本文内容
2026 开放权重 LLM:DeepSeek、Qwen、Kimi、GLM、Llama 与 Muse
工作站评估可从 Qwen3.8-27B 和 Muse Glimmer-30B 开始。集群部署可比较 DeepSeek V4.1 Flash-1017、Kimi K3.1 Pro 等大型检查点,并逐一核对许可证。
本选型清单于 2026 年 11 月 11 日复核。请按实际使用的上下文长度和并发量测试。厂商的基准分数取决于各次评估采用的工具与设置。
需要符合任务、欧盟边界和 GPU 预算的模型候选清单?
为我的负载筛选模型当前各模型家族有何区别?
- DeepSeek。V4.1 Flash-1017 接收文本和图像并输出文本。V4 Pro-0813 是纯文本选项。两者均采用 MIT 许可证,文档均标明 100 万 token 上下文。DeepSeek 的托管 API 通过 deepseek-flash 提供 10 月发布的 Flash 检查点。
- Qwen3.8。阿里巴巴的官方 Qwen3.8 集合包括 27B 多模态模型,以及总参数 2.4T、激活参数 95B 的稀疏模型。27B 模型卡标明原生 262,144 token,可通过 YaRN 扩展到 100 万,并采用 Apache 2.0。2.4T 检查点采用 Qwen3.8-Max 许可证,对超大型产品以及大型 MaaS 或 AI 工作助手企业设置条件。扩展只是一种服务配置,不证明所有任务在 100 万长度上仍可靠。
- Kimi K3.1 Pro。Moonshot 的 Kimi K3.1 Pro 模型卡标明总参数 2.8T、激活参数 104B,支持文本和图像输入,上下文为 100 万 token。Kimi K3.1 Pro License 对大型模型即服务提供商和超大型商业产品设有附加条款,并豁免符合定义的内部使用以及通过 Moonshot 官方产品或认证推理合作伙伴的访问。
- GLM-5.3。Z.ai 在 GLM-5.2 之后发布了 GLM-5.3。它使用同一个 753B 基础模型,以最高 100 万 token 进行评测,并针对编程与长流程任务调整后训练。其 GLM-5.3 许可证较宽松,但没有标为 MIT,因此此前的 MIT 说法不再适用于当前检查点。
- Llama 4。Meta 的模型卡列出 Scout 总参数 109B、激活 17B、上下文 1000 万;Maverick 总参数 400B、激活 17B、上下文 100 万。其使用政策不向居住在欧盟的个人或主要营业地在欧盟的公司授予多模态权利,但明确排除了集成这些模型之产品的最终用户。
- Muse Glimmer-30B。Meta 的官方模型卡注明该模型于 2026 年 8 月发布,采用 Apache 2.0,含视觉感知编码器共约 296 亿参数,支持文本与图像输入、文本输出,公布上下文为 131,072+。它面向本地 Agent 工作流。其模型与许可独立于 Llama 4,并非取消了 Llama 自身的限制。
其他集群选项包括 GLM-5.3-Flash(原生多模态,总参数 320B、激活参数 18B,采用 MIT 许可)以及采用 Qwen Community License 1.0 的多模态模型 Qwen3.8-Flash-Next。Meta 于 10 月发布的 Muse Spark Open 总参数为 816B、激活参数为 42B,上下文为 100 万 token。下载须接受 Muse Model License,其中包含署名、使用政策和模型即服务条款。
腾讯的 Hy4 preview 提供采用 Apache 2.0 许可的可下载权重。11 月 4 日上线的托管版 Hy4 新增视觉理解,腾讯宣布随后发布其权重。腾讯云建议在北京时间 2026 年 12 月 7 日之前从 hy4-preview 迁移至 hy4。自托管测试可使用已公开的预览版检查点,正式版的权重及条款需单独核对。
Soofi S 属于不同类别。我们的 Soofi S 采购评测区分公开证据和发布计划。我们的 Kimi K3 API 欧盟评测将 Moonshot 托管服务视为与运行可下载权重不同的采购决策。
规模、上下文、许可证与部署
| 家族 | 当前代表检查点 | 公布规模 | 公布上下文 | 权重许可证 | 部署含义 |
|---|---|---|---|---|---|
| DeepSeek | V4.1 Flash-1017 / V4 Pro-0813 | 763B / 1.7T(Safetensors 统计) | 100 万 | MIT | 大型多 GPU 部署;按具体权重格式计算 |
| Qwen | Qwen3.8-27B / 2.4T-A95B | 27B 稠密 / 总参数 2.4T、激活 95B | 27B:原生 262,144,可扩展至 100 万 | Apache 2.0 / Qwen3.8-Max 许可证 | 27B 更易部署;2.4T 属于集群级 |
| Kimi | Kimi K3.1 Pro | 总参数 2.8T / 激活 104B | 100 万 | Kimi K3.1 Pro 许可证 | 集群级检查点并需专项许可证审查 |
| GLM | GLM-5.3 | 总参数 753B | 100 万 | GLM-5.3 许可证 | 大型多 GPU 或实验性卸载服务 |
| Llama | Llama 4 Scout / Maverick | 109B / 激活 17B;400B / 激活 17B | 1000 万 / 100 万 | Llama 4 社区许可证 | 先解决欧盟多模态开发者限制 |
| Muse | Muse Glimmer-30B | 总计约 296 亿参数,稠密 | 131,072+ | Apache 2.0 | 本地 Agent 候选;同时计算量化、编码器与 KV 缓存 |
这些是最大上下文声明,而非质量保证。长序列会增加 KV 缓存需求,并可能降低并发。量化会改变内存需求,有时也会改变输出质量。若未明确精度、运行时、上下文、批量和冗余,就不要把参数量换算成固定 GPU 数量。
把工作站候选与集群部署分开评估
Qwen3.8-27B 与 Muse Glimmer-30B 的部署问题不同于万亿参数检查点。Meta 为其量化 Muse 软件包给出 24 GB、32 GB 目标配置,全精度为 64 GB。这些是指定配置下的供应商目标,不保证任意运行时、上下文长度或并发负载都能装下。须为 KV 缓存、图像、可能使用的草稿模型和应用保留余量。Muse Glimmer 本地 Agent 指南进一步说明具体软件包和测试,本页不重复展开该专题。
编程和智能体该测试哪个家族?
一手资料支持候选清单,而非通用排名。DeepSeek V4.1 Flash-1017、Qwen3.8、Kimi K3.1 Pro 和 GLM-5.3 的模型卡都公布编程及智能体基准,但使用不同框架、推理设置、任务版本,有时还有内部测试集。只有任务、数据划分、框架、工具权限和评分方法一致时才应比较数值。
- 工作站级多模态 Agent:并列测试 Qwen3.8-27B 与 Muse Glimmer-30B。这两个具体检查点均采用 Apache 2.0,但上下文、工具行为、量化及运行时支持存在差异。
- 大型编程或工具评测:用任务完成率、恢复行为、延迟和总服务成本测试 DeepSeek V4.1 Flash-1017、GLM-5.3 与 Kimi K3.1 Pro。
- 超长上下文:在实际长度测试检索准确度和任务完成率。100 万或 1000 万上限只说明输入可以被接受。
- 在欧盟使用 Llama 4:开发者下载或部署多模态权重前应进行法律审查。最终用户例外不等于开发者许可证。

"模型卡告诉你在什么许可证下测试什么。你自己的评测告诉你部署什么。不要混淆这两个决定。"
能否在欧盟自部署?
所列 DeepSeek V4、Qwen3.8-27B 与 Muse Glimmer-30B 权重采用标准宽松许可。Qwen3.8-2.4T-A95B、GLM-5.3 和 Kimi K3.1 Pro 使用须单独审核的模型专属条款。Muse Spark Open 也有独立的署名和使用要求。Llama 4 多模态政策对指定欧盟开发者不授予相应权利,同时为集成产品的最终用户保留例外。这一 Llama 规则不是 Muse 的许可。任何权重许可证都不能单独证明 GDPR 合规。
自部署可以把推理留在欧盟控制的环境中,但不会自动证明符合 GDPR。仍需处理合法依据、数据最小化、保留期限、访问控制、处理者与跨境传输分析、日志政策及事故流程。托管端点的数据位置和合同取决于服务,必须与可下载检查点分开评估。
可辩护的选型流程
- 明确具体检查点。家族名称会掩盖权重、模态、上下文配置和许可证差异。
- 先解决许可证和司法辖区。记录许可证版本,对后果重大的部署寻求法律意见。
- 预算实际服务配置。计入精度、上下文、并发、运行时开销、冗余和网络拓扑。
- 运行同一套私有评测。至少比较两个候选,使用代表性任务、稳定提示、相同工具权限和明确通过条件。
- 固定并监控版本。记录权重版本、分词器、运行时、量化和安全配置。
为什么评测框架很重要?
公开基准可能受数据污染、过拟合和测试框架影响,更重要的是它们不是你的工作负载。几十个带明确通过条件的代表性任务,可以暴露总分掩盖的问题。应测量任务完成质量、延迟、成本、工具错误、长上下文检索,以及失败后的恢复。
常见问题
Meta 对 Llama 4 的欧盟限制是否适用于 Muse Glimmer?
小团队应先在本地测试哪些模型?
广告中的最长上下文是否代表最佳模型?
这些是 Wavect 的基准结果吗?
最终思考
2026 年 11 月的清单已区分工作站级候选 Qwen3.8-27B、Muse Glimmer-30B 与更大规模检查点。许可必须按具体检查点判断,尤其要区分 Muse 与 Llama 4。选择依法可用且通过自身验收测试的最小配置,并把托管 API 与可下载权重分开审核。