Alibaba 和 MiniMax 开放 AI 模型，但部署仍有成本

Alibaba 和 MiniMax 发布开放 AI 模型后登上 Google News，对 OpenAI 和 Anthropic 等专有系统背后的成本结构发起挑战。

Alibaba 于 2026 年 8 月 3 日推出 Qwen3.8-Max，并承诺将在次周发布模型权重。MiniMax 也在同一天开放了其多模态视频系统 H3 的权重。两场发布在时间上的重合，使原本独立的产品动作演变为对封闭 AI 平台更广泛的挑战。

重要的变化不只是有更多模型可供下载。这些发布结合了强大的能力，以及旨在降低推理阶段计算需求的架构设计。这让开发者对部署、定制和数据存放位置拥有更多控制权。

不过，可下载的权重并不意味着 AI 系统可以免费运行。基础设施、评估、安全和商业许可仍会影响总成本。Reuters 还报道称，Alibaba 计划向部分大型商业用户寻求收入分成。

这种张力正给 OpenAI、Anthropic、Google 和其他专有服务提供商带来压力。它们必须证明，相较于客户可检查、调整并在其他环境部署的模型，高成本的受控服务为何更具价值。

Alibaba 和 MiniMax 实际发布了什么

这两项发布扩大了对高能力 AI 系统的获取范围，但分别面向不同的开发者工作负载。

Alibaba 将 Qwen3.8-Max 描述为一个包含 2.4 万亿参数的混合专家模型。混合专家架构会让每项请求仅经过模型的一部分，而非激活全部参数。

据 Alibaba 介绍，Qwen3.8-Max 在推理时约激活 950 亿参数。该设计旨在保留广泛的模型容量，同时限制每个生成 token 所需的计算资源。

该模型还支持最高 100 万 token 的上下文窗口。上下文窗口是指模型在一次请求中能够考虑的材料量。这一能力面向大型代码库、文档集合、研究文件和长程智能体工作流。

Alibaba 将该模型定位于软件工程、多模态推理、金融分析、法律合规及其他知识密集型工作。其Qwen 模型发布说明将该系统定位为领先专有模型的替代选择。

该公司还公布了涉及 Anthropic 和 OpenAI 系统的内部基准测试对比。在独立评估者于可比条件下复现之前，这些数字仍属于公司自身说法。

Alibaba 强调了一个据称持续运行 16 天的自主软件项目。不过，该公司尚未公开足够细节，无法判断其中的人为干预程度、代码质量或生产就绪性。

MiniMax 开放的是另一类模型。H3 是一个通用视频系统，可接收文本、图像、视频和音频的组合输入。

该系统能够生成带有同步立体声音频的视频。MiniMax 表示，输出最高可达 2K 分辨率，时长最长为 15 秒。

其H3 模型权重包含可根据多种参考格式生成音频和视频的检查点。相关代码库还包含用于 token 化、文本编码、视频处理和音频处理的组件。

MiniMax 支持多种常见推理框架，包括 SGLang、vLLM、diffusers 和 ComfyUI。这一点很重要，因为开发者可以将该模型整合进既有工作流，而无需采用专有编辑环境。

因此，这两项发布分别切入 AI 市场的不同领域。Qwen3.8-Max 专注于编程、推理和企业工作流；H3 则面向构建多模态生成管线的创作者和产品团队。

Google News 将它们归入同一套成本叙事。这一框架在方向上具有参考价值，但掩盖了硬件需求、许可证和实际部署方面的重要差异。

两家公司都在利用开放权重降低采用门槛。但这两项发布都无法消除将模型检查点转化为可靠服务所需的运营工作。

为什么 Google News 正在关注开放模型的成本竞赛

开放权重正成为赢得开发者的分发策略，而不只是研究姿态。

封闭 AI 服务控制模型权重、托管环境和访问条款。客户通常通过应用程序编程接口，也就是常说的 API，与其交互。

开放权重发布让用户能够获得训练后的参数。开发者可以通过兼容软件运行这些权重、对其进行微调，或在选定的基础设施中托管它们。

这种灵活性可以降低对单一供应商的依赖，也让组织能够将敏感工作负载保留在自己的云账户或数据中心内。

Alibaba 和 MiniMax 此时选择这一路径有充分理由。两家公司都在与美国实验室竞争，后者拥有更大的全球品牌影响力、成熟的企业合同以及广泛使用的开发者产品。

开放分发降低了试验的第一道门槛。开发者可以评估模型，而无需将整个产品架构押注在原始供应商的托管平台上。

这一策略也会扩展周边生态。云服务商、推理公司、框架维护者、顾问和应用开发者，都可以优化或分发同一个模型。

每增加一项集成，模型就更容易被下一位客户采用。由此形成的网络，其增长速度可能快于单一公司的托管服务。

MiniMax 已有证据表明国际分发的重要性。其 2025 年年报称，公司服务了覆盖 200 多个国家和地区的逾 2.36 亿用户。

该文件还称，公司在 100 多个国家和地区拥有 21.4 万家企业客户和开发者。其 2025 年收入中，超过 70% 来自国际市场。

这些数字均为公司披露的数据，但它们解释了为何开放发布能够支撑 MiniMax 的商业定位。全球开发者并非该公司的次要受众。

Alibaba 则通过其云业务拥有相关优势。它可以广泛分发 Qwen 权重，同时销售运行这些权重所需的基础设施、支持和托管服务。

这从两个方向给专有实验室施压：开放模型争夺开发者关注，而云服务商则争夺部署托管业务。

选择开放模型的开发者仍可能为托管推理付费。区别在于，底层模型可在不同服务提供商之间更便携地迁移。

这种可移植性增强了客户的议价地位，也降低了单次 API 变更迫使产品立即重新设计的风险。

成本讨论并不止于模型访问。处理大型代码库的团队，可以在自己控制的基础设施中处理源文件、规范和技术文档。

不过，可移植性也有限。大型模型在技术上或许可以在其创建者的云环境之外运行，但对规模较小的组织而言，托管它们仍可能并不现实。

性能还取决于推理软件、硬件配置、量化方法和工作负载。量化会降低数值精度以减少内存使用，有时也会改变输出质量。

因此，开放模型竞赛关乎选择，而非普遍更低的运营成本。Alibaba 和 MiniMax 正在给予开发者更多组装技术栈的方式，同时竞争继续留在其中的位置。

开放权重给专有 AI 服务商带来压力

开放模型迫使专有服务商证明，便利性、可靠性和治理能力足以支撑更严格的控制。

OpenAI、Anthropic 和 Google 通常通过托管产品和 API 提供其领先系统。客户无需管理模型权重或推理基础设施，即可快速获得访问权限。

这种安排确实具有价值。服务提供商负责容量规划、模型更新、滥用控制、监控以及大量运营复杂性。

但它也会造成依赖。开发者必须接受服务商的定价结构、地域可用性、使用政策、速率限制和产品路线图。

Alibaba 和 MiniMax 正在挑战这一交换关系。它们的发布向开发者传递的信息是：获取高能力模型，并不意味着必须放弃所有部署决策。

最强的压力落在成本敏感型软件团队身上。这些组织往往会运行大量重复性任务，包括代码审查、信息提取、文档处理和客户支持。

推理效率上的微小差异，会在持续工作负载中不断累积。即使无法赢下每一项基准测试，激活更少参数的模型也可能颇具吸引力。

Forrester 分析师 Charlie Dai 向 Computerworld 表示，开放权重系统正成为软件工程、定制化、主权需求和成本敏感型部署的可信选择。他在企业模型分析中的评论强调，绝对的基准领先地位并非每位买家的首要考量。

这改变了竞争问题。客户不再只需要问，哪个模型取得了最高的公开分数。

他们可以问：哪种系统能在其延迟、安全、可移植性和运营约束下产生可接受的结果。对于封闭服务商而言，这是一场更难主导的竞争。

MiniMax H3 在创意软件领域也带来类似压力。产品团队可以围绕可下载检查点构建专门的视频工作流，而非完全依赖托管生成界面。

这种控制能力支持自定义管线、可重复的视觉设置、批量处理，以及与既有生产工具的集成。它也让开发者能够自行选择存储和处理位置。

专有服务商可以凭借更高的可靠性、更易用的界面、更强的安全控制和合同保障作出回应。这些优势对受监管企业至关重要。

它们还可以更新托管系统，无需要求客户下载新的检查点。托管服务可以同时向所有客户部署安全修复或容量改进。

开放模型则以定制能力和议价杠杆回应。开发者可以修改服务层、选择兼容硬件，并保留既有模型版本。

两种方式都无法赢得所有工作负载。冲突的核心在于谁控制部署，以及谁获取其周边的经济价值。

这也是 Alibaba 和 MiniMax 的故事为何不止是一条 Google News 标题。它代表了模型访问作为可移植组件，与模型访问作为受控服务之间的竞争。

下一阶段不会仅由基准图表决定，而将由生产可靠性、开发者采用情况和周边经济效益决定。

更低的 AI 成本伴随着许可和基础设施条件

当许可、托管、评估和治理被纳入计算后，更低成本的承诺就变得不那么确定。

“开源”一词可能暗示某些特定模型许可证并未提供的自由。许多 AI 发布更准确地说应被称为开放权重，因为它们公开的是训练后的参数。

它们通常不会提供全部训练数据集、预处理决策或可复现的训练流程。缺少这些要素，外部团队就无法从头重建完整系统。

许可证也可能限制某些用途，或要求大规模商业使用达成协议。开发者必须阅读实际条款，而不能只依赖“开源”这一标签。

Reuters 报道称，Alibaba 计划向 Qwen3.8-Max 的部分大型商业用户收取收入分成。该报道发布时，拟议费率尚未公开。

这份商业许可报道援引了两名熟悉 Alibaba 计划的人士。Alibaba 当时尚未公开确认报道中所称的安排。

如果实施，这种做法将在保持广泛可访问性的同时，从大规模部署中获利。它也会使“开放模型会自动消除供应商成本”的说法变得更复杂。

模型权重或许仍可下载。但围绕这些权重获得可观收入的公司，仍可能需要另行签署协议。

云端开支构成另一项条件。Qwen3.8-Max 的稀疏激活减少了每次请求实际使用的模型规模，但它仍是一个非常庞大的系统。

运行它需要内存、加速器、网络、存储、可观测性能力和工程支持。基础设施容量还必须能够应对流量高峰，而不降低响应速度。

MiniMax H3 则带来了另一种高负载工作任务。视频生成需要大量计算和存储资源，尤其是在产品支持更高分辨率和同步音频时。

组织可以通过托管服务商避免承担这些责任。但这样做也意味着将部分部署重新交给外部平台。

评估会带来额外成本。基准测试分数并不能说明模型在企业自身的文档、代码、客户数据或合规规则上是否表现可靠。

团队需要具有代表性的测试集、人工审查、红队演练和监控机制。他们还需要在模型或服务变更后检测性能回归的流程。

Alibaba 据称进行的 16 天编程实验说明了验证缺口。这一时长听起来令人印象深刻，但并不能证明完成的软件质量。

审查者需要看到任务定义、人工干预日志、失败尝试、测试覆盖率、安全发现以及最终代码。缺少这些证据，该说法仍难以比较。

数据治理带来了另一项权衡。自托管可以让提示词保留在受控基础设施内，但相应责任也会更多地转移给客户。

组织必须保护模型端点、访问日志、检查点、微调数据和生成输出。还必须管理员工接入未经批准工具的行为。

托管服务商可以提供合同承诺和集成的政策控制。只有运营方自行构建这些能力，开放部署才能达到同等保护水平。

这场开放模型风险争论还涉及监管风险。组织可能面临有关数据所在地、供应商、安全审查或在外国司法辖区开发的模型的规则。

这些担忧并不能证明某一来源天然不安全。它们表明，模型选择涉及基准性能之外的法律和运营依赖。

较低的推理账单可以与更高的治理成本并存。买方需要计算整个系统的成本，而不是比较单一使用指标。

真正的竞争是控制权与托管可靠性之争

Alibaba 和 MiniMax 可以降低对封闭平台的依赖，但客户必须为由此形成的 AI 技术栈承担更多责任。

核心权衡并不只是开放与封闭之分，而是部署控制权与托管服务便利性之间的取舍。

开放权重让公司可以选择模型运行的位置。团队能够保留已知版本、定制行为，并在兼容的托管服务商之间迁移。

当一款应用高度依赖稳定的模型行为时，这种控制权便显得尤为重要。否则，服务商的一次突然更新可能在不改动客户代码的情况下改变输出质量。

本地部署也有助于处理敏感材料的组织。法律文件、内部源代码、产品计划和研究记录可以留在指定基础设施内部。

但本地控制并不保证隐私。配置错误的端点、薄弱的权限控制、不安全的日志或草率的微调流程，同样可能泄露这些信息。

托管服务能减轻多项技术负担。服务商负责运行模型、扩展容量、维护 API，并且通常提供监控或内容控制能力。

客户则会失去对部分底层决策的可见性，也要依赖服务商持续愿意以可接受的条款提供该模型。

Alibaba 的定位横跨两端。它一边分发 Qwen 权重，一边运营可托管这些权重的云平台。

这使 Alibaba 能够通过开放性赢得开发者心智，同时通过基础设施获得商业价值。模型成为通向更广泛服务关系的入口。

MiniMax 通过开放发布，扩大其在文本、智能体、视频、语音和音乐工作流中的分发范围。其国际用户基础为这一战略提供了现成受众。

首席执行官 Yan Junjie 曾将公司的竞争定位为面向全球大型科技公司。在一次全球 AI 访谈中，他强调了更低的运营成本和广泛的国际受众。

这一战略仍面临可持续性考验。训练前沿模型、服务消费者应用以及支持开发者，都需要持续投入。

开放权重分发可以在产生相称收入之前提升采用率。商业许可证和托管服务提供了弥合这一差距的方式。

专有实验室则面临相反的问题。其服务会产生直接的使用收入，但封闭访问可能促使客户寻找可迁移的替代方案。

它们必须证明，其系统能够提供足够的额外价值，以弥补控制权的降低。可靠性、支持、安全测试和赔偿保障都可为此提供支撑。

不同工作负载的赢家将各不相同。受监管机构可能优先考虑合同问责；软件创业公司可能优先考虑速度、灵活性以及更换服务商的能力。

创意工作室可能在本地使用 MiniMax H3，以获得可重复的视频生产工作流；当截止日期要求立即扩容时，它仍可能使用托管模型。

开发团队可能将常规代码任务路由至 Qwen，同时为高风险审查保留另一套系统。模型路由可让应用根据每个请求选择不同系统。

这种混合方式削弱了“单一实验室将拥有所有 AI 任务”的观点。开放模型使多模型架构更容易得到合理化支持。

但它们也提高了管理复杂度。团队必须跨多个服务商跟踪模型版本、许可证、评估结果、数据流和回退行为。

实际机会属于那些将模型视为可替换组件的组织。这些团队可以测试新版本，而无需重建整个产品。

实际风险则属于那些采用低成本模型却未记录依赖关系的组织。后续的许可证变更、监管限制或质量故障都可能变得昂贵。

Alibaba 和 MiniMax 正在扩大选择空间，同时也将更多架构决策转移给客户。

Google News 标题之后，开发者应关注什么

三个信号将表明这些发布是否真正改变市场：经验证的性能、清晰的许可条款，以及持续的生产环境采用。

第一个信号是独立技术评估。开发者应关注 Qwen3.8-Max 和 MiniMax H3 在真实工作负载上的可复现实验。

对于 Qwen，有价值的证据包括公开任务定义、干预日志、测试和安全审查的软件项目。基准测试分数应使用可比较的工具和推理设置。

对于 H3，评估者应考察提示词遵循度、音频同步、视觉一致性、生成速度和硬件要求，同时也应记录失败案例。

积极的独立结果将强化这样一种说法：在客户真正需要的场景中，开放模型正接近专有系统。巨大的差距则会削弱成本论点，因为当低成本输出需要大量修正时，其价值有限。

第二个信号是最终许可文本。开发者需要清晰定义，涵盖商业部署、模型修改、再分发、托管服务和收入分成义务。

Alibaba 据称的计划尤其值得关注。公开代码库、模型卡和完整许可证，将比关于未来访问方式的公告更具分量。

MiniMax 用户也应对 H3 检查点和分发格式进行同样审查。“可下载”与“不受限制”并不是等同概念。

清晰、稳定的许可证将帮助企业计算长期风险敞口。模糊或频繁变化的条款，会将风险敏感型买家推向托管平台。

第三个信号是持续的生产环境采用。下载量和社交关注度可以衡量好奇心，但并不能证明可靠使用。

开发者应关注托管可用性、框架支持、推理优化、社区修复和持续流量。企业案例研究应明确实际工作负载和可衡量的成果。

采用率提升将强化“开放权重正在重塑采购决策”的结论。短暂热度之后若使用疲弱，则表明这些发布只带来了关注，而没有形成持久迁移。

竞争对手的行为将提供辅助证据。OpenAI、Anthropic、Google、Meta 和其他服务商可以通过降低运营成本、推出新的开放发布或强化企业保护措施作出回应。

若回应只聚焦于基准测试，就会错过核心问题。Alibaba 和 MiniMax 竞争的不仅是原始模型能力，也包括分发方式和部署控制权。

因此，开发者应在调整关键系统之前进行范围受控的评估。使用具有代表性的任务，记录人工干预率，测试安全边界，并计算完整的运营负担。

不要将“开源”一词视为许可证审查的替代品。也不要将 API 费率视为完整的总体拥有成本。

Google News 的报道捕捉到了一项真实转变，但结果仍未定论。开放模型正在成为对抗封闭平台的可信筹码，而商业条件也正变得更加清晰可见。

对于下一次部署决策，请问一个实际问题：该模型能否在你自己的基础设施、治理和许可约束下提供可靠结果？这个答案比发布标题更重要。