七月中到八月初，不到三周时间，我数了一下，跟中国开源模型有关的事情一共有五件——三件已经发生，两件还是风声。
7 月 16 日，月之暗面发了 Kimi K3。我上一篇文章写过接进来的过程，当时折腾的是 usage 追踪和前缀成本，没顾上下"好不好用"的结论。7 月 19 日，阿里通义千问放出 Qwen 3.8 Max 预览版，8 月 3 日正式扩大开放。7 月 31 日，DeepSeek 把 V4 Flash 的正式版（GA）放出来，版本号 DeepSeek-V4-Flash-0731。这三个是已经发生的事。
往后看还有两个，都还没有官方公告，只是风声。智谱的 GLM-5.3，创始人唐杰 6 月底在 X 上问了一句"下一版 GLM 大家觉得必须要有什么新功能"，8 月初官方文档又意外泄露了一小时。月之暗面的 Kimi K3.1，几家媒体说"目标 8 月发布"。
这段时间我自己也在动。Kimi K3 已经是我日常干活的主力，DeepSeek 我在改代码的时候常用，Qwen 3.8 昨天刚接进来还在测。相比之下，我原来的主力 Claude Code Opus 4.8/5，最近用着有点堵心。
这篇想把两件事分开讲清楚：这波发布里，哪些是真的、哪些还是传闻；以及我自己这几个月换用下来，实际的体感是什么样。
三个已经发生，两个还是传闻
先把时间线摆平，这是核实之后的版本。
| 模型 | 状态 | 时间 | 备注 |
|---|---|---|---|
| Kimi K3 | 已发布 | 2026-07-16 官宣，07-27 完整权重 | 2.8 万亿参数，100 万 token 上下文 |
| Qwen 3.8 Max | 预览转扩大开放 | 07-19 预览，08-03 扩大开放 | 尚未开源权重，目前只有 API |
| DeepSeek V4 Flash 正式版 | 已发布（GA） | 2026-07-31 | 版本号 V4-Flash-0731，MIT 协议 |
| GLM-5.3 | 传闻/泄露 | 无官方日期 | 智谱称"仍在训练中" |
| Kimi K3.1 | 传闻 | 据报道目标 8 月 | 月之暗面未官方确认 |
三点值得展开说。
第一，Qwen 3.8 Max 现在严格说还不是"开源模型"——阿里目前只开放了 API，开源权重"承诺下周"，我核实的时候还没兑现，协议条款也没公布。放进"开源发布密集"这个框架里没问题，因为它确实是这波动作的一部分，但它眼下的开放程度跟已经放出权重的 K3、DeepSeek 不是一回事。
第二，GLM-5.3 和 Kimi K3.1 目前都停留在传闻阶段。智谱那次文档泄露，员工私下回应说模型"仍在训练中"，对标目标是 Fable 级别——这是唯一比较接近官方的说法，但也不是公告。Kimi K3.1 更弱，只有几家媒体转述"内部人士"，连月之暗面自己的博客、GitHub、X 账号都没提过这个名字。这两个我这次只能按传闻处理，不写成确认的事实。
第三，DeepSeek V4 Flash 这次的 GA 更新，官方 API 文档里只有一句版本提示——模型从预览版更新到了 DeepSeek-V4-Flash-0731，调用方式不变。规模和架构跟 4 月的预览版一样，是重新训练而不是换了个更大的模型，方向上主要针对 agent 能力（工具调用、改代码、多步任务）。这个方向和我自己"改代码效果惊艳"的体感，对得上。
Kimi K3 到底有没有那么强
7 月发布那两天，朋友圈和群里传的说法我在上一篇也提过：跑分全球第四，前端代码 Arena 第一，SWE Marathon 比 Fable 5 还高。这次我把这几条挨个核实了一遍。
"前端代码 Arena 第一"：属实。Arena.ai（原 LMArena）的 Frontend Code Arena 榜单上，K3 首发即以 1,679 Elo 排第一，高于 Claude Fable 5 的 1,631、GPT-5.6 Sol xHigh 的 1,618，七个子类目赢了六个。
"SWE Marathon 比 Fable 5 还高"：属实。SWE Marathon 是评测模型能不能持续干完一个长周期软件工程任务的一项基准，月之暗面自己放出的评测表里，K3 这一项 42.0 分，高于 Claude Opus 4.8 的 40.0、GPT-5.6 Sol 的 39.0、Claude Fable 5 的 35.0。我核对了两次官方数据，数字是一致的。
"跑分全球第四"：这条最有意思，因为它是个移动靶。Artificial Analysis（一家专门做模型智能指数评测的机构）自己发文章的标题写的是"K3 达到智能指数第 3 名"——那是发布当周，K3 57 分，落后于 Fable 5 的 60 分、GPT-5.6 Sol 的 59 分。中文媒体当时报的是"第四"，两个数字对不上的具体原因我没查清楚，可能是统计口径不同。但我这次去查实时榜单，K3 已经掉到第 7 名，因为 Claude Opus 5 在它之后发布，一下子占了好几个靠前的位置。"第 3"和"第 7"这两个排名都没说错，只是分别对应两个不同的时间点。跑分这东西本来就是这样，你截图的那一刻它是真的，过两周就成历史了。
有意思的是，月之暗面自己在博客里说得很老实，原话经 SCMP 引用是"整体表现仍落后于最强的专有模型"，同时"持续超过其他被测模型"——它自己都没说自己是第一，是外面传的比官方自己说的更响。
权威媒体怎么看这波发布
这波发布不是我自己一厢情愿觉得密集，几家权威媒体也在同时报道。
SCMP 在 7 月 20 日的报道里引用了美国企业研究所（AEI）的 Ryan Fedasiuk，他说中美 AI 能力的差距"现在已经缩小到大约几周的时间"，还说 K3 的表现"推翻了'中国模型落后美国六到八个月'这个传统认知"。TechCrunch 在 K3 发布当天的报道里提到，市场当时预期它"表现持平甚至超越 Anthropic 的 Opus 4.8"，同一时间月之暗面完成了一轮估值 315 亿美元的融资。
SCMP 8 月 3 日的另一篇报道，把 Kimi K3 和 Qwen 3.8 Max 这两次发布放在一起，称为"第二次 DeepSeek 时刻——不过这次是一记组合拳"。这个说法我觉得挺准的：去年 DeepSeek 那次是单点爆破，这次是月之暗面、阿里、DeepSeek 三家在三周之内接连出手，密度确实不一样。
Bloomberg 有一篇观点文章的标题是《便宜的中国 AI 给 Anthropic 和 OpenAI 带来新威胁》，大意是如果拿"技术从业者的实际采用率"当输赢的标准，中国正在快速追赶，因为不少美国的创业公司为了省钱转向了更便宜的中国模型。这篇我没能抓到全文核对原话，只能确认标题和大意存在，具体措辞留个保留。
我自己的换用体验
上面这些是核实过的公开信息。下面是我自己这几个月用下来的感受——先说清楚，这是体感，不是我拿一套评测跑出来的数字。
Kimi K3 现在是我的主力。 干活不磨叽，比较稳。这跟我上一篇吐槽的接入问题是两回事——那篇讲的是我自己工具里 usage 追踪读不出来、前缀成本没管好，是我这边的工程问题，不是模型本身的表现。工程问题修完之后，这几周天天用下来，K3 给我的感觉就是省事：交代清楚要干什么，它就干，不绕弯子。
DeepSeek 便宜，改代码这块效果让我意外。 这次查完定价才发现便宜到什么程度——V4 Flash 正式版 output 价格是 $0.28/M，Kimi K3 是 $15/M，差了大概 50 倍。DeepSeek 这次 GA 更新官方说的方向就是往 agent 能力上训，改代码、多步任务这些，跟我自己的体感对得上。
Qwen 3.8 昨天刚接进来，还在测，先不下结论。 阿里 8 月 3 日刚扩大开放，我第二天就接进去试了。用得还不够久，这次先不评价，等测得差不多了再单独写。
Claude Code Opus 4.8/5，最近用着差强人意。 具体是这么几件事：
话比较多，经常绕一大圈才说到点子上，我得从一堆铺垫里把重点自己挑出来。
问完问题给了答案，它不一定照做。举个我自己遇到的例子：上次让它帮我把一个项目放到某个位置，我明确说了新建一个项目，结果它还是把东西放进了我当前正在用的项目里——这是我这次遇到的一个具体案例，不是说它每次都这样。
做事丢三落四。这是我自己的一个主观类比：如果让它做到十分，它顶多也就做到六分。
这几条加在一起，是我这段时间不想继续把它当主力的原因。但我没退订——真要说原因，是 Fable 5 还在。Fable 是 Anthropic 目前最强的那档模型，冲着它我暂时留着这个订阅，没有立刻转向别处。这不是说 Claude 不行，是说 Opus 这一档最近在我这儿的表现，撑不起"主力"这两个字了。
写在最后
这次把这波发布挨个核实下来，最意外的不是哪个模型跑分高，是"全球第几"这种说法有多不耐用。K3 发布当周是第 3，两周后是第 7，两个数字都没说谎，只是对应不同的时间切片，跑分这东西你截的那一刻是真的，过阵子就成历史照片了。
真正没变的，是我自己这几个月天天用出来的体感：K3 干活不啰嗦，DeepSeek 便宜又能打，Qwen 3.8 还得再看看，Opus 这一档确实不如从前了。
信源：Moonshot AI 官方博客、Kimi K3 GitHub 评测、Artificial Analysis、SCMP：Kimi K3 发布、SCMP：硅谷反应、SCMP：Qwen 3.8 Max、DeepSeek 官方定价文档、财新：DeepSeek V4 Flash GA、TechCrunch。