小米大模型登顶开源榜，中国AI出海从“卷算力”转向“卷效率”

 

小米的大模型登顶了。但这次登顶的最关键信息，不是参数规模。

 

9 月 23 日消息：小米自研大模型登顶全球开源模型榜单，全部训练仅用六天、成本约 347 万美元。这个数字把训练成本这条隐线彻底拉到了聚光灯下——同级模型的训练开销通常以亿计，而小米把成本压到了百万级。

 

消息更重要的部分藏在工程细节里。报道提到，模型采用高效训练架构与数据配比优化，在多个评测维度进入全球第一梯队。高效架构、数据配比、训练开销，三件事一起优化。这件事，决定了它不是开源了事，而是带着工程方法论登顶的。

 

训练成本的故事越来越像当年深度学习效率竞赛

 

把这件事与 9 月 23 日的另一组消息放在一起读，逻辑更清晰：阿里云栖大会上，平头哥发布真武 V900 芯片，算力是上一代真武 M890 的 3 倍，搭载 216GB 显存、片间互联带宽 1200GB/s，可满足万亿级参数大模型的训练与推理需求，计划 2027 年一季度量产；同场披露的还有，Qwen4 模型正以全新架构训练，Qwen4.5 之后的版本参数规模将迈向 5 万亿至 10 万亿。

 

一头是头部芯片把算力上限抬高，另一头是开源模型用六天加 347 万美元做出顶级能力。两条线拧在一起，意味着整个大模型行业的成本结构正在被快速重写——能力天花板没有变，但达到天花板的成本曲线被压成了原来的一个零头。

 

端侧部署才是真正的出海场景

 

小米这步棋最值得出海团队注意的是它的落地节奏。报道提到，小米在手机、汽车、IoT 多端场景推进模型落地，训练效率优势正在转化为端侧部署的成本优势。

 

端侧部署的逻辑在出海场景里有特殊价值。第一是合规：欧盟 GDPR、美国各州隐私法、印尼数据本地化，端侧可以最小化数据出境风险；第二是成本：在弱网或高资费市场，端侧推理不需要持续联网，单次成本比云端 API 调用低一个数量级；第三是体验：响应延迟从 1 秒级别压到 100 毫秒级别，交互类应用的体验感会被彻底改写。

 

写在最后

 

过去两年，大模型出海听起来像一场算力竞赛。但真正能在海外落地的产品，没有一款是靠算力规模赢的——它们靠的是成本可控、部署灵活、合规友好、用户体验过关。训练成本下降是一个里程碑，但不是终局。下一轮竞争的胜负手，将落在谁能把便宜到不可思议的模型，做出贵到不可思议的用户体验上。（98出海综合报道）