See how AI Gateway compares to other AI API providers
DeepSeek 和百度 ERNIE 是两条不同的国产开源路线：DeepSeek 深耕文本推理、长上下文与投机解码，ERNIE 铺开旗舰 MoE、推理、视觉、端侧和 OCR 五条线。本文从产品结构、生态、部署和场景做对比。
DeepSeek 深耕推理与长上下文、还开源了投机解码加速；GLM 把工具调用和智能体场景打磨成强项。本文从定位、开源生态、部署与云端可用性四个维度对比，给出按任务的选择建议，并附可直接运行的 GLM 调用示例。
DeepSeek 把全部力量放在文本推理与长上下文，MiniMax 则以 H3 视频生成成为家族最大爆款。本文从产品线、部署工具链、生态和场景对比两条完全不同的路线。
DeepSeek 深耕文本推理与长上下文、开源投机解码加速；腾讯混元以 hy4 的官方 FP8/GPTQ/AWQ 三格式量化和 A13B MoE 见长。本文从家族结构、生态、部署和场景对比两条路线。
百度 ERNIE 以 OCR、VL、端侧和旗舰 MoE 的完整矩阵见长；MiniMax 以 H3 视频和 Music3 音频建立创作产品线。本文从定位、部署栈、生态和场景对比。
按端点格式、模型 ID 与支持边界对比 EXAIV 上可调用的两个海外家族，不编造跑分与价格。
GLM 把工具调用与智能体编排打磨成强项且云端可直接调用；百度 ERNIE 铺开旗舰 MoE、推理、视觉、端侧和 OCR 五条线。本文从定位、生态、部署和场景对比。
GLM 把工具调用和智能体编排打磨成强项且云端可直接调用；MiniMax 以 H3 视频生成成为家族最大爆款。本文从定位、产品线、部署栈和场景对比两条路线。
GLM 以工具调用和智能体编排见长、云端可直接调用；混元 hy4 以官方 FP8/GPTQ/AWQ 三格式量化与本地可控著称。本文从定位、生态、部署和场景对比。
混元 hy4 是 42.2 亿参数稠密模型、原生 256K 上下文；DeepSeek-V4.1-Flash 是 7632 亿参数 MoE、原生 1M 上下文。本文从架构、社区热度、量化生态、许可证与场景五个维度对比这两条完全不同的路线。
混元 hy4 是 42.2 亿参数稠密模型，GLM-5.3-Flash 是 3213 亿参数 MoE、MIT 许可。本文对比两者的架构、许可证、量化生态、社区热度与适用场景，说明什么时候值得自部署轻量模型、什么时候直接调云端旗舰。
混元 hy4 是 42.2 亿参数稠密模型，Kimi K3 是 2.78 万亿参数的 MoE 旗舰。本文对比两者的参数架构、社区热度、许可证、硬件门槛与场景适配，说明超大规模 MoE 与轻量稠密模型各自适合什么。
混元 hy4 是 42.2 亿参数的稠密模型，Qwen3.8-Flash 是 1800 亿参数的 MoE 旗舰。本文从参数架构、社区热度、许可证、部署现实与场景适配五个维度对比，帮你判断该自部署轻量模型还是直接调用云端大模型。
Kimi K3 和 DeepSeek V4 系列都是 EXAIV 云端在售的开源系旗舰：K3 以多模态长上下文推理见长，V4 以家族梯度完整、性价比见长。本文从参数规格、能力侧重、API 调用差异、按任务路由四个维度对比，示例代码可直接复制运行。
Kimi K3와 GLM-5.3-Flash는 EXAIV에서 바로 호출 가능한 중국 오픈 모델의 쌍두마차입니다. 긴 문서 읽기에 강한 Kimi, 도구 호출과 에이전트 오케스트레이션에 강한 GLM. 실제 동작하는 API 코드와 작업별 라우팅 구현 예제로 비교합니다.
Kimi K3 和 GPT-6 系列（sol / astra / luna）是两条路线的旗舰：一个开放权重可自部署，一个是闭源 API-only。本文从中立事实维度对比权重与许可、部署与数据控制、能力边界与选型建议，不贬损任何一方。
Kimi 从长上下文起家、深度阅读是看家本领；百度 ERNIE 铺开旗舰 MoE、推理、视觉、端侧和 OCR 五条线。本文从定位、生态、部署和场景对比两条路线。
Kimi 以长上下文和深度阅读见长且云端可直接调用；MiniMax 以 H3 视频生成成为国产开源最大爆款。本文从定位、产品线、部署和场景对比两条互补路线。
Kimi K3 是 EXAIV 云端可直接调用的长文本专家；混元 hy4 以官方 FP8/GPTQ/AWQ 三格式量化见长。本文从定位、生态、部署与场景对比两条路线。
按参数、许可、生态、硬件与本地部署对比 Mistral 7B、Llama 3.3 70B 与 Gemma 3 27B。
Qwen 和 GLM 是国产开源里社区生态与智能体打磨的两个代表。本文从家族结构、量化覆盖、云端可用性、智能体能力四个维度对比，Qwen 走开源生态广度路线、GLM 走工具调用纵深路线，给出按场景的选择建议。
Qwen 和 Kimi 是国产开源的两条不同路线：一个用全家族覆盖规模和模态，一个从长上下文起家向编码和推理深耕。本文从产品线结构、开源生态、云端可用性、本地部署四个维度对比，并给出可直接运行的双模型调用示例。
Qwen 和 MiniMax 是两条差异明显的国产开源路线：Qwen 用全规格和社区生态服务开发者，MiniMax 以 H3 视频、Music3 音频和 M3 多模态形成特色。本文从产品线、本地部署、生态与实际场景对比，帮助你选择。
Qwen 和混元是国产开源里社区活跃度差异最大的两家：Qwen 的社区量化和开发者工具覆盖压倒性领先，混元则以完整产品线和官方量化格式见长。本文从家族结构、生态覆盖、部署路径和场景适配四个维度对比。
Qwen3.8 和 DeepSeek V4 是国产开源模型的两极：一个生态最大、多模态变体最全，一个长上下文最成熟、还配了投机解码加速。本文从产品线、开源生态、本地部署、量化覆盖四个维度对比，给出按场景的选择建议，不编跑分。
国产开源模型（Qwen/DeepSeek/Kimi/GLM 等）与海外旗舰（GPT-6/Claude 级）的本质差异不是跑分，而是权重是否开放：开源意味着本地部署、数据不出机、量化自由和零按量成本。本文从六个可验证维度做全景对比，给出混合路由的落地建议。
混元以 hy4 的官方 FP8/GPTQ/AWQ 三格式量化和 A13B MoE 见长；MiniMax 以 H3 视频生成的 ComfyUI 生态成为创作侧首选。本文从定位、部署栈、生态和场景对比。
ERNIE 和混元是国产开源里路线差异最大的两家：百度铺全产品线（旗舰 MoE/推理/VL/端侧/OCR），腾讯把轻量线的官方量化做到了最全（FP8/GPTQ/AWQ 三格式）。本文从产品广度、量化开放度、部署生态、轻量与旗舰四维对比，给出按场景的选择。
百度和阿里是国内两大 AI 厂商，开源路线差异明显：ERNIE 铺五条产品线并绑定 Paddle 生态，Qwen 用最活跃的社区生态覆盖全规格。本文从产品矩阵、生态活跃度、部署方式、场景适配四个维度对比，给出按需求的选择建议。
