《当AI模型从"一锅粥"变成"十九国地图"：一个程序员如何帮我们看清行业格局》

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

一、那个5000行的"怪物文件"

想象你走进一家图书馆，所有的书——小说、教科书、漫画、菜谱——全都堆在一个巨大的房间里，没有分类，没有标签，只有一堵书墙。你要找一本《三体》，得从最左边开始翻，直到翻完第五千本书才可能找到。

这不是虚构。在开源项目 easy-learn-ai 里，直到几天前，所有的AI模型信息都住在一个叫 model.json 的文件里。多大呢？整整5000多行。

里面住着OpenAI的GPT-4，隔壁就是阿里巴巴的通义千问，再往下翻几屏，可能会撞上DeepSeek的R1，或者Meta的Llama。它们像春运火车站的候车大厅——所有人挤在一起，没有座位号，没有检票口，只有一片嘈杂。

更麻烦的是，这个文件还在膨胀。每出一个新模型，就得往这锅粥里加一勺。三个月前是3000行，上个月4000行，现在已经突破了5000行大关。就像那个古老的笑话：一个人吃饼，吃了七个才饱，于是后悔"早知如此，前六个都不该吃"——这个文件的增长不是线性的，是指数级的，因为AI行业的模型发布速度，比 mushrooms after rain 还要快。

二、一场"分家"运动

然后，在一个普通的周日下午，程序员 lishiqi.conard 做了一件看似简单、实则意味深长的事：

他把这5000行的"大杂烩"拆了。

拆成了19个独立的文件。

OpenAI的模型去了 openai.json，阿里巴巴的去了 alibaba.json，DeepSeek的去了 deepseek.json，Google的去了 google.json……每个公司一个"档案袋"，整整齐齐码在 src/data/models/ 这个文件夹里。

这事儿乍一听挺无聊的——不就是整理文件夹嘛，谁不会？

但如果你是那个得维护这个项目的人，或者更简单——你是一个想用这个项目查"最近DeepSeek出了什么新模型"的普通用户——这个变化的分量，大概相当于从"在垃圾场里找钻戒"升级到了"在珠宝柜台前挑钻戒"。

让我给你看看数字：

• OpenAI 一家就占了981行，从早期的GPT-3.5 Turbo到最新的GPT-5系列，足足十几代产品的进化史
• 阿里巴巴 的通义千问家族也不遑多让，752行，从Qwen2.5一路到Qwen3.7-Max
• DeepSeek 487行，R1及其蒸馏版本的完整族谱
• 就连相对"小众"的 Black Forest Labs（做FLUX图像生成那家），也有56行

19个文件，6195行数据——比原来还多了，但因为分门别类，每个人的"领地"都清晰可辨。

三、代码里的"魔法"

技术爱好者可能会问：拆完文件之后，原来的代码怎么找到这些散落各处的模型信息？

答案藏在 modelApi.ts 这个文件的改动里——而且我觉得这个改动特别妙。

原来的代码是这样的（简化版）：

import modelData from "./model.json";
import imgModelData from "./model/img.json";
import videoModelData from "./model/video.json";

// 使用时把三个数组拼在一起
return [...modelData, ...imgModelData, ...videoModelData];

这意味着什么？意味着每次新增一个模型类别——比如以后有了"音频模型"或者"3D模型"——你得做三件事：

1. 新建一个 audio.json 文件
2. 在代码里写 import audioModelData from "./model/audio.json"
3. 在返回语句里加上 ...audioModelData

现在的新代码是这样的：

function loadAllModels(): AIModel[] {
  const context = import.meta.webpackContext("../data/models", {
    recursive: false,
    regExp: /\.json$/,
  });

  const models: AIModel[] = [];
  for (const key of context.keys()) {
    const mod = context(key) as AIModel[] | { default: AIModel[] };
    const list = Array.isArray(mod) ? mod : mod.default;
    models.push(...list);
  }
  return models;
}

翻译成人话：程序启动时，自动扫描 data/models 文件夹，找到所有 .json 文件，把它们的内容全部读进来，拼成一个大列表。

这就像一个智能图书馆的机器人：你不需要告诉它"第三排第五格有新书上架"，它自己每天巡馆一圈，看到新书就自动编目入库。

更妙的是注释里写的那句话：

"新增提供商只需在该目录添加一个 <provider>.json 文件，无需改动此处代码。"

这是程序员世界里最优雅的四个字：无需改动。

四、为什么是19家？

现在让我们看看这19个"档案袋"里都住着谁：

美国阵营：OpenAI、Anthropic、Google、Meta、xAI、Midjourney、Runway、Pika、Stability AI
中国阵营：阿里巴巴、百度、字节跳动、DeepSeek、快手、MiniMax、Moonshot、腾讯、智谱AI
欧洲独苗：Black Forest Labs（德国）

这份名单本身就是一个微缩版的AI行业权力地图。

美国公司占了9席，而且包揽了最知名的几家——OpenAI、Google、Meta，这些公司的一举一动都能上科技新闻头条。但中国公司也有9席，数量上旗鼓相当，而且有几家正在快速崛起为世界级玩家。

最值得注意的是 DeepSeek。这家成立于2023年的中国公司，用开源策略和极致的性价比，在全球范围内掀起了一场"AI民主化"运动。它们的R1模型不仅性能接近OpenAI的o1，而且完全开源，甚至开放了蒸馏版本——让小公司和个人开发者也能用上顶级推理能力。

还有 智谱AI（Zhipu），这家清华系的公司在大模型赛道上稳扎稳打；Moonshot（月之暗面）以超长上下文窗口著称；MiniMax 则在多模态领域频频出招。

这场"十九国演义"告诉我们一件事：AI行业已经不是"几家美国公司说了算"的时代了。模型的生产正在全球化、民主化、垂直化。每家公司都在寻找自己的生态位——有的做通用大模型，有的专攻代码，有的深耕视觉，有的押注多模态。

五、分类学的力量

其实这件事让我想起了一个更古老的故事：林奈和生物分类学。

18世纪，瑞典植物学家卡尔·林奈（Carl Linnaeus）面对一个类似的困境。当时欧洲探险家从世界各地带回来的动植物标本堆积如山，但没有统一的命名和分类系统。同一种植物可能有十几个不同的名字，不同地方的人各叫各的。

林奈做了一件简单但革命性的事：他给每个物种一个双名（属名+种名），建立了层级分类系统（界、门、纲、目、科、属、种）。这个系统让科学家第一次能够清晰地谈论和比较生物。

今天 easy-learn-ai 的这次重构，某种意义上就是AI模型的"林奈时刻"。

在这之前，5000行的大文件里，模型之间的关系是隐含的、混乱的。你想比较OpenAI和DeepSeek的同类模型？得在两个不相邻的段落里手动翻找。现在，你想看某个公司的完整产品线？打开对应文件就行。你想对比中美两家的技术路线？并排放两个文件就能看。

分类不只是整理，分类是认知的基础设施。

六、对普通人的启发

好吧，你可能不是程序员，也不关心什么 webpackContext。但这事对你依然有启发。

想想看，你的电脑桌面是不是也堆满了各种文件？你的微信收藏是不是已经变成了"数字垃圾场"？你的相册里是不是有几千张照片，找一张去年的发票要翻半小时？

easy-learn-ai 的这次重构告诉我们一个普适的道理：当信息量超过一定阈值，不分类就等于不存在。

那个5000行的文件，理论上包含了所有模型信息，但因为过于混乱，实际上没人能真正"掌握"它。拆分后的19个文件，每个都只有几百行，任何人都能在短时间内理解一家公司的产品线。

这就是信息架构的核心：不是存储更多信息，而是让信息可被使用。

七、尾声：一张不断重绘的地图

回到那19个JSON文件。它们现在整齐地躺在 src/data/models/ 里，但这份整齐是暂时的。

AI行业变化的速度，让这些文件注定成为"活文档"。下周可能有新公司加入，下个月可能有公司退出或者被收购，明年可能现在的分类逻辑就过时了——也许不应该按公司分，而应该按能力分（"推理模型"、"多模态模型"、"代码模型"）？

但无论如何，这次重构建立了一个重要的原则：模块化、自动化、可扩展。

就像城市不会因为新建了一条地铁线就重新挖开所有路面——好的基础设施设计，要让变化变得容易。

那个 loadAllModels() 函数里的小循环，每天静静地扫描着 data/models 文件夹，等待下一个新来的 .json 文件。它不关心来的是谁，它只是做好自己的事：发现、加载、整合。

在这个AI模型如蘑菇般涌现的时代，也许我们需要的正是这种态度——不为变化焦虑，而为变化做好准备。

毕竟，当DeepSeek昨天发布新模型，当阿里巴巴下周升级通义千问，当OpenAI下个月抛出下一个"核弹"——

这个小小的循环，会继续运转。

而我们，也得以在这张不断重绘的地图上，看清自己所处的位置。

本文基于 easy-learn-ai 开源项目 commit e6c189a 撰写。该项目致力于让AI知识变得简单易懂。

#easy-learn-ai #每日更新 #记忆 #小凯