文章目录
- 文本生成大模型
-
- [1. OpenAI](#1. OpenAI)
- [2. claude](#2. claude)
- [3. Gemini](#3. Gemini)
- [4. Qwen](#4. Qwen)
- [5. Kimi](#5. Kimi)
- [6. DeepSeek](#6. DeepSeek)
- [7. Llama系列](#7. Llama系列)
- [8. Mistral AI（欧洲最强）](#8. Mistral AI（欧洲最强）)
- [9. xAI（马斯克）](#9. xAI（马斯克）)
- [10. 百川智能（Baichuan AI）](#10. 百川智能（Baichuan AI）)
- [11. Zhipu AI（智谱AI / GLM）](#11. Zhipu AI（智谱AI / GLM）)
- [12. MiniMax（国内）](#12. MiniMax（国内）)
- VL多模态大模型
- 语音识别大模型
- 语音合成大模型
文本生成大模型
1. OpenAI
| 时期 | 模型 | 是否开源 |
|---|---|---|
| 2019 | GPT-2 | 部分开放，后来开源 |
| 2020 | GPT-3 | 闭源 |
| 2022 | GPT-3.5 | 闭源 |
| 2023 | GPT-4 | 闭源 |
| 2024 | GPT-4o | 闭源 |
| 2025-2026 | GPT-5 系列 | 闭源 |
从2019年之后，多数语音生成大模型均为闭源模型
2. claude
Claude 是由 Anthropic 公司开发的大语言模型系列。Authropic成立于2021年，总部位于美国旧金山，创始团队中不少成员来自OpenAI，包括其CEO与总裁。
Anthropic的核心方向是：
- 大语言模型
- AI安全
- 可解释性研究
- 企业级AI应用
目前的主流模型：
| 模型 | 定位 | 特点 |
|---|---|---|
| Claude 4 Opus | 旗舰模型 | 最强推理、复杂Agent、多步规划 |
| Claude 4 Sonnet | 主力模型 | 性能与成本平衡，目前最流行 |
| Claude 3.5 Sonnet | 上代经典 | 仍有大量企业在使用 |
| Claude 3 Haiku | 轻量模型 | 低成本、低延迟 |
其特点是大型项目代码理解能力强，上下文管理能力非常受欢迎。
3. Gemini
Gemini 是 Google 的大模型家族，由 Google DeepMind开发，它可以理解和生成文本、图片、音频、视频、代码等多种模态内容，是 Google 对标 GPT 和 Claude 的核心 AI 产品。
Claude 擅长代码和长文档，GPT 擅长综合能力，而 Gemini 最大的优势是与 Google 生态深度融合。
目前 Google 的主力模型家族已经演进到 Gemini 3 系列。Google 官方列出的主要模型包括：
- Gemini 3 Pro
- Gemini 3.1 Pro
- Gemini 3.5 Flash
- Gemini Omni
- Gemini Audio
- Gemini Nano
Gemini最大的特点是，原生多模态，很多模型是文字模型+图片模型+语音模型拼起来的。
它的设计初衷就是，文本+图片+视频+音频+代码，统一处理。
第二个特点就是，他有Google的生态加成，你可以将其天然的接入，Gmail，Google Drive，Google Docs等。
第三个特点就是超长上下文，可以将整个项目源码，接口文档，需求说明等一次性的喂进去，它对于长文档和超长代码库分析能力一直都是业内领先梯队。
4. Qwen
Qwen 是 阿里云通义千问 的大模型系列。开发团队：
- 阿里云
- 通义实验室（Tongyi Lab）
发布时间是2023年，到现在已经发展成国内最完整的大模型生态之一。
Qwen第一代
Qwen-7B
Qwen-14B
Qwen-72B当时最大的特点：
- 中文能力强
- 英文能力不错
- 开源权重
Qwen2
这是很多企业开始大规模采用的版本。
特点，推理能力提升，代码能力提升，多语言支持增强。
0.5B
1.5B
7B
14B
72BQwen2.5
这一代是Qwen的封神之作，真正爆发。
很多榜单上，Qwen2.5-72B 已经接近甚至超过不少的闭源模型。
很多企业开始：
GPT验证需求 -> Qwen2.5上线部署Qwen3
这
一代最大的特点：
Hybrid Thinking（混合思考）
简单问题 -> 直接回答
复杂问题 -> 先思考再回答目前Qwen的生成已经非常恐怖了，它不仅仅是聊天模型，而是已经形成：
Qwen
├── Qwen3 # 文本生成
├── Qwen-Coder # 代码模型
├── Qwen-VL # 视觉多模态
├── Qwen-Audio # 音频模型，支持语音识别，音频理解，对话等
├── Qwen-Omni # 全模态
├── Qwen-ASR # 语音识别
└── Qwen-Agent # agent模型5. Kimi
Kimi 是中国公司 Moonshot AI（月之暗面） 开发的大模型产品。
因为它率先解决了一个痛点：长文档，它在2024年已经开始主打200万字长文本。
6. DeepSeek
DeepSeek 是一家中国人工智能公司，因推出高性能、低成本的大语言模型（LLM）而受到广泛关注。它由量化基金公司幻方量化（High-Flyer）孵化，核心方向是通用人工智能与开源模型研发。
DeepSeek 最出名的一点，是它在相对较低训练成本下，做出了接近国际顶级模型的效果。比如：DeepSeek-V2、DeepSeek-Coder、DeepSeek-R1（推理模型）。这些模型在数学、代码、推理等任务上表现很强，尤其是在中文场景里。
7. Llama系列
核心：Llama2 / Llama3 / Llama3.1 / Llama3.2
特点：
- 开源生成最强之一
- 被全球二次训练最多
8. Mistral AI（欧洲最强）
法国公司，核心模型：
Mistral 7B
Mixtral（MOE）特点：
- 小而强
- 推理效率高
- 很适合企业部署
9. xAI（马斯克）
10. 百川智能（Baichuan AI）
核心，Baichuan2 / Baichuan3
特点：中文能力不错，偏企业落地，一度是国产第一梯队竞争者。
11. Zhipu AI（智谱AI / GLM）
模型：GLM系列
特点：中文强、多模态布局早、学术背景强（清华系）
代表作品：ChatGLM
12. MiniMax（国内）
特点：长文本能力强，对话产品化做的比较激进
产品：海螺AI
最新模型（2026年6月8日08:53:06）
MiniMax M3，目前最顶的版本。
核心能力：
- M3（旗舰通用大模型）
- 1M超长上下文（百万token）
- 原生多模态（文本+图像+其他）
- 强化Agent / coding能力
- 新架构：MSA（稀疏注意力）
它是国内首个 "三合一"：
coding
agent
multimodal