本报告聚焦通用语言理解场景（纯文本，无多模态），基于 MMLU、LMArena、AA Intelligence Index 等权威基准，对当前主流 AI 大模型进行系统性评估与选型建议。报告涵盖 DeepSeek V4、GLM-5、Qwen3.5、MiniMax M2 等十款模型，为技术选型提供决策依据。

1. 通用语言理解场景

不涉及图片、视频、音频，纯粹的文本理解和生成。看 MMLU、LMArena、AA Intelligence Index 这些基准。

1.1 模型对比

项目	DeepSeek V4-Pro	DeepSeek V4-Flash	GLM-5	MiniMax M2.5	DeepSeek V3.1	Qwen3-235B	Qwen3.5-397B	Kimi-K2-Thinking	Kimi-K2.5	MiniMax M2.7
参数量	~1.6T MoE	MoE	744B MoE	MoE	671B MoE	235B MoE	397B MoE（激活17B）	~1T MoE	MoE (w4a8)	MoE
量化格式	W4A8	W8A8	W4A8/W8A8/BF16	FP8/W8A8	W8A8/W4A8	W8A8/BF16	[注2]	BF16	W4A8	FP8/W8A8
W4A8 参考显存	~900GB	~470GB	~422GB	~650GB	~741GB	~280GB	~450GB	~500GB	~500GB	~650GB
最大上下文	1M	1M	200k	192k	240k	256k	1M	128k	32k	192k
MMLU	~88.7 [注9]	~88.7 [注9]	[注1]	[注1]	~88.5 [注3]	~85	~91.5（开源第一）	[注10]	[注10]	[注10]
AA Intelligence Index	52分 [注4]	47分 [注4]	50分（开源最高）	[注1]	[注1]	[注1]	[注1]	[注10]	[注10]	[注10]
LMArena	文本开源第2/代码开源第3 [注4]	[注1]	开放模型第1	[注1]	[注1]	[注1]	[注1]	[注10]	[注10]	[注10]
推理速度	[注1]	[注1]	[注1]	100 TPS	[注1]	[注1]	[注1]	[注10]	[注10]	[注10]

1.2 选型建议

DeepSeek V4-Pro — 综合最强

V3 的正统升级，知识、推理、编程全面超越 V3。1M 上下文，是当前开源通用模型的天花板。

DeepSeek V4-Flash — 轻量首选

V4 的精简版，W8A8 量化后显存约 470GB。1M 上下文，在"单节点能跑"这个前提下性价比最高。

GLM-5 — 综合评测开源第一

AA Intelligence Index 50 分，LMArena 文本/代码竞技场开放模型第一，整体跟 Claude Opus 4.5 和 GPT-5.2 (xhigh) 一个档次。w4a8 量化后显存约 422GB。

MiniMax M2.5 — 成本最低

100 TPS，跑一小时 1 美金，是 Opus/GPT5 价格的 1/10 到 1/20。对成本敏感的场景首选。

DeepSeek V3.1 — 最稳

部署经验最丰富，240k 上下文，W8A8 量化后显存约 741GB。适合追求稳定、不想踩坑的生产环境。

Qwen3-235B-A22B — 中等规模 MoE

235B MoE，256k 上下文。在 MoE 模型中部署灵活性较好，W8A8 量化后显存约 280GB。

Qwen3.5-397B-A17B — MMLU 开源第一

MMLU ~91.5，开源模型里最高。397B MoE 激活仅 17B，1M 上下文，支持 201 种语言，原生多模态融合架构。如果同时需要多模态能力，这个模型比 Qwen3-235B 更合适。

Kimi-K2-Thinking — 推理专精

混合思维 MoE 架构，适合需要深度推理的通用语言理解任务。

Kimi-K2.5 — 原生多模态 Agent

原生多模态 Agent 模型，在约 15 万亿混合视觉与文本 token 上持续预训练。支持即时模式与思维模式，兼具对话与 Agent 能力。

MiniMax M2.7 — Agent 工作流

M2.7 专为复杂 Agent 工作流设计。适合需要工具调用、搜索增强的通用语言理解场景。

数据说明与注释

[注1] 标记"—"表示该模型官方未公开此项数据。

[注2] Qwen3.5-397B-A17B 部分配置参数暂未公开。

[注3] DeepSeek V3.1 MMLU 数据引用自 V3 技术报告（~88.5）。

[注4] AA Intelligence Index 来源：Artificial Analysis 2026年4月评测。LMArena 来源：Arena.ai 2026年4月排名。

[注9] DeepSeek V4 系列数据引用自 V4-Flash-Base 第三方测评。

[注10] Kimi-K2-Thinking / Kimi-K2.5 / MiniMax M2.7 截至报告日期暂无公开基准数据。

官方参考依据

• DeepSeek V4 技术报告：https://github.com/deepseek-ai/DeepSeek-V4
• DeepSeek V4 HuggingFace：https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro
• DeepSeek V4-Flash HuggingFace：https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash
• DeepSeek V3.1 HuggingFace：https://huggingface.co/deepseek-ai/DeepSeek-V3.1
• DeepSeek V3 技术报告：https://github.com/deepseek-ai/DeepSeek-V3
• GLM-5 技术报告：https://github.com/THUDM/GLM-5
• GLM-5 HuggingFace：https://huggingface.co/THUDM/GLM-5
• MiniMax M2.5 官方公告：https://www.minimax.io/news
• MiniMax M2 HuggingFace：https://huggingface.co/MiniMaxAI/MiniMax-M2.5
• Qwen3-235B HuggingFace：https://huggingface.co/Qwen/Qwen3-235B-A22B
• Qwen3.5 官方博客：https://qwen.ai/blog?id=qwen3.5
• Qwen3.5-397B HuggingFace：https://huggingface.co/Qwen/Qwen3.5-397B-A17B
• Kimi-K2 技术报告：https://github.com/moonshotai/Kimi-K2
• Kimi-K2 HuggingFace：https://huggingface.co/moonshotai/Kimi-K2-Thinking
• Kimi-K2.5 HuggingFace：https://huggingface.co/moonshotai/Kimi-K2.5
• MiniMax M2.7 官方公告：https://www.minimax.io/news
• Artificial Analysis Intelligence Index：https://artificialanalysis.ai
• LMArena 竞技场：https://lmarena.ai
• MMLU 基准：https://github.com/hendrycks/test