国产模型开源提速：从图像到智能体密集上新

9月21日，通义千问团队开源Qwen-Image-2.1。该模型仅含7B参数的视觉生成模块，将文生图、透明图像生成与图像编辑整合于同一框架，支持最多10张参考图与局部编辑。与此前动辄数十B的同类模型相比，7B规模显著降低显存占用，使本地部署与边缘侧推理成为可能。

月之暗面同期推出Kimi Code桌面版，提供三种工作模式：Plan模式先输出执行计划再动手，目标模式多轮推进任务，Swarm模式调度多个子智能体并行作业。产品集成终端、浏览器与Git，面向需要长链路编码支持的开发者。

阿里云在云栖大会发布AI智能体电脑Qwen Book，主打意图理解、持续学习与长期任务执行。设备将智能体能力嵌入操作系统层，尝试把“对话即操作”从演示推向日常使用。

腾讯于9月24日推出“Hy翻译”App，支持33种主流语言互译及5种少数民族语言，含离线翻译与风格切换，主攻出境游场景。离线能力使其在弱网环境仍可工作，拓宽了翻译产品的使用边界。

小米MiMo-V2.6开源后，在AA智能指数Pro分项取得46分，成为当时最强开源模型。一个开源权重取得如此成绩，说明开放模型与闭源前沿的差距正在收窄，社区驱动的迭代开始显现竞争力。

这一轮密集动作呈现三个特征。其一是开源节奏加快。从图像生成到通用推理，国产模型正把更多能力以开放权重形式释放，社区可在其之上做二次开发与垂直适配。其二是场景化落地。翻译、编码、智能体电脑均指向具体任务，而非泛化的能力展示。其三是智能体化。Kimi Code的三种模式、Qwen Book的长期任务执行，都把“自主调用工具完成任务”作为产品内核。

开源对产业的意义在于降低门槛。当高质量模型权重可免费获取，中小团队无需从零训练即可搭建应用，创新资源向应用层集中。这也有助于形成自主技术体系：从底层权重到上层工具链，国产模型覆盖了更完整的环节，减少了关键节点对外依赖。

从图像到智能体，国产模型的密集上新表明，竞争正从单一性能比拼转向开源广度、场景深度与智能体成熟度的综合较量。对开发者和企业而言，可选项增多意味着试错成本下降，也意味着需要在众多底座中做出更精准的选型。谁能把开源能力高效转化为产品，谁就能在下一阶段占据主动。