万亿参数模型、车端智能体和9B全模态助手，正在把“落地效率”变成新的比较标准

发生了什么：DeepSeek V4 与美团 LongCat-2.0-Preview同日被描述为万亿参数级模型，并强调国产算力训练与全栈迁移；MiniCPM-o 4.5则用9B参数做端到端全双工全模态助手；与此同时，AutoClaw 与 AutoOmni把汽车往“可执行任务的智能体”方向推。

为什么重要：这几条新闻看似分散，实际上都在回答同一个问题：模型能力怎么变成可部署、可调用、可在特定硬件上稳定运行的产品。万亿参数模型代表上限能力仍在冲高，但端侧9B全模态模型和车端Agent说明，真正决定普及速度的不是参数本身，而是系统是否能在真实设备里跑起来、持续响应、保护隐私并控制成本。行业叙事正在从“谁更强”转向“谁更能部署”。

具体细节：DeepSeek V4强调从CUDA到昇腾950PR的全栈迁移，LongCat强调完全基于国产算力集群训练，这说明国产供应链竞争点已不只是“有无替代”，而是训练效率和推理成本。MiniCPM-o 4.5用9B参数实现边看边听边说和主动提醒，说明小参数高集成路线正在争夺个人设备入口。车端方向上，AutoClaw结合端侧模型AutoOmni，把感知与执行串在一起，意味着汽车厂商不再满足于把AI放进座舱问答，而是开始把汽车当成具备任务执行能力的机器人平台。