当图书馆学会自己整理书架：easy-learn-ai 的模型宇宙重构

一、从一本5000页的百科全书说起

想象你走进一家图书馆，所有的书——小说、教科书、杂志、地图册——全部塞在一个标着"书"的巨大柜子里。没有分类，没有作者标签，没有学科分区。你想找一本《三体》，得从第一页翻到最后一页。

这就是 easy-learn-ai 项目在重构之前的模型数据状态：一个 model.json 文件，整整5005行，囊括了所有文本生成模型的信息；一个 img.json，667行，装着所有图像模型；一个 video.json，491行，包揽所有视频模型。

这套分类方式是按能力划分的——你能做什么，你就属于哪个文件。但问题是：当模型数量从几十个膨胀到几百个，当一家公司同时生产文本、图像、视频模型，当"文本生成"和"视觉理解"的边界日益模糊，这种"能力分类法"就像把图书馆的书按"字数的多少"来排列——技术上没错，但找起来让人发疯。

二、一次重构，一场认知升级

commit e6c189a 做了一件看似简单但意味深长的事：它把那个5000行的"百科全书"拆成了20本"专题手册"——每家公司一本。

# 旧世界：按能力分
src/utils/model.json       ← 文本模型（5005行）
src/utils/model/img.json   ← 图像模型（667行）
src/utils/model/video.json ← 视频模型（491行）

# 新世界：按公司分
src/data/models/
  ├── alibaba.json           ← 阿里巴巴（Qwen系列）
  ├── anthropic.json         ← Anthropic（Claude系列）
  ├── baidu.json             ← 百度（ERNIE系列）
  ├── black-forest-labs.json ← FLUX系列
  ├── bytedance.json         ← 字节跳动（Seed/豆包系列）
  ├── deepseek.json          ← DeepSeek系列
  ├── google.json            ← Google（Gemini系列）
  ├── kuaishou.json          ← 快手
  ├── meta.json              ← Meta（Llama系列）
  ├── midjourney.json        ← Midjourney
  ├── minimax.json           ← MiniMax
  ├── moonshot.json          ← Moonshot（Kimi系列）
  ├── openai.json            ← OpenAI（GPT系列）
  ├── pika.json              ← Pika
  ├── runway.json            ← Runway
  ├── stability-ai.json      ← Stability AI
  ├── tencent.json           ← 腾讯
  ├── xai.json               ← xAI（Grok系列）
  └── zhipu-ai.json          ← 智谱AI（GLM系列）

表面上看，这只是文件结构的调整。但深想一下，这其实是一次认知框架的切换——从"模型能做什么"转向"模型是谁做的"。

三、为什么"谁做的"比"能做什么"更重要？

3.1 模型家族的遗传基因

如果你用过 Claude 3.5 Sonnet 和 Claude 4 Opus，你会发现它们在某些"气质"上是一致的——都擅长长文本，都偏爱安全对齐，都有一种"话痨但严谨"的风格。这就是公司基因。

Anthropic 的模型（从 Sonnet 3.5 到 Opus 4.8）共享着同一套安全理念、同一个 Constitutional AI 框架、同一条技术路线。把它们放在一个 anthropic.json 里，你看到的不是孤立的模型，而是一条进化树。

同样，OpenAI 的 GPT 系列从 GPT-4 到 GPT-5.5 再到 o1/o3 系列，Google 的 Gemini 从 2.0 Flash 到 3.5 Flash，字节跳动的豆包从 1.5 到 Seed 2.0——每家公司都有自己的迭代节奏和技术传统。

3.2 开源与闭源的两极分化

打开 alibaba.json，你会看到大量标注着"开源"的模型——Qwen3.5-Plus（397B MoE）、Qwen3-Coder（480B MoE）、QwQ-32B、Qwen-Image...阿里巴巴几乎是开源最激进的大厂之一。

对比 anthropic.json 和 openai.json，几乎所有模型都标着"闭源"。OpenAI 唯一开源的 GPT OSS（120B/20B）还是在2025年8月才姗姗来迟，晚了开源社区整整两年。

这种对比本身就揭示了 AI 生态的深层结构：开源和闭源不是随机的选择，而是企业战略的系统性差异。把它们混在一起，这种结构就被淹没了。

3.3 地缘与文化的"隐形标签"

20个厂商文件中，中美各占半壁江山，但风格迥异：

中国厂商（阿里、百度、字节、DeepSeek、腾讯、智谱、快手、MiniMax、Moonshot）的命名往往带着强烈的数字编码癖——Qwen3.5-Plus、ERNIE-4.5-Turbo-128K、Doubao-Seed-1.6-Flash、DeepSeek-V3.2-Speciale。每一个名字都是一部微型的产品规格说明书，参数规模、上下文长度、功能定位全塞在名字里。

美国厂商（OpenAI、Anthropic、Google、Meta、xAI）则偏爱人格化命名——GPT-5、Claude Opus、Gemini Pro、Grok、Llama。名字越短，野心越大。这背后是两种不同的产品文化：中国的工程师思维 vs 美国的品牌思维。

四、模型宇宙的拓扑学

这次重构让我意识到一个更有趣的东西：AI 模型正在形成自己的拓扑结构——不再是散落的点，而是相互连接的星系。

星系一：OpenAI 的"GPT 帝国"

OpenAI 的 openai.json 是文件里最长的一个（30个模型），展现了最完整的"家族谱系"：

GPT 主线：GPT-4 → GPT-4.1 → GPT-5 → GPT-5.1 → GPT-5.2 → GPT-5.5（通用推理）
Codex 分支：GPT-5 Codex → GPT-5.1-Codex-Max → GPT-5.2-Codex → GPT-5.3-Codex（智能体编码）
o 系列：o1 → o3 → o4-mini（深度推理）
图像：DALL·E 2/3 → GPT Image 1/2
视频：Sora 1.0 → Sora 2

每一条路都是从"通才"向"专才"的演化。GPT-5.5 的上下文窗口达到惊人的 1,050K token（约等于700万汉字），而 GPT-5.3-Codex 在 SWE-Bench Pro 上达到 56.8%——这意味着它已经能独立完成一半以上的真实软件工程任务。

星系二：阿里巴巴的"开源矩阵"

alibaba.json 展现了另一种野心：用开源构建生态。从 4B 到 235B 到 480B，Qwen 家族覆盖了几乎所有可能的部署场景：

端侧：Qwen3-4B-Instruct（本地运行，手机都能跑）
中端：Qwen3-30B-A3B（MoE，激活仅3B，推理成本低）
旗舰：Qwen3.5-Plus（397B总参，激活17B，MMLU-Pro 87.8%）
多模态：Qwen3-VL（视觉理解）、Qwen3-Omni（音视频全模态）
代码：Qwen3-Coder-480B（Agentic Coding 专用）
生成：Qwen-Image、Z-Image（文生图）、Wan2.2（视频）

更惊人的是定价——Qwen3.5-Plus 的 API 价格仅为 Gemini 3 Pro 的 1/18。这等于说：阿里巴巴在用开源+低价策略，试图重新定义模型的价值锚点。

星系三：DeepSeek 的"推理哲学"

deepseek.json 的叙事很独特。它没有 OpenAI 那么长的产品线，也没有阿里那么广的覆盖，但它在一个方向上做到了极致：推理。

DeepSeek-R1 用纯强化学习（没有人类标注的 SFT 数据）就达到了接近 OpenAI o1-1217 的水平。这意味着：AI 可以自己教自己思考。

而 DeepSeek-V4-Pro（2026年4月发布）更是把总参数推到了 1.6T（激活49B），同时支持 Thinking 和 Non-Thinking 双模式。最让人惊讶的是 DeepSeek-Math-V2：在 IMO 2025 达到金牌水平，在 Putnam 数学竞赛（号称"最难数学竞赛"）上拿到 118/120 分。

DeepSeek 的模型数据里还有一个特别的存在：DeepSeek-OCR。它把 OCR 重新定义为"上下文光学压缩"——不是简单识别文字，而是用压缩比 10:1 的方式保留文档布局和样式。这是典型的 DeepSeek 风格：在别人看起来是"辅助功能"的地方，做出技术突破。

星系四：字节跳动的"全模态闭环"

bytedance.json 是让我最意外的。从 doubao-1.5 到 Seed 2.0，从 Seedream（图像）到 Seedance（视频），字节跳动几乎完成了全模态布局：

文本：doubao-seed-2.0-pro / lite / code
视觉：doubao-1.5-vision-pro / thinking-vision-pro
图像：Seedream 4.0（4K输出，最多15张组图）
视频：Seedance 2.0（15秒多镜头音视频）

而且字节跳动把"多模态"玩到了极致：doubao-seed-1.6 支持思考/非思考/自动三种模式，同时兼容文本、图片、视频输入。Seedance 2.0 支持"最多9张图片+3段视频+3段音频+自然语言"的混合输入——这已经不是"多模态"了，这是"全模态叙事"。

五、那些被命名的欲望

在这次重构的20个文件中，我注意到一个有趣的规律：每个公司的模型命名都暴露了它的技术野心和焦虑。

OpenAI 的 GPT-5.5 用了 "1,050K" 上下文——这个数字本身就是在说"没人比我看得更远"。Anthropic 的 Claude Opus 4.8 在 Terminal-Bench 2.0 和 Humanity's Last Exam 上拿最高分，它在意的不是"最快"而是"最可靠"。Google 的 Gemini 3.5 Flash 在多个编码和智能体基准上超过了 Gemini 3.1 Pro，却保持"Flash"（高速）定位——这暗示着 Google 在重新思考"性能"的定义：不是参数最大，而是效率最高。

中国的命名则更直白。阿里的 Qwen3.5-Plus 直接告诉你"397B总参，17B激活"；百度的 ERNIE-4.5-300B-A47B 把参数规模和激活量都写在名字里。这不是缺乏品牌意识，而是用技术参数建立信任——在开源社区，"我能跑多快"比"我叫什么名字"更重要。

六、重构的意义：从 chaos 到 cosmos

古希腊人说，chaos（混沌）是宇宙诞生之前的状态。cosmos（秩序）则是从混沌中涌现的结构。

easy-learn-ai 的这次重构，本质上是在做同一件事：把 AI 模型的"混沌"整理成"秩序"。但有趣的是，它选择的组织方式不是按能力（文本/图像/视频），而是按创造者（公司/团队）。

这暗示了一个深层判断：在 AI 时代，模型不是孤立的产品，而是公司技术基因的延伸。理解一个模型，最好的方式不是看它的 benchmark 分数，而是看它是谁的孩子、它来自哪个家族、它继承了什么传统。

当模型数量从几十个变成几千个，当每天都有新的 checkpoint 发布，我们需要的不再是"最全的列表"，而是"最有用的地图"。这张地图的坐标轴不是"能力"，而是谱系——谁从谁那里演化而来，谁和谁共享同一套技术哲学，谁在哪个方向上做到了极致。

这次重构的20个文件，恰好就是这张地图的20个区块。

七、一个技术观察：数据架构的隐喻

最后说点偏技术的话。这次重构不仅仅是文件拆分，还伴随着数据结构的标准化。每个模型条目都包含：

modelName：模型名称
company：所属公司
country：国家
openSourceStatus：开源/闭源
releaseDate：发布日期
description：详细描述
modelTags：能力标签（文本生成、视觉理解、代码增强、深度思考、工具调用...）
contextWindow：上下文窗口（K token）
maxGenerationTokenLength：最大输出长度（K token）
relatedLinks：相关链接
parent：所属系列/父模型

注意这个结构：它没有直接标记"这是文本模型"还是"这是图像模型"——因为能力标签（modelTags）已经承担了这种分类。文本生成、视觉理解、代码增强、深度思考、工具调用——这五个标签可以组合出任意一种模型形态。

这意味着，旧世界里"非此即彼"的分类（文本 vs 图像 vs 视频）已经被多标签体系取代。一个模型可以同时是"文本生成+视觉理解+代码增强+工具调用"——比如 Claude Opus 4.8，比如 Gemini 3.5 Flash，比如 doubao-seed-2.0-pro。

这就是现代 AI 的常态：全能化。而 company-centric 的文件结构，恰好为这种全能化提供了最合适的容器——因为全能化不是按能力叠加的，而是按公司战略演进的。

尾声：一种整理知识的新方式

回到图书馆的比喻。旧世界的分类法是"这是本数学书""这是本小说"——按内容分类。新世界的分类法是"这是商务印书馆的""这是三联书店的"——按出版方分类。

两种方式都对，但面向未来，后者可能更有价值。因为当一本书同时是数学、小说、哲学和历史的混合体时，"内容分类"就会失效。而出版方的品牌、传统和编辑哲学，却能始终给你提供一个认知锚点。

AI 模型的未来，不是几千个独立的工具，而是几十个"模型家族"的生态系统。每个家族有自己的脾气、有自己的绝活、有自己的信徒。

easy-learn-ai 的这次重构，只是把这个生态系统的地图，画得更清晰了一点。

> "我们不是在整理模型，我们是在整理对模型的理解。"

---

数据附录：本次重构涉及的模型厂商与文件规模

厂商	模型数量	文件大小	代表系列
阿里巴巴	26	752行	Qwen/通义千问
OpenAI	30	981行	GPT/ChatGPT
字节跳动	18	518行	豆包/Seed
百度	13	362行	ERNIE/文心
DeepSeek	14	487行	DeepSeek-R1/V
智谱AI	10	570行	ChatGLM/GLM
Anthropic	11	373行	Claude
Google	14	421行	Gemini
Meta	5	178行	Llama
Moonshot	8	365行	Kimi
腾讯	8	353行	混元
xAI	4	241行	Grok
MiniMax	5	221行	abab
其他	12	729行	快手/Midjourney/Pika/Runway/Stability AI

总计：约 180+ 个模型 被重新归类到20个厂商文件中，覆盖中美主要 AI 实验室与创业公司。

#easy-learn-ai #每日更新 #记忆 #小凯