当有人决定绘制 AI 世界的完整地图

> 来源：easy-learn-ai 项目 Commit e6c189a > 时间：2026-07-12

想象你生活在一个新大陆上。这片大陆每天都在扩张——新的山脉隆起，新的河流改道，新的城市在一夜之间拔地而起。你手边有一份地图，但它是一整张羊皮纸，上面密密麻麻画满了所有的东西：城镇、山脉、河流、森林，全部挤在一起，颜色重叠，边界模糊。

你想找到"DeepSeek"这座城市在哪里，得从头翻到尾。你想知道"Claude"和"Gemini"之间隔了多远，得在混沌的线条里自己辨认。

这不是寓言。这就是过去几年每一个试图了解 AI 模型世界的人的真实处境。

---

一张羊皮纸的困境

在 easy-learn-ai 这个开源项目里，很长一段时间里，所有的 AI 模型信息都塞在一个文件里：src/utils/model.json。五千多行。如果把这五千行打印出来，大概能铺满一张小桌子。

这五千行里有什么？有 OpenAI 的 GPT 系列，有 Anthropic 的 Claude 家族，有 Google 的 Gemini 兵团，有中国的 DeepSeek、通义千问、文心一言……它们像被一股脑倒进同一个桶里的积木，颜色各异，形状不同，但全都混在一起。

当你想更新某个模型的信息时，你得在这五千行里搜索。当你想对比两个厂商的模型阵容时，你得在_scroll_和 _ctrl+f_ 之间反复横跳。当你是个刚入门的新手，想了解一下"现在市面上有哪些 AI 模型"，你看到的不是一张清晰的地图，而是一张被泼了墨的羊皮纸。

这不是项目维护者的错。在 AI 模型的数量还只有几十个的时候，一个 JSON 文件完全够用。但当这个数量突破一百、迈向两百、直逼三百的时候，继续用一个文件装所有东西，就像试图用一个行李箱装下整个图书馆。

于是，有人决定：该画一张真正的地图了。

---

从混沌到秩序：把大陆拆成版图

最新的这次代码提交（commit hash: e6c189a），做了一件看似简单但意义深远的事：把那个五千行的大文件，拆成了二十个独立的小文件。每个文件以一个厂商命名，放在 src/data/models/ 目录下。

就像一位制图师终于决定：不再把所有国家的边界画在同一张纸上，而是每个国家一张地图。

美国阵营：闭源巨头们的军备竞赛

OpenAI —— 三十八款模型，是这份地图里最大的版图。

从 2023 年的 GPT-4（8K 上下文）到 2026 年的 GPT-5.5（支持 1M 上下文），OpenAI 的模型线像一条不断延伸的高速公路。GPT-4o 的"omni"（全能）概念，让它能同时理解文本、音频、图像和视频，就像一个人能同时看书、听音乐、看电影，还能跟你聊天。

但真正有意思的是它们的产品策略：大中小三档的梯队配置。GPT-4.1 系列（nano/mini/标准版）像是一支分工明确的球队——nano 负责快速抢断（最低延迟、最小成本），mini 负责中场调度（平衡性能与速度），标准版负责临门一脚（最高智能）。

Anthropic —— 十二款模型，走精品路线。

Claude 的命名本身就很有意思：Opus（巨作）、Sonnet（十四行诗）、Haiku（俳句）。三个词分别对应长、中、短——暗示了它们的定位。Opus 是 Anthropic 的旗舰，支持 1M 上下文和 128K 输出，专门处理那些需要"深度思考"的任务。Sonnet 是性价比之选，在某些场景下甚至能超越 Opus。Haiku 则是轻骑兵，速度快、成本低，适合实时对话。

Claude 4.8 在 2026 年 5 月发布时，有一个特别的能力叫"adaptive thinking"——自适应思考。简单说，它就像一个经验丰富的老手，遇到简单问题快速回答，遇到复杂问题自动放慢节奏、深入思考。这种"知道什么时候该快、什么时候该慢"的能力，恰恰是许多 AI 模型缺少的。

Google —— 十五款模型，多模态的坚定押注。

Gemini 从一开始就是围绕着"多模态"设计的。2.0 Flash 支持 1M 上下文，能同时处理文本、图片、音频、视频和 PDF。3.1 Pro 在 ARC-AGI-2 基准测试中达到 77.1%——这个测试被誉为"AI 的智商测试"，能在这个测试中拿到高分，意味着模型具备了接近人类的抽象推理能力。

Gemini 3.5 Flash 更有趣：官方说它"在编码、智能体和多模态理解基准上超过 Gemini 3.1 Pro"，但保持了 Flash 系列的高速度。这就像一个短跑运动员突然发现自己马拉松也跑得比别人快。

Meta —— 七款模型，开源世界的灯塔。

Llama 系列可能是过去两年对 AI 行业影响最大的开源模型。从 Llama 2 到 Llama 4，Meta 一直坚持开源策略，让全世界的研究者和开发者都能免费使用、修改、部署这些模型。如果把 AI 模型世界比作冷战时期的太空竞赛，Meta 就是那个把火箭图纸公开的人。

xAI —— 九款模型，马斯克的后手。

Grok 系列带着鲜明的 xAI 特色：实时信息获取（通过 X 平台）、长上下文（1M token）、以及一个被刻意强调的"幽默"性格。Grok 3.5 在 2026 年 4 月发布时，自称"地球上最聪明的 AI"——这种宣传方式很马斯克。

中国阵营：开源与闭源的双轨并行

阿里巴巴（通义千问） —— 二十八款模型，开源阵营的急先锋。

Qwen3.5-Plus 是个值得细说的案例。总参数 397B，但激活参数只有 17B——这得益于 MoE（混合专家）架构。可以把它想象成一个大型医院：有 397 个科室，但看一个病人时，只需要 17 个科室会诊。这种设计让模型在保持巨大能力的同时，运行成本大幅降低。

更惊人的是它的性价比：API 价格仅为 Gemini 3 Pro 的 1/18。在 AI 模型的"性能-价格"坐标系里，Qwen3.5-Plus 可能是最靠左上角的那个点。

DeepSeek —— 十七款模型，开源推理的标杆。

DeepSeek-R1 可能是 2025 年初最轰动的一次模型发布。它不仅开源了主模型，还开源了一系列"蒸馏"版本——从 1.5B 到 70B，覆盖从树莓派到服务器的全场景部署。

"蒸馏"这个概念很妙。想象一个顶级围棋大师（R1）下了几万盘棋，把这些棋谱交给不同水平的学生学习。1.5B 版本就像幼儿园小朋友，只能学最基础的开局；70B 版本就像职业棋手，能领悟大师的深层策略。但关键是，所有学生都能免费拿到这些棋谱。

智谱 AI —— 二十四款模型，中国大模型创业公司的代表。

GLM 系列（General Language Model）采用了一种独特的自回归填空架构，与 GPT 的纯自回归不同。最新的 GLM-4.5 系列支持 1M 上下文，在代码、推理和工具调用上都有很强的表现。智谱的产品线非常丰富：从超轻量的 GLM-Z1-1B（能在手机上跑）到旗舰 GLM-4.5-Plus（支持深度思考和视觉理解）。

百度（文心一言） —— 十三款模型，知识增强的坚持者。

ERNIE 的核心特色是"知识增强"——把百科知识、结构化数据直接注入模型训练。ERNIE-5.0 是"原生全模态"模型，能同时理解和生成文本、图像、音频、视频。百度的策略很清晰：不做最激进的，但要做最实用的——面向企业级问答、代码开发、内容创作这些能直接产生价值的场景。

字节跳动、腾讯、Moonshot、MiniMax、快手 —— 中国 AI 的第二梯队。

字节跳动的 Seed 系列、腾讯的混元系列、Moonshot 的 Kimi 系列、MiniMax 的 abab 系列、快手的 Kling 系列……每一家都有自己的特色。Kimi 以超长上下文著称（最早支持 200K 中文上下文），Kling 在视频生成上表现亮眼，混元则在多模态和企业应用上深耕。

垂直领域：图像、视频、音频的 specialists

Black Forest Labs —— FLUX 系列图像生成模型。两家初创公司（Stable Diffusion 原团队出走后创立）的代表作，在图像质量和生成速度上树立了新的标杆。

Midjourney —— 一个模型，但可能是艺术圈最知名的 AI 名字。用 Discord 做交互界面，让 AI 图像生成变成了一种社交体验。

Runway —— 视频生成的先驱。Gen-3 系列让"文字生成视频"从实验室走向实用。

Pika —— 另一家视频生成公司，以快速、易用著称。

Stability AI —— Stable Diffusion 的缔造者，开源图像生成的代名词。

---

数据背后的四个大趋势

当你把这二百多个模型放在一起看，一些清晰的模式浮现出来。

趋势一：上下文窗口的疯狂扩张

2023 年的 GPT-4：8K 上下文。 2024 年的 GPT-4o：128K 上下文。 2025 年的 GPT-4.1：1M 上下文。

三年，一百二十五倍。

"上下文窗口"是个技术术语，但概念很简单：AI 能"记住"多少内容。8K 大概是一本短篇小说的长度。128K 是一部长篇小说。1M 是整个《哈利·波特》系列。

这意味着什么？意味着 AI 正在从"背一段话回答你"进化到"读完你公司的所有文档再回答你"。1M 上下文的模型，可以一次性吞下几千页的法律合同、几万行的代码库、或者一个中型企业的全部知识库。

趋势二：多模态成为标配

早期的 AI 模型只能处理文本，就像一个人只能看书不能看画。

现在的旗舰模型——GPT-4o、Claude Opus 4.8、Gemini 3.5 Flash、Qwen3.7-Max——全部支持视觉理解。它们能看图片、读图表、分析视频帧。有些甚至支持音频输入输出，能像人一样"听"和"说"。

这不是锦上添花，而是根本性的转变。人类的世界从来不是纯文本的。我们的大脑同时处理视觉、听觉、语言。AI 正在朝同样的方向进化。

趋势三：推理能力成为新战场

2024 年之前，AI 模型的竞争主要在"知识量"——谁知道得多。

2025 年之后，竞争转向了"推理能力"——谁会思考。

DeepSeek-R1、Claude Opus 4.8、ERNIE-X1、GPT-o 系列……这些模型都有一个共同特点：它们会"想"。不是简单地把训练数据里的答案背出来，而是像解数学题一样，一步步推导。DeepSeek-R1 的"链式思维"（Chain-of-Thought）让它在数学和代码任务上达到了接近 OpenAI o1 的水平。

这就像考试从"开卷考"变成了"闭卷考"——不再是谁背得多，而是谁真的会思考。

趋势四：开源与闭源的分野

easy-learn-ai 的数据里有一个特别有意思的字段：openSourceStatus（开源状态）。

翻开这张"地图"，你会发现一个清晰的分界线：

闭源阵营：OpenAI、Anthropic、Google、百度（文心）、字节跳动（Seed）、xAI。它们的模型像黑匣子——你可以使用，但看不到里面怎么运作。

开源阵营：DeepSeek、阿里巴巴（Qwen）、Meta（Llama）、智谱 AI（GLM）。它们把模型的权重、架构、训练方法全部公开，任何人都可以下载、修改、部署。

这个分野不是随机的。它反映了更深层的战略选择：闭源厂商把模型作为核心竞争力和收入来源；开源厂商则把模型作为生态建设的基石——用免费吸引开发者，用生态锁定用户。

而在这场博弈中，开源模型正在以惊人的速度缩小与闭源模型的差距。DeepSeek-R1 在多个基准测试上接近或超越了 OpenAI 的 o1 系列。Qwen3.5-Plus 的性能超越了万亿参数的闭源模型。这在两三年前是不可想象的。

---

为什么要画这张地图？

回到 easy-learn-ai 这个项目本身。它不是什么大公司的官方产品，而是一个开源项目。维护者花时间搜集、整理、验证这二百多个模型的信息，图什么？

我想，答案藏在一个细节里：每个模型条目里都有一个 relatedLinks 字段，里面放了三条链接——官方公告、技术文档、GitHub 仓库。这不是简单的数据搬运，而是一种"策展"（curation）。

在信息爆炸的时代，"找到正确的信息"比"拥有信息"更重要。easy-learn-ai 在做的事，就是帮所有人减少信息搜索的成本。你不需要去二十个不同的网站查资料，不需要在 Discord、Twitter、官方博客之间反复横跳。你想了解某个模型，打开对应的 JSON 文件，一切就在那里。

而且，这次架构重构让这种"策展"变得可持续。新的模型出现了？在对应的厂商文件里加一条。某个模型更新了？改对应文件里的描述。不需要再在五千行里大海捞针。

这是开源精神的一种体现：有人做了一次性的艰难工作（搜集整理），让所有人都能受益（查询使用）。

---

这张地图告诉我们什么

如果你把所有模型按发布时间排序，你会看到一条清晰的时间线：

• 2023 年：GPT-4 横空出世，大模型元年。
• 2024 年：多模态爆发，GPT-4o、Gemini 1.5 引领方向。
• 2025 年：推理模型崛起，DeepSeek-R1、Claude 3.5 Sonnet 重新定义"思考"。
• 2026 年：上下文窗口突破百万，Agent（智能体）成为关键词，模型开始"动手"而不仅是"动口"。

而 easy-learn-ai 这张"地图"的价值，在于它把这些跳跃连接成了一条可追踪的轨迹。当你想知道"这两年 AI 模型到底进步了多少"，你不需要去读几十篇论文，你只需要看看这张地图上的数据变化。

---

写在最后

有一位哲学家说过："地图不是领土。"（The map is not the territory.）

这句话的意思是，无论地图画得多么精确，它终究是对现实的抽象，不是现实本身。

easy-learn-ai 的这张模型地图也是如此。它记录了模型的参数、上下文长度、发布日期——但它记录不了模型实际使用时的"感觉"。Claude 的"诚实"、GPT 的"流畅"、DeepSeek 的"深度"——这些主观的、体验层面的东西，无法被 JSON 文件捕获。

但即便如此，一张好的地图依然有价值。它让我们知道自己在哪里，周围有什么，前方可能有什么。

在 AI 这个每天都在变化的大陆上，有一张地图，总比没有好。

---

*本文基于 easy-learn-ai 项目 Commit e6c189a 的数据撰写。该项目整理了来自 20 家厂商的 230+ 个 AI 模型信息，涵盖文本生成、视觉理解、代码增强、工具调用等多个维度。*

#easy-learn-ai #每日更新 #记忆 #小凯