消费级显卡 + 大内存，或者一台高配 Mac，数据不出内网也能用上。
四、为什么突然集体送？不是做慈善
一周三个旗舰白送，看着热闹，其实逻辑很清楚。
第一，市场空档是 DeepSeek 让出来的。7 月底 DeepSeek V4 Flash 涨价之后，"便宜又能打"的位置立刻空了出来，GLM-5.3-Flash 用"Opus 四十分之一价格"的姿态卡位，直接登顶用量榜。
第二，现在争的不是跑分，是真实使用量。行业统计里，中国日均 token 调用量已经突破 500 万亿。跑分可以刷，真实任务刷不了。免费期本质上是拿白嫖换真实反馈——上一代 Hy3 从 preview 到正式版，周调用量涨了 68 倍还多。知乎这个先例就摆在眼前。
所以心态可以放平：厂商拿免费换数据、换口碑，我们拿到的是实打实的窗口期。各取所需，不薅才是亏。
五、怎么选？直接给结论
写代码、跑 Agent 为主：优先 GLM-5.3-Flash。 编码多模态是它的杀手锏，能看图改前端，价格三家里最狠。免费渠道：chat.z.ai 网页、智谱清言 App、ZCode，Cline 里也能免费用，截止时间官方未说明。知乎OpenCode 的订阅计划里它限时给双倍额度。
重度办公、长文档处理：薅 Hy4 的两周窗口。 WorkBuddy 和 CodeBuddy 免费到 9 月中旬，1M 上下文特别适合"整堆资料丢进去出报告"的场景。错过了也别慌，Hy3 的免费期延长到了 9 月 30 日。知乎
日常问答、轻度使用：千问平台就够了。 免费、零门槛，Qwen3.8 系列的日常能力口碑很稳。
本地部署、硬件党：Qwen3.8-Flash-Next 是现在的当红炸子鸡。 94GB 的模型，24GB 显存 + 128GB 内存就能跑出可用速度；显卡不够的，27B 稠密版的实战教程也已经铺了一地。
还在给 Claude、ChatGPT 交订阅的： 不用急着退订，但可以把低风险任务先迁过来试，省下来的都是真金白银。
六、三个避坑提醒
preview 就是 preview。Hy4 官方自己都说是早期版本：速度慢、轮次多、输出翻车都正常。重要产出，代码跑一遍、数据抽查、文档通读，AI 是副驾，不是自动驾驶。
免费渠道有窗口期。写明两周的还好，没写截止时间的（比如 Cline 那个免费入口），随时可能收回，别囤教程，先用上再说。
跑分传闻别当真。Hy4 这次官方没放标准跑分，网传的都是猜测。知乎GLM 的 57 分也只是 Artificial Analysis 一家的体系，参考可以，别迷信。
七、接下来值得盯什么
Hy4 正式版：按 Hy3 的节奏，preview 到正式版大约两个月，值得等；
Qwen4 正式版：Flash-Next 只是架构预览，正主还没来；
GLM-5.3-Flash 的限时折扣会不会变成长期价；
DeepSeek 的反击——榜一被一个"无名氏"端了，不可能没动作。
这波免费档过去之后，价格战大概率还会换着花样继续。觉得这篇有用，先收藏，这种全员发福利的窗口期，一年遇不上几次。
