2025年海外市场2026年五大猜想：入口争夺大年

模型：迭代多模态、超长上下文、降低模型幻觉率

1.1 多模态：世界模型演化的起点

展望 2026 年，我们认为多模态模型的推理能力与视频生成能力有望持续提升，从而拓 宽其应用场景与商业化边界。

海外：多模态模型赛道由谷歌和 OpenAI 引领。

在多模态推理方面：谷歌从 Gemini 系列起便深耕多模态，通过 Gemini 系列模 型持续赋能生态下如 Workspace 的生产力场景。OpenAI 则依托 ChatGPT 的多 模态推理能力，布局 AI 浏览器 Agent 及插件生态，通过连接外部应用与服务 持续拓展商业化空间。

在视频生成方面：谷歌 Veo3.1 已落地于微电影、游戏及广告等产业场景，如 微电影《FreeLancers》及 RPG 游戏《Wit'sEnd》等。OpenAI 的 Sora 2 则主要 服务于 AI 视频社交平台 Sora 与短剧等内容生态。2025 年 12 月，OpenAI 获 得迪士尼 IP 的使用权，有望进一步丰富其视频内容供给。

国内：龙头格局清晰，头部厂商的能力维度形成差异化优势。

在多模态推理方面，阿里巴巴与字节跳动稳居第一梯队。阿里 Qwen3-VL 深度 融合自有生态下的电商、办公及代码场景，字节Seed-VL则作为核心技术底座， 支撑豆包 APP 及火山引擎营销系统。

在视频生成方面，快手与 Minimax 表现亮眼。快手 Kling 2.5 turbo 测评得分 1225，略高于海外谷歌与 OpenAI 的同代模型，使用 Kling 创作的《新世界加 载中》、《山海奇镜之劈波斩浪》获得极高的曝光量。同时，Minimax 的 Hailuo 与字节跳动的 Seedance 也在短剧与科幻剧集制作中展现了强大的创作能力。

除了应用于内容产业以外，多模态能力也是世界模型构建的底层基础。World Labs 联合 创始人李飞飞指出，当前大语言模型虽已具备较强的文本、图像等内容生成能力，但在 距离估计、物理预测等能力上仍存在明显短板，其本质在于缺乏对真实世界的空间智能， 制约了 AI 在机器人、疾病治疗等领域的落地。李飞飞则认为世界模型是实现空间智能的 重要技术路径，世界模型需同时具备生成性、多模态与交互性三大核心特征。其中，多 模态能力不仅要求模型能够理解图像、视频、文本等多类输入指令，更强调对真实世界 状态的整体建模、预测与生成能力。构建世界模型需要在多模态基础模型的基础上，引 入因果推理、时空建模与物理演化等关键能力。 近期，腾讯混元世界模型 1.5 开源了业界最系统、最全面的实时世界模型训练体系，基 于视觉自回归任务进行训练，具备实时交互生成、长范围 3D 一致性与多样化交互体验 三大核心功能，应用场景不仅包括 AI 游戏开发、影视制作和虚拟现实（VR）领域，也包 括具身智能等领域。

我们认为，未来多模态模型的推理能力、生成能力预计将持续增强，也打开了在内容领 域和物理 AI 领域的长期空间。未来，AI 不只是用于生成文本、图像或视频等模态，更是 用于构建可互动的物理 AI 世界。

1.2 超长上下文：支撑智能体演进的基础

在上下文长度上，海外与国内厂商在技术路径上呈现明显分化。

扩张物理解码长度：2025 年 4 月，Meta 发布 Llama4 系列模型——包括 Llama4 Scout、Llama4 Maverick 与 Llama4 Behemoth。其中，Llama4 Scout 支持 10M 级 超长上下文，显著领先于 xAI、Gemini 3 Pro、GPT-5.1 等同代模型。

光学压缩提升上下文效率：相比之下，国内主流模型的上下文通常集中在约 500k 区 间，通过上下文效率提升的路线实现扩展。例如，DeepSeek 与智谱均采用光学上下 文压缩方案，将文本转化为视觉 token：DeepSeek 显示在压缩比<10 倍时 OCR 解 码精度可达 96%，智谱的 Glyph 框架在 3-4 倍压缩下能维持准确性，在某些极限场 景下能实现约 8 倍的有效压缩。 上下文处理能力的提升，无论是通过物理解码长度的扩大，还是光学压缩等上下文效率 技术的应用，都显著增强了模型对超长文本、代码库、企业文档及音视频内容的整体理 解与关联能力，为智能体长期任务执行、企业级知识库构建以及项目级代码分析等复杂 应用的规模化落地提供了关键基础。

展望 2026，我们认为超长的上下文处理能力是模型及端侧 AI 层面演进的重要方向：

模型层面，预计将有更多模型在上下文长度方面取得突破，解码效率优化与上下文 压缩技术的成熟将持续抬升模型在企业级复杂场景中的可用性。

端侧 AI 层面，设备有望借助超长上下文处理能力，实现更高水平的个性化智能体功 能。模型上下文长度的提升，端侧设备不仅能够处理更长周期的用户交互记录，还 可在本地形成稳定、连续的用户画像，从而支持更加个性化、长期的智能体服务。上下文能力的扩展，将为端侧智能体提供从“被动响应”进化为“持续理解与主动 服务”的关键技术支撑。

1.3 降低模型幻觉率：专业领域生产工具加速器

模型正进入低幻觉率时代。结合 Vectara 在 2025 年 12 月发布的 Hallucination Leaderboard 来看，全球头部模型正在向低幻觉率的方向演进。其中比较有代表性的是 OpenAI 的 GPT-4 系列，其幻觉率从早期的 23.3%显著降至 5.6%。DeepSeek 在从 R1 向 V3.2 迭代的过程中，也将幻觉率从 11%降至 5%左右。目前，Google、Meta、阿里 等头部模型已稳定在 3%-6%的低幻觉率区间。在降低幻觉率的技术路径上，行业正在探 索多个并行方向。OpenAI 提出通过引入《“奖励不确定性表达”的范式以优化模型的自我 校准与评估机制，降低幻觉率的方法还包括检索增强生成（RAG）、后验幻觉检测等。

我们看到：一方面，模型层面的幻觉率及回答结果的可靠性将随着模型的迭代持续优化。 另一方面，幻觉率的下行有望推动 AI 在金融、医疗等对专业性与合规性要求极高行业中 的应用场景加速深化落地。

AI 应用：2026，流量入口争夺大年

2.1 C 端：超级入口，群雄逐鹿

我们认为，海内外科技巨头 C 端的 AI 原生应用正处于《“抢夺用户心智”阶段，尚未形成 稳定的市场格局，2026 年入口的竞争将进入白热化阶段。 海外市场：以 OpenAI 与谷歌为代表的两家头部 AI 厂商，正走向两条截然不同的生态建 设路径。OpenAI 通过在应用内持续接入外部服务（如 Booking、Canva、即时结帐功能 等），不断扩张自身的应用生态，目前 ChatGPT 已支持从《“信息查询—比价—下单”的完 整闭环。而谷歌则选择将 Gemini 能力全面赋能于自有生态体系，包括搜索、AI 手机与 Workspace 等，通过增强流量入口与原生产品能力来稳固其平台优势。 国内市场：阿里巴巴依托丰富的电商、本地生活等业务生态，将丰富应用场景接入千问 APP，并配合推出的如夸克 AI 眼镜等硬件产品，逐渐形成《“软硬件入口+自有生态服务” 的闭环体系。字节跳动旗下的豆包 APP 是中国月活最高的 AI 原生应用，已接入抖音商 城。此外，字节跳动还在持续拓展音乐、图像生成、教育等 AI 应用，构筑更加丰富产品 矩阵。2025 年 12 月推出的 nubiaM153 豆包手机助手，可实现通话摘要、创建待办、订 机票等高频任务，以 AI 手机硬件为载体抢占未来的智能入口。

展望 2026 年，C 端原生 AI 应用的超级入口将呈现以下核心特征：

1 个 AI 应用覆盖 N 个 App 功能，形成统一入口。用户不再需要在多个独立应用之 间频繁切换，而是通过一个全能型入口（如千问、豆包、ChatGPT），以自然语言直 接唤起底层能力与服务，实现从传统的对话式向执行式转变。AI 将逐渐承担操作系 统级别的资源调度角色，推动应用形态由《“多 App 分散式”向《“单入口聚合式”演 进。

硬件与生态的深度协同。Google 发布的“大模型原生手机”Pixel 系列以及阿里依 托电商、本地生活生态构建《“硬件+AI+生态”闭环，都显示未来的超级入口不仅存 在于软件层面，更将锚定跨终端硬件（手机、AR/VR 等）与生态系统之间的协同。

从终局视角来看，C 端入口最终由 2-3 家平台主导。入口的争夺不再仅是模型能力 本身，更取决于平台在生态整合、能力交付、场景覆盖上的系统化优势，中国 AI 厂 商在生态上具备先发优势的有阿里巴巴、字节跳动、腾讯、百度。能够率先将 AI 深 度嵌入用户高频、刚需场景，并在此基础上形成稳定用户心智的平台，将有望成为 AI 时代的核心入口，构筑深厚生态壁垒。

2.2 B 端：AI 在 Coding、营销、AI For Science 领域加速落地

展望 2026 年 AI 在 B 端的应用，我们认为在多模态、扩展上下文与降低幻觉率等持续迭 代升级的背景下，AI Coding、AI 营销、AI For Science 有望率先进入规模化落地阶段。

编辑：火腿肠