明天开工，总结下这个春节 AI 圈的几个趋势：
这个春节，AI 圈基本没放假。
我在新加坡过年的这几天，一边带孩子，一边手机上 智能分身 OpenClaw 不断弹出各种消息：GLM-5 上了、MiniMax M2.5 开源了、豆包上春晚了、千问请全国人民喝奶茶了、元宝直接发了 10 亿红包。
核心结论：代码继续贬值，入口和验证继续升值。谁能把"流量"转成"可复用工程能力"，谁就赢下下一阶段。
如果你时间不多，先看 3 句：
- 春节这波不是单纯”发红包”，而是 AI 入口争夺战——总投入超 45 亿，核心战场不在红包金额，而在谁先占住你手机上那个”有事先问 AI”的入口。
- 真正的胜负手不是活动预算，而是模型能力能否沉淀到工作流。GLM-5 和 MiniMax M2.5 同一周上线，信号很明确：模型能力是留存根基。
- 对程序员来说，开工第一天要改的不是工具，而是交付定义——你的价值不再由”写了多少行代码”衡量。
一、春节发生了什么：先看事实，再谈判断
我先把公开、可核对的信息摆出来。这些数据来自各家官网、官方微博和公开报道，我尽量标注了来源。
1.1 模型端：两大旗舰同一周上线
| 时间 | 模型 | 关键参数 | 核心信号 |
|---|---|---|---|
| 2026-02-11 | GLM-5（智谱 Z.AI） | MoE 架构，7440 亿总参，400 亿激活，200K 上下文 | 国产昇腾芯片全链路训练，SWE-Bench Verified 开源 SOTA |
| 2026-02-12 | MiniMax M2.5 | MoE 架构，2300 亿总参，100 亿激活，100+ Token/s | Agent 生产级定位，SWE-Bench Verified 80.2%，次日全球开源 |
| 春节前后 | 通义 Qwen3-Coder-Plus / Wan2.6 | 多模型矩阵更新 | 模型能力与消费端入口并行推进 |
值得单独说一下：GLM-5 和 MiniMax M2.5 几乎是同一周发布的。 这不是巧合——春节期间发模型，就是要在”全民关注 AI”的窗口期抢叙事权。
GLM-5 的核心叙事很清楚：从”Vibe Coding”转向”Agentic Engineering”。智谱把这个词写在了技术报告的标题页上，意思是：AI 不再只是辅助你写代码，而是作为自主 Agent 参与工程全流程。它的另一个重要信号是”全链路国产芯片训练”——用华为昇腾完成了从预训练到对齐的全部过程，这在地缘政治层面有特殊意义。
MiniMax M2.5 的打法不同：它不追参数规模，而是追”可用性”。2300 亿参数但只激活 100 亿，意味着推理速度极快、成本极低。上线不到一天，全球用户就在 MiniMax Agent 上构建了 1 万多个专家。这个数据说明：速度和成本优势可以直接转化为用户活跃度。
1.2 入口端：红包不是红包，是”请你先用一次 AI”
这场红包大战的投入总额据报道超过 45 亿人民币。但如果你只看金额，就低估了这件事。
| 玩家 | 春节动作 | 关键数据 | 我认为的信号 |
|---|---|---|---|
| 豆包（字节跳动） | 春晚独家 AI 合作伙伴，送科技好礼+最高 8888 元红包 | 除夕 AI 互动 19 亿次，周活 1.55 亿 | 用春晚级流量做用户教育 |
| 千问（阿里） | “30 亿春节请客计划”，免单券+请喝奶茶 | 连续多日 App Store 免费榜第一 | 串联淘宝/飞猪/盒马，做”有事找 AI”的消费心智 |
| 元宝（腾讯） | 直接派发 10 亿现金红包，单个最高 1 万元 | DAU 超 5000 万，MAU 达 1.14 亿 | 复制当年微信红包路径，社交裂变拉新 |
先说明一个边界：关于各家的具体投入金额，不同媒体口径不完全一致（有说总计 45 亿的，也有说 80 亿的），本文以各方相对一致的数据为准。
但金额不是重点。重点是三件事：
-
豆包拿到的是”春晚级入口”。春晚的覆盖力不需要解释，字节用这个入口让几亿人第一次在节日场景里和 AI 互动——不是搜索，不是问答，是”发红包+做头像+写祝福”这种全民可参与的场景。除夕当天 AI 互动 19 亿次、生成了 5000 万张头像，这组数据说明消费端的 AI 使用习惯正在被高速建立。
-
千问串的是”电商+生活服务”链路。它不只是”请你喝奶茶”，而是把千问和淘宝闪购、飞猪、盒马等阿里系业务接在一起——你在千问里领券、点餐、下单，数据全部回流到阿里生态。这是把”AI 助手”做成”消费入口”的典型打法。
-
元宝走的是”社交裂变”老路。腾讯高层明说要”重现微信红包当年的成功”。结合微信和 QQ 生态做分享裂变，用最简单的”发红包-抢红包”机制让用户打开元宝 App。
二、为什么我说这不是”红包大战”，而是”入口重构战”
很多人把这波看成”节日营销”。我觉得只看到了表层。
表层是红包，底层是三件事：
- 入口重排：谁先占据用户手机上那个”遇到问题先打开”的 App 位置，谁就先拿到交互数据和使用习惯。
- 心智重排：用户正在从”AI 是搜索替代品”升级到”AI 是事务代理人”——不只是查信息，而是帮我做事、帮我下单、帮我写东西。
- 工作流重排：企业端开始把模型能力嵌入真实业务链路。你今天看到的”请喝奶茶”背后，是千问和淘宝下单系统的 API 打通；你看到的”春晚互动”背后，是豆包大模型的实时推理集群在承压。
换句话说：红包是”开门动作”，模型和工程才是”复利动作”。
举一个具体例子。千问这次”请喝奶茶”活动，你领到一张 25 元免单券之后，实际下单路径是：千问 → 淘宝闪购 → 商户 → 配送。整条链路跑通意味着千问不再只是一个”对话框”，而是一个可以触发真实交易的入口。如果这个入口能留住用户，阿里就获得了一个新的流量分发通道。
同样，豆包在春晚场景里做”AI 头像生成”“AI 祝福生成”，本质上是在教育用户一件事：你的手机上有一个 AI App 可以帮你做有趣的事。 当这个习惯建立起来，后续的商业化场景（写作辅助、图片生成、视频创作）才有根基。
三、模型端的真正角力：不是”谁更大”，而是”谁更能用”
回到模型层面。我想更深入地比较一下 GLM-5 和 MiniMax M2.5，因为它们代表了当前中国 AI 模型竞争的两条典型路线。
3.1 GLM-5：昇腾芯片 + 全参数规模 + Agentic Engineering
GLM-5 的技术报告里有几个我特别关注的点：
- 7440 亿总参数，推理激活 400-440 亿。这个规模在开源模型里处于头部。
- 200K 上下文窗口，集成了 DeepSeek Sparse Attention（DSA），在保持长上下文能力的同时控制推理成本。
- 全链路华为昇腾芯片训练。之前的大模型训练几乎都依赖 NVIDIA GPU，这次标明”All-Ascend Pre-training”，是技术自主性上的重要信号。
- SWE-Bench Verified 达到开源 SOTA，在真实编程场景中的使用体验，官方说法是”接近 Claude Opus 4.5”。
智谱用了一个很有意思的定位词：”从 Vibe Coding 到 Agentic Engineering”——也就是说，AI 不应该只是”帮你快速出代码”（Vibe Coding），而应该作为工程团队中的自主角色，理解任务、拆解需求、自动执行并自我验证。
3.2 MiniMax M2.5：极致效率 + 开源即可用
MiniMax M2.5 走的完全是另一条路：
- 2300 亿总参数，但推理只激活 100 亿。这意味着大幅降低了部署门槛和推理成本。
- 输出速度 100+ Token/s，是主流模型的 2 倍左右。在 Agent 场景里，速度就是体验。
- 输入价格约 $0.3/百万 Token，输出约 $2.4/百万 Token。这个成本在复杂 Agent 应用中非常有竞争力。
- SWE-Bench Verified 得分 80.2%，在 Multi-SWE-Bench 等多语言复杂环境中超越了 Opus 4.6。
- 次日全球开源。从发布到开源不到 24 小时，上线不到一天就有 1 万多个专家被构建。
两条路线的差异很清楚：
GLM-5 赌的是”绝对能力”——参数够大、能力够强，能承接最复杂的 Agent 任务和长程工程链路。它的隐含假设是：未来的 Agent 需要足够强的底层模型来理解复杂意图。
MiniMax M2.5 赌的是”可用性”——模型要快、要便宜、要能立即部署。它的隐含假设是：用户和开发者更在意”用起来的感觉”，而不是纸面参数。
我的判断是：两条路都对，但赢面在谁先跑通”模型→Agent→工作流→收入”这条闭环。 参数大但用不起来是浪费，效率高但能力不够也撑不住复杂场景。胜负手在后面几个月的落地数据。
四、这和软件工程有什么关系：关系非常大
如果你还把 AI 当”写代码插件”，那你会低估这次变化。
以前的 AI Coding 是什么？是 Copilot、是自动补全、是”你写一半它帮你补一半”——本质上，程序员还是主角，AI 是配角。
现在的 Agentic Engineering 是什么？是 Agent 自己理解需求、拆解任务、生成代码、跑测试、提交 PR、发现问题再回退重试——程序员的角色正在从”实现者”变成”编排者 + 审核者”。
对工程团队来说，真正变化有四层：
- 需求层：用户期待”直接给结果”，不是”给建议”。千问帮你下单、豆包帮你生成头像——用户不想看中间过程，只要最终结果。
- 架构层：单模型策略正在变成多模型路由策略。旗舰模型处理复杂任务，轻量模型处理高频简单请求，成本和体验两头都要。
- 质量层：人工 review 比例下降，自动化验证权重上升。Anthropic 的数据显示，虽然约 60% 的工作中已使用 AI，但完全委托给 AI 的任务比例仍在 0-20%，说明人类监督仍然是关键。
- 组织层：团队里需要新角色——Agent 编排师、Prompt 工程师、AI QA 专家。传统的”产品 → 开发 → 测试”三段式交付正在被重构。
代码不再是资产，意图与测试才是资产。
五、开工第一天，你必须先搞明白的 5 件事
5.1 先改 KPI：代码不是最终交付物
从今天起，团队应该用三件事衡量产出：
- 意图是否清晰（需求边界是否明确）
- 验证是否完备（测试与验收是否可执行）
- 结果是否可追责（失败能否定位到环节）
如果你的团队还在用”代码行数”或”PR 数量”作为核心指标，那今天就是改的时候。
5.2 把 AI 当”团队”，不是”对话框”
最小可用的 Agent Team 依然是这三角：
- Architect Agent：理解业务目标、拆解任务、定义接口。
- Coder Agent：实现代码、调用工具、迭代提交。
- QA Agent：构建测试、执行回归、拦截不合格交付。
GLM-5 和 MiniMax M2.5 都在朝”Agentic”方向走，说明这三角色协同不是概念，而是正在成为模型能力的一部分。
5.3 立硬规则：先验收，再生成
至少把这 4 条写进团队模板：
- 先写验收标准，再让 Agent 编码。
- 每次生成必须跑自动化测试。
- 不满足阈值（质量/性能/安全）不得合并。
- 失败路径要可回滚、可复现、可复盘。
5.4 护城河已换代：重点补四个能力
- 系统设计能力——AI 能写代码，但不知道该写什么架构。
- 测试驱动能力——你定义验收标准的能力决定了 AI 产出的质量上限。
- 多 Agent 编排能力——如何让多个 Agent 协同而不互相冲突。
- Prompt + Skill Engineering——把经验沉淀成可复用、可传递的”技能定义”。
5.5 立即执行：第一天最小行动清单
- 选 1 个本周真实需求，不做 demo。
- 写 10 条可执行验收标准。
- 建立 Architect/Coder/QA 三角色回路。
- 把测试、日志、回滚条件写入 PR 模板。
- 晚上复盘：省了什么人力，新增了什么风险。
六、往远看一步：这波之后的 3 个趋势
春节这一波只是开始。往前看，我认为有三件事会在 2026 年持续发酵：
6.1 多 Agent 并行将成为标配
现在的 AI Coding 工具大多还是”一个 Agent 一个任务”。但 GLM-5 的 200K 上下文窗口和 MiniMax M2.5 的极致推理速度，都在为”多 Agent 同时工作”铺路。Gartner 预测 2026 年 AI 智能体将实现数周级的任务连贯性。这意味着未来你可能同时有 5 个 Agent 在不同分支上并行开发，你的工作是审查和合并。
6.2 “入口→工作流→收入”的闭环竞争才刚开始
春节红包解决了”让用户打开 App”的问题，但后面还有两道坎：让用户留下来（工作流价值），让用户付费（收入转化）。这两道坎才是真正的竞争壁垒。
6.3 程序员的”升值方向”更清楚了
不是”学更多语言”，不是”刷更多 LeetCode”。而是：
- 能设计出让 Agent 高效执行的系统架构
- 能定义出让 AI 产出可验证的验收标准
- 能编排多 Agent 协同而不翻车
- 能把经验沉淀成可复用的 Skill 和 Prompt
升值的不是”写代码的手速”，而是”定义问题的精度”。
写在最后
今年春节让我最确定的一件事是：
不是”AI 要不要进主流程”，而是”AI 已经进主流程，谁还没完成组织升级”。
GLM-5 和 MiniMax M2.5 在同一周发布，不是模型公司在”卷参数”，而是在”抢定义权”——谁先定义了 Agentic Engineering 的标准工作流，谁就拿到了下一代软件工程的话语权。
豆包、千问、元宝撒了几十亿的红包，不是在”烧钱拉新”，而是在”抢入口”——当用户习惯了”有事先问 AI”，后面的商业化链路就顺了。
所以开工第一天真正要搞明白的，不是”我该选哪家模型”，而是：
我的团队有没有准备好从”写代码”转向”编排 Agent”。
如果还没有，从今天的那 5 条行动清单开始。
参考资料（官网/官方）
- Z.AI Release Notes：New Released（含 2026-02-11 GLM-5）
https://docs.z.ai/release-notes/new-released - Z.AI Docs：GLM-5 Overview
https://docs.z.ai/guides/llm/glm-5 - 智谱 AI 官方：GLM-5 技术报告（All-Ascend Pre-training、Agentic Engineering 定位）
https://zhipuai.cn/ - MiniMax API Docs：Models Release Notes（含 Feb. 2026 M2.5 发布）
https://platform.minimax.io/docs/release-notes/models - MiniMax API Docs：Text Generation（M2.5 能力与效率指标）
https://platform.minimax.io/docs/guides/text-generation - MiniMax M2.5 Hugging Face 开源页面
https://huggingface.co/MiniMaxAI - 通义官网（Qwen / Wan 能力入口）
https://qianwen.aliyun.com/ - 豆包 × 2026 央视春晚独家 AI 云合作伙伴
https://research.doubao.com/ - 腾讯元宝春节红包活动（官方微博）
https://www.weibo.com/7914117279/QrLY7xX5i - 阿里千问”30 亿春节请客计划”
https://qianwen.aliyun.com/ - 界面新闻：2026 春节 AI 红包大战综合报道
https://www.jiemian.com/ - Anthropic：Agentic Coding Trends 2026（AI 使用比例与人类监督数据）
https://www.anthropic.com/
