6.5 主流大模型

6.5 主流大模型

这个领域变化太快，不要死记硬背排名，要看懂各家的“独门绝技”。闭源与开源并行，能力、成本、合规三者都要看。以下模型和价格是 2026-06-09 的学习快照，生产选型必须回到官方模型页和价格页重新核验。

6.5.1 三大闭源巨头

近年来，OpenAI、Anthropic、Google 仍是闭源大模型的第一梯队。

注意：它们在不同评测和场景（代码、数学、写作、工具调用）里的名次会持续变化，不存在“永久第一”。

1. OpenAI (GPT 系列)

• 特点：综合能力和产品生态通常都很强，工具链较完整。
• 学习快照：截至 2026-05，OpenAI 官方模型页将 gpt-5.5 列为复杂推理与代码任务的旗舰选择之一（gpt-5.5-pro 提供更强推理能力，定价 $30/$180 per M tokens）；具体可用模型、价格和上下文窗口必须回到官方模型页和价格页重新核验。
• 取舍：闭源能力强，但企业需要关注数据治理，以及“供应商绑定”风险（例如后续切换平台时成本可能更高）。

1. Anthropic (Claude 系列)

• 特点：在长文本理解、写作、代码任务上常有突出表现，风格相对稳健。
• 学习快照：2026-06-09，官方模型页曾以新一代 Claude Fable 5（公开 GA，能力最强的广泛发布模型，Adaptive Thinking 常开）领衔，其下保留 Opus / Sonnet / Haiku 三档分层（Opus 4.8、Sonnet 4.6、Haiku 4.5），另有仅限受邀的 Mythos 5；但 Anthropic 于 2026-06-12 宣布暂停 Fable 5 / Mythos 5 访问。Opus 4.8/4.7 支持 Adaptive Thinking 而不支持手动 Extended Thinking；具体模型能力、上下文窗口、定价和可用性应以 Anthropic 官方模型总览为准。
• 取舍：产品功能节奏和生态覆盖与其他厂商各有长短。

1. Google (Gemini 系列)

• 特点：多模态能力强，且与 Google Workspace、搜索等生态整合紧密。
• 学习快照：Gemini 官方模型页更新很快，长上下文、多模态输入和推理能力是其重点方向；生产选型时应以 Google AI 官方模型页列出的当前可用版本、弃用状态和限制为准。
• 取舍：优势常出现在 Google 生态内，跨生态体验需看具体产品形态。

6.5.2 开源之光：LLaMA

如果说闭源模型是 iOS，那 Meta 的 LLaMA 更像 Android 阵营里的关键基座之一。

Meta 把高质量权重开放出来后，显著降低了学术界和创业团队做二次创新的门槛。2025 年 4 月发布的 Llama 4 系列首次采用 MoE（混合专家）架构，其中 Scout（109B 总参数，16 个专家 / 17B 活跃参数，支持 10M 上下文）和 Maverick（400B 总参数，128 个专家 / 17B 活跃参数，支持 1M 上下文）是当前开源模型的标杆。MoE 架构的关键特性是：每个 token 在推理时只激活部分专家（活跃参数），而非全部参数，从而在保持强能力的同时降低推理成本。

开源生态并不只有 LLaMA，也包括 Qwen、Mistral、Gemma 等多条路线。
重点不是“谁是唯一图腾”，而是开源让更多人有能力做本地化和垂直化改造。

6.5.3 中国的“百模大战”

中国 AI 在 应用落地、中文能力、成本效率 上竞争非常激烈。

1. 阿里（通义千问 Qwen）：开源生态活跃，工程化能力强。
2. 百度（文心）：搜索与知识服务体系结合较深。
3. DeepSeek（深度求索）：以高性价比和推理/代码能力出圈。通用的 DeepSeek-V3（2024-12，MoE 架构）和推理专用的 DeepSeek-R1（2025-01，MIT 开源）是其代表作。
4. Kimi（月之暗面）：在长文档阅读和信息整合场景表现突出。

6.5.4 思考题

如果你是公司的 CTO，现在要引入 AI。

你会为了数据安全选择 自部署开源模型（如 LLaMA，需要买昂贵的显卡），还是为了效果选择 接入闭源 API（如 GPT/Claude/Gemini，数据要传给服务商）？

这个决策的平衡点在哪里？