中国企业通用人工智能需求激增，2025年下半年日均调用量达37万亿tokens，较上半年增长263%，显示市场应用加速落地。
沙利文报告显示，2025年下半年中国企业级大模型市场爆发增长，日均调用量激增263%至37万亿tokens。市场竞争激烈，头部效应显著，阿里云千问表现强劲，市场份额从17.7%跃升至32.1%，稳居行业第一，字节跳动豆包紧随其后。
阿里发布旗舰推理模型Qwen3-Max-Thinking，参数量超万亿，预训练数据达36T Tokens。该模型通过强化学习训练，在事实知识、数学推理等方面表现优异，已接入千问PC端和网页端，App即将支持。用户可一键切换体验更强推理能力。
国产AI芯片与大模型协同优化取得重要进展。摩尔线程与硅基流动基于国产GPU MTT S5000，成功完成对千亿参数大模型DeepSeek V3 671B的深度适配。通过应用FP8低精度推理技术，实现单卡预填充吞吐量超4000 tokens/秒，解码吞吐量超1000 tokens/秒，推理速度已接近国际主流高端AI加速器水平。
Openai
$2.8
输入tokens/百万
$11.2
输出tokens/百万
1k
上下文长度
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
Anthropic
$105
$525
200
$0.7
$7
$35
Alibaba
$4
$16
$2
$20
-
$6
$24
256
Bytedance
$0.8
$0.15
$1.5
Baidu
32
$10.5
$8
Tencent
$1
$0.75
$0.35
400
cpatonn
Qwen3-Next-80B-A3B-Instruct-AWQ-4bit是基于Qwen3-Next-80B-A3B-Instruct模型进行4位AWQ量化的高效版本。该模型采用混合注意力机制和高稀疏专家混合架构，支持长达262K tokens的上下文长度，在保持高性能的同时大幅降低计算资源需求。
NVFP4
Qwen3-30B-A3B-Thinking-2507是一款在推理能力和通用能力上有显著提升的大型语言模型，增强了长上下文理解能力，适用于高度复杂的推理任务。该模型具有305亿参数，其中激活33亿参数，支持262,144 tokens的长上下文处理。
QuantTrio
Qwen3-30B-A3B-Thinking-2507-AWQ是基于Qwen/Qwen3-30B-A3B-Thinking-2507基础模型进行量化的高效推理模型。该模型在推理任务、通用能力和长上下文理解方面有显著提升，专门针对高度复杂的推理任务进行了优化，支持262,144 tokens的长上下文处理。
Qwen3-30B-A3B-Thinking-2507是经过量化处理的大语言模型，具有增强的推理能力、通用能力和长上下文理解能力。该模型采用混合专家架构，在逻辑推理、数学、科学、编码等复杂任务上表现出色，支持262,144 tokens的长上下文处理。
unsloth
Devstral 1.1是由Mistral AI和All Hands AI合作开发的智能大语言模型，专为软件工程任务设计。该模型在SWE-bench基准测试中表现出色，位列开源模型榜首，拥有240亿参数和128k tokens的长上下文窗口。
lmstudio-community
基于英伟达AceReason-Nemotron-7B的GGUF量化版本，专注于数学与代码推理，支持128k tokens长上下文
基于英伟达AceReason-Nemotron-14B的GGUF量化版本，专注于数学与代码推理任务，支持128k tokens长上下文
Llama-3.3-Nemotron-Super-49B-v1 是一个大型语言模型，基于 Meta Llama-3.3-70B-Instruct 改进，增强了推理能力、人类聊天偏好以及任务执行能力，支持 128K tokens 的上下文长度。
kakaocorp
Kanana 1.5是Kakao开发的双语大语言模型，在编程、数学和函数调用能力方面有显著提升，支持32K tokens上下文长度，通过YaRN扩展技术可处理128K tokens超长文本。
Kanana 1.5是Kanana模型家族的新版本，在编码、数学和函数调用能力方面相比前代有显著提升，支持32K tokens长度并可扩展至128K tokens。
由英伟达发布的4B参数规模大语言模型，支持128k tokens上下文长度，专为推理、对话及RAG等任务优化
AM Thinking v1是由A-M团队开发的基于Qwen 2.5-32B-Base的大语言模型，增强推理能力，支持132k tokens的上下文长度。
Mungert
OpenCodeReasoning-Nemotron-14B 是基于 Qwen2.5-14B-Instruct 进行后训练的大型语言模型，专为代码生成推理优化，支持32K tokens上下文长度。
INTELLECT 2是由PrimeIntellect推出的大语言模型，支持40960 tokens的上下文长度，采用QwQ架构和GRPO强化学习框架训练。
OpenCodeReasoning-Nemotron-32B 是基于 Qwen2.5-32B-Instruct 的代码生成推理模型，支持32K tokens上下文长度，适用于商业和非商业用途。
Kevin 32B是由Cognition AI开发的大语言模型，支持超长上下文（40960 tokens），专注于CUDA内核生成和强化学习任务。
Qwen3-32B是由Qwen团队开发的大语言模型，支持131,072 tokens的上下文长度，具备强大的数学、编程和常识推理能力。
Qwen3-1.7B是由Qwen开发的1.7B参数规模的大语言模型，支持32k tokens超长上下文，擅长创意写作、角色扮演和多轮对话。
Qwen3-4B是由Qwen开发的大语言模型，支持131,072 tokens的上下文长度，擅长创意写作、角色扮演和多轮对话。
由Qwen开发的大语言模型，支持131,072 tokens上下文长度，擅长创意写作、角色扮演和多轮对话。
TokenScope是一个面向大型语言模型的令牌感知目录探索工具，提供智能目录结构分析、文件内容令牌感知提取、令牌使用统计和综合报告生成功能。
该项目实现了一个基于Gemini API的MCP服务器，提供对多种技术文档的访问能力。通过2M tokens的大上下文窗口，无需传统RAG系统的分块或检索步骤，直接处理完整文档。支持查询文档、检查代码规范、解决问题提示等功能，适用于Roo/Cline环境。
LayerZero OFT MCP是一个基于TypeScript/Node.js的模型上下文协议服务器，用于创建、部署和跨链桥接Omnichain Fungible Tokens（OFTs）。它通过抽象化跨链交互的复杂性，提供了一个结构化的、上下文感知的层，便于与LLM代理、机器人或需要去中心化跨链功能的应用程序集成。
该项目实现了一个MCP服务器，用于连接TokenMetrics加密货币数据API，提供市场数据分析、交易策略回测和可视化功能，支持算法交易系统开发。
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)
