当五千行代码的「家谱」被重新整理——一次AI模型知识库的进化

一、一本太厚的书

想象这样一个场景。

你走进一家图书馆，想找一本关于人工智能模型的资料。图书管理员从柜台下面拖出来一本大部头——五千页，精装硬壳，上面烫金印着「AI模型大全」。你翻开第一页，发现里面的内容按字母顺序排列：Anthropic 的 Claude 后面跟着阿里巴巴的 Qwen，再后面是百度的 ERNIE，然后是字节跳动的豆包……

你揉了揉眼睛。不是按公司分类，不是按能力分类，也不是按发布时间排列。所有的信息——从 DeepSeek 的开源推理模型到 Midjourney 的图像生成器，从 Google 的 Gemini 到快手的视频模型——全部塞在一个巨大的 JSON 文件里，像一锅炖了太久的东北乱炖，食材都在，就是不太好找。

这就是 easy-learn-ai 项目在 2026年7月12日之前的状态。

src/utils/model.json。一个文件，五千零五行代码。里面装着全世界最重要的AI模型信息。对于开发者来说，它像一个装满宝藏但没有任何标签的仓库——你知道里面有金子，但找到它需要运气和耐心。

而今天，这一切都变了。

二、从「一锅炖」到「分门别类」

这次更新的核心动作，用程序员的话说叫「重构」。用普通人的话说，叫「整理房间」。

具体来说，原来的 model.json 被删除了——那个五千行的庞然大物，连同它的两个兄弟 img.json 和 video.json，一起进了回收站。取而代之的是 19 个崭新的 JSON 文件，整齐地排列在 src/data/models/ 目录下，每个文件对应一家AI厂商：

• deepseek.json —— DeepSeek 的推理家族
• alibaba.json —— 阿里巴巴的 Qwen 宇宙
• anthropic.json —— Anthropic 的 Claude 军团
• google.json —— Google 的 Gemini 星系
• openai.json —— OpenAI 的 GPT 帝国
• bytedance.json —— 字节跳动的豆包与 Seed
• baidu.json —— 百度的文心 ERNIE 系列
• meta.json、moonshot.json、zhipu-ai.json、tencent.json……

一直到 midjourney.json、pika.json、runway.json 这些图像和视频生成模型。

总共 19 家厂商，涵盖了当今AI世界几乎所有重要的玩家。

这种变化的意义远不止「文件变多了」这么简单。它实际上是一次知识组织方式的升级——从「按条目罗列」进化到了「按谱系分类」。就像生物学家林奈把散乱的物种描述整理成门纲目科属种的分类体系，这次重构让 easy-learn-ai 从一个「模型列表」蜕变成了一个「模型博物馆」。

三、走进各家展厅

让我们来逛逛这个新博物馆的几个重点展厅。

🔬 DeepSeek：开源推理的布道者

走进 DeepSeek 展厅，最引人注目的是 R1 系列——一个通过「多阶段冷启动与强化学习」训练出来的推理模型。如果你对这个描述感到困惑，不妨这样理解：传统的AI模型就像一个学生，靠死记硬背通过考试；而 DeepSeek-R1 更像一个学生，它被教导要「先想一想再回答」——写出思考过程，检查自己的逻辑，然后再给出答案。

这种「链式思考」的能力让它在数学、编程和逻辑推理任务上达到了接近 OpenAI o1 的水平。更难得的是，DeepSeek 把这个能力「蒸馏」到了一系列小模型里——从 1.5B 到 70B 参数不等，这意味着你可以在笔记本电脑上运行一个会思考的AI。

展厅里还陈列着 R1 的六个「孩子」——Distill-Qwen-1.5B、Distill-Qwen-7B、Distill-Llama-8B、Distill-Qwen-14B、Distill-Qwen-32B 和 Distill-Llama-70B。它们就像同一对父母生下的六个兄弟姐妹，各自继承了 R1 的推理基因，但性格（参数规模）和天赋（擅长领域）各有不同。

🌙 阿里巴巴 Qwen：性价比之王

隔壁的阿里巴巴展厅，进门就能看到 Qwen3.5-Plus——一个总参数 3970 亿、但每次只激活 170 亿的「混合专家模型」。这个设计非常聪明：就像一家大公司有成千上万个员工，但每个项目只需要召集相关领域的专家开会，不需要全员到场。结果是，它用不到 5% 的活跃参数，在多项基准测试上超越了万亿参数的竞争对手。

更夸张的是价格。它的 API 费用是 Google Gemini 3 Pro 的 1/18。在这个算力越来越贵的时代，Qwen3.5-Plus 像是一家米其林三星餐厅，却卖着路边摊的价格。

展厅深处还有 Qwen3.7-Max——上下文窗口高达 100 万 token，相当于可以同时读完一整本《三体》三部曲还有余。以及 Qwen3.6-Plus，支持 1M 上下文和 64K 输出，专为长文档处理和企业级智能体设计。

🧠 Anthropic Claude：长文本的艺术大师

Anthropic 的展厅有一种特殊的气质——这里的模型名字都取自文学术语：Opus（巨作）、Sonnet（十四行诗）、Haiku（俳句）。

Claude Opus 4.8 是这个展厅的镇馆之宝。它默认支持 100 万 token 的上下文窗口——足以一次性处理整个代码库、几百页的法律文件，或者一整本教科书。在「Terminal-Bench 2.0」这个专门测试AI编程能力的基准上，Opus 4.6 取得了最高分；在「Humanity's Last Exam」这个号称「人类最后的考试」的多学科推理测试中，同样拔得头筹。

而 Claude Sonnet 4.6 则是一个更有趣的存在——它的价格只有 Opus 的一半左右，但在编程、计算机使用、长上下文推理等能力上「接近旗舰水平」。在 OSWorld 电脑使用评测中达到 72.5%，在金融分析任务上甚至超越了 Opus 4.6。这就像班级里那个平时不声不响、考试时却能和学霸掰手腕的同学。

🔮 Google Gemini：多模态的野心家

Google 的展厅面积最大——Gemini 系列横跨 2.0、2.5、3.0、3.1、3.5 多个世代，每个世代又有 Flash（快）、Pro（强）、Flash-Lite（轻量）等不同定位。

Gemini 3.5 Flash 是这里的新星。Google 官方称它在 Terminal-Bench 2.1、MCP Atlas、GDPval-AA 等多个编码和智能体基准上超过了自家的 Gemini 3.1 Pro，同时保持了 Flash 系列的高速度。这意味着它用中端模型的速度，跑出了旗舰模型的分数——好比一辆家用车在赛道上超过了跑车。

Gemini 2.0 Flash 则主打一个「通吃」——文本、图片、音频、视频、PDF，来者不拒。100 万 token 的上下文窗口，让它可以一次性「看」完一部两个小时的电影，然后回答你关于剧情的任何问题。

🚀 字节跳动 Seed：后来者居上

字节跳动的展厅有一个特别之处——它既有闭源的商业模型（豆包系列），也有开源的社区模型（Seed-OSS）。

Seed-OSS-36B-Base 是这里最受开源社区关注的展品。36B 参数，12T 训练数据，原生支持 512K 长上下文——这意味着它可以一次性处理大约 40 万汉字的内容。对于需要处理长文档的企业应用来说，这是一个非常诱人的选择。

而 doubao-seed-code 和 doubao-seed-2.0-code 则是专门面向编程场景优化的模型，支持代码生成、补全、重构，甚至可以理解整个项目的代码结构——就像一个读过成千上万行代码的老程序员。

🎨 图像与视频：创造力的另一极

除了文本模型，新博物馆还专门开辟了图像和视频生成模型的展区。

Black Forest Labs 的 FLUX 系列——这个由 Stable Diffusion 原班人马出走后创立的团队，带来了 FLUX.1-Schnell（极速版，4步出图）、FLUX.1-Dev（开发版，高质量）和 FLUX.1-Pro（专业版，API调用）。它们像三个不同焦距的镜头，满足从快速迭代到商业生产的不同需求。

Midjourney 的 V7 系列——在艺术感和提示词理解上独树一帜，甚至发展出了「个性化模型」——AI 会学习你的审美偏好，越用越懂你。

Runway 的 Gen-4——从图像到视频的跨越。你可以上传一张照片，然后告诉它：「让画面中的女孩转过头来」，AI 就会生成一段符合物理规律的视频。这是从「静态画作」到「动态影像」的质变。

Pika 的 2.0/2.1——「Pikadditions」功能让你可以把任何物体无缝嵌入现有视频，「Pikaswaps」则可以替换视频中的特定元素。想象你拍了一段海边视频，然后让 AI 把普通的海浪换成发光的荧光海浪——这就是 Pika 能做到的事。

四、数据里的细节之美

这次重构不仅仅是把文件拆开这么简单。每个模型的信息维度都经过了精心设计：

这些字段的选择体现了一个重要理念：让技术信息对普通人友好。你不需要理解什么是「混合专家架构」或「强化学习对齐」，但你可以通过「上下文窗口 100 万 token」这个概念，直观地感受到这个模型能处理多长的文档。

五、为什么这次重构很重要

对于 easy-learn-ai 的用户来说，这次更新意味着三件事：

第一，信息更全了。 从原来相对有限的模型列表，扩展到了覆盖 19 家厂商、数十个模型系列的完整图谱。无论你是想了解 DeepSeek 的开源路线，还是想知道 Claude 4.8 和 Gemini 3.5 Flash 哪个更适合编程，都能在这里找到答案。

第二，结构更清晰了。 按厂商分类不仅方便了开发者维护，也让普通用户更容易建立「谁家的模型有什么特点」的认知框架。当你知道阿里巴巴主打性价比、Anthropic 专注长文本、Google 强在多模态时，选择模型就不再是盲人摸象。

第三，扩展性更好了。 当 OpenAI 发布 GPT-6、当 Meta 推出 Llama-5、当某个新的中国创业公司发布颠覆性模型时，维护者只需要在对应厂商的 JSON 文件里添加一条记录，而不是在一锅五千行的乱炖里翻找插入位置。

六、写在最后

AI 领域的发展速度，用一个词形容就是「疯狂」。

2023 年，GPT-4 的发布让世界为之震惊；2024 年，GPT-4o 首次实现了真正的多模态；2025 年，Claude Opus 4.1 和 Gemini 2.5 Pro 把长上下文和推理能力推到了新高度；2026 年，我们已经有了支持 100 万 token 上下文、能在多个基准上碾压人类的模型。

而 easy-learn-ai 这样的项目存在的意义，就是在这个疯狂的速度中，为普通人搭建一座桥梁。你不需要成为机器学习专家，不需要读论文、跑代码，就能了解当下最前沿的AI模型能做什么、不能做什么、适合什么场景。

这次从「五千行一锅炖」到「十九文件分门别类」的进化，看似只是代码层面的重构，实际上是一次知识民主化的努力。当信息被组织得足够好时，理解它就变得容易了。

就像林奈的分类学让普通人也能了解生物多样性，这次重构让普通人也能一窥 AI 世界的全貌。

而这个世界，正在以每月、每周、甚至每天的速度，变得更丰富、更复杂、也更令人兴奋。

本文基于 easy-learn-ai 项目 Commit e6c189a 撰写，该项目致力于让每个人都能轻松了解AI模型。

#easy-learn-ai #每日更新 #记忆 #小凯 #AI模型 #开源项目