五款国产大模型横评：Qwen3.8、M3.1 Flash、MiniCPM5、LongCat 2.5、Step5 怎么选

一句话总结：这五款模型覆盖了从 2.5B 端侧到 1.6 万亿旗舰的全部区间，但「参数大」和「值得用」是两件事——真正的选型依据是激活量、价格、许可证和你任务的长短，本文用一张表加三条路线把它们理清。

这几个月国产模型密集发布，参数从 2.5B 一路卷到 1.6 万亿。我把手上这五款放在一起对了一遍，越对越觉得：光看参数表选模型，基本等于闭眼抽签。

先把事实摆齐，再讲怎么选。

一张表看全

四个读表要点：

激活量比总参数更能说明成本。 Qwen3.8-Max 激活 95B，Step5 激活 27B，M3.1 Flash 激活 23B——三者的总参数差了几倍，但单 Token 开销由激活量决定，这直接反映在价格上。

参数最大不等于分数最高。 LongCat 2.5 有 1.6 万亿，是五款里最大的，但至今没进 AA 榜单，实测也偏慢。参数是容量，不是能力。

开源状态必须分清。 MiniCPM5 是 Apache 2.0 真开源；Step5 放了权重但协议未确认；Qwen3.8 的 2.4T 权重带商用门槛；M3.1 Flash 的权重还没落地；LongCat 只有 API。

上下文都到 1M 了，但质量不一样。 标称 1M 是一回事，能在这个长度上保持检索质量是另一回事。目前没有第三方的长上下文横评，这一栏我持保留态度。

图 1：横轴为输入价格（对数），纵轴为 AA 智能指数，气泡大小为参数量

三条路线，比排名更有用

路线一：极致性价比，跑量

MiniMax M3.1 Flash。 $0.15 的输入价、170+ TPS 的吞吐、42 分的智能指数，这组组合在批量任务上没有对手。适合分类、抽取、摘要、多步工具调用这类高频场景。

前提是接受两个代价：思考关不掉，简单请求也会烧推理 token；93% 的幻觉率，不确定时也硬答。跑量可以，做最终判断不行。

路线二：长任务与专业场景

Step5 Preview 是这条线的主力：1M 上下文、27B 激活、单任务成本 0.71 美元，金融任务（FrontierFinance 66.4）是它的强项。有 GPU 资源的团队可以自建，没有就走 API。

LongCat 2.5 是另一条岔路：它的价值不在写代码，在操作界面——终端、浏览器、GUI、表格都能驱动。适合 RPA、自动化测试、后台长任务。缺点是慢，一个任务半小时起步，而且是 Preview。

路线三：端侧与私有化

MiniCPM5-2B。 2.5B、4GB 显存、Apache 2.0，手机、车机、轻薄本、离线终端都能跑。它解决的是「装得下」的问题，不是「最强」的问题。

结构化任务（数学、代码、工具调用）它的表现远超尺寸，开放域知识基本靠猜。用它做端侧助手、离线抽取、本地 FAQ，很合适。

另外：旗舰与多模态

Qwen3.8-Max。 需要最强多模态、要 1M 上下文、不想自己运维，选它。$2/$6 不算便宜，但 45.4 分的 AA 指数是这五款里最高的。代价是硬核编程仍落后闭源旗舰一截（SWE-Bench Pro 67.7 vs 80）。

三个常见误区

误区一：参数越大越好。 1.6 万亿的 LongCat 没进 AA 榜，2.5B 的 MiniCPM 在数学上能打 86.5。模型能力取决于训练质量、数据配比、激活效率，不只看总参数。

误区二：只看每百万 token 价格。 真正的成本是「每个任务花多少」。M3.1 Flash 便宜但它思考常开，简单任务的 token 消耗会翻倍；Step5 单价 $1，但输出短、单任务只要 0.71 美元。

误区三：忽略许可证。 Apache 2.0、自定义许可、仅 API 是三件完全不同的事。要商用、要二次分发、要嵌进硬件，先看协议再看跑分。

常见问题

这五款里哪个综合最强？

Qwen3.8-Max，AA 45.4 分最高，多模态和 1M 上下文齐全。但「最强」不等于「最适合」，看你的场景。

预算有限选哪个？

跑量选 M3.1 Flash（$0.15 输入），长任务选 Step5（$1 输入、单任务 0.71 美元），端侧选 MiniCPM5（免费自托管）。

想本地部署，谁最现实？

MiniCPM5-2B 最现实，4GB 显存就能跑。Step5 需要多卡（FP8 约 600GB），属于团队级投入。Qwen3.8 的 27B 介于两者之间。

LongCat 值不值得试？

如果你做 GUI 自动化或后台长任务，值得。它操作界面的能力是这五款里最明确的，但 Preview 状态和慢速是硬伤。

榜单分数能直接比吗？

AA 指数是一套统一口径，可以横向比；厂商自报的分项不能跨家比，测试框架和参数都不同。

结语

这五款不是同一条赛道上的五个选手，是五个不同位置的工具：端侧、跑量、长任务、金融、旗舰多模态。选型的第一步不是看榜，是把自己的任务拆成「多长、多贵、要不要私有、能不能等」。

我个人的排序建议：先用 MiniCPM5 把本地流程跑通（成本为零），再用 M3.1 Flash 跑线上批量（单价最低），长任务和金融场景上 Step5，需要多模态和最高分再上 Qwen3.8-Max。LongCat 放在观察位，等它出正式版。