> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/ai_beginner_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/ai_beginner_guide/di-er-bu-fen-he-xin-ji-shu-jie-xi/06_llm/6.5_major_llms.md).

# 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。具体版本和可用性统一维护在[快变事实核验表](/ai_beginner_guide/fu-lu/appendix_f_volatile_facts.md)，生产选型还需打开其中的官方来源。

## 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**：OpenAI 的前沿型号更替很快，同代里还常分出 pro 档（更多算力换更强推理，定价显著更高）；gpt-5.5 等较早的型号在被新一代接替后通常仍留在目录中可用。当前的前沿型号、可用性、价格和上下文窗口一律以[快变事实核验表](/ai_beginner_guide/fu-lu/appendix_f_volatile_facts.md)及其中的官方模型页和价格页为准，不要从本文记住某个具体型号。
   * **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）。
2. **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**：官方模型比较表列出广泛可用的 **Claude Fable 5.1**、**Claude Opus 5.5**、**Claude Sonnet 5.5** 与 **Claude Haiku 4.5**；Mythos 5.1 属于受限可用。Fable 5.1 面向最高能力需求，Sonnet 5.5 强调速度、能力和成本的平衡。thinking 模式、上下文窗口、价格与平台覆盖见[快变事实核验表](/ai_beginner_guide/fu-lu/appendix_f_volatile_facts.md)，不要从旧型号类推。
   * **取舍**：产品功能节奏和生态覆盖与其他厂商各有长短。
3. **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）是这一代的两款主力开放权重模型。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？