模型

UI-TARS 是字节跳动 Seed 的图形界面智能体模型，只输入截图、直接输出键盘和鼠标操作，在十多个基准上报告了当时最好的成绩，并以 Apache-2.0 协议开放权重。

开源中国 AI智能体与工具调用

Kimi k1.5 是月之暗面于 2025 年 1 月 20 日发布的多模态推理模型，公司称其在数学、编程和多模态推理上达到 OpenAI o1 的水平；其技术报告强调用强化学习训练，而不依赖树搜索与过程奖励模型。

大语言模型中国 AI多模态

讯飞星火 X1 是科大讯飞 2025 年 1 月发布的深度推理大模型，完全基于国产算力平台训练，此后多次升级，并落地教育与医疗场景。

大语言模型中国 AI推理

NVIDIA Cosmos 是一组世界基础模型，可生成符合物理规律的视频，用于训练机器人和自动驾驶汽车，2025 年 1 月以开放权重发布。

开源基础模型机器人

通义千问 Qwen2.5-VL 是阿里巴巴 2025 年 1 月发布的视觉语言模型系列，有 3B 至 72B 四个尺寸，能读取图表和文档、定位物体并作为视觉代理工作，还能理解一小时以上的视频。

开源中国 AI智能体与工具调用

Megrez-3B-Omni 是 2024 年 12 月发布的开源全模态模型，能在端侧设备上理解图像、文本与音频，以 22.9 亿参数的语言主干搭配 SigLip 与 Whisper 编码器，总参数约 40 亿。

大语言模型开源中国 AI

Veo 2 是 Google 于 2024 年 12 月 16 日公布的视频生成模型，强调对真实物理和人体动作的理解，输出分辨率最高 4K、时长可延伸至数分钟。

多模态生成式模型创意工具

无问芯穹 2024 年 12 月开源的 29 亿参数语言模型，采用 Llama-2 结构与 32K 上下文，Apache-2.0 许可，面向本地部署。

大语言模型开源中国 AI

Falcon3 是 TII 的开放权重语言模型系列，覆盖 1B 到 10B 参数，各有基础与 instruct 版本；10B instruct 权重于 2024 年 12 月 14 日上传到 Hugging Face。

大语言模型开源基础模型

DeepSeek 发布的混合专家视觉语言模型系列，是 DeepSeek-VL 的后继版本，分 1.0B、2.8B、4.5B 三个激活参数规模，面向文档、表格、图表与 OCR 理解。

开源中国 AI多模态

Phi-4 是微软于 2024 年 12 月发布的 140 亿参数稠密解码器式语言模型，训练重心放在数据质量与合成数据上，2025 年 1 月以 MIT 许可证放出完整权重。

大语言模型开源推理

Gemini 2.0 Flash 是 Google Gemini 2.0 世代的首个模型，2024 年 12 月以实验模型形式发布，新增多模态输出与原生工具调用，2025 年 2 月正式开放。

大语言模型智能体与工具调用多模态

LG AI Research 于 2024 年 12 月发布的韩英双语指令微调模型系列，含 2.4B、7.8B、32B 三档规模，支持 32K 上下文，权重以允许研究使用的许可证开放。

大语言模型开源基础模型

Llama 3.3 70B 是 Meta 于 2024 年 12 月 6 日发布的纯文本指令模型。Meta 称，它的表现接近 4050 亿参数的 Llama 3.1，成本却低得多，并可在普通开发者工作站上运行。

大语言模型开源基础模型

OpenAI o1 的一个版本，回答前投入更多算力思考；2024 年 12 月随每月 200 美元的 ChatGPT Pro 套餐推出，2025 年 3 月进入 API。

大语言模型消费级应用推理

Genie 2 是 Google DeepMind 开发的基础世界模型，于 2024 年 12 月 4 日公布，能把一张提示图像变成一个可玩的 3D 环境，人和 AI 智能体都能用键盘鼠标在其中行动。

智能体与工具调用生成式模型仿真

混元视频（HunyuanVideo）是腾讯开源的文生视频模型，参数超过 130 亿，2024 年 12 月发布。本地运行至少需要 60GB 显存。

开源中国 AI多模态

Amazon Nova 是亚马逊的基础模型家族，2024年12月3日推出，只在 Amazon Bedrock 中提供，2025年12月由 Nova 2 接续。

大语言模型企业软件多模态

可灵 1.6 是快手于 2024 年 12 月推出的视频生成模型升级版本，改进了对运动与镜头描述的理解和画面质量，2025 年 4 月由可灵 2.0 接替。

中国 AI多模态生成式模型

QwQ-32B-Preview 是通义千问团队于 2024 年 11 月 28 日发布的实验性推理研究模型，32B 参数、32K 上下文，权重以 Apache 2.0 开放；数学成绩突出，团队同时公开列出了它的典型问题。

大语言模型开源中国 AI

OLMo 2 是艾伦人工智能研究所（Ai2）第二代完全开放的语言模型，2024 年 11 月发布 7B 与 13B 两个规模，权重、数据、代码与训练配方全部公开。

大语言模型开源数据与数据集

Tülu 3 是 Ai2 于 2024 年 11 月发布的一套公开后训练方案及配套模型，基于 Llama 3.1 的 80 亿和 700 亿参数两个版本，结合了指令微调、同策略偏好微调与带可验证奖励的强化学习。

大语言模型开源推理

Pixtral Large 是 Mistral AI 于 2024 年 11 月发布的开权重多模态模型，基于 Mistral Large 2，参数约 1240 亿。

企业软件多模态计算机视觉

混元 Large 是腾讯于 2024 年 11 月开源的混合专家模型，总参数 3890 亿，激活参数 520 亿，采用腾讯自有许可证发布。

大语言模型开源中国 AI

SmolLM2 是 Hugging Face 于 2024 年 11 月发布的第二代小型语言模型系列，包含 135M、360M 和 1.7B 三种规模，以 Apache 2.0 许可开放，强调数据而非参数规模。

大语言模型开源消费级应用

π0 是 Physical Intelligence 发布的通用机器人策略，从 30 亿参数的视觉语言模型改造而来，用流匹配输出连续动作，能以每秒最多 50 次的频率驱动机器人完成灵巧操作。

深度学习基础模型多模态

讯飞星火 4.0 Turbo 是科大讯飞 2024 年 10 月发布、2025 年 1 月升级的大语言模型，训练与推理都在国产飞星一号算力平台上完成，讯飞称其多项中英文测试成绩超过 GPT-4 Turbo 与 GPT-4o。

大语言模型中国 AI基础模型

Anthropic 于 2024 年 10 月公布的小型快速语言模型，接替 Claude 3 Haiku，官方称其以接近 Haiku 的速度达到上一代旗舰的智能水平，且在编程任务上尤其突出。

大语言模型企业软件代码

升级版 Claude 3.5 Sonnet 于 2024 年 10 月 22 日公布，编程与智能体任务成绩明显提高，并以公开测试版推出电脑操作功能，是前沿 AI 模型中首个提供该功能的。

大语言模型企业软件智能体与工具调用

Stability AI 于 2024 年 10 月推出的文生图模型系列：81 亿参数的 Large、4 步出图的 Large Turbo 和 25 亿参数的 Medium，按社区许可发布。

开源生成式模型创意工具

Yi-Lightning 是零一万物 2024 年 10 月推出的旗舰模型，采用增强版混合专家架构。发布时在 LMSYS Chatbot Arena 综合排名第六，中国模型中排名第一。

大语言模型中国 AI基础模型

Ministral 3B 与 8B 是 Mistral AI 2024 年发布的端侧小模型，支持长上下文、价格低，3B 据称在多数基准上超过 Mistral 7B。

大语言模型企业软件硬件与算力

Movie Gen 是 Meta 于 2024 年 10 月 4 日首次展示的一组媒体基础模型，涵盖视频生成、个性化视频、精确视频编辑和音频生成，发布时未公开提供。

基础模型生成式模型创意工具

Black Forest Labs 于 2024 年 10 月 2 日发布的闭源文生图模型，只通过 API 提供。官方称其出图速度是上一代的 6 倍，并曾在 Artificial Analysis 图像竞技场登上榜首。

生成式模型创意工具图像生成

Aya Expanse 是 Cohere For AI 于 2024 年 10 月发布的多语言开放权重模型系列，分为 8B 和 32B 两个规模，覆盖 23 种语言。

大语言模型开源基础模型

NVIDIA 于 2024 年 10 月发布，基于 Meta 的 Llama-3.1-70B-Instruct 进一步训练，主打更有帮助的回答，发布时三项自动对齐基准均列第一。

大语言模型开源企业软件

Molmo 是 Ai2 于 2024 年 9 月 25 日发布的一系列开放视觉语言模型，能在图像中指出具体物体，权重、代码、数据与评测全部公开。

开源多模态数据与数据集

Llama 3.2 于 2024 年 9 月 25 日发布，新增 110 亿和 900 亿参数的视觉模型，以及面向边缘和移动设备的 10 亿和 30 亿参数纯文本小模型。

大语言模型开源多模态

通义千问 Qwen2.5 是 2024 年 9 月发布的一代模型。首批开放了 13 个权重模型，预训练数据最多达 18 万亿 token，上下文最长 128K，多数开源模型采用 Apache 2.0 许可。

大语言模型开源中国 AI

Mistral AI 的第一个多模态模型，把 12B 参数的语言解码器与 400M 参数、从零训练的视觉编码器组合起来，以 Apache 2.0 开放权重，2024 年 9 月发布，2025 年底退役。

开源多模态计算机视觉

NVLM 是 NVIDIA 的多模态大语言模型系列，论文于 2024 年 9 月发表；旗舰模型 NVLM-D-72B 随后以开放权重形式发布，限非商业用途。

大语言模型开源多模态

o1-mini 是 OpenAI 于 2024 年 9 月 12 日随 o1-preview 一同发布的小型推理模型，更快更便宜，用强化学习训练其逐步推理，OpenAI 称它尤其擅长编程。

大语言模型推理代码

DeepSeek-V2.5 是 DeepSeek 于 2024 年 9 月 5 日发布的模型，把对话模型与代码模型合并为一个，兼顾聊天和编程能力，并提升了安全评测成绩。

大语言模型开源中国 AI

混元 Turbo 是腾讯的大语言模型，2024 年 9 月上线腾讯云，主打训练与推理效率提升、价格减半。2025 年 2 月由混元 Turbo S 接替，API 价格进一步降低。

大语言模型中国 AI企业软件

Yi-Coder 是 01.AI 于 2024 年 9 月开源的一系列代码模型，有 1.5B 和 9B 两种规模，各自提供基础版和对话版，覆盖 52 种编程语言，上下文最长 128K token。

大语言模型开源中国 AI

OLMoE 是 Ai2 发布的完全开放的稀疏专家混合语言模型：总参数 70 亿，每个词元激活 10 亿，在 5 万亿词元上预训练，权重、数据、代码和日志全部公开。

大语言模型开源基础模型

可灵 1.5 是快手于 2024 年 9 月推出的视频生成模型版本，支持 1080p 输出、运动笔刷和多种画幅，同年 12 月由可灵 1.6 接替。

中国 AI多模态生成式模型

Qwen2-VL 是阿里巴巴于 2024 年 8 月 29 日发布的视觉语言模型。它能理解 20 分钟以上的视频，能读取多种语言的图中文字，还可以作为代理操作手机和机器人。

开源中国 AI智能体与工具调用

Jamba 1.5 是 AI21 Labs 的指令微调语言模型系列，含 Mini 与 Large 两个规模，混合 Transformer 与 Mamba 层，有效上下文 25.6 万词元，权重开放。

大语言模型开源企业软件

xAI 于 2024 年 8 月发布的一对模型，以 beta 形式向 X 订阅用户开放，新增图像输入，公布基准成绩，后来公开了权重。

大语言模型开源多模态

EXAONE 3.0 7.8B 是 LG AI Research 首个对外开放的模型，为指令微调版本，韩语能力突出，权重以申请制方式在 Hugging Face 发布。

大语言模型开源基础模型

CogVideoX 是智谱 AI 与清华大学推出的开源文生视频模型系列，2024 年 8 月起陆续发布，前身是 2022 年开源的 CogVideo。

开源中国 AI生成式模型

FLUX.1 是 Black Forest Labs 于2024年8月1日发布的120亿参数文生图（text-to-image）模型系列，分 pro、dev、schnell 三个版本，dev 为开放权重。

开源生成式模型创意工具

Phi-3.5 是微软 Phi 系列小模型在 2024 年 8 月的一次更新，一次发布 mini、vision 和该系列首个混合专家模型三个版本，均以 MIT 许可证开放。

大语言模型开源多模态

SAM 2 是 Meta 于 2024 年 7 月发布的分割一切模型第二代，可以实时分割图像和视频中的物体。随模型发布的还有 SA-V 视频数据集。

开源基础模型数据与数据集

AlphaProof 是 Google DeepMind 研发的强化学习系统，能在 Lean 形式语言中证明数学命题。在 2024 年国际数学奥林匹克中解出三道题，与 AlphaGeometry 2 合计达到银牌水平。

推理科学发现符号人工智能