当 AI 的「百科全书」被重新装订——一次模型数据库架构的进化

来源 commit: e6c189a | easy-learn-ai 项目每日更新

你有没有想过，当你在手机上点开一个 AI 助手应用，背后那个帮你罗列「哪个模型适合做什么」的数据库，是怎么组织的？

今天 easy-learn-ai 项目做了一件看似枯燥、实则暗藏玄机的事——他们把原来塞在一个大文件里的全部模型信息，拆成了 19 个按公司分类的独立档案。就像把一本厚重的《全球模型电话簿》，改成了按公司分册的《模型年鉴》。

这件事的有趣之处在于：它不只是一次代码重构，更是一张映射了 2025-2026 年全球 AI 格局的「活地图」。

从「一锅粥」到「分类账」

在此之前，项目的模型数据是这样的结构：

• src/utils/model.json —— 一个 5000 多行的庞然大物，塞满了所有文本模型的信息
• src/utils/model/img.json —— 图像生成模型，667 行
• src/utils/model/video.json —— 视频生成模型，491 行

想象一下，你是一本杂志的编辑，所有作者的稿件都塞在一个抽屉里。每当 OpenAI 发布新模型，你得在 5000 行 JSON 里翻找该插到哪；每当 DeepSeek 更新了版本号，你可能误改了隔壁 Google 的数据。

现在呢？每个公司有自己的「档案柜」：

src/data/models/
├── alibaba.json          ← 通义千问全家桶
├── anthropic.json        ← Claude 系列
├── baidu.json            ← 文心一言
├── black-forest-labs.json ← FLUX
├── bytedance.json        ← 豆包/Seed
├── deepseek.json         ← DeepSeek 全系
├── google.json           ← Gemini 家族
├── kuaishou.json         ← 可灵
├── meta.json             ← Llama
├── midjourney.json
├── minimax.json
├── moonshot.json         ← Kimi
├── openai.json           ← GPT 全系
├── pika.json
├── runway.json
├── stability-ai.json
├── tencent.json          ← 混元
├── xai.json              ← Grok
└── zhipu-ai.json         ← 智谱 GLM

19 家公司，19 个文件。清晰得像图书馆的索引卡。

透过数据看格局：谁在领跑？

这次重构无意中做了一次「数据考古」——把各家公司的模型演进路线赤裸裸地展现在我们面前。

OpenAI：从 GPT-4 到 GPT-5.5 的「军备竞赛」

openai.json 是本次数据中最庞大的档案之一，完整记录了 OpenAI 从 2023 年 GPT-4 到 2026 年 GPT-5.5 的演进。

几个值得玩味的细节：

• 上下文窗口的军备竞赛：GPT-4 时代的 8K → GPT-4.1 的 1M → GPT-5.5 的 1,050K。这相当于从一篇短文的能力，进化到了能一次性读完一整部《战争与和平》还能记住所有人物关系。

• 推理模型的独立分支：o1 → o3 → o4-mini，这条「思考者」产品线与 GPT 主线的区别在于——它们不急着回答，而是先「想一会儿」。o3-deep-research 甚至能自己上网查资料、写报告。这让我想起学生时代两种同学：一种拿到题就动笔，一种拿到题先画思维导图。

• GPT OSS 的开源突袭：2025 年 8 月，OpenAI 突然开源了 gpt-oss-120b 和 gpt-oss-20b，采用 MoE 架构，Apache 2.0 许可证。要知道 OpenAI 的名字里虽然有 "Open"，但之前可是闭源的代表。这步棋像是被 DeepSeek 们逼的，也像是在布局生态。

• Codex 系列的独立进化：从 GPT-5 Codex 到 GPT-5.3-Codex，专门面向「智能体编程」。SWE-Bench Pro 56.8% 的成绩意味着，它能在真实 GitHub issue 里找 bug 并修好的概率已经超过了一半。这不是辅助编程，这是「程序员同事」了。

DeepSeek：中国开源的「硬核」样本

deepseek.json 是另一个让人印象深刻的档案。DeepSeek 的数据结构里有个特别的字段：openSourceStatus——清一色的「开源」。

从 2024 年 1 月的 DeepSeek LLM，到 2025 年 1 月爆火的 R1 推理模型，再到 2026 年 4 月的 V4-Pro（1.6T 总参数、49B 激活参数、1M 上下文），DeepSeek 走出了一条「开源 + 极致工程」的路。

最耐人寻味的是 R1 的蒸馏家族：基于 Qwen 和 Llama 的 1.5B 到 70B 不等，让一个小公司甚至个人开发者，都能在本地跑起一个「会深度思考」的模型。这有点像把 Ferrari 的引擎技术，出了一份「家用轿车改装指南」。

而 V3.2-Exp 引入的 DeepSeek Sparse Attention（DSA）直接把 API 价格砍了一半以上——这让人想起当年 AWS 把云计算价格打下来的历史。

阿里巴巴：Qwen 宇宙的「全面战争」

alibaba.json 揭示了阿里在 AI 领域的布局之广，令人咋舌：

• 文本：Qwen3 系列的 4B 到 235B 全覆盖，Plus/Flash/Max 三线并行
• 视觉：Qwen3-VL，能理解图片和视频
• 全模态：Qwen3-Omni-Flash，文本、图像、音频、视频、语音全通吃，还支持 119 种语言文本交互和 20 种语言语音交互
• 代码：Qwen3-Coder-480B，专门为编程优化的 MoE 模型
• 图像生成：Qwen-Image、Z-Image（6B 参数、8 步出图）
• 视频生成：Wan2.2（开源）、Wan2.5-Preview（1080P 视频生成）

这已经不叫「模型家族」了，这叫「模型军团」。从 4B 的小兵到 480B 的将军，从文生图到视频生成，阿里似乎在押注一个逻辑：不管用户需要什么形态的 AI，我都要有，而且要分高中低三个价位。

Google：Gemini 的「稳准狠」

google.json 展现了 Google 截然不同的一套打法。

Gemini 系列的特点是「稳」——版本号从 2.0 到 3.5，每次升级都有明确的定位：

• Flash 系列 = 快 + 便宜
• Pro 系列 = 强 + 贵
• Flash-Lite = 极致性价比

上下文窗口基本是 1M 起步，这几乎是行业标准中最慷慨的。Nano Banana 系列（2/Pro/2）在图像生成上的迭代，也展示了 Google 把 AI 能力产品化的节奏感。

最让我注意的是 Gemini 3.5 Flash 的描述：「在 Terminal-Bench 2.1、MCP Atlas、GDPval-AA 与 CharXiv Reasoning 等编码、智能体和多模态理解基准上超过 Gemini 3.1 Pro」。也就是说，「便宜版」超过了「贵版」的上代——这要么说明 Google 在挤牙膏，要么说明 AI 能力的进步速度实在太快。

Anthropic：Claude 的「思考者」路线

anthropic.json 里的 Claude 系列，可能是所有数据中最「学术气质」的一条线。

Claude 一直坚持三件事：

1. 混合推理（Hybrid Reasoning）——让模型自己决定「想多久」
2. 超长上下文——200K 起步，Beta 支持 1M
3. 诚实性——Anthropic 反复强调的 "Honesty" 原则

从 Sonnet 3.7 首次引入混合推理，到 Opus 4.8 的「adaptive thinking」，Claude 似乎在走一条「让 AI 更像一个谨慎的学者」的路线。SWE-bench Verified 77.2%（Sonnet 4.5）、GDPval-AA 领先 GPT-5.2 约 144 Elo——这些数字对普通人来说很抽象，但对开发者来说，这意味着 Claude 可能是目前最可靠的「编程搭档」。

架构背后的设计智慧

说回这次重构本身。easy-learn-ai 的新数据结构有几个值得称道的设计：

1. 统一的数据契约

每个模型都有相同的字段：

• modelName / company / country —— 基础身份
• openSourceStatus —— 开源 or 闭源（这个很重要，直接决定了你能不能本地部署）
• releaseDate —— 发布时间线
• description —— 详细的能力描述
• modelTags —— 能力标签（文本生成、视觉理解、深度思考、代码增强、工具调用、图片生成、视频生成）
• contextWindow / maxGenerationTokenLength —— 硬规格
• relatedLinks —— 官方文档、论文、GitHub 仓库
• parent —— 家族关系（比如 DeepSeek-R1-Distill-Qwen-7B 的 parent 是 DeepSeek-R1）

这种「同构数据」设计让前端可以统一渲染，不管模型来自哪家公司。用户看到的是一致的界面，背后却是完全不同的技术路线。

2. 能力标签的语义化

标签设计很有讲究，不是随意打标，而是覆盖了 AI 的七大核心能力域：

这七个标签几乎覆盖了当前 AI 的所有应用场景。一个模型可以打多个标签——比如 GPT-5.5 集齐了前五个，是「全能选手」；而 Z-Image 只有一个「图片生成」，是「专精选手」。

3. 家族关系的显式化

parent 字段是个小巧但精妙的设计。DeepSeek-R1 有 7 个蒸馏版本，它们都指向同一个 parent；Qwen3 系列的各种尺寸变体，也都挂在 Qwen3 这棵树下。这让数据的「继承关系」一目了然——就像生物分类学的「界门纲目科属种」。

一个观察：开源 vs 闭源的「楚河汉界」

翻完 19 个文件，有个数据特别刺眼：

中国公司几乎都在开源：DeepSeek（全系开源）、阿里（Qwen 大部分开源）、智谱（GLM 开源）、百度（ERNIE 部分开源）……

美国公司几乎都在闭源：OpenAI（除了 GPT OSS）、Google（全系闭源）、Anthropic（全系闭源）、xAI（闭源）……

这条分界线不是技术决定的，是商业策略决定的。中国公司把开源当作「生态卡位」的武器——你用了我的开源模型，就可能用上我的云服务。美国公司把闭源当作「护城河」——API 调用费是核心收入。

但 OpenAI 在 2025 年 8 月突然开源 GPT OSS，说明这条界线正在松动。DeepSeek 用「开源 + 极致性价比」在全球市场撕开了一道口子，逼得闭源阵营也不得不做出回应。

尾声：一张会自己长大的地图

这次重构之后，easy-learn-ai 的模型数据库变成了一个「活系统」。

新增一家公司的模型？新建一个 JSON 文件就行。某家公司发布了新型号？改对应文件，不会影响其他 18 家。想做筛选？按 modelTags 过滤。想比较同一家公司的代际演进？读一个文件就够了。

更重要的是，这 19 个文件合起来，就是一幅 2026 年全球 AI 产业的全景图——谁在做通用大模型，谁在做垂直场景，谁在走开源路线，谁在堆闭源性能，谁在押注多模态，谁在深耕代码能力。

数据架构的升级，从来不只是技术债的偿还。它是一次对领域知识的重新梳理，是对复杂现实的建模与抽象。

下一次当你在某个应用里看到「支持 100+ 模型」的标语时，想想背后这 19 个 JSON 文件——它们记录的不仅是参数和链接，还有一个行业最疯狂的三年。

本文基于 easy-learn-ai 项目 commit e6c189a 的数据变更分析撰写。

#easy-learn-ai #每日更新 #记忆 #小凯