Modèles massifs domestiques en cours d'itérations intensives et de mises à jour, focus sur trois principales lignes d'investissement

Depuis 2026, les fabricants chinois de grands modèles se sont concentrés sur l’amélioration des capacités d’Agent et de code, et se lancent dans la publication de nouveaux modèles. Ainsi, les capacités de code de MiniMax ont encore été améliorées : le score de test M2.7 SWE-Pro atteint 56,22 %, dépassant Gemini 3.1 Pro ; dans le scénario de livraison complète de projets de bout en bout sur le banc d’essai VIBE-Pro, le score s’établit à 55,6 %, au niveau de Claude Opus 4.6, et la compréhension de la logique de fonctionnement des systèmes logiciels s’en trouve renforcée. Par ailleurs, les modèles de la série M2 participent à des scénarios comme le RL et prennent part au processus d’entraînement de M2.7, permettant au modèle d’itérer de façon auto-améliorée.

Selon China International Securities, le prochain modèle de nouvelle génération de DeepSeek, qui devrait être publié, a de fortes chances de poursuivre la voie des modèles open source offrant un bon rapport qualité-prix. En termes de capacités, il pourrait renforcer les fonctions de mémoire et le traitement d’ultra-long contexte, améliorer les capacités de code et d’Agent, tout en comblant les lacunes dans le domaine du multimodal, ce qui apporterait de nouvelles opportunités d’investissement dans les directions des fabricants de modèles d’origine, des applications d’IA et des infrastructures de base de l’IA. Il est recommandé de suivre les trois axes d’investissement suivants :

1）Fabricant de modèles : le nouveau modèle de génération de DeepSeek pourrait, avec d’autres modèles domestiques, contribuer à faire accélérer l’IA chinoise vers le monde. Dans le même temps, le progrès de l’entraînement du modèle permettrait de réduire davantage les coûts, et des Tokens moins chers stimuleraient globalement l’augmentation des volumes d’appels d’API de grands modèles à l’échelle mondiale.

2）Applications d’IA : l’égalité d’accès aux modèles aide à atténuer l’anxiété du marché liée au récit de l’incompatibilité entre les modèles et les applications, favorisant le déploiement des AIAgents dans tous les secteurs, et bénéficiant aux sociétés d’applications d’IA qui disposent de barrières.

3）Infrastructure d’IA : la réduction des coûts entraîne une hausse de l’usage, ce qui profite à AIInfra ; les infrastructures d’IA domestiques et les modèles domestiques évoluent dans la même direction.