京東雲發佈OpenClaw自動化工具，作爲“全民養蝦計劃”核心，聯合多部門通過“數字龍蝦”兌換實體龍蝦的趣味激勵，降低AI Agent技術門檻，加速其在遠程控制與自動化辦公場景的應用。
中國企業通用人工智能需求激增，2025年下半年日均調用量達37萬億tokens，較上半年增長263%，顯示市場應用加速落地。
沙利文報告顯示，2025年下半年中國企業級大模型市場爆發增長，日均調用量激增263%至37萬億tokens。市場競爭激烈，頭部效應顯著，阿里雲千問表現強勁，市場份額從17.7%躍升至32.1%，穩居行業第一，字節跳動豆包緊隨其後。
阿里發佈旗艦推理模型Qwen3-Max-Thinking，參數量超萬億，預訓練數據達36T Tokens。該模型通過強化學習訓練，在事實知識、數學推理等方面表現優異，已接入千問PC端和網頁端，App即將支持。用戶可一鍵切換體驗更強推理能力。
Google
$0.49
輸入tokens/百萬
$2.1
輸出tokens/百萬
1k
上下文長度
Openai
$2.8
$11.2
Xai
$1.4
$3.5
2k
Anthropic
$105
$525
200
$0.7
$7
$35
Alibaba
$6
$24
256
$4
$16
$2
$20
-
Bytedance
$0.8
$0.15
$1.5
Baidu
32
$10.5
$8
Tencent
$1
$0.75
$0.35
400
$15
cpatonn
Qwen3-Next-80B-A3B-Instruct-AWQ-4bit是基於Qwen3-Next-80B-A3B-Instruct模型進行4位AWQ量化的高效版本。該模型採用混合注意力機制和高稀疏專家混合架構，支持長達262K tokens的上下文長度，在保持高性能的同時大幅降低計算資源需求。
NVFP4
Qwen3-30B-A3B-Thinking-2507是一款在推理能力和通用能力上有顯著提升的大型語言模型，增強了長上下文理解能力，適用於高度複雜的推理任務。該模型具有305億參數，其中激活33億參數，支持262,144 tokens的長上下文處理。
QuantTrio
Qwen3-30B-A3B-Thinking-2507-AWQ是基於Qwen/Qwen3-30B-A3B-Thinking-2507基礎模型進行量化的高效推理模型。該模型在推理任務、通用能力和長上下文理解方面有顯著提升，專門針對高度複雜的推理任務進行了優化，支持262,144 tokens的長上下文處理。
Qwen3-30B-A3B-Thinking-2507是經過量化處理的大語言模型，具有增強的推理能力、通用能力和長上下文理解能力。該模型採用混合專家架構，在邏輯推理、數學、科學、編碼等複雜任務上表現出色，支持262,144 tokens的長上下文處理。
unsloth
Devstral 1.1是由Mistral AI和All Hands AI合作開發的智能大語言模型，專為軟件工程任務設計。該模型在SWE-bench基準測試中表現出色，位列開源模型榜首，擁有240億參數和128k tokens的長上下文窗口。
lmstudio-community
基於英偉達AceReason-Nemotron-7B的GGUF量化版本，專注於數學與代碼推理，支持128k tokens長上下文
基於英偉達AceReason-Nemotron-14B的GGUF量化版本，專注於數學與代碼推理任務，支持128k tokens長上下文
Llama-3.3-Nemotron-Super-49B-v1 是一個大型語言模型，基於 Meta Llama-3.3-70B-Instruct 改進，增強了推理能力、人類聊天偏好以及任務執行能力，支持 128K tokens 的上下文長度。
kakaocorp
Kanana 1.5是Kakao開發的雙語大語言模型，在編程、數學和函數調用能力方面有顯著提升，支持32K tokens上下文長度，通過YaRN擴展技術可處理128K tokens超長文本。
Kanana 1.5是Kanana模型家族的新版本，在編碼、數學和函數調用能力方面相比前代有顯著提升，支持32K tokens長度並可擴展至128K tokens。
由英偉達發佈的4B參數規模大語言模型，支持128k tokens上下文長度，專為推理、對話及RAG等任務優化
AM Thinking v1是由A-M團隊開發的基於Qwen 2.5-32B-Base的大語言模型，增強推理能力，支持132k tokens的上下文長度。
Mungert
OpenCodeReasoning-Nemotron-14B 是基於 Qwen2.5-14B-Instruct 進行後訓練的大型語言模型，專為代碼生成推理優化，支持32K tokens上下文長度。
INTELLECT 2是由PrimeIntellect推出的大語言模型，支持40960 tokens的上下文長度，採用QwQ架構和GRPO強化學習框架訓練。
OpenCodeReasoning-Nemotron-32B 是基於 Qwen2.5-32B-Instruct 的代碼生成推理模型，支持32K tokens上下文長度，適用於商業和非商業用途。
Kevin 32B是由Cognition AI開發的大語言模型，支持超長上下文（40960 tokens），專注於CUDA內核生成和強化學習任務。
Qwen3-32B是由Qwen團隊開發的大語言模型，支持131,072 tokens的上下文長度，具備強大的數學、編程和常識推理能力。
Qwen3-1.7B是由Qwen開發的1.7B參數規模的大語言模型，支持32k tokens超長上下文，擅長創意寫作、角色扮演和多輪對話。
Qwen3-4B是由Qwen開發的大語言模型，支持131,072 tokens的上下文長度，擅長創意寫作、角色扮演和多輪對話。
由Qwen開發的大語言模型，支持131,072 tokens上下文長度，擅長創意寫作、角色扮演和多輪對話。
TokenScope是一個面向大型語言模型的令牌感知目錄探索工具，提供智能目錄結構分析、文件內容令牌感知提取、令牌使用統計和綜合報告生成功能。
該項目實現了一個基於Gemini API的MCP服務器，提供對多種技術文檔的訪問能力。通過2M tokens的大上下文窗口，無需傳統RAG系統的分塊或檢索步驟，直接處理完整文檔。支持查詢文檔、檢查代碼規範、解決問題提示等功能，適用於Roo/Cline環境。
LayerZero OFT MCP是一個基於TypeScript/Node.js的模型上下文協議服務器，用於創建、部署和跨鏈橋接Omnichain Fungible Tokens（OFTs）。它通過抽象化跨鏈交互的複雜性，提供了一個結構化的、上下文感知的層，便於與LLM代理、機器人或需要去中心化跨鏈功能的應用程序集成。
該項目實現了一個MCP服務器，用於連接TokenMetrics加密貨幣數據API，提供市場數據分析、交易策略回測和可視化功能，支持算法交易系統開發。
Transformers%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
