确保你任务的准确与一致。
/ 笔记本 02 · 模型
了解模型，不盲目竞速。
前面已理解了能力。现在可以走访美国、欧洲和中国的家族，明白各自适用于不同场景。
最后审阅11 · 08 · 2026
01
/ 正确比较
质量
延迟
成本
上下文
数据治理
代理治理
看名字前，先把放大镜准备好。
公开表格有助于定位，但讲不完全部事实。有效的比较要验证真实工作并增加治理：每个模型接收哪些数据、在哪里处理、谁批准其使用、以及如何管控版本变更。
直到获得可用回复的时间。
推理、基础设施与运营。
其有效处理的信息量。
隐私、驻留、血统与留存。
可查询、执行、批准与核验的内容。
02
/ 全球家族
第一层级：全局家族。
每个实验室在速度、推理、开放性和价格上做出不同决定。此外，家族会随时间变化：始终重要的是正在测试的确切版本。
OPENAI
API与产品GPT-5.6
用于分析、代码和使用工具的系统的多模态家族。其目录按能力、速度和成本区分变体。
ANTHROPIC
API与产品Claude Sonnet 5
Anthropic 指导编程、工具使用和长期知识型任务。
GOOGLE
API与产品Gemini 3.6 / 3.5
Gemini 家族在 Google 生态中融合文本、图像、音频、视频、推理与工具。
MISTRAL AI
API与可部署选项Medium 3.5 / Small 4
当效率、企业集成和部署替代方案重要时的相关欧洲家族。
03
/ 中国开发的模型
第二站：中文生态。
这不是脚注。中国汇集了具备语言、视觉、音频与代理模型的实验室，并拥有自有产业链。部分家族公布权重与组件；另一些通过 API 提供。
ALIBABA · QWEN
可用权重 · 多模态Qwen 3.6
Qwen 覆盖语言、视觉、音频、代码与工具集成。官方仓库可直接查看架构、权重与许可证。
DEEPSEEK
开放API与组件DeepSeek V4
DeepSeek发布了V4 Preview，支持最多一百万个token的上下文。务必区分API提供的版本与已发布的组件。
MOONSHOT AI
开放模型 · 主动式工作Kimi K3
Moonshot 推出 Kimi K3，用于知识型工作、编程与基于代理的任务执行。
Z.AI
开放模型 · 主动式工程GLM-5
GLM-5 面向推理、代码与使用工具的系统。其仓库记录了开放版本。
MINIMAX
文本、语音、音乐与视频MiniMax M3
MiniMax 维护针对生成式语言与媒体的专业家族。其目录比单一 LLM 更广。
使用前
检查可用地区、商业许可、数据驻留、支持语言、推理价格以及在自有基础设施上实际运行模型的可行性。
04
/ 计算机视觉
01 / 轨道地球观测摄影：SpaceX · Pexels · CC0
分类
检测
细分
视觉 + 语言
文档
生成
我们先短暂聊一下图像。
卷积网络 · 视觉Transformer
为整张图像分配一个或多个类别。
YOLO · DETR 及其衍生
定位物体并给出其位置。
U-Net · Segment Anything
识别每个对象所占据的精确区域。
Meta AI · 官方来源多模态模型
将场景与指令和上下文关联。
OCR + 版式理解
可提取文本、表格与空间关系。
扩散与多模态模型
按指令创建或编辑图像与视频。
05
/ 开放与本地化
API 还是自研模型？取决于“行李”。
可用权重的模型可在自有基础设施上运行。这带来对数据与版本更大的控制，但也让企业需负责安全、容量、更新与监控。
托管API
- 快速访问最新模型
- 更少的基础设施运维
- 供应商依赖与政策
自有部署
- 更强的数据与版本控制
- 更深层个性化
- 完整运营责任
混合架构
- 按敏感度与任务路由
- 兼顾成本、质量与控制
- 需要统一治理
06
/ 编辑政策
结束前，把来源摆到桌面上。
我们从一手资料入手。广告陈述其作者所声称的内容；因此我们标注日期、附上链接，并不将其与独立证据混为一谈。
OpenAI模型官方目录
Anthropic新闻与发布
Google AIGemini 模型
QwenQwen 3.6 官方版
DeepSeekV4 官方预览版
MoonshotKimi K3 官方
Z.aiGLM-5 官方
下一步指南如何将模型变成系统