Model besar domestik mengalami iterasi dan peningkatan yang intensif, fokus pada tiga garis utama investasi

MetaMuskRat · 2026-04-01T18:07:46+00:00

Sejak 2026, produsen model besar domestik secara aktif meningkatkan kemampuan Agen dan kode, dengan model seperti MiniMax dan M2.7 menunjukkan performa yang sangat baik dalam pengujian. CITIC Securities memprediksi bahwa model baru DeepSeek akan membawa peluang investasi, dengan fokus pada tiga garis utama investasi: produsen model asli, aplikasi AI, dan infrastruktur dasar.

MetaMuskRat

2026-04-01 18:07:46

Pembuatan abstrak sedang berlangsung

Sejak tahun 2026, perusahaan pengembang model besar (LLM) domestik semakin memusatkan perhatian pada peningkatan kemampuan Agent dan kemampuan kode, sehingga berlomba-lomba merilis model baru. Misalnya, kemampuan kode MiniMax ditingkatkan lebih lanjut; skor pengujian M2.7 SWE-Pro mencapai 56,22%, melampaui Gemini 3.1 Pro. Dalam skenario pengujian implementasi end-to-end untuk pengiriman proyek lengkap VIBE-Pro, skornya 55,6%, setara dengan Claude Opus 4.6, sehingga pemahaman tentang logika eksekusi sistem perangkat lunak semakin meningkat. Selain itu, model seri M2 berpartisipasi dalam proses pelatihan M2.7 pada skenario seperti RL, sehingga memungkinkan model melakukan iterasi mandiri.

Menurut Cigna Securities, model baru generasi berikutnya DeepSeek yang akan segera dirilis berpotensi melanjutkan jalur model open-source dengan nilai biaya yang tinggi. Dari sisi kemampuan, model diharapkan dapat menghadirkan fungsi memori yang lebih kuat dan pemrosesan konteks yang sangat panjang. Sambil mengasah kemampuan kode dan Agent, serta melengkapi kekurangan pada multimodal, hal ini akan membawa peluang investasi baru pada tiga arah: model dari pabrikan, aplikasi AI, dan infrastruktur dasar AI. Disarankan untuk memperhatikan tiga tema investasi berikut:

1）Pabrikan model: DeepSeek generasi baru berpotensi bekerja sama dengan model-model domestik lainnya, mendorong akselerasi AI China agar melangkah ke dunia. Pada saat yang sama, pelatihan model mendorong langkah lebih lanjut dalam penurunan biaya, sehingga Tokens yang lebih murah dapat mendorong peningkatan keseluruhan volume panggilan API model besar secara global.

2）Aplikasi AI: pemerataan model membantu meredakan kecemasan pasar yang muncul dari narasi pertentangan antara model dan aplikasi. Ini mendukung implementasi AIAgent di berbagai industri, serta menguntungkan perusahaan aplikasi AI yang memiliki penghalang kompetitif;

3）Infrastruktur AI: penurunan biaya memicu peningkatan penggunaan, sehingga AIInfra mendapat manfaat. Infrastruktur AI domestik bergerak seiring dengan model domestik.

Lihat Asli

Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.