币界网消息，分析师max for ai发文称，国内大模型目前正进入一段「尴尬期」，核心挑战集中在训练算力、推理资源和商业定价三个方面。随着国内厂商持续扩大模型规模，5t、8t甚至10t参数规模开始被讨论，但训练算力的增长速度可能难以跟上模型规模扩张，算力正逐渐成为现实限制。阿里巴巴此前在云栖大会上提到，未来可能训练5t至10t参数规模的模型，kimi、glm等厂商也在继续推进大规模模型。在推理端，大模型训练完成并不意味着能够长期稳定地向大规模用户。部分大模型上线初期运行速度较快，但随后可能出现限速、排队和额度收紧等情况，反映出推理算力仍是重要瓶颈。随着模型规模扩大，每增加用户额度都意味着更高的实际推理成本。此外，模型规模和推理成本上升也可能迫使厂商调整价格，而国内大模型此前的重要竞争优势之一正是开源和性价比。