AI-экосистема Китая — карта

Зачем это нужно

В этом курсе вы будете постоянно встречать слова DeepSeek, Qwen, Kimi, GLM, MiniMax. Вы реализуете MLA из DeepSeek-V2 (модуль 5.2), мелкозернистые эксперты DeepSeekMoE (5.3), Muon от Moonshot (5.4), разреженное внимание DSA (5.5), GRPO из DeepSeekMath (6.4), будете дообучать Qwen (6.2) и запускать его локально (7.2). Чтобы эти названия не сливались в кашу, нужна карта: кто есть кто, что сделал и что разрешает делать с моделями.

Есть и практическая причина. На октябрь 2026 года значительная часть самых сильных открытые весаоткрытые весаEN open weights — китайские модели. Выбирая базовую модель для своего проекта, вы почти наверняка будете выбирать между Qwen, DeepSeek, GLM и Kimi. Тогда важно сразу понимать, чем они различаются и что написано в их лицензиях.

Срез на 3 октября 2026

Китайская экосистема меняется каждый месяц. Факты до 2025 года хорошо задокументированы. Данные о релизах 2026 года взяты из техотчётов и обзоров и собраны в docs/research/china-tech-2023-2026.md; таблица 2026 года ниже перепроверена 04.10.2026 по аннотациям техотчётов и README моделей. Перед тем как на них опираться, сверьтесь с карточкой модели на Hugging Face или ModelScope.

Четыре типа игроков

Китайские LLM делают организации очень разной природы. От природы организации зависит, зачем ей открытые веса и как долго она их будет публиковать.

flowchart LR
subgraph S["Независимые AI-лаборатории"]
  DS["DeepSeek<br/>Ханчжоу"]
  MS["Moonshot<br/>Kimi"]
  ZP["Zhipu<br/>GLM"]
  MM["MiniMax"]
  SF["StepFun"]
end
subgraph B["Бигтех"]
  AL["Alibaba<br/>Qwen"]
  BD["ByteDance<br/>Seed, Doubao"]
  TC["Tencent<br/>Hunyuan"]
  BA["Baidu<br/>ERNIE"]
  XM["Xiaomi<br/>MiMo"]
  MT["Meituan<br/>LongCat"]
end
subgraph G["Госинституты и академия"]
  SH["Shanghai AI Lab<br/>InternLM"]
  BAAI["BAAI<br/>эмбеддинги BGE"]
end
subgraph C["Сообщество и инфраструктура"]
  MSC["ModelScope"]
  DW["Datawhale"]
  INF["SGLang, verl,<br/>LlamaFactory"]
end
S ~~~ B ~~~ G ~~~ C

Карта китайской AI-экосистемы (упрощённо)

1. Независимые лаборатории. Модель — их главный продукт. DeepSeek живёт на деньги квантового фонда High-Flyer — «квантового» не в смысле физики: так называют фонды, которые торгуют на бирже с помощью математических моделей и алгоритмов. Остальные — венчурные стартапы 2019–2023 годов. Им нужна репутация среди разработчиков, и открытые веса работают как лучшая реклама.
2. Бигтех. Модель — часть облака, поисковика, соцсети или маркетплейса. Alibaba зарабатывает, когда вы запускаете Qwen в Alibaba Cloud. ByteDance зарабатывает на приложении Doubao. Отсюда разная политика: Alibaba открывает большинство моделей Qwen (закрыты в основном версии Max), флагманы ByteDance закрыты.
3. Госинституты и академия. Шанхайская лаборатория ИИ (Shanghai AI Lab) делает модели InternLM и инструменты XTuner, LMDeploy, OpenCompass. Пекинская академия ИИ BAAI известна эмбеддингами BGE — они стоят во многих RAG-системах мира (модуль 8.2).
4. Сообщество. ModelScope — китайский аналог Hugging Face. Datawhale — одно из крупнейших в Китае сообществ открытых учебников (о нём — урок 5 этого трека). Сюда же относятся проекты с сильным китайским участием: SGLang, verl, LlamaFactory.

Лаборатории — по одной

Таблица ниже — шпаргалка. Возвращайтесь к ней, когда в уроке встретится незнакомое название.

Лаборатория	Город	Флагманы (по 2026)	Главный вклад для инженера
DeepSeek	Ханчжоу	V3, R1, V3.2, V4	MLA, DeepSeekMoE, GRPO, FP8-обучение, DSA, открытая инфраструктура
Alibaba Qwen	Ханчжоу	Qwen2.5, Qwen3, Qwen3.5	самая используемая открытая линейка, от 0.6B до сотен B; гибридное мышление; GSPO
Moonshot AI	Пекин	Kimi K2, K2.5, K3	Muon/MuonClip, Kimi Linear (KDA), агентные данные
Zhipu / Z.ai	Пекин	GLM-4.5, GLM-5	RL-фреймворк slime, агентные модели, адаптация под китайские чипы
MiniMax	Шанхай	MiniMax-01, M1, M2, M3	Lightning Attention, CISPO, честный отказ от гибрида в M2
ByteDance Seed	Пекин	Doubao (закрыт), Seed-OSS-36B	DAPO, VAPO, verl
Tencent Hunyuan	Шэньчжэнь	Hunyuan-Large, Hunyuan-T1	большие MoE, гибрид Transformer + Mamba (модель пространства состояниймодель пространства состояний (SSM)EN state space model (SSM)Семейство рекуррентных моделей с линейным обновлением состояния (S4, Mamba). Близкий родственник линейного внимания., родственница линейного внимания из урока 5.5.3)
Baidu (ERNIE)	Пекин	ERNIE 4.5	один из первых китайских ответов ChatGPT (март 2023); в 2025 открыл ERNIE 4.5
StepFun	Шанхай	Step-3, Step 3.5 Flash	разделение attention и FFN по разным GPU (AFD)
Xiaomi	Пекин	MiMo-7B, MiMo-V2-Flash	гибрид окна и глобального внимания 5:1, дистилляция от нескольких учителей
Meituan	Пекин	LongCat-Flash	«нулевые» эксперты (zero-computation experts)
Shanghai AI Lab	Шанхай	InternLM, Intern-S1	XTuner, LMDeploy, OpenCompass, учебный лагерь InternLM

Пять лабораторий из таблицы стоит знать подробнее: их идеи составляют ядро ступеней 5–6 курса.

DeepSeek — дочерний проект хедж-фонда High-Flyer, основатель Лян Вэньфэн. Компания существует с 2023 года и финансируется фондом, а не венчурными деньгами. Публикует подробные статьи, а с февраля 2025-го ещё и инфраструктурный код: FlashMLA, DeepEP, DeepGEMM, DualPipe, 3FS. Почти каждая её работа — урок курса: многоголовое латентное вниманиемногоголовое латентное внимание (MLA)EN multi-head latent attention (MLA)Предложено DeepSeek в DeepSeek-V2 (2024). (5.2), смесь экспертовсмесь экспертов (MoE)EN mixture of experts (MoE) с общими экспертами (5.3), FP8 и предсказание нескольких токеновпредсказание нескольких токенов (MTP)EN multi-token prediction (MTP) (5.4), DSA (5.5), GRPO и R1-Zero (6.4).

Qwen — команда Alibaba. Её главный вклад — не одна идея, а ширина линейки. Qwen3 (апрель 2025) вышла восемью размерами, от 0.6B до 235B-A22B, все под Apache-2.0, с поддержкой 119 языков. Поэтому именно Qwen стал «лабораторной мышью» мировой исследовательской среды: четыре из шести дистиллятов DeepSeek-R1 построены на Qwen2.5, и вы тоже будете дообучать Qwen в модулях 6.2 и 6.4.

Moonshot (Kimi) — основатель Ян Чжилинь, соавтор Transformer-XL и XLNet. Kimi прославился длинным контекстом ещё в 2023 году. Главный инженерный вклад компании — оптимизатор Muon на масштабе: K2 (1T параметров, 32B активных) обучили на 15.5T токенов без единого всплеска loss благодаря MuonClip (модуль 5.4).

Zhipu (GLM) — выходцы из лаборатории KEG университета Цинхуа. Ещё в марте 2023-го открыли ChatGLM-6B — одну из первых китайских моделей, которую можно было запустить на домашней видеокарте. GLM-4.5 и GLM-5 — сильные агентные модели под MIT. Zhipu открыто переиспользует чужие идеи: GLM-5 взял разреженное внимание DSA у DeepSeek. Это нормальная практика в открытой экосистеме.

MiniMax — шанхайская компания, известная и видеогенератором Hailuo. В MiniMax-01 (январь 2025) сделали гибрид: 7 слоёв линейного Lightning Attention на 1 слой обычного softmax-внимания. А в M2 (октябрь 2025) вернулись к полному вниманию, потому что гибрид проигрывал на агентных задачах, и подробно объяснили почему. Такие честные «отказы» ценнее многих успешных статей. Мы разберём их в уроке 5.5.3 и в уроке 8 этого трека.

Как не путать названия

Компания ≠ модель ≠ приложение. Alibaba → модели Qwen → приложение Qwen Chat. Moonshot AI → модели Kimi K2/K3 → приложение Kimi. ByteDance → модели Seed → приложение Doubao. В китайских СМИ модель часто называют по приложению.

Хронология 2023 → 2026

Историю удобно делить на четыре фазы. В каждой фазе у отрасли была своя главная гонка.

flowchart LR
A["2023<br/>«бай мо дачжань»,<br/>война сотни моделей"] --> B["2024<br/>эффективность<br/>и ценовая война"]
B --> C["2025<br/>момент DeepSeek,<br/>рассуждения, агенты"]
C --> D["2026<br/>триллионные MoE,<br/>контекст 1M"]

Четыре фазы китайской LLM-индустрии

2023: «война сотни моделей»

После ChatGPT десятки китайских компаний бросились делать свои LLM. Это время называют «бай мо дачжань» («война сотни моделей»).

Когда	Событие
14.03.2023	Zhipu и Цинхуа открывают ChatGLM-6B
16.03.2023	Baidu показывает ERNIE Bot — один из первых крупных китайских ответов ChatGPT
03.08.2023	Alibaba открывает Qwen-7B
15.08.2023	Вступают в силу «Временные меры по управлению сервисами генеративного ИИ»: публичные сервисы проходят регистрацию у регулятора
11.2023	Yi-34B (01.AI, основатель — Кай-Фу Ли), DeepSeek LLM 67B, DeepSeek Coder

Большинство моделей этого года догоняли Llama 2 и GPT-3.5. Многие компании той волны позже ушли из гонки за фронтир.

2024: эффективность и ценовая война

Когда	Событие
01.2024	DeepSeekMoE — мелкие и общие эксперты
02.2024	DeepSeekMath — первое описание GRPO
05.2024	DeepSeek-V2: MLA сокращает KV-кэш на 93 %. Цена API — около 1 юаня за миллион входных токенов, и начинается ценовая войнаценовая войнаEN price warОбвальное снижение цен на API китайских LLM, начавшееся в мае 2024 г. после выхода DeepSeek-V2.
06–09.2024	Qwen2, затем Qwen2.5, большинство размеров под Apache-2.0
11.2024	Tencent Hunyuan-Large — крупная открытая MoE-модель
12.2024	DeepSeek-V3: 671B параметров, 37B активных, 14.8T токенов, ~2.79 млн GPU-часов на H800

Главный сюжет 2024 года: китайские команды научились делать модели уровня GPT-4 дёшево. Подробнее о том, как и почему, — в следующем уроке.

2025: «момент DeepSeek», рассуждения и агенты

Когда	Событие
20.01.2025	DeepSeek-R1 и R1-Zero под MIT; в тот же день — Kimi k1.5
27.01.2025	Приложение DeepSeek на первом месте App Store в США; акции NVIDIA за день падают на ~17 %
02.2025	Open Source Week DeepSeek: FlashMLA, DeepEP, DeepGEMM, DualPipe, 3FS
29.04.2025	Qwen3: гибридный режим мышления, восемь размеров
07.2025	Kimi K2 (1T / 32B), GLM-4.5, Qwen3-Coder
08–09.2025	DeepSeek-V3.1 и V3.2-Exp (DSA), Qwen3-Next (гибрид Gated DeltaNet), LongCat-Flash
10–12.2025	MiniMax-M2, Kimi Linear, Kimi K2 Thinking, DeepSeek-V3.2, MiMo-V2-Flash

В сентябре 2025 года статья о DeepSeek-R1 вышла в журнале Nature. Для LLM-статьи это редкость.

2026: триллионные MoE и контекст в миллион токенов

Когда	Событие
02.2026	GLM-5 (744B-A40B, MIT, DSA от DeepSeek), Qwen3.5 (397B-A17B, гибрид линейного внимания)
24.04.2026	DeepSeek-V4: Pro 1.6T / 49B и Flash 284B / 13B, контекст 1M, MIT; инференс на Huawei Ascend поддержан с первого дня
06.2026	MiniMax M3 с собственным разреженным вниманием, Meituan LongCat-2.0
07.2026	Kimi K3: 2.8T / 104B, гибрид KDA и MLA
08.2026	Qwen3.8: 27B под Apache-2.0; флагман Qwen3.8-2.4T-A95B — первая открытая модель класса Qwen-Max, но под отдельной лицензией Qwen3.8-Max, а не Apache-2.0

Тренд хорошо виден в цифрах. Модели растут до триллионов параметров, а доля активных падает до 3–5 %. Внимание становится разреженным или гибридным, и контекст в 1M токенов стал нормой для флагманов.

Кто что открыл

«Открыла модель» — ещё не всё. Полезно различать, что именно выложила лаборатория.

Лаборатория	Веса	Код и инфраструктура	Подробные статьи	Данные претрейна
DeepSeek	да, MIT	много: FlashMLA, DeepEP, DeepGEMM, DualPipe, 3FS, smallpond	да	нет
Qwen	да, в основном Apache-2.0	Qwen-Agent, qwen-code	да	нет
Moonshot	да, кастомная или модифицированная MIT	Moonlight/Muon, checkpoint-engine, FlashKDA	да	нет
Zhipu	да, MIT	slime (RL)	да	нет
ByteDance Seed	только Seed-OSS	verl, DAPO	да	нет
Shanghai AI Lab	да	XTuner, LMDeploy, OpenCompass	да	частично (корпус WanJuan)

Обратите внимание на последний столбец. Данных претрейна не открывает почти никто — ни китайские, ни американские лаборатории. Поэтому термин открытый исходный кодоткрытый исходный кодEN open sourceКитайские СМИ часто называют открытыми («кайюань») и модели с открытыми весами, даже без открытого кода и данных обучения. к большинству моделей применяют неточно: правильнее говорить «открытые веса». Подробно — в уроке 3 этого трека.

Лицензии: что проверять

Лицензия весов определяет, можно ли использовать модель в коммерческом продукте и на каких условиях. В таблице встретится сокращение MAU (monthly active users) — число активных пользователей продукта за месяц; кастомные лицензии часто ставят условия именно от него.

Семейство	Лицензия весов	На что обратить внимание
DeepSeek V3-0324, R1, V3.x, V4	MIT	Первый релиз V3 (декабрь 2024) шёл под собственной DeepSeek License; R1 явно разрешает дистилляцию
Qwen3	Apache-2.0	У Qwen2.5 размеры 3B и 72B — под отдельными лицензиями Qwen; у флагманов новых версий лицензия может отличаться (так, Qwen3.8-2.4T-A95B — под лицензией Qwen3.8-Max)
GLM-4.5, GLM-5	MIT	—
Kimi K2	модифицированная MIT	Если у продукта > 100 млн MAU или > 20 млн долл. выручки в месяц, нужно показывать «Kimi K2» в интерфейсе
ERNIE 4.5	Apache-2.0	—
Seed-OSS-36B	Apache-2.0	—
Hunyuan-Large и др.	Tencent Hunyuan Community License	Не действует на территории ЕС, Великобритании и Южной Кореи
Llama 3 (для сравнения)	Llama Community License	Если у продукта > 700 млн MAU — нужна отдельная лицензия от Meta

Проверяйте каждую модель отдельно

Лицензия задаётся для конкретной модели, а не для компании. Внутри одного семейства она может различаться по размерам и версиям. Источник правды — файл LICENSE в репозитории модели на Hugging Face или ModelScope.

Практика: читаем названия моделей

Китайские лаборатории — прежде всего Qwen — зашивают размер MoE-модели прямо в название: Qwen3-235B-A22B = 235 млрд параметров всего, 22 млрд активныхактивные параметрыEN activated (active) parametersСколько параметров MoE-модели реально участвует в обработке одного токена. «A22B» в названии Qwen3-235B-A22B — 22 млрд активных из 235 млрд.. Напишем парсер и сравним, насколько «разреженными» стали модели. Код запускается локально, библиотеки не нужны.

import re

# Шаблон «<всего>B-A<активных>B» используют Qwen и многие другие. Регулярное выражение (урок 0.2.4) по частям:
#   (\d+(?:\.\d+)?) — число, возможно дробное (группа 1); ([BT]) — буква B или T (группа 2);
#   -A — буквально «-A»; (\d+(?:\.\d+)?)B — число активных (группа 3) и буква B.
PATTERN = re.compile(r"(\d+(?:\.\d+)?)([BT])-A(\d+(?:\.\d+)?)B")


def parse_moe_name(name):
    """'Qwen3-235B-A22B' -> (235.0, 22.0); триллионы (T) переводим в миллиарды."""
    m = PATTERN.search(name)
    if not m:
        return None
    total = float(m.group(1)) * (1000 if m.group(2) == "T" else 1)
    return total, float(m.group(3))


names = [
    "Qwen3-30B-A3B",
    "Qwen3-235B-A22B",
    "Qwen3-Coder-480B-A35B-Instruct",
    "Qwen3-Next-80B-A3B-Instruct",
    "Qwen3.5-397B-A17B",
]
# У этих моделей размеры не зашиты в название — берём из техотчётов
reports = {"DeepSeek-V3": (671, 37), "Kimi K2": (1000, 32), "DeepSeek-V4-Pro": (1600, 49)}

rows = [(n, *parse_moe_name(n)) for n in names] + [(n, *v) for n, v in reports.items()]
for n, total, active in sorted(rows, key=lambda r: r[2] / r[1], reverse=True):
    print(f"{n:32s} {total:5.0f}B  активно {active:3.0f}B  доля {active / total:5.1%}")
print(parse_moe_name("Qwen3-8B"))  # плотная модель — шаблона нет

Ожидаемый вывод:

Qwen3-30B-A3B                       30B  активно   3B  доля 10.0%
Qwen3-235B-A22B                    235B  активно  22B  доля  9.4%
Qwen3-Coder-480B-A35B-Instruct     480B  активно  35B  доля  7.3%
DeepSeek-V3                        671B  активно  37B  доля  5.5%
Qwen3.5-397B-A17B                  397B  активно  17B  доля  4.3%
Qwen3-Next-80B-A3B-Instruct         80B  активно   3B  доля  3.8%
Kimi K2                           1000B  активно  32B  доля  3.2%
DeepSeek-V4-Pro                   1600B  активно  49B  доля  3.1%
None

Что видно из таблицы:

• Вычисления определяет число активных параметров, память — общее. Kimi K2 тратит на токен примерно столько же FLOPs, сколько плотная модель на 32B, но в памяти GPU должны лежать все 1000B.
• Разреженность растёт со временем. У DeepSeek-V2 (май 2024) было активно 21B из 236B — 8.9 %, у V3 (декабрь 2024) — 5.5 %, у Kimi K2 (июль 2025) — уже 3.2 %. У флагманов 2026 года доля держится на уровне 3–5 %.
• Числа в названиях округлены. Например, у Qwen3-30B-A3B на самом деле ~30.5B всего и ~3.3B активных. Точные значения — в config.json и карточке модели.

Попробуйте сами: добавьте в список Qwen3.6-35B-A3B и посчитайте её долю активных параметров.

Китайский угол: что значат названия лабораторий

Китайские названия компаний — мини-урок языка (о чтении китайских источников — урок 4 этого трека):

• «Шэньду Цюсо» — DeepSeek: «глубокий поиск». «Цюсо» — книжное «искать, стремиться к истине»; это слово из знаменитой строки поэта Цюй Юаня (IV–III вв. до н. э.), в переводе — «Долог и далёк путь, буду искать повсюду».
• «Юэ чжи аньмянь» — Moonshot AI: «тёмная сторона Луны». По словам основателя, это отсылка к его любимому альбому Pink Floyd.
• «Тунъи Цяньвэнь» — Qwen: «понимающий смысл, [отвечающий на] тысячу вопросов». Латинское Qwen — сокращение второй части, «цяньвэнь», которая в латинской записи пишется через Q.
• «Вэньсинь» — ERNIE от Baidu: «сердце словесности»; так начинается название классического трактата о литературе «Вэнь синь дяо лун» (V–VI вв.).
• «Хуньюань» — Tencent Hunyuan: даосское понятие изначального единства.
• «Доубао» — ByteDance Doubao: просто «булочка с бобовой пастой». Название нарочно домашнее.

Ещё два ярлыка из китайских СМИ. «Шесть маленьких тигров» ИИ — стартапы Zhipu, Moonshot, MiniMax, Baichuan, StepFun и 01.AI. «Шесть маленьких драконов Ханчжоу» (2025) — DeepSeek и пять технологических компаний из того же города, включая производителя роботов Unitree.

Проверь себя

Проверь себя6 вопросов·

1 Модель называется Qwen3-Next-80B-A3B. Какая доля параметров активна на каждом токене? Ответ в процентах, округлите до одного знака.

2 Какие утверждения о лицензиях верны?Можно выбрать несколько ответов

Веса DeepSeek-R1 выпущены под MITВсе модели одной компании всегда выходят под одной лицензиейЛицензия Tencent Hunyuan Community License не действует в ЕСМодифицированная MIT у Kimi K2 требует показывать название модели в очень крупных продуктах

3 Какое событие запустило ценовую войну китайских LLM-API в мае 2024 года?

Выход DeepSeek-R1Выход DeepSeek-V2 с ценой около 1 юаня за миллион входных токеновОткрытие весов ERNIE 4.5Экспортные ограничения на H800

4 Вы выбираете базовую модель для коммерческого продукта в России. Что нужно сделать в первую очередь?

Взять самую популярную модель на Hugging Face — популярное всегда можно использоватьПрочитать файл LICENSE конкретной модели и проверить условия: MAU, территория, требования к атрибуцииПроверить только лицензию компании на её сайте

5 Какая лаборатория вернулась от гибридного линейного внимания к полному вниманию, объяснив это качеством на агентных задачах? (одно слово)

6 Почему ByteDance выкладывает алгоритмы (DAPO) и фреймворк verl, но держит Doubao закрытым?

Модель — основа её потребительского продукта, а инструменты укрепляют репутацию и ускоряют исследования без потери конкурентного преимуществаКитайское законодательство запрещает открывать веса чат-ботовverl — не её разработка

Проверить ответы

Итоги

• Китайские LLM делают четыре типа организаций: независимые лаборатории (DeepSeek, Moonshot, Zhipu, MiniMax, StepFun), бигтех (Alibaba, ByteDance, Tencent, Baidu, Xiaomi, Meituan), госинституты (Shanghai AI Lab, BAAI) и сообщество (ModelScope, Datawhale).
• Хронология: «война сотни моделей» (2023) → эффективность и ценовая война (2024) → «момент DeepSeek», рассуждения и агенты (2025) → триллионные разреженные MoE с контекстом 1M (2026).
• Названия вида 235B-A22B читаются как «всего / активно». Вычисления определяет число активных параметров, память — общее.
• Большинство флагманов открыты под MIT или Apache-2.0, но лицензию каждой модели нужно читать отдельно.

Дальше: почему китайские модели такие эффективные — экспортные ограничения, H800 и инженерный ответ DeepSeek.