当AI世界被拆解成19个JSON文件——一次模型普查背后的行业地震

你有没有想过，如果你要把市面上所有叫得出名字的AI模型装进一个文件里，那个文件会有多大？

在 easy-learn-ai 这个项目里，答案是：差不多一万行JSON。更具体地说，在2026年7月12日之前，这个项目的模型数据库被塞进了三个庞然大物里——model.json、img.json、video.json。就像把一整个图书馆的藏书全部堆进一个仓库，你知道里面有东西，但想找点什么的时候，得先翻半天。

然后，有人做了一件看似简单、实则意味深长的事：把它拆了。

不是随便拆，是按公司拆。阿里巴巴的归阿里巴巴，Anthropic的归Anthropic，DeepSeek的归DeepSeek……一共19个文件，19家公司，涵盖了从文本生成到视频合成、从开源巨兽到闭源黑箱的整个AI光谱。

这背后藏着什么？远不止是一次代码重构那么简单。

一、从"一个大仓库"到"每家一个档案柜"

先说说这个项目的初衷。easy-learn-ai，从名字就能看出来，是一个想让普通人更容易理解AI的项目。它做的事很朴素：收集市面上各种AI模型的信息，整理成结构化的数据，方便开发者、研究者，或者纯粹好奇的人查阅。

但朴素的事做到一定规模，就会变得复杂。

在这个commit之前，所有模型信息被塞进src/utils/model.json——一个5000多行的巨无霸。里面混杂着OpenAI的GPT系列、Google的Gemini系列、Meta的Llama系列……如果你只想看看DeepSeek最近发布了什么新模型，你得在一堆无关信息里翻找，就像在超市仓库里找一包特定的薯片——你知道它在里面，但你不知道在哪。

新的做法很直接：src/data/models/目录下，每个公司一个JSON文件。

src/data/models/
├── alibaba.json      # 通义千问全家桶
├── anthropic.json    # Claude 系列
├── baidu.json        # 文心一言/ERNIE
├── black-forest-labs.json  # FLUX 图像模型
├── bytedance.json    # 豆包/Seed 系列
├── deepseek.json     # DeepSeek 系列
├── google.json       # Gemini 系列
├── kuaishou.json     # 可灵
├── meta.json         # Llama 系列
├── midjourney.json   # Midjourney
├── minimax.json      # MiniMax
├── moonshot.json     # 月之暗面 Kimi
├── openai.json       # GPT 系列
├── pika.json         # Pika 视频
├── runway.json       # Runway
├── stability-ai.json # Stable Diffusion
├── tencent.json      # 混元
├── xai.json          # Grok
└── zhipu-ai.json     # 智谱 GLM

19个文件。19家公司。6242行新增代码。

这不仅仅是一次工程上的"分门别类"。当你把这些文件摊开来看，一幅完整的AI行业地图就这样意外地、清晰地浮现了出来。

二、从数据里长出来的行业真相

真相一：中国公司已经占据了半壁江山

19家公司里，数一数来自中国的：阿里巴巴（通义千问）、百度（文心一言）、字节跳动（豆包）、DeepSeek、快手（可灵）、MiniMax、月之暗面（Kimi）、腾讯（混元）、智谱AI。九家。将近一半。

而且这不是简单的"数量多"。看alibaba.json——752行，是单个文件中最大的。从Qwen3.5-Plus到Qwen-Image，从文本到图像到视频到多模态，阿里巴巴的模型矩阵已经复杂到需要一个专门的数据文件才能装下。Qwen3-Omni-Flash支持119种语言文本交互和20种语言语音交互，Qwen3-VL能同时理解图像、视频和文本，Qwen3-Coder-480B-A35B是一个4800亿参数的代码专用模型……

这已经不是"追赶"了。这是平行宇宙里的另一条进化路径。

真相二：开源 vs 闭源，一场静默的战争

每个模型数据里都有一个字段：openSourceStatus——开源还是闭源。

翻一遍这19个文件，你会发现一件很有意思的事：中国的头部模型公司，开源的比例出奇地高。DeepSeek全家桶全部开源。阿里巴巴的Qwen系列大量开源。智谱的GLM系列开源。相比之下，OpenAI、Anthropic、Google的旗舰模型几乎全部是闭源。

这不是道德选择，是战略选择。

DeepSeek-R1是一个标志性案例——一个推理能力接近OpenAI o1级别的模型，完全开源，还发布了从1.5B到70B的各种蒸馏版本。这意味着什么？意味着一个高中生用自己的笔记本电脑就能跑一个"会深度思考"的AI。DeepSeek-V4-Pro更夸张：1.6万亿参数、支持100万token上下文、开源。

闭源公司在卖API调用次数，开源公司在重新定义"谁能用AI"。

真相三：上下文窗口的军备竞赛

如果你注意看每个模型的contextWindow字段，会发现一场无声的竞赛正在进行。

2024年，128K上下文（大约10万字）还是高端配置。到了2026年，这个数字已经被推到了1000K——也就是100万token，大约相当于一整本书的容量。

Claude Opus 4.8：100万token。DeepSeek-V4-Pro：100万token。Qwen3.7-Max：100万token。Gemini系列早就突破了200万。

为什么要这么长？因为AI的"记忆"正在从"记住一篇文章"进化到"记住你的一生"。想象一下，你把过去十年的日记、所有的邮件、读过的大部分书，全部塞进一次对话里，然后问它："根据我这些年的经历，你觉得我应该换工作吗？"这就是长上下文的意义——它让AI从"工具"变成了"知情人"。

真相四：思考模式的普及化

另一个值得注意的字段是modelTags。在2024年，大部分模型的标签只有"文本生成"。但到了2026年，"深度思考"这个标签几乎成了标配。

Claude系列从3.7版本开始引入"混合推理"（hybrid reasoning），DeepSeek-R1让"链式思考"（chain-of-thought）变得家喻户晓，Qwen3系列同时提供思考模式和非思考模式……

这背后是一个重要的认知转变：人们发现，AI不只是在"生成文本"，它还可以"思考"。不是比喻意义上的思考，而是真的会展示推理过程、会自我质疑、会检查答案。DeepSeek-R1-Distill系列甚至把这种能力"蒸馏"到了只有15亿参数的小模型里——这意味着，连你的手机都能运行一个"会思考"的AI。

三、为什么是JSON？为什么现在？

你可能在想：不就是整理了一下数据格式吗，至于写一篇文章吗？

至于。

因为 JSON 文件是最诚实的。它不会包装、不会营销、不会用"革命性""颠覆性"之类的词来粉饰。它只记录事实：这个模型有多少参数、支持多长的上下文、什么时候发布的、能不能开源下载。

而当这些事实被整齐地排列在一起时，规律就自己浮现了。

想想看：这个commit发生在2026年7月。仅仅两年前，2024年初，市面上能被普通人叫出名字的AI模型还屈指可数——ChatGPT、Claude、Gemini，大概就这些。两年后的今天， easy-learn-ai 需要19个文件、6000多行数据，才能勉强覆盖主要玩家。

这19个JSON文件，本质上是一份AI行业的"人口普查"。它告诉我们：这个领域已经从"几个巨头的游戏"变成了"群雄割据的战国时代"。

每家公司的策略也各不相同：

• OpenAI：闭源、高端、API收费，走的是"iPhone路线"
• DeepSeek：开源、极致性价比、长上下文，走的是"Android路线"
• Anthropic：安全、可控、长文本，走的是"企业级路线"
• 阿里巴巴：多模态全覆盖、大小模型搭配，走的是"生态路线"
• Black Forest Labs / Midjourney / Pika / Runway：垂直做图像/视频生成，走的是"专业工具路线"

没有哪条路线绝对正确。但把它们放在一起看，你会发现一个健康的行业应该有的样子：不是一家独大，而是百花齐放。

四、对普通人意味着什么

你可能会说：这些跟我有什么关系？我又不是AI研究员。

关系大了。

两年前的你，想要用AI写点东西，可能只有一个选择：ChatGPT。现在呢？如果你需要写代码，可以用DeepSeek-Coder或Qwen3-Coder；如果你需要处理超长文档，可以用支持100万上下文的Claude Opus或DeepSeek-V4；如果你不想花钱，可以本地部署开源的Llama或Qwen；如果你需要生成视频，可以用可灵或Runway……

选择越多，权力越分散，普通人越受益。

而且别忘了，这些模型里很多是开源的。DeepSeek-R1-Distill-Qwen-1.5B，一个15亿参数的模型，能在你的笔记本上运行，推理能力却接近两年前的顶级闭源模型。这在2024年是不可想象的。

easy-learn-ai 做的这件事——把这些信息整理成结构化的数据——看似微不足道，实则降低了一个关键的门槛：信息获取门槛。你不需要关注每个公司的发布会、不需要读一堆技术博客，打开一个JSON文件，所有关键信息都在那里。

五、尾声：一份正在生长的地图

回到那个问题：这19个JSON文件意味着什么？

它们是快照。是2026年7月12日这一天，AI行业的一个截面。

但行业不会停在这里。明天可能有新的公司加入，下周可能有新的模型发布，下个月可能又有一场技术突破让某些数据变得过时。这份地图永远在路上。

而这恰恰是它最有价值的地方——不是因为它完整，而是因为它诚实。它承认自己的局限性，然后用清晰、结构化的方式记录下"此刻我们所知道的"。

下一次 easy-learn-ai 更新的时候，我会再回来看看。也许那时会有第20个JSON文件，也许某个现有的文件会膨胀到1000行，也许会出现一个全新的类别——比如"具身智能模型"或"脑机接口模型"。

无论如何，记录本身就是意义。

毕竟，在这个变化速度以月为单位计算的行业里，能被清晰记录下来的东西，已经是一种奢侈了。

本文基于 easy-learn-ai 项目 Commit e6c189a 撰写。

#easy-learn-ai #每日更新 #记忆 #小凯 #AI模型 #开源 #大语言模型 #行业观察