程小虎个人知识库
Series

大模型详细文档

程小虎

大模型详细文档

更新时间：2026-03-27
统计口径：按官网、官方 API 文档、官方博客、官方 GitHub / Hugging Face / Model Card 等公开渠道可查信息整理。
重要说明：

  1. 你要求的是“各家所有大模型版本”，但对 OpenAI、Google、MiniMax、字节 Seed / 豆包、部分 GLM 商业模型来说，官方并不会公开全部内部版本、灰度版本、下线版本或全部参数规模。因此本文采用“截至当前官方可查的公开模型/版本/系列”口径。
  2. 参数量仅记录官方明确公开的数据；若官网/API/模型卡未披露，则统一标注为 未公开。
  3. 对于 ChatGPT / Gemini / Grok / Kimi / 豆包 这类既是产品名、又会映射到底层模型家族的情况，本文会同时写明“产品名 / API 模型名 / 底层模型家族”。
  4. 文中“B”表示 Billion（十亿）参数；MoE 模型会尽量同时标注 总参数 / 激活参数。
  5. 本版已按你补充要求，尽量纳入 正式版 / preview / turbo / mini / nano / snapshot / 已下线 / 历史 API ID；并额外标注“确认级别”：官方当前、官方历史、第三方整理、待核验。

目录

Qwen（阿里巴巴 / 通义千问）

1. Qwen：厂商与命名说明

  • 厂商：阿里巴巴 / Qwen Team / 通义千问
  • 产品/平台：Qwen Chat、阿里云百炼 / Model Studio 等
  • 模型特点：公开模型谱系最完整之一，覆盖文本、推理、代码、视觉、音频、Embedding、Rerank、图像生成、安全模型等
  • 开放形态：既有闭源商用 API，也有大量开源 / open-weight 模型

2. Qwen：公开可查的主要模型家族

2.1 Qwen3 文本/推理主系列

模型/版本参数规模架构主要能力上下文开源情况备注
Qwen3-235B-A22B235B / 激活22BMoE文本、推理、代码、Agent、工具调用、多语言128K开源Qwen3 旗舰公开权重
Qwen3-30B-A3B30B / 激活3BMoE文本、推理、代码、工具调用128K开源小型高效 MoE
Qwen3-32B32BDense文本、推理、代码128K开源高性能 Dense
Qwen3-14B14BDense文本、推理、代码128K开源中大尺寸
Qwen3-8B8BDense文本、推理、代码128K开源通用主力
Qwen3-4B4BDense文本、推理32K开源轻量级
Qwen3-1.7B1.7BDense文本32K开源小模型
Qwen3-0.6B0.6BDense文本32K开源极轻量

2.2 Qwen3 派生版本 / 指令与思考版

模型/版本参数规模能力重点是否推理备注
Qwen3-235B-A22B-Instruct-2507235B / 激活22B指令跟随、通用对话、代码、工具调用是公开版本命名可见
Qwen3-235B-A22B-Thinking-2507235B / 激活22B深度推理、数学、代码是Thinking 版
Qwen3-30B-A3B-Instruct-250730B / 激活3B指令跟随、代码、Agent是
Qwen3-30B-A3B-Thinking-250730B / 激活3B深度推理是
Qwen3-4B-Instruct-25074B轻量指令是
Qwen3-4B-Thinking-25074B轻量推理是

2.3 历史文本主系列

系列公开尺寸/版本（官方文档可查）主要能力
Qwen1.8B / 7B / 14B / 72B早期基础文本系列
Qwen1.50.5B / 1.8B / 4B / MoE A2.7B / 7B / 14B / 32B / 72B / 110B文本、指令、长上下文演进
Qwen20.5B / 1.5B / 7B / 57B-A14B / 72B文本主系列
Qwen2.50.5B / 1.5B / 3B / 7B / 14B / 32B / 72B文本、推理增强、多语言、长上下文

2.4 多模态 / 视觉 / 音频 / 专项模型

家族公开版本/尺寸模态备注
Qwen-VL7B 系图像理解早期视觉语言模型
Qwen2-VL2B / 7B / 72B图像理解、多模态官方文档列出
Qwen3-VL公开仓库可见图文理解Qwen3 代视觉线
Qwen-Audio7B 系音频理解早期音频模型
Qwen2-Audio7B 系音频理解/语音官方文档列出
Qwen3-Omni未公开文本、图像、音频、视频全模态定位
Qwen3-ASR未公开语音识别ASR 专项
Qwen3-TTS未公开文本转语音TTS 专项
Qwen-Image / Qwen-Image-Edit未公开图像生成 / 图像编辑生成式图像模型
Qwen3-Embedding未公开Embedding向量检索
Qwen3-Reranker未公开Rerank检索重排
Qwen3Guard未公开安全审查内容安全

2.5 代码 / 数学 / 推理专项

家族公开尺寸/版本能力
CodeQwen1.57B代码生成
Qwen2.5-Coder0.5B / 1.5B / 3B / 7B / 14B / 32B代码生成、代码补全、Agent 编程
Qwen2-Math1.5B / 7B / 72B数学
Qwen2.5-Math1.5B / 7B / 72B数学
QwQ-Preview32B推理
QVQ-Preview72B视觉推理

3. Qwen：参数公开情况

  • 公开较充分：Qwen / Qwen1.5 / Qwen2 / Qwen2.5 / Qwen3 大量开源模型均有明确参数规模
  • 未完全公开：闭源 API 版 Qwen Max / Plus / Turbo、部分 Qwen3-Omni / Image / Audio / Embedding / Guard 等未披露参数

4. Qwen：能力总结

  • 文本：强
  • 推理：强（Qwen3 Thinking、QwQ 等）
  • 代码：强（Qwen2.5-Coder、Qwen3）
  • 图片理解：强（Qwen-VL、Qwen2-VL、Qwen3-VL）
  • 图片生成：有
  • 音频：有
  • 视频理解：有（Qwen3-Omni 路线）
  • Embedding / Rerank：有
  • 开源生态：很强

5. Qwen：主要来源

  • Qwen 官方文档：https://qwen.readthedocs.io/
  • Qwen3 官方博客：https://qwenlm.github.io/blog/qwen3/
  • Qwen GitHub：https://github.com/QwenLM
  • Qwen Hugging Face：https://huggingface.co/Qwen

GLM（智谱 AI / Z.ai）

1. GLM：厂商与命名说明

  • 厂商：智谱 AI（Zhipu AI）
  • 平台：Z.ai、BigModel / bigmodel.cn
  • 模型家族核心命名：GLM-4、GLM-4V、GLM-4.5、GLM-4.6V、GLM-Z1、GLM-5 等

2. GLM：公开可查的主要模型 / 版本谱系（扩展口径）

2.1 GLM-5 系列

这一项是本次重点修正：GLM 不仅有 GLM-5-Turbo，也有 GLM-5 主型号。按当前官方公开页面，GLM-5 系至少可明确确认如下版本名。

模型/版本状态确认级别参数规模输入/输出模态上下文备注
GLM-5正式版官方当前官方文档页未写参数；官方页正文提到从 355B（激活32B）扩展至 744B（激活40B）文本 → 文本200K新一代旗舰基座模型
glm-5API ID官方当前未公开文本 → 文本200K调用示例中明确出现的 model 字段
GLM-5-Turbo正式版官方当前未公开文本 → 文本200K面向 OpenClaw / 龙虾场景增强
glm-5-turboAPI ID官方当前未公开文本 → 文本200K调用示例中明确出现的 model 字段

2.2 GLM-4.7 / 4.6 / 4.5 当前文本主线

模型/版本状态确认级别参数规模输入/输出模态上下文备注
GLM-4.7正式版官方当前未公开文本 → 文本官方页面可见当前文档导航明确列出
GLM-4.6正式版官方当前未公开文本 → 文本官方页面可见当前文档导航明确列出
GLM-4.5正式版官方历史/当前公开355B / 激活32B文本 → 文本128K公开资料较多
GLM-4.5-Air正式版官方历史/当前公开106B / 激活12B文本 → 文本128K轻量路线

2.3 GLM-4 / GLM-Z1 / 历史与多模态线

模型/版本状态确认级别参数规模主要能力备注
GLM-4-32B-Base-0414历史公开版官方历史32B文本基础模型开源线
GLM-4-32B-0414历史公开版官方历史32B对话、代码、函数调用开源线
GLM-Z1-32B-0414历史公开版官方历史32B深度推理、数学、代码开源线
GLM-Z1-Rumination-32B-0414历史公开版官方历史32B沉思式研究、搜索工具调用开源线
GLM-4-9B-0414历史公开版官方历史9B对话、翻译开源线
GLM-Z1-9B-0414历史公开版官方历史9B通用推理、数学开源线
GLM-4-Voice正式版官方公开未公开端到端语音对话、ASR、TTS语音路线
GLM-4-9B历史版官方公开9B基础文本历史版本
GLM-4-9B-Chat历史版官方公开9B对话历史版本
GLM-4-9B-Chat-1M历史版官方公开9B超长上下文对话1M 上下文
GLM-4V-9B历史版官方公开9B图像理解历史多模态
GLM-4.6V正式版官方公开未公开图像/视频/文本理解、工具调用多模态旗舰
GLM-4.6V-FlashX正式版官方公开未公开轻量多模态高速版
GLM-4.6V-Flash正式版官方公开未公开多模态免费/轻量定位

3. GLM：版本号与命名补充说明

  • GLM-5 不是只有 Turbo：当前官方文档中，GLM-5 与 GLM-5-Turbo 都是独立模型页。
  • API ID 与展示名需区分：例如页面标题是 GLM-5-Turbo，但调用时模型 ID 是 glm-5-turbo。
  • GLM-4.5 → 4.6 → 4.7 → 5 是公开主线演进；但并不意味着所有子系（如视觉、语音、OCR、Agent）都完全同步命名。
  • 参数披露不完全一致：有的写在模型介绍正文，有的只在技术报告、模型卡或博客出现，因此本文以“页面明确可查”为主。

4. GLM：能力总结

  • 文本：强
  • 推理：强（GLM-Z1、GLM-4.5）
  • 代码：有
  • 图片理解：有（GLM-4V / 4.5V / 4.6V）
  • 视频理解：有（4.6V 路线）
  • 音频：有（GLM-4-Voice）
  • Agent / 工具调用：较强

5. GLM：参数公开情况

  • 公开较充分：GLM-4 开源线、GLM-Z1、GLM-4.5、GLM-4.5-Air
  • 本次新增明确修正：GLM-5 页面正文已公开“从 355B（激活32B）扩展至 744B（激活40B）”这一档位信息
  • 仍未完全公开：GLM-4.6V、GLM-5-Turbo、GLM-4.7 等页面未统一给出完整 B 数表

6. GLM：主要来源

  • Z.ai：https://z.ai/
  • BigModel：https://bigmodel.cn/
  • GLM-5 官方页：https://docs.bigmodel.cn/cn/guide/models/text/glm-5
  • GLM-5-Turbo 官方页：https://docs.bigmodel.cn/cn/guide/models/text/glm-5-turbo
  • GitHub（GLM-4）：https://github.com/zai-org/GLM-4
  • Hugging Face（THUDM）：https://huggingface.co/THUDM

Kimi（Moonshot AI / 月之暗面）

1. Kimi：厂商与命名说明

  • 厂商：Moonshot AI（月之暗面）
  • 产品：Kimi
  • API 平台：Moonshot / Kimi Open Platform
  • 命名特点：早期是 moonshot-v1-*，后期转向 kimi-k2*、kimi-k2.5

2. Kimi：公开可查的主要模型 / 版本谱系（扩展口径）

2.1 当前主力模型

API 模型名状态确认级别参数规模架构上下文主要能力备注
kimi-k2.5正式版官方当前未公开原生多模态256K文本、图像理解、视频理解、Agent、代码、推理当前旗舰
kimi-k2-0905-preview预览版官方当前1T / 激活32BMoE256KAgentic Coding、上下文理解、前端代码生成K2 重要版本
kimi-k2-0711-preview预览版官方当前1T / 激活32BMoE128K代码、Agent早期 K2 版
kimi-k2-turbo-preview预览版官方当前1T / 激活32BMoE256K高速推理K2 Turbo
kimi-k2-thinking正式版官方当前1T / 激活32BMoE256K长思维推理、多步工具使用Thinking 版
kimi-k2-thinking-turbo正式版官方当前1T / 激活32BMoE256K深度推理 + 高速Thinking Turbo

2.2 moonshot-v1 系列

API 模型名状态确认级别参数规模上下文模态主要能力
moonshot-v1-8k历史版 / 已下线倾向官方历史未公开8K文本短文本生成
moonshot-v1-32k历史版 / 已下线倾向官方历史未公开32K文本长文本生成
moonshot-v1-128k历史版 / 已下线倾向官方历史未公开128K文本超长文本
moonshot-v1-8k-vision-preview历史预览版官方历史未公开8K图像→文本图片理解
moonshot-v1-32k-vision-preview历史预览版官方历史未公开32K图像→文本图片理解
moonshot-v1-128k-vision-preview历史预览版官方历史未公开128K图像→文本图片理解

2.3 已弃用 / 历史别名

名称状态替代
kimi-latest已弃用kimi-k2.5
kimi-thinking-preview已弃用kimi-k2.5

2.4 开源权重

名称状态确认级别参数规模开源平台备注
Kimi-K2-Base开源正式版官方当前1T / 激活32BHugging Face / GitHub开源检查点
Kimi-K2-Instruct开源正式版官方当前1T / 激活32BHugging Face / GitHub指令版

3. Kimi：能力总结

  • 文本：强
  • 推理：强
  • 代码：很强（K2 路线突出）
  • 图像理解：有
  • 视频理解：有（K2.5）
  • Agent：很强
  • 开源：部分（K2 开源，K2.5 参数未公开）

4. Kimi：参数公开情况

  • 公开：K2 系列 1T 总参数 / 32B 激活
  • 未公开：K2.5 参数规模

5. Kimi：主要来源

  • Kimi API 文档：https://platform.moonshot.ai/docs/introduction
  • Kimi K2.5 博客：https://www.kimi.com/blog/kimi-k2-5
  • GitHub：https://github.com/MoonshotAI/Kimi-K2
  • Hugging Face：https://huggingface.co/moonshotai

6. Kimi：版本状态与来源说明

  • preview / thinking / turbo 等命名直接沿用官方 API 文档或官方仓库。
  • moonshot-v1-* 在当前主宣传中已退居历史位置，本文标作“官方历史”或“历史预览版”。
  • 对 K2.5 参数量，本文仍按“未公开”处理，不把 K2 的 1T / 激活32B 直接外推到 K2.5。

MiniMax

1. MiniMax：厂商与命名说明

  • 厂商：MiniMax
  • 模型线覆盖：文本、推理、代码、语音、图像、视频、音乐
  • 公开参数透明度：中等偏低，少数模型公开参数

2. MiniMax：公开可查的主要模型 / 版本谱系（扩展口径）

2.1 文本 / 推理主模型

模型/版本参数规模上下文主要能力备注
MiniMax-M2.7未公开204,800递归自改进、Agent Teams、复杂任务执行、软件工程当前旗舰
MiniMax-M2.7-highspeed未公开204,800高速推理高速版
MiniMax-M2.5未公开204,800代码、工具调用、搜索、办公生产力稳定版
MiniMax-M2.5-highspeed未公开204,800低延迟代码/推理高速版
MiniMax-M2.1230B / 激活10B204,800多语言编程、代码重构、推理已公开参数
MiniMax-M2.1-highspeed230B / 激活10B204,800高速推理
MiniMax-M2未公开200,000Agent、函数调用、高级推理历史主线
M2-her未公开未公开角色扮演、多轮对话、情感表达特定风格路线
MiniMax-Text-01未公开未公开文本生成早期文本模型
MiniMax-VL-01未公开未公开图文理解早期视觉模型

2.2 语音模型

模型/版本能力语言支持备注
speech-2.8-hd高保真 TTS / 音色相似度40 种语言新版高清
speech-2.8-turbo低延迟 TTS40 种语言Turbo
speech-2.6-hd高音质语音40 种语言
speech-2.6-turbo低延迟语音40 种语言
speech-02-hd高保真语音克隆24 种语言早期主力
speech-02-turbo低延迟语音24 种语言

2.3 视频生成模型

模型/版本主要能力输出规格备注
MiniMax Hailuo 2.3文生视频 / 图生视频 / 物理模拟1080p / 768p，6s/10s新版
MiniMax Hailuo 2.3 Fast高速图生视频1080p / 768pFast
MiniMax Hailuo 02高分辨率视频生成1080p / 768p / 512p历史版本

2.4 图像与音乐模型

模型/版本能力备注
Image-01文生图图片生成
Music-2.5+音乐生成、乐器增强、跨风格融合最新音乐线
Music-2.5人声与多乐器歌曲生成
Music-2.0增强音乐性与人声自然度
Music-1.5最长 4 分钟歌曲生成

2.5 开源公开情况

名称参数规模状态
MiniMax-M2.1230B / 激活10B开源可见
MiniMax-M2未公开开源可见 / 参数未公开

3. MiniMax：能力总结

  • 文本：强
  • 推理：强
  • 代码：强
  • 图片理解：有（VL）
  • 图片生成：有
  • 音频：强
  • 视频生成：强
  • 音乐生成：有特色

4. MiniMax：参数公开情况

  • 公开：M2.1（230B / 10B 激活）
  • 未公开：M2.7、M2.5、M2、Image、Hailuo、多数语音/音乐模型

5. MiniMax：主要来源

  • MiniMax 模型文档：https://platform.minimax.io/docs/guides/models-intro
  • 发布日志：https://platform.minimax.io/docs/release-notes/models
  • 官方博客：https://www.minimax.io/news/
  • Hugging Face：https://huggingface.co/MiniMaxAI

DeepSeek

1. DeepSeek：厂商与命名说明

  • 厂商：DeepSeek
  • 产品/API：DeepSeek API、DeepSeek APP / Web
  • 命名特点：API 侧常用 deepseek-chat / deepseek-reasoner，底层对应 V3.x / R1 等模型线
  • 透明度：参数公开程度较高，尤其是 V2/V3/R1 开源体系

2. DeepSeek：公开可查的主要模型 / 版本谱系（扩展口径）

2.1 当前 API 主力

API 模型名对应模型参数规模上下文主要能力备注
deepseek-chatDeepSeek-V3.2（Non-thinking）未公开128K文本、工具调用、JSON 输出当前 API 主力
deepseek-reasonerDeepSeek-V3.2（Thinking）未公开128K深度推理、工具调用、JSON 输出推理主力

2.2 V3 系列

模型/版本参数规模架构上下文能力
DeepSeek-V3-Base671B / 激活37BMoE128K文本基础模型
DeepSeek-V3671B / 激活37BMoE128K通用对话
DeepSeek-V3.1671B / 激活37BMoE128KV3 更新版
DeepSeek-V3.2未公开MoE128K当前 API 对应版本
DeepSeek-V3.2-Speciale未公开MoE128K更偏推理 / API-only

2.3 R1 推理系列

模型/版本参数规模架构上下文能力
DeepSeek-R1-Zero671B / 激活37BMoE128K纯 RL 推理
DeepSeek-R1671B / 激活37BMoE128K深度推理、数学、代码
DeepSeek-R1-0528671B / 激活37BMoE128KR1 更新版

2.4 蒸馏模型

模型/版本参数规模基底能力
DeepSeek-R1-Distill-Qwen-1.5B1.5BQwen推理蒸馏
DeepSeek-R1-Distill-Qwen-7B7BQwen推理蒸馏
DeepSeek-R1-Distill-Llama-8B8BLlama推理蒸馏
DeepSeek-R1-Distill-Qwen-14B14BQwen推理蒸馏
DeepSeek-R1-Distill-Qwen-32B32BQwen推理蒸馏
DeepSeek-R1-Distill-Llama-70B70BLlama推理蒸馏

2.5 历史版本

模型/版本参数规模备注
DeepSeek-V2236B / 激活21B历史主力
DeepSeek-V2.5236B / 激活21BV2 增强版
DeepSeek-R1-Lite未公开早期 R1 路线

3. DeepSeek：能力总结

  • 文本：强
  • 推理：很强（R1）
  • 代码：强
  • 图片理解：当前公开主线以文本为主
  • 图像生成：公开主线未见
  • 音频：公开主线未见
  • 开源：极强

4. DeepSeek：参数公开情况

  • 公开充分：V2、V2.5、V3、R1、蒸馏模型
  • 未公开：V3.2、V3.2-Speciale 等新 API 层版本的精确参数

5. DeepSeek：主要来源

  • DeepSeek API 文档：https://api-docs.deepseek.com/
  • DeepSeek-V3 GitHub：https://github.com/deepseek-ai/DeepSeek-V3
  • DeepSeek-R1 GitHub：https://github.com/deepseek-ai/DeepSeek-R1
  • Hugging Face：https://huggingface.co/deepseek-ai

Doubao / Seed（字节跳动 / 火山引擎）

1. 豆包 / Seed：厂商与命名说明

  • 厂商：字节跳动（ByteDance）/ Seed 团队 / 火山引擎
  • 产品名：豆包（Doubao）
  • 底层模型族：Seed / Doubao-Seed / 火山方舟 API 模型 ID
  • 特点：多模态、Agent、代码能力强，但参数公开透明度较低

2. 豆包 / Seed：公开可查的主要模型 / 版本谱系（扩展口径）

2.1 Seed 2.0 系列

模型/版本API 模型 ID参数规模上下文模态主要能力
Seed 2.0 Prodoubao-seed-2-0-pro未公开未公开文本+图像+视频旗舰推理、多模态、Agent
Seed 2.0 Litedoubao-seed-2-0-lite未公开未公开文本+图像+视频均衡通用
Seed 2.0 Miniseed-2-0-mini-260215未公开256K文本+图像+视频高并发轻量模型
Seed 2.0 Codedoubao-seed-code-*未公开未公开文本代码专项

2.2 历史 / 早期版本

模型/版本参数规模模态备注
Doubao-Seed-1.8未公开文本+图像Seed 2.0 上一代
Doubao-Pro未公开文本早期版本
Doubao-Lite未公开文本早期轻量版

3. 豆包 / Seed：能力总结

  • 文本：强
  • 推理：强
  • 代码：有（Seed 2.0 Code）
  • 图片理解：有
  • 视频理解：有
  • Agent：强
  • 开源：基本闭源

4. 豆包 / Seed：参数公开情况

  • 总体未公开：Seed 2.0 Pro / Lite / Mini / Code 均未公开具体 B 数

5. 豆包 / Seed：主要来源

  • Seed 官网：https://seed.bytedance.com/en/seed2
  • Seed Model Card：https://lf3-static.bytednsdoc.com/obj/eden-cn/lapzild-tss/ljhwZthlaukjlkulzlp/seed2/0214/Seed2.0%20Model%20Card.pdf
  • 火山引擎 / 方舟平台：https://console.volcengine.com/ark/

ChatGPT / OpenAI

1. OpenAI：厂商与命名说明

  • 厂商：OpenAI
  • ChatGPT 是产品名，不等于单一模型名
  • ChatGPT 背后会根据套餐、场景、时间点调用 GPT / o 系列 / 图像 / 语音 / 视频等不同模型
  • OpenAI 的特点是：模型能力公开很多，参数规模几乎从不公开

2. OpenAI：公开可查的主要模型 / 版本谱系（扩展口径）

2.1 GPT-5 主线（本次重点修正）

这一项是本次重点修正：OpenAI 确实有 GPT-5.1 与 GPT-5.2 的官方模型页；当前未查到官方 GPT-5.3 页面，因此不能写成已确认存在。

模型/版本状态确认级别输入/输出模态主要能力上下文备注
gpt-5正式版官方当前文本、图像 → 文本通用旗舰400K主型号
gpt-5-2025-08-07快照官方当前文本、图像 → 文本快照版本400K官方 snapshots 列表可见
gpt-5-mini正式版官方当前文本、图像 → 文本低成本版400K主型号子线
gpt-5-mini-2025-08-07快照官方当前文本、图像 → 文本快照版本400K
gpt-5-nano正式版官方当前文本、图像 → 文本超轻量版400K
gpt-5-nano-2025-08-07快照官方当前文本、图像 → 文本快照版本400K
gpt-5.1正式版官方当前文本、图像 → 文本编码与 agentic tasks400K你指出的漏项，现已补入
gpt-5.1-2025-11-13快照官方当前文本、图像 → 文本快照版本400K官方 snapshots 列表可见
gpt-5.2已被后续版本取代官方当前文本、图像 → 文本previous frontier model400K官方页明确写 previous frontier
gpt-5.2-2025-12-11快照官方当前文本、图像 → 文本快照版本400K
gpt-5.4当前旗舰官方当前文本、图像 → 文本复杂推理、编码、Agent、工具调用1M当前 docs 推荐优先使用
gpt-5.4-2026-03-05快照官方当前文本、图像 → 文本快照版本1M
gpt-5.4-mini正式版官方当前文本、图像 → 文本低成本 / 子智能体 / 编码400K
gpt-5.4-mini-2026-03-17快照官方当前文本、图像 → 文本快照版本400K
gpt-5.4-nano正式版官方当前文本、图像 → 文本高并发轻量任务官方公开页可见当前已公开命名

2.2 GPT-5.x 缺失版本说明

版本号结论说明
GPT-5.1已确认存在官方模型页可直接访问
GPT-5.2已确认存在官方模型页可直接访问，且已被后续版本替代
GPT-5.3未查到官方公开模型页当前不能按已确认版本写入正文，只能标注为“未查到官方公开证据”
GPT-5.4已确认存在当前旗舰

2.3 其他通用模型主线

模型/版本状态确认级别输入/输出模态主要能力上下文
gpt-4.1正式版官方当前文本、图像 → 文本长上下文、编码、指令跟随1M
gpt-4.1-mini正式版官方当前/公开文档可查文本、图像 → 文本成本优化版1M
gpt-4.1-nano正式版官方当前/公开文档可查文本、图像 → 文本超轻量1M
gpt-4o正式版官方当前文本、图像、音频 → 文本/音频Omni 多模态128K
gpt-4o-2024-05-13快照官方当前文本、图像、音频 → 文本/音频快照版本128K
gpt-4o-2024-08-06快照官方当前文本、图像、音频 → 文本/音频快照版本128K
gpt-4o-2024-11-20快照官方当前文本、图像、音频 → 文本/音频快照版本128K
gpt-4o-mini正式版官方当前/公开文档可查文本、图像 → 文本低成本多模态128K

2.4 推理模型（o 系列）

模型/版本状态确认级别模态主要能力上下文
o3正式版官方当前文本、图像 → 文本高级推理、代码、数学、视觉分析200K
o3-pro正式版官方公开文本、图像 → 文本更长思考、更高质量推理200K
o4-mini正式版官方当前文本、图像 → 文本轻量级推理200K
o1历史/仍公开可见官方公开文本、图像 → 文本早期推理模型公开资料可见
o1-preview历史版官方历史文本 → 文本预览推理模型官方 deprecations 可见
o1-mini历史版官方历史文本 → 文本轻量推理模型官方 deprecations 可见
o3-mini历史/公开可见官方公开文本 → 文本轻量推理官方公开资料可见

2.5 专项模型

模型/版本状态确认级别模态能力
gpt-image-1正式版官方当前文本/图像 → 图像图像生成 / 编辑
gpt-image-1.5正式版官方当前/公开资料可见文本/图像 → 图像图像生成 / 编辑
gpt-image-1-mini正式版官方公开文本/图像 → 图像轻量图像生成
gpt-realtime-1.5正式版官方当前/公开资料可见音频 ↔ 音频 / 文本实时语音交互
gpt-realtime-mini正式版官方公开音频 ↔ 音频 / 文本轻量实时语音
gpt-4o-mini-tts正式版官方当前/公开资料可见文本 → 音频语音合成
gpt-4o-transcribe正式版官方当前/公开资料可见音频 → 文本语音转写
gpt-4o-mini-transcribe正式版官方当前/公开资料可见音频 → 文本轻量转写
text-embedding-* / embeddings 路线持续更新官方公开文本 → 向量Embedding
text-moderation-*持续更新官方公开文本/图像输入审查安全审核
Sora（视频）正式公开产品线官方公开文本/图像 → 视频视频生成

3. OpenAI：ChatGPT 与底层模型关系

产品名实际含义
ChatGPTOpenAI 的聊天产品 / 前端，不是单一模型
ChatGPT 中的“默认模型”可能随套餐与时间切换到 GPT-5.x、GPT-4.x、o 系列等
ChatGPT 图像/语音/视频功能通常分别调用图像、实时语音、视频相关专用模型

4. OpenAI：参数公开情况

  • 几乎全部未公开
  • GPT-4 / GPT-4o / GPT-5.x / o 系列 / Sora 等官方均未给出 B 数

5. OpenAI：版本号补充说明

  • OpenAI 的 GPT-5.x 版本号不是连续全公开的。
  • 当前已直接确认：gpt-5、gpt-5.1、gpt-5.2、gpt-5.4 及其部分快照。
  • 当前未查到 gpt-5.3 的官方公开模型页，因此本文不把它写成“已确认存在”。
  • OpenAI 模型页通常会同时给出：别名（alias）+ 快照（snapshot），例如 gpt-5.1 与 gpt-5.1-2025-11-13。

6. OpenAI：能力总结

  • 文本：强
  • 推理：很强（o3 / GPT-5.4）
  • 代码：很强
  • 图片理解：强
  • 图片生成：强
  • 音频：强
  • 视频：有（Sora）
  • Embedding / Moderation：有

7. OpenAI：主要来源

  • OpenAI 模型页：https://platform.openai.com/docs/models
  • GPT-5.1：https://platform.openai.com/docs/models/gpt-5.1
  • GPT-5.2：https://platform.openai.com/docs/models/gpt-5.2
  • OpenAI 开发者文档：https://developers.openai.com/api/docs/models
  • OpenAI Pricing：https://openai.com/api/pricing/
  • OpenAI Blog：https://openai.com/index/

Gemini / Google

1. Gemini：厂商与命名说明

  • 厂商：Google / Google DeepMind
  • 产品/平台：Gemini、Google AI Studio、Vertex AI
  • Gemini 也是产品与模型家族双重名称
  • 与 OpenAI 类似：能力公开较多，参数规模基本不公开

2. Gemini：公开可查的主要模型 / 版本谱系（扩展口径）

2.1 主力 Gemini 模型

模型/版本状态确认级别参数规模模态主要能力上下文备注
Gemini 2.5 Pro正式版官方当前未公开文本、图像、音频、视频 → 文本最强思考模型、代码、数学、STEM、长上下文分析1M主力旗舰
Gemini 2.5 Flash正式版官方当前未公开文本、图像、视频 → 文本快速、低延迟、多模态1M主力
Gemini 2.5 Flash-Lite Preview预览版官方当前未公开文本、图像 → 文本更轻量、更便宜官方文档可见预览/过渡
Gemini 2.5 Flash Image（Nano Banana）预览 / 专项路线官方当前/公开资料可见未公开文本、图像 → 图像/编辑高速视觉生成与编辑-图像生成
Gemini 2.0 Flash正式版官方当前未公开文本、图像 → 文本快速通用多模态1M历史主线仍常见
Gemini 2.0 Flash-Lite正式版官方当前未公开文本、图像 → 文本轻量级官方文档可见历史/轻量
Gemini 1.5 Pro历史正式版官方历史/官方公开未公开文本、图像、音频、视频 → 文本超长上下文、多模态分析2M历史旗舰
Gemini 1.5 Flash历史正式版官方历史/官方公开未公开文本、图像 → 文本快速轻量多模态1M历史主线

2.2 新预览 / 实时能力路线（官方文档可见）

模型/版本状态确认级别参数规模能力
Gemini 3.1 Pro Preview预览版官方当前/公开资料可见未公开新一代预览旗舰
Gemini 3.1 Flash / Flash-Lite Preview预览版官方当前/公开资料可见未公开低延迟新代预览
Gemini 2.5 Flash Live Preview预览版官方当前/公开资料可见未公开实时语音/视频交互
Gemini 2.5 Computer Use Preview预览版官方当前/公开资料可见未公开计算机使用 / Agent UI 操作

2.3 专项模型

模型/版本状态确认级别参数规模类型能力
text-embedding-004 等 Embedding 路线正式版官方公开未公开Embedding文本向量
Imagen 系列正式版 / 预览版并存官方公开未公开图像生成文生图
Veo 系列（若平台开放）正式版 / 预览版并存官方公开未公开视频生成文生视频
Gemma 系列开源正式版官方公开不同尺寸公开开源权重系列Google 开源模型线（与 Gemini 商业线不同）

3. Gemini：参数公开情况

  • Gemini 商业系列参数基本未公开
  • 如果你要找“Gemini 多少 B”，Google 官方通常不给出
  • Google 公开参数更多出现在 Gemma 开源系列，而不是 Gemini 商业系列

4. Gemini：能力总结

  • 文本：强
  • 推理：很强（2.5 Pro）
  • 代码：强
  • 图片理解：强
  • 图片生成：有（Flash Image / Imagen）
  • 音频：有
  • 视频理解：有
  • 视频生成：有（平台侧）
  • Embedding：有

5. Gemini：主要来源

  • Gemini 模型总览：https://ai.google.dev/gemini-api/docs/models
  • Gemini 2.5 Pro：https://ai.google.dev/gemini-api/docs/models/gemini-2.5-pro
  • Gemini 2.0 Flash：https://ai.google.dev/gemini-api/docs/models/gemini-2.0-flash
  • Gemini API 更新日志：https://ai.google.dev/gemini-api/docs/changelog
  • Google DeepMind / Developers Blog：https://deepmind.google/blog/

6. Gemini：版本状态与来源说明

  • Gemini 的很多版本会同时出现在 AI Studio / Gemini API / Vertex AI 三套文档体系里，命名和开放节奏可能不完全同步。
  • 本文把能在官方模型总览、官方 changelog 或官方产品页见到的版本列为“官方当前”或“官方公开”。
  • 对 Preview、Live Preview、Computer Use Preview 等，统一按“预览版”处理，不把它们写成稳定 GA 版本。

Grok / xAI

你原消息里写的是 “Gork”，这里按 xAI 的 Grok 理解。

1. Grok：厂商与命名说明

  • 厂商：xAI
  • 产品/模型名：Grok
  • 特点：Grok-1 开源且公开了参数；后续 Grok-3 / 4 / 4.1 / 4.20 等能力更强，但参数未公开

2. Grok：公开可查的主要模型 / 版本谱系（扩展口径）

2.1 文本 / 推理主模型

模型/版本状态确认级别参数规模模态主要能力上下文
Grok-1历史正式版 / 开源官方历史314B文本 → 文本基础对话8K
Grok-3历史主线官方公开/历史资料可见未公开文本、图像 → 文本推理、视觉、Agent官方公开版本线
Grok-4正式版官方公开/历史资料可见未公开文本、图像 → 文本旗舰推理、多任务1M
Grok-4 Fast正式版官方公开/历史资料可见未公开文本、图像 → 文本高速高效1M
grok-4-1-fast-reasoning正式版官方当前未公开文本、图像 → 文本快速推理2M
grok-4-1-fast-non-reasoning正式版官方当前未公开文本、图像 → 文本通用多模态2M
grok-4.20-0309-reasoning正式版 / 快照式命名官方当前未公开文本、图像 → 文本推理、函数调用、结构化输出2M
grok-4.20-0309-non-reasoning正式版 / 快照式命名官方当前未公开文本、图像 → 文本函数调用、结构化输出2M
grok-4.20-multi-agent-0309正式版 / 快照式命名官方当前未公开文本、图像 → 文本原生多智能体2M

2.2 生成模型

模型/版本状态确认级别参数规模模态能力
grok-imagine-image正式版官方当前未公开文本/图像 → 图像文生图 / 图像生成
grok-imagine-image-pro正式版官方当前未公开文本/图像 → 图像高质量图像生成
grok-imagine-video正式版官方当前未公开文本/图像/视频 → 视频视频生成

3. Grok：参数公开情况

  • 公开：Grok-1 = 314B（MoE，官方开源时披露）
  • 未公开：Grok-3、Grok-4、Grok-4.1、Grok-4.20、Imagine 系列

4. Grok：能力总结

  • 文本：强
  • 推理：强
  • 代码：有
  • 图片理解：有
  • 图片生成：有
  • 视频生成：有
  • 多智能体：有

5. Grok：主要来源

  • xAI 模型文档：https://docs.x.ai/developers/models
  • xAI News：https://x.ai/news/
  • Grok-1 GitHub：https://github.com/xai-org/grok-1

6. Grok：版本状态与来源说明

  • xAI 当前文档里常把版本写成类似 grok-4.20-0309-* 这种带日期/批次特征的命名，本文将其视为“快照式命名”而非传统 -latest 样式。
  • Grok-3、Grok-4、Grok-4 Fast 更多出现在官方公开发布口径或站内公开资料中；对 API 文档里直接出现的 grok-4-1-*、grok-4.20-*，本文标作“官方当前”。
  • 仅 Grok-1 有较明确的公开参数规模，后续主线继续按“未公开”处理。

总览对比

1. 参数透明度对比

厂商参数透明度备注
Qwen很高大量开源权重，尺寸披露充分
GLM中等开源线较清晰，商业线不透明
Kimi中等K2 参数公开，K2.5 未公开
MiniMax较低仅少数模型公开参数
DeepSeek很高V2/V3/R1 系列公开较充分
Doubao / Seed很低多数参数未公开
OpenAI很低几乎不公开参数规模
Google Gemini很低Gemini 商业线基本不公开参数
xAI Grok较低仅 Grok-1 明确公开 314B

2. 开源程度对比

厂商开源程度
Qwen很高
GLM高
Kimi中等
MiniMax中低
DeepSeek很高
Doubao / Seed低
OpenAI低
Google Gemini低（Gemma 另算）
xAI Grok中低（仅部分开源）

3. 多模态覆盖对比（公开口径）

厂商文本推理代码图片理解图片生成音频视频理解/生成Embedding/Rerank
Qwen✓✓✓✓✓✓✓✓
GLM✓✓✓✓-✓✓未突出公开
Kimi✓✓✓✓-未突出公开✓未突出公开
MiniMax✓✓✓✓✓✓✓未突出公开
DeepSeek✓✓✓----未突出公开
Doubao / Seed✓✓✓✓未突出公开未突出公开✓未突出公开
OpenAI✓✓✓✓✓✓✓✓
Gemini✓✓✓✓✓✓✓✓
Grok✓✓✓✓✓未突出公开✓未突出公开

4. 结论

如果你最关心：

  • 开源与参数透明度：优先看 Qwen、DeepSeek、GLM
  • Agent / 代码能力：优先看 Kimi、Qwen、OpenAI、DeepSeek、MiniMax
  • 原生多模态覆盖：优先看 Gemini、OpenAI、Qwen、Doubao/Seed、MiniMax
  • 公开可查参数最少：OpenAI、Gemini、Doubao/Seed

附：阅读建议

如果你后面还要继续做选型，我建议下一步把这份文档再拆成三份补充材料：

  1. 按“闭源 API 选型”排序：价格、上下文、延迟、工具调用、稳定性
  2. 按“开源部署”排序：参数规模、显存需求、推理框架支持
  3. 按“多模态能力”排序：图像理解、图像生成、语音、视频、实时交互

如果你要，我下一步可以继续帮你基于这份文档再生成一版：

  • 《大模型选型对比表（可直接汇报）》
  • 或 《大模型 API 价格 / 能力 / 上下文横向对比表》

按能力维度横向对比表（增强版）

说明：本节用于“横向选型”而非替代前文详细目录。为了可读性，按厂商当前主力公开系列归纳，不逐条展开全部历史版本。表中“强 / 有 / 弱 / 未公开”表示公开资料下的相对能力覆盖，不等于绝对榜单排名。

1. 厂商主力模型横向总表

厂商当前主力公开系列（概括）文本推理代码图片理解图片生成音频视频Agent / 工具调用Embedding / Rerank上下文公开情况参数公开情况开源程度
QwenQwen3、Qwen2.5、Qwen-VL、Qwen3-Omni、Qwen-Image强强强强有有有强有较充分（32K / 128K 等）高很高
GLMGLM-4、GLM-Z1、GLM-4.5、GLM-4.6V、GLM-5-Turbo强强有强弱 / 未突出公开有有强未突出公开较充分（含 1M 个别型号）中等高
Kimikimi-k2.5、kimi-k2 系列、moonshot-v1强强很强有未突出公开未突出公开有很强未突出公开较充分（128K / 256K）中等中等
MiniMaxM2.x、Text-01、VL-01、Speech、Hailuo、Image、Music强强有强强强强有未突出公开部分公开较低中低
DeepSeekDeepSeek-V3.x、R1、蒸馏模型强很强强弱 / 无公开主线无无无强未突出公开较充分（128K）高很高
Doubao / SeedSeed 2.0 Pro/Lite/Mini/Code、历史 Doubao 系列强强强有未突出公开未突出公开有强未突出公开部分公开很低低
OpenAIGPT-5.4、GPT-4.1、GPT-4o、o3/o4、Realtime/Image/Sora强很强强强强强强强强很充分（1M / 400K / 200K / 128K）很低低
GeminiGemini 2.5 / 2.0 / 1.5、Imagen、Veo、Embedding强强强强强强强强强很充分（官方持续更新）很低低（Gemma 另算）
GrokGrok-4 / 4.1 / 4.20、grok-imagine-*强强强有强未突出公开强强未突出公开很充分（2M 等）较低中低

2. 按单项能力看，优先关注哪些厂商

能力维度第一梯队（公开口径）第二梯队备注
通用文本OpenAI、Gemini、Qwen、DeepSeekGLM、Kimi、MiniMax、Grok、Doubao/Seed几乎所有头部厂商都已具备高水平文本能力
深度推理OpenAI、DeepSeek、Qwen、GLM、KimiGemini、Grok、MiniMax、Doubao/SeedDeepSeek、Qwen、GLM 在公开参数透明度上更有优势
代码 / Agentic CodingKimi、Qwen、OpenAI、DeepSeekGLM、Gemini、MiniMax、Grok、Doubao/SeedKimi K2 路线在 Agentic Coding 定位上很突出
图片理解Gemini、OpenAI、Qwen、GLM、MiniMaxDoubao/Seed、Kimi、GrokDeepSeek 当前公开主线不以视觉见长
图片生成OpenAI、Gemini、MiniMax、Grok、Qwen其它厂商公开较少字节 Seed 公开资料里有多模态/视频，但图像生成型号披露不如前几家清晰
音频 / 语音OpenAI、Gemini、MiniMax、Qwen、GLM其它厂商公开较少MiniMax 在语音产品线公开命名最丰富之一
视频理解 / 生成Gemini、OpenAI、MiniMax、Grok、QwenGLM、Kimi、Doubao/Seed不同厂商有的偏理解，有的偏生成
Embedding / 检索OpenAI、Gemini、Qwen其余厂商公开较少公开型号和官方文档透明度差异较大
开源部署Qwen、DeepSeek、GLMKimi（部分）OpenAI / Gemini / Doubao 商业线基本不走开源路线
参数透明度Qwen、DeepSeek、GLMKimi、xAIOpenAI、Gemini、Doubao/Seed 最不透明

3. 如果按典型使用场景选型

场景更适合优先关注的厂商原因
企业内部知识库 / RAGOpenAI、Gemini、QwenEmbedding、长上下文、工具调用与生态较成熟
本地私有化部署Qwen、DeepSeek、GLM开源权重多，参数规模公开度高，部署资料丰富
AI 编程 / 智能体开发Kimi、Qwen、OpenAI、DeepSeek代码与 Agent 能力路线最清晰
多模态助手Gemini、OpenAI、Qwen、MiniMax图像、语音、视频覆盖相对完整
国内商业 API 集成Qwen、GLM、Kimi、MiniMax、Doubao/Seed、DeepSeek国内接入便利、服务链路成熟
海外前沿闭源能力OpenAI、Gemini、xAI新模型迭代快，上下文和多模态规格公开较积极

国产 / 国外厂商分组精简版

说明：本节是“汇报版 / 速览版”。只保留每家最关键的定位、代表型号、参数公开度和适用场景，方便你后续复制到汇报材料、周报、方案 PPT 里。

1. 国产厂商（中国大陆背景）

厂商代表模型/系列主要强项参数公开度开源情况一句话结论
Qwen（阿里）Qwen3、Qwen2.5、Qwen-VL、Qwen3-Omni、Qwen-Image通用、推理、代码、多模态、开源生态很高很高国内最全能、最透明、最适合兼顾商用与开源部署的模型家族之一
GLM（智谱）GLM-4、GLM-Z1、GLM-4.5、GLM-4.6V、GLM-5-Turbo通用、推理、Agent、多模态中等高推理与 Agent 能力突出，开源线清晰，商业线更新快
Kimi（月之暗面）kimi-k2.5、kimi-k2、moonshot-v1长上下文、代码、Agentic Coding中等中等（部分）在代码和智能体场景辨识度非常高，适合复杂任务执行类应用
MiniMaxM2.x、Speech、Hailuo、Image、Music多模态产品线丰富，语音/视频突出较低中低更像“全模态产品矩阵型”厂商，语音、视频和内容生成覆盖广
DeepSeekV3、R1、V3.2、蒸馏系列推理、代码、开源、性价比很高很高最适合强调推理能力、参数透明度与开源部署的路线之一
Doubao / Seed（字节）Seed 2.0 Pro/Lite/Mini/Code、Doubao 系列通用、多模态、企业平台能力很低低商业化和平台化能力强，但参数与内部细节公开较少

国产阵营简要判断

  • 如果你要 开源 + 可私有化 + 参数透明：优先看 Qwen、DeepSeek、GLM
  • 如果你要 AI 编程 / 智能体任务执行：优先看 Kimi、Qwen、DeepSeek、GLM
  • 如果你要 语音 / 视频 / 多模态产品矩阵：优先看 MiniMax、Qwen、Doubao/Seed、GLM
  • 如果你要 国内商业 API 快速接入：这 6 家都能看，但透明度差异很大

2. 国外厂商（海外背景）

厂商代表模型/系列主要强项参数公开度开源情况一句话结论
OpenAIGPT-5.4、GPT-4.1、GPT-4o、o3/o4、Realtime、Image、Sora通用、推理、代码、音频、图像、视频、生态很低低闭源综合能力与产品生态最成熟之一，但参数最不透明
Gemini（Google）Gemini 2.5、2.0、1.5、Imagen、Veo原生多模态、长上下文、Google 生态很低低（Gemma 另算）多模态和上下文规格很强，商业线参数公开极少
Grok（xAI）Grok-4、Grok-4.1、Grok-4.20、grok-imagine-*长上下文、推理、图像/视频生成、X 生态联动较低中低迭代快、上下文长、产品风格鲜明，但公开参数仍有限

国外阵营简要判断

  • 如果你要 综合闭源能力上限：优先看 OpenAI、Gemini
  • 如果你要 长上下文 + 新型号迭代速度：优先看 Grok、OpenAI、Gemini
  • 如果你要 汇报里强调“参数规模”：国外闭源厂商通常不适合，因为公开得太少

3. 最简结论（适合直接放汇报首页）

国产看什么

  • Qwen：最均衡，开源生态最强之一
  • DeepSeek：推理与开源部署最亮眼之一
  • GLM：推理 + Agent + 商业线更新快
  • Kimi：代码与 Agentic Coding 很突出
  • MiniMax：语音 / 视频 / 内容生成产品线很丰富
  • Doubao / Seed：平台化能力强，但公开参数偏少

国外看什么

  • OpenAI：综合闭源能力与产品生态强
  • Gemini：原生多模态和长上下文强
  • Grok：长上下文、推理和生成式内容路线鲜明
最近更新 3/30/2026, 5:47:27 PM
目录