模型

2025

• 2025 年 4 月 29 日 通义千问 Qwen3

  通义千问 Qwen3 是阿里巴巴于 2025 年 4 月 29 日以 Apache 2.0 许可证发布的模型系列，主要特点是混合思考模式，同一模型既可逐步推理，也可直接作答。

  大语言模型开源中国 AI

• 2025 年 4 月 25 日 文心大模型 X1 Turbo

  文心大模型 X1 Turbo 是百度于 2025 年 4 月 25 日发布的推理模型，作为文心 X1 的升级版，强调更强的思维链、多模态与工具调用能力，并把 API 价格压到更低。

  大语言模型中国 AI智能体与工具调用

• 2025 年 4 月 25 日 文心大模型 4.5 Turbo

  文心大模型 4.5 Turbo 是百度于 2025 年 4 月 25 日发布的多模态大模型，主打更低的幻觉率、更快的响应和大幅下调的 API 价格。

  大语言模型中国 AI基础模型

• 2025 年 4 月 25 日 Step1X-Edit 图像编辑模型

  Step1X-Edit 是 StepFun 开源的图像编辑模型：多模态语言模型读参考图与编辑指令，扩散解码器负责出图，发布时一并公开权重、推理代码和评测集 GEdit-Bench。

  开源中国 AI创意工具

• 2025 年 4 月 22 日 π0.5

  π0.5 是 Physical Intelligence 于 2025 年 4 月发布的视觉-语言-动作模型，主打开放环境泛化，通过混合多种异构数据共同训练，能让移动机器人整理从未见过的房间。

  深度学习基础模型多模态

• 2025 年 4 月 17 日 Gemini 2.5 Flash

  Google Gemini 2.5 系列中的模型，2025 年 4 月发布预览版、6 月正式可用。Google 称它是其首个完全混合推理模型，开发者可以用思考预算把思考打开或关闭。

  大语言模型消费级应用推理

• 2025 年 4 月 16 日 OpenAI o4-mini

  OpenAI 于 2025 年 4 月发布的小型推理模型，主打快速、低成本的推理；在可使用 Python 解释器时于 AIME 2025 上达到 99.5% 的 pass@1，后由 GPT-5 mini 等后继模型取代。

  大语言模型推理代码

• 2025 年 4 月 16 日 OpenAI o3

  OpenAI 的第二代推理模型，2024 年 12 月公布、2025 年 4 月发布，在科学、软件工程与编程竞赛基准上大幅超过 o1，之后由 GPT-5 接替。

  大语言模型智能体与工具调用推理

• 2025 年 4 月 16 日 UI-TARS-1.5

  字节跳动 Seed 在 2025 年 4 月发布的界面操作模型，是 UI-TARS 的后继版本。7B 版本以 Apache-2.0 协议开源，完整版本在多项屏幕操作基准上报告了当时最好成绩。

  开源中国 AI智能体与工具调用

• 2025 年 4 月 15 日 可灵 2.0

  可灵 2.0 是快手于 2025 年 4 月面向全球推出的 AI 视频生成模型，被公司称为「全球最强」，带来多模态编辑能力，并提出多模态视觉语言概念。

  中国 AI多模态生成式模型

• 2025 年 4 月 15 日 Seedream 3.0 图像生成模型

  Seedream 3.0 是字节跳动 Seed 团队的中英双语图像生成基础模型，在提示对齐、复杂中文字渲染、美学与原生 2K 输出上较 2.0 版有所改进，2025 年 9 月被 Seedream 4.0 接替。

  中国 AI生成式模型创意工具

• 2025 年 4 月 14 日 GPT-4.1（含 mini 与 nano）

  OpenAI 于 2025 年 4 月发布的三个模型组成的家族，上下文窗口超过百万 token，单 token 价格低，编码与指令遵循能力更强，后被 GPT-5 取代。

  大语言模型企业软件开发者工具

• 2025 年 4 月 10 日 日日新 V6

  日日新 V6 是商汤 2025 年 4 月 10 日发布的原生多模态混合专家模型，参数量超过 6000 亿，分为通用、推理与实时交互三个版本。

  大语言模型中国 AI多模态

• 2025 年 4 月 10 日 Seed-Thinking-v1.5 深度思考模型

  Seed-Thinking-v1.5 是字节跳动 Seed 团队的推理模型，采用混合专家结构，激活参数 20B、总参数 200B，通过强化学习学会先思考再回答；公开材料只有技术报告和基准表，没有模型权重。

  大语言模型中国 AI推理

• 2025 年 4 月 8 日 Amazon Nova Sonic

  Amazon Nova Sonic 是 Amazon Nova 系列中的语音到语音基础模型，2025 年 4 月 8 日发布，把语音识别、语言理解和语音生成放进同一个模型，而不是把多个模型串联起来。

  智能体与工具调用多模态生成式模型

• 2025 年 4 月 5 日 Llama 4 Behemoth

  Llama 4 Behemoth 是 Meta 于 2025 年 4 月 5 日预览的超大模型，用作 Llama 4 系列的教师模型。它从未公开发布。

  大语言模型基础模型多模态

• 2025 年 4 月 5 日 Llama 4 Maverick

  Llama 4 Maverick 是 Meta 于 2025 年 4 月 5 日与 Scout 同时发布的混合专家模型，总参数 4000 亿，上下文窗口为 100 万个词元。它在 LMArena 上的排名之后受到质疑。

  大语言模型开源基础模型

• 2025 年 4 月 5 日 Llama 4 Scout

  Llama 4 Scout 是 Meta 于 2025 年 4 月 5 日发布的混合专家模型，总参数 1090 亿，每个词元激活其中 170 亿，上下文窗口达 1000 万个词元。

  大语言模型开源基础模型

• 2025 年 4 月 4 日 xLAM-2（Salesforce 的多轮工具调用模型系列）

  xLAM-2 是 Salesforce 的大行动模型系列，参数规模从 10 亿到 700 亿，用模拟智能体与人交互生成的数据训练，面向多轮工具调用而非单次函数调用。

  大语言模型开源企业软件

• 2025 年 4 月 4 日 Midjourney V7

  Midjourney V7 是 Midjourney 的图像生成模型，2025 年 4 月 4 日以 alpha 版本向社区开放，是该公司第一个默认开启个性化的模型，也是第一个加入低成本、高速度草稿模式的模型。

  消费级应用生成式模型创意工具

• 2025 年 4 月 Kimi-VL 视觉语言模型

  Kimi-VL 是月之暗面（Moonshot AI）于 2025 年 4 月发布的开源视觉语言模型。它把 16B 参数、约 3B 激活的混合专家语言模型与原生分辨率视觉编码器组合在一起，可在宽松的 MIT 许可下使用。

  开源中国 AI多模态

• 2025 年 3 月 31 日 Runway Gen-4

  Runway Gen-4 是 Runway 于 2025 年 3 月 31 日发布的视频生成模型，能让角色、地点和物体在不同镜头间保持一致，依靠参考图和文本指令工作，无需针对每个项目单独训练。

  多模态生成式模型创意工具

• 2025 年 3 月 26 日 通义千问全模态模型 Qwen2.5-Omni

  Qwen2.5-Omni 是阿里巴巴的端到端全模态模型，输入可包括文字、图片、音频和视频，并以文字与自然语音作答。7B 版本于 2025 年 3 月 26 日发布。

  开源中国 AI消费级应用

• 2025 年 3 月 25 日 Gemini 2.5 Pro

  Gemini 2.5 Pro 是 Google Gemini 2.5 系列的首个模型，2025 年 3 月以实验版发布，主打「思考」能力和 100 万 token 上下文，发布时即在 LMArena 登顶。

  大语言模型多模态推理

• 2025 年 3 月 25 日 GPT Image 1（GPT-4o 图像生成）

  OpenAI 于 2025 年 3 月 25 日在 ChatGPT 中发布的 GPT-4o 原生图像生成能力，取代 DALL·E 3，API 中名为 gpt-image-1，以准确渲染文字和精确遵循提示词为特点。

  消费级应用多模态创意工具

• 2025 年 3 月 24 日 DeepSeek-V3-0324

  DeepSeek-V3-0324 是 2025 年 3 月对 DeepSeek-V3 的一次更新：模型结构不变，基准成绩提高，并改用 MIT 许可证发布。

  大语言模型开源中国 AI

• 2025 年 3 月 21 日 混元 T1

  混元 T1 是腾讯的深度思考模型，2025 年 3 月 21 日正式发布，基于混元 Turbo S 构建。腾讯未公开其权重，通过网页演示和腾讯云 API 提供。

  大语言模型中国 AI推理

• 2025 年 3 月 18 日 NVIDIA Isaac GR00T N1

  Isaac GR00T N1 是 NVIDIA 于 2025 年 3 月 18 日发布的人形机器人开放基础模型。它可针对具体机器人或任务再做后训练，并把负责规划的模型与负责快速运动的模型组合在一起。

  开源基础模型机器人

• 2025 年 3 月 18 日 Llama Nemotron（Nano、Super、Ultra）

  Llama Nemotron 是 NVIDIA 2025 年 3 月推出的开放推理模型系列，分 Nano、Super、Ultra 三种规格，基于 Meta 的 Llama 3 模型。

  大语言模型开源企业软件

• 2025 年 3 月 17 日 Mistral Small 3.1

  Mistral Small 3.1 是 Mistral AI 于 2025 年 3 月发布的开放权重模型，新增图像理解，上下文窗口扩至 128K token，可在单卡上运行。

  大语言模型开源多模态

• 2025 年 3 月 16 日 文心大模型 X1

  文心大模型 X1 是百度于 2025 年 3 月 16 日与文心大模型 4.5 一同发布的深度思考推理模型，支持多模态与工具调用，定价较低，此后又更新为 X1 Turbo 和 X1.1。

  大语言模型中国 AI智能体与工具调用

• 2025 年 3 月 16 日 文心大模型 4.5

  文心大模型 4.5 是百度于 2025 年 3 月发布的原生多模态基础模型，可处理文本、图像、音频和视频。2025 年 6 月，百度开源了该系列的十款模型。

  大语言模型开源中国 AI

• 2025 年 3 月 13 日 OLMo 2 32B

  OLMo 2 系列中参数规模最大的模型，320 亿参数，数据、代码、权重与训练细节全部公开；Ai2 称它是首个在多项学术基准上超过 GPT-3.5-Turbo 和 GPT-4o mini 的完全开源模型。

  大语言模型开源数据与数据集

• 2025 年 3 月 13 日 Command A

  Command A 是 Cohere 的 1110 亿参数模型，2025年3月发布，支持 256k 词元上下文。Cohere 称它只需两块 GPU 即可运行，吞吐量比 Command R+ 08-2024 高 150%。

  大语言模型企业软件智能体与工具调用

• 2025 年 3 月 12 日 Gemma 3

  Gemma 3 是 Google 于 2025 年 3 月发布的第三代 Gemma 开放模型，共有 1B 到 27B 四种规模，支持 128,000 词元的上下文，较大版本可处理图像，预训练阶段覆盖 140 多种语言。

  大语言模型开源多模态

• 2025 年 3 月 12 日 Gemini Robotics

  Gemini Robotics 是 Google DeepMind 的视觉-语言-动作模型，建立在 Gemini 2.0 之上，直接输出物理动作控制机器人，2025 年 3 月 12 日公布。

  多模态机器人计算机视觉

• 2025 年 3 月 11 日 Reka Flash 3（210 亿参数推理模型）

  Reka Flash 3 是 Reka 推出的 210 亿参数通用推理模型，从零训练，2025 年 3 月以 Apache 2.0 许可在 Hugging Face 开放权重。

  大语言模型开源推理

• 2025 年 3 月 10 日 智元启元大模型 GO-1

  智元机器人于 2025 年 3 月 10 日发布的通用具身模型基座，采用视觉—语言—潜在动作架构。在智元对五项任务的测试中，平均成功率从 46% 提升到 78%。

  中国 AI基础模型多模态

• 2025 年 3 月 6 日 通义千问推理模型 QwQ-32B

  通义千问团队于 2025 年 3 月 6 日发布的开源权重推理模型，参数规模 320 亿，主要靠规模化强化学习训练，官方称其表现可与体量大得多的 DeepSeek-R1 相若。

  大语言模型开源中国 AI

• 2025 年 3 月 6 日 Mistral OCR

  Mistral OCR 是 Mistral AI 于 2025 年 3 月 6 日发布的文档理解 API，能识别文档中的文本、表格、公式与媒体，覆盖数千种文字和语言，后来被更新的 OCR 版本取代。

  企业软件数据与数据集计算机视觉

• 2025 年 3 月 4 日 Aya Vision

  Cohere 的第一个视觉语言模型，2025 年 3 月以 8B 和 32B 两个开放权重版本发布，支持 23 种语言的图文输入，按非商业许可开放。

  大语言模型开源多模态

• 2025 年 3 月 Jamba 1.6

  AI21 Labs 于 2025 年 3 月发布的开放权重混合 SSM-Transformer 模型系列，含 Large 与 Mini 两档，支持 256k 上下文。

  大语言模型开源企业软件

• 2025 年 2 月 28 日 Ling / 百灵（蚂蚁集团 MoE 模型）

  Ling（百灵）是蚂蚁集团 InclusionAI 发布的开放权重混合专家语言模型系列，其技术报告主张无需高端 GPU 也能训练 300B 规模的 MoE 模型。

  大语言模型开源中国 AI

• 2025 年 2 月 27 日 GPT-4.5

  GPT-4.5 是 OpenAI 于 2025 年 2 月 27 日发布的大语言模型，代号「Orion」。它是当时最大的对话模型，API 价格远高于 GPT-4o，正式开放数月后便退出。

  大语言模型消费级应用基础模型

• 2025 年 2 月 27 日 混元 Turbo S

  混元 Turbo S 是腾讯 2025 年 2 月发布的快思考模型，采用 Mamba 与 Transformer 混合架构，总参数 5600 亿，未公开权重。

  大语言模型中国 AI基础模型

• 2025 年 2 月 26 日 Phi-4-mini 与 Phi-4-multimodal

  Phi-4-mini 是 38 亿参数的文本模型，Phi-4-multimodal 是 56 亿参数、可同时处理文字、图像与语音的模型，二者于 2025 年 2 月作为 Phi-4 家族的小尺寸成员发布。

  大语言模型开源消费级应用

• 2025 年 2 月 25 日 通义万相 Wan2.1 视频生成模型

  通义万相 Wan2.1 是阿里巴巴于 2025 年 2 月开源的视频生成模型，可以根据文字或图片生成视频，并能在画面中呈现中英文文字。

  开源中国 AI生成式模型

• 2025 年 2 月 24 日 Claude 3.7 Sonnet

  Claude 3.7 Sonnet 于 2025 年 2 月 24 日发布，Anthropic 称它是市面上第一个混合推理模型，既能迅速作答，也能长时间逐步思考。它与 Claude Code 同时推出。

  大语言模型智能体与工具调用推理

• 2025 年 2 月 20 日 Figure Helix

  Helix 是 Figure 2025 年 2 月发布的人形机器人视觉-语言-动作模型，分两个速度层，用约 500 小时遥操作数据训练，全部在本机 GPU 运行。

  深度学习基础模型多模态

• 2025 年 2 月 17 日 Step-Audio 语音模型

  Step-Audio 是阶跃星辰 2025 年 2 月 17 日开源的语音交互模型系列，包括 1300 亿参数的 Step-Audio-Chat 和 Step-Audio-TTS-3B。

  开源中国 AI多模态

• 2025 年 2 月 17 日 Step-Video-T2V 视频生成模型

  Step-Video-T2V 是阶跃星辰开源的文生视频模型，参数规模 300 亿。2025 年 2 月 17 日发布权重、代码、Turbo 版本和技术报告，采用 MIT 许可证。

  开源中国 AI生成式模型

• 2025 年 2 月 17 日 Grok 3 与 Grok 3 mini

  Grok 3 与更便宜的 Grok 3 mini 是 xAI 2025 年 2 月发布的推理模型。Grok 3 加入了 Think 推理模式、100 万 token 上下文窗口和 DeepSearch 研究智能体。

  大语言模型智能体与工具调用多模态

• 2025 年 2 月 5 日 Gemini 2.0 Pro

  Google 于 2025 年 2 月发布的实验性模型，属于 Gemini 2.0 系列，被 Google 称为当时在编程和复杂提示上最好的模型，支持 200 万 token 的上下文窗口与工具调用。

  大语言模型多模态代码

• 2025 年 1 月 31 日 OpenAI o3-mini

  OpenAI 于 2025 年 1 月 31 日发布的小型推理模型，向包括免费版在内的所有 ChatGPT 用户开放，提供三档推理强度并支持函数调用与结构化输出，2025 年 4 月由 o4-mini 接替。

  大语言模型消费级应用推理

• 2025 年 1 月 30 日 Mistral Small 3

  Mistral Small 3 是 Mistral AI 于 2025 年 1 月发布的 240 亿参数开源语言模型，以 Apache 2.0 许可发布，主打低延迟，可在单张显卡或笔记本上运行。

  大语言模型开源基础模型

• 2025 年 1 月 28 日 通义千问 Qwen2.5-Max

  Qwen2.5-Max 是阿里巴巴在 2025 年 1 月宣布的大型混合专家模型，通过 Qwen Chat 和阿里云 API 提供服务，但没有公开模型权重。

  大语言模型中国 AI基础模型

• 2025 年 1 月 27 日 Janus-Pro 多模态理解与生成模型

  Janus-Pro 是 DeepSeek 于 2025 年 1 月 27 日发布的多模态模型，同一个模型既能看图生文，也能按文字生成图片，有 1B 和 7B 两个规模，是 Janus 的升级版。

  开源中国 AI多模态

• 2025 年 1 月 24 日 Baichuan-M1 医疗大模型

  Baichuan-M1 是百川智能的医疗大模型系列，2025年1月24日发布 Baichuan-M1-preview，并开源 Baichuan-M1-14B。公司称后者从零开始为医疗场景训练。

  大语言模型开源中国 AI

• 2025 年 1 月 22 日 豆包大模型 1.5 Pro

  豆包 1.5 Pro（Doubao-1.5-pro）由字节跳动于 2025 年 1 月 22 日发布，是采用稀疏混合专家架构的闭源多模态模型，并以较低价格通过火山引擎提供。

  大语言模型中国 AI基础模型

• 2025 年 1 月 21 日 混元 3D 2.0

  混元 3D 2.0 是腾讯的大规模三维生成系统，输入条件图像即可生成带高分辨率纹理的三维资产；它由生成形状的扩散 Transformer 与生成纹理的模型组成，2025 年 1 月 21 日随技术报告一同开源。

  开源中国 AI生成式模型