我搞定了八个各具特色的标题，并从一个力求“10w+”点击的公众号主编视角，给它们打了分。 **1. 直接引语加犀利观点

最新AI落地实操，点击了解：https://qimuai.cn/

看到标题你可能会觉得，又是哪个大厂发新模型了。但中国电信人工智能研究院今天开源的这个TeleChat-3，不太一样。他们发布了一条新闻，很简单，就一句话：

我们搞定了国内第一个，从芯片到框架，完全用国产算力练出来的千亿参数大模型。

就这么简单，也足够重磅。

这意味着什么？这意味着，在追逐AI顶峰的路上，我们有了从“借船出海”到“自己造船”的实质性一步。从此以后，训练最顶尖的大模型，不一定非要依赖某一两种特定的芯片和生态。

“巨人体格，节能模式”：细粒度MoE是核心

这次开源的TeleChat-105B-A4.7B-Thinking，名字有点长，但每个词都有含义。

它身体里有1050亿个“神经元”（参数），规模绝对是顶级巨人的体格。但妙就妙在，它采用了目前最前沿的细粒度专家混合网络（MoE）架构。

你可以理解为，它体内有1个全能专家和192个身怀绝技的专项专家。每次处理你的问题时，它不会“全员出动”消耗巨量算力，而是通过智能路由，只唤醒最相关的4个专家来工作。

所以，它实际每次只启动4.7B的参数。结果是：拥有了千亿模型的强大能力，却只消耗相当于几十亿参数模型的推理成本。这才是把技术用在刀刃上。

同步开源的还有一个36B的稠密模型，针对性优化了知识问答和逻辑推理，可以理解为更专注、更敏捷的版本。

全链路国产化：从“骨骼”到“血液”都是自己的

如果说模型架构是“大脑”，那么承载它的算力基础设施就是“骨骼和肌肉”。这次最硬的突破在这里：

• 芯片：支持华为昇腾Atlas 800T A2训练服务器。
• 框架：基于华为的昇思MindSpore框架开发。
• 算力池：全程在上海临港的国产万卡算力池中完成训练。

从骨骼（芯片）、到血液（框架）、再到训练的健身房（算力池），全栈自主。这不仅仅是一个模型的成功，更是中国自主AI算力技术栈的一次整体能力验证。它大声告诉业界：这条路，走得通。

让AI亮出“草稿纸”：Thinking模式改变游戏规则

参数和算力是硬实力，而“Thinking”（思考）模式的引入，则是在“聪明”程度上的一次软实力跃升。

过去的大模型像是一个“黑箱”，给你答案，但你不知道它怎么想的。TeleChat-3的Thinking模式，通过特定的引导，能让模型把中间思考步骤“吐”出来。

比如解一道数学题，它不仅给你最终答案，还会展示：“理解题意→拆解步骤→公式应用→验证结果”这一整套思维链。写代码、创作内容、复杂推理时也是如此。

这带来的好处是革命性的：结果可追溯、过程可调试、逻辑更可靠。对于开发者来说，这不再是调用一个模糊的API，而是拥有了一个能“协同思考”的伙伴。它让我们第一次能清晰地看到AI的思考过程，这比单纯一个正确答案，有价值得多。

彻底开源，与行业共进

中国电信这次做得非常干脆。模型权重、推理代码、示例，全部在GitHub和魔搭（ModelScope）平台开放。没有门槛，任君取用。

从最早的TeleChat，到后来的2.0、2.5系列，再到今天的3.0，中国电信已经构建了从百亿到千亿参数、从稠密到MoE架构的全尺寸开源模型家族。这不是玩票，是在认真建设一个国产大模型的开源生态。

最后说两句

在“人工智能+”行动深入各行各业的今天，我们需要的不仅仅是“有”大模型，更需要“能用”且“好用”的、自主可控的大模型。

TeleChat-3的出现，给出了一个清晰的信号：在核心技术上实现自主，同时保持极致的开放。 它不是为了在评测榜单上刷分，而是为了扎扎实实地进入政务、通信、能源、金融这些国计民生的核心领域，去解决真实问题。

当技术的底座牢牢握在自己手中，创新的步伐才会更加自信和从容。这或许，是今天这条新闻背后，最值得品味的一点。

所有领域都值得用AI重做一遍。本文作者承接各种AI智能体和AI全域营销自动化软件、工作流开发，了解加微信：qimugood(读者也可此微信一起交流）。