🃏 House of Model Cards (HOMC) — AI模型扑克牌分类体系

]() [

]())

🎴 最全面的大语言模型索引项目 — 模型卡牌屋 (House of Model Cards) — 使用扑克牌花色体系对 AI 模型进行创意分类，涵盖从 GPT-1 到最新开源模型的完整调研，包含技术细节、性能指标、部署方式与官方资源。

📋 2026-11-06 更新：新增 §2.0 模型汇总核实总表，以项目现有模型汇总为基线完成 190 条核实记录（🆕 新增 150 / 🔄 更新 40 / ⚠️ 待确认 0），每项含模型名称、提供方、发布或更新时间、模型类别、核心能力、可用状态与信息来源。§4.1 / §4.2 / §1.10 三张无来源数值表已替换为官方链接索引动态表。

📊 核心统计

指标	数量	说明
🃏 模型系列	200+	涵盖国内外主流厂商
📄 arXiv 论文	230+ 条	2017-2026 年核心论文（含对齐技术/Agent综述）
💻 GitHub 仓库	152 个	官方代码链接
🤗 HuggingFace 链接	162 个	模型权重下载
🏢 厂商/组织	25+	全球主要 AI 实验室
📏 Benchmark	30+	全方位评测基准覆盖
🛡️ 安全框架	6 类	攻击类型 + 防御体系
🔧 微调工具	15+	从数据到部署的全链路
🏭 行业场景	10+	真实落地应用案例
✅ 本轮核实增量	190 条	2026-11-06（六轮 + 自动抓取闭环）：🆕 新增 150 / 🔄 更新 40 / ⚠️ 待确认 0，详见 §2.0；覆盖边界见 §2.0.7

🌟 项目特色

✅ 覆盖全面：从 GPT-1 到 GPT-6 Astra、Claude Opus 5.5、Gemini 4 Argon、Qwen3.8-Max、Kimi K3 的完整演进（200+ 模型，核实增量见 §2.0）

✅ 三态标注：🆕 新增 / 🔄 更新 / ⚠️ 待确认分层管理，未核实信息不作为确定内容

✅ 资源完整：每个模型提供 arXiv 论文、GitHub 仓库、HuggingFace 权重、API 文档四件套

✅ 🃏 扑克牌分类体系：独创的 House of Model Cards (HOMC) 分类标记法，用扑克牌花色直观标记模型类型

✅ 分类科学：5 维快速索引 + 🃏 花色/点数双重标记

✅ 安全对齐：完整的 LLM 安全框架、攻击防御指南、开源安全工具推荐

✅ 评测详解：30+ Benchmark 基准解读，覆盖通用/代码/数学/多模态/安全/Agent

✅ 微调实战：LoRA/QLoRA 完整模板 + 工具链推荐 + 数据工程要点

✅ 行业案例：10 大行业落地场景 + RAG 架构图 + 成本估算模型

✅ Prompt 工程：高阶技巧 + 不同模型的 Prompt 风格偏好

✅ 前沿追踪：视频生成、世界模型等 2026 最新方向

✅ 持续更新：跟踪 2024-2026 年最新模型进展

✅ 实用导向：包含部署指南、硬件配置、量化方案

🎴 House of Model Cards — 扑克牌分类体系说明

设计理念

本项目灵感来源于 isLinXu/house-of-model-cards 项目，采用扑克牌花色作为模型的视觉化分类系统。就像每一张扑克牌都有其固定的花色和数值一样，每一个 AI 模型也可以通过其"能力属性"被归类到不同的花色中。

花色映射规则

花色	符号	含义	对应模型类别	示例模型
♠ 黑桃	♠️	Spade = 图像分类/视觉理解	图像分类、目标检测、视觉理解模型	ResNet, ViT, InternVL, Qwen-VL
♥ 红心	❤️	Heart = 语言生成/NLP任务	通用对话、文本生成、翻译等 LLM	GPT, Claude, LLaMA, Qwen, DeepSeek
♦ 方块	🔷	Diamond = 语义分割/结构化输出	结构化推理、代码生成、数学求解	StarCoder, DeepSeek-Coder, Qwen-Coder
♣ 梅花	🍀	Club = 实例分割/多模态融合	多模态理解、Agent、嵌入模型	LLaVA, BGE-M3, Qwen-Agent
🃏 Joker	🃏	Joker = SOTA/突破性模型	当前最强或最具创新性的模型	GPT-5, Claude 4.6, DeepSeek-R1

点数规则（数字/A/J/Q/K）

点数	含义	说明
2-7	小型模型 (<7B)	轻量级，适合边缘部署
8-10	中型模型 (7B-30B)	性能与效率平衡
J (Jack)	专业领域模型	针对特定领域优化（代码、数学、医疗）
Q (Queen)	大型模型 (30B-100B)	强大的通用能力
K (King)	超大型模型 (>100B)	旗舰级性能
A (Ace)	SOTA / AGI 级别	当前沿技术天花板
🃏 Joker	特殊突破	架构创新或范式转移

标记示例


♠K  InternVL2    →  视觉语言模型之王 (76B)
♥A  GPT-5        →  SOTA 级别通用语言模型
♦J  StarCoder2   →  代码专业模型
♣Q  LLaVA-OneVision → 多模态大模型
🃏  DeepSeek-R1   →  推理突破性模型 (GRPO强化学习)

与原 HOMC 项目的区别

原 house-of-model-cards 项目主要聚焦于计算机视觉模型的分类（图像分类=♠, 目标检测=♥, 语义分割=♦, 实例分割=♣）。本项目的 HOMC 体系在此基础上进行了扩展和适配：

扩展至 LLM 领域：将花色含义从 CV 任务映射到 LLM 任务域

增加点数维度：引入 A/J/Q/K 表示模型规模和能力等级

保留 Joker 机制：用于标记具有突破性创新的模型

双向兼容：对于纯 CV 模型仍使用原始 HOMC 分类标准

📑 目录

1.11 📊 完整榜单参评名单（自动抓取）

📊 Benchmark 可视化看板（独立页面）

2. 通用基础模型

2.0 模型汇总核实总表（2026-11-05）

2.0.7 查准查全自评与覆盖边界

2.0.8 每日 HF 自动抓取候选（机器抓取 · 未核实）

16. 💡 Prompt Engineering 指南

1. 快速索引

1.1 按开源状态

类别	模型
完全开源	LLaMA、Qwen、DeepSeek、GLM、Mistral、Falcon、OLMo、Pythia、BLOOM、StableLM、RWKV、Mamba、InternLM、Baichuan、Yi、MiniCPM
有限开源	Gemma、Phi、Grok-1、Command-R、Jamba、DBRX、Arctic
闭源 API	GPT-4/5、Claude、Gemini、Grok-2+、ERNIE、混元、豆包、Kimi、星火

1.2 按厂商/组织

地区	厂商	代表模型	🃏 标记
🇺🇸 美国	OpenAI	GPT-4/5、o1/o3/o4-mini	♥A
🇺🇸 美国	Anthropic	Claude 3.5/4/4.6	♥A
🇺🇸 美国	Meta	LLaMA 1/2/3/4	♥K
🇺🇸 美国	Google	Gemini、Gemma	♥Q
🇺🇸 美国	Microsoft	Phi-1/2/3/4	♥10
🇺🇸 美国	xAI	Grok-1/2/3/4	♥K
🇺🇸 美国	AI2	OLMo	♥9
🇺🇸 美国	EleutherAI	Pythia、GPT-NeoX	♥8
🇨🇳 中国	阿里巴巴	Qwen 1/2/2.5/3/3.5	♥K
🇨🇳 中国	DeepSeek	DeepSeek-V1/V2/V3、R1	🃏 Joker
🇨🇳 中国	智谱 AI	GLM-4/5、ChatGLM	♥Q
🇨🇳 中国	百度	ERNIE 4.0/5.0	♥Q
🇨🇳 中国	腾讯	混元 Large	♥K
🇨🇳 中国	字节跳动	豆包、Seed 系列	♠Q / ♦J
🇨🇳 中国	月之暗面	Kimi K2/K2.5	🃏 Joker
🇨🇳 中国	MiniMax	M1/M2.5	♥K
🇨🇳 中国	面壁智能	MiniCPM	♥7
🇨🇳 中国	上海 AI Lab	InternLM、InternVL	♠Q
🇨🇳 中国	百川智能	Baichuan-M1/M2/M3	♥Q
🇨🇳 中国	零一万物	Yi-1.5	♥10
🇫🇷 法国	Mistral AI	Mistral、Mixtral	♥Q
🇦🇪 阿联酋	TII	Falcon、Falcon-H1	♥Q
🇮🇱 以色列	AI21 Labs	Jamba 1.5	♥Q
🇺🇸 美国	Databricks	DBRX	♥Q
🇺🇸 美国	Snowflake	Arctic	♥Q

1.3 按应用领域

领域	代表模型	🃏 标记
通用对话	GPT-4/5、Claude、Qwen、DeepSeek、LLaMA	♥A ~ ♥K
代码生成	StarCoder2、DeepSeek-Coder、CodeLlama、Qwen-Coder、Codestral	♦J
数学推理	DeepSeekMath、Qwen-Math、Llemma、NuminaMath	♦J
多模态 VLM	GPT-4V、LLaVA、Qwen-VL、InternVL、MiniCPM-V	♠Q / ♣Q
推理增强	o1/o3/o4-mini、DeepSeek-R1、QwQ、Kimi K2	🃏 Joker
Agent/工具	Qwen-Agent、ToolLLaMA、Gorilla	♣J
嵌入模型	BGE-M3、GTE-Qwen、E5-Mistral	♣10
医疗科学	Med-PaLM、BioMistral、MedGemma、SciGLM	♦10
音频语言	Qwen-Audio、GLM-4-Voice、Whisper	♣J
检索增强	Self-RAG、CRAG、Retro	♣10

1.4 按参数规模

规模	🃏 点数	代表模型
<3B	2-7	TinyLlama(1.1B)、SmolLM2(1.7B)、Phi-3-mini(3.8B)、MiniCPM(2.4B)、Gemma-2-2B
3-10B	8-10	LLaMA-3-8B、Qwen2.5-7B、Mistral-7B、GLM-4-9B、DeepSeek-7B
10-100B	J-Q	LLaMA-3-70B、Qwen2.5-72B、Mixtral-8x22B、DeepSeek-V2-236B
100B+	K-A	GPT-4(1.8T)、Claude-3-Opus、LLaMA-4-Behemoth(2T)、Qwen3-235B、DeepSeek-V3(671B)

1.5 按架构类型

架构	特点	代表模型	🃏 标记
Dense Transformer	标准注意力机制	GPT、LLaMA、Claude、Qwen	♥
MoE	专家混合，稀疏激活	Mixtral、DeepSeek-V2/V3、Qwen-MoE、DBRX	♥K
SSM (Mamba)	状态空间模型，线性复杂度	Mamba-1/2/3、Falcon-Mamba	🃏 Joker
RNN (RWKV)	循环结构，高效推理	RWKV-5/6/7	🃏 Joker
Hybrid	混合架构	Jamba(Mamba+Attention)、RecurrentGemma	♣Q
xLSTM	扩展 LSTM 架构	xLSTM-7B	🃏 Joker

1.6 🃏 按扑克牌花色分类

♠ 黑桃 — 视觉与多模态理解 (Spade: Vision & Multimodal Understanding)

模型	参数	类型	说明
♠K InternVL2	76B	VLM	最强开源视觉语言模型之一
♠Q LLaVA-OneVision-1.5	72B	VLM	统一视觉理解
♠Q Qwen3-VL	8B	VLM	高效视觉语言模型
♠J CogVLM2	19B	VLM	多模态认知模型
♠10 MiniCPM-V	8B	VLM	端侧多模态部署
♠9 Pixtral	12B	VLM	Mistral 多模态系列

♥ 红心 — 通用语言模型 (Heart: General Language Models)

模型	参数	版本	说明
♥A GPT-5	未公开	2024-12	AGI 能力跃升
♥A Claude 4.6	未公开	2026-02	当前最强闭源之一
♥A Gemini 3.1	未公开	2026-01	多模态原生
♥K LLaMA 4 Behemoth	2T	2025-10	最强开源模型
♥K DeepSeek-V3	671B	2024-12	FP8 训练突破
♥K Qwen3.5	397B	2026-01	全模态能力
♥K Grok-3	3T MoE	2025-02	100K H100 训练
♥Q Qwen2.5-72B	72B	2024-09	编码数学增强
♥Q LLaMA 3.1-405B	405B	2024-07	开源旗舰
♥Q Mistral Large 2	123B	2024-07	开源旗舰
♥J LLaMA 3-8B	8B	2024-04	效率标杆
♥J Qwen2.5-7B	7B	2024-09	最佳 7B
♥J Mistral 7B	7B	2023-09	开源先驱
♥10 Phi-4	14B	2024-12	推理突破
♥10 Gemma 2-9B	9B	2024-06	Google 轻量旗舰
♥9 GLM-4-9B	9B	2024	国产优秀开源
♥8 OLMo 2-7B	7B	2024-11	全开源(数据+权重)
♥7 MiniCPM	2.4B	2024-02	端侧部署优选

♦ 方块 — 结构化推理与代码 (Diamond: Structured Reasoning & Code)

模型	参数	类型	说明
♦K DeepSeek-R1	671B	推理	GRPO 强化学习推理
♦K o3	未公开	2025-01	OpenAI 深度推理
♦Q Kimi K2	1T MoE	推理	Muon 优化器
♦J StarCoder2	15B	代码	大规模代码预训练
♦J DeepSeek-Coder-V2	236B	代码	大规模代码 MoE
♦J Qwen2.5-Coder-32B	32B	代码	编码增强
♦J CodeGeeX4	9B	代码	国产代码模型
♦10 Qwen2.5-Math-72B	72B	数学	数学推理 SOTA
♦10 DeepSeekMath-7B	7B	数学	数学专用
♦9 NuminaMath-7B	7B	数学	AIMO 竞赛优化

♣ 梅花 — Agent 与嵌入 (Club: Agent & Embeddings)

模型	参数	类型	说明
♣K Qwen-Agent-72B	72B	Agent	工具调用框架
♣Q BGE-M3	568B	嵌入	多语言多函数嵌入
♣J ToolLLaMA-7B	7B	Agent	工具调用专精
♣J Gorilla-7B	7B	Agent	API 调用专精
♣10 Self-RAG-13B	13B	RAG	自适应检索增强
♣10 E5-Mistral-7B	7B	嵌入	高质量文本嵌入
♣9 Qwen3-Embedding-8B	8B	嵌入	最新嵌入模型
♣9 Jina Embeddings	1.3B	嵌入	多尺度嵌入

🃏 Joker — 突破性创新模型

模型	创新点	说明
🃏 DeepSeek-R1	GRPO 强化学习推理	用纯 RL 达成推理突破，成本极低
🃏 Mamba-1/2/3	状态空间架构	突破 Transformer 的线性复杂度替代方案
🃏 RWKV-7	线性注意力 RNN	结合 RNN 效率和 Transformer 表达力
🃏 Kimi K2	Muon 优化器 + 1T MoE	开源模型首次进入第一梯队
🃏 LLaMA 4 Behemoth	2T 参数开源	最大规模的开源模型
🃏 xLSTM	扩展 LSTM	LSTM 的现代化复兴

🃏 双花色标记规则（新增）

部分模型具有多重核心能力，使用双花色标记以更精确描述：


♥♠ 通用+视觉   →  GPT-4V, Gemini 3.1, Claude 4.5（原生多模态通用模型）
♥♦ 通用+代码   →  Qwen2.5-Coder, LLaMA 3.2（编码增强的通用模型）
♠♣ 视觉+Agent  →  InternVL-Tool, LLaVA-Agent
🃏♥ 突破+通用   →  DeepSeek-R1, Kimi K2（推理突破 + 通用能力）

说明：主花色（第一个）表示最突出的能力，副花色（第二个）表示次要但显著的能力。

1.7 按推理能力等级分类（⭐ 新增）

2024-2026 年最重要的范式转移：从「快速响应」到「深度推理」。此维度帮助用户按模型的"思考深度"选型。

推理等级	符号	特征	代表模型	🃏 标记
Level 0 — 快速响应型	⚡	单次前向传播，无显式推理链，延迟 <500ms	GPT-3.5-turbo, LLaMA-3-8B, Mistral-7B, Phi-3-mini	♥J ~ ♥10
Level 1 — 轻量思维链	🧠	内部 CoT，短思考过程，延迟 1-5s	GPT-4, Claude 3.5, Qwen2.5-72B, GLM-4	♥Q ~ ♥K
Level 2 — 深度推理型	🔬	显式长 CoT / 草稿本推理，延迟 10s-5min	o1, o3, DeepSeek-R1, QwQ, Kimi K1.5	🃏 Joker
Level 3 — Agent 自主推理	🤖	多步工具调用 + 规划 + 反思循环	GPT-5.4, Claude 4.6, Qwen3.5 (Agent Mode)	♥A

选型建议：

聊天/客服/翻译 → Level 0-1 即可，成本敏感选 L0

数学/编程/科研 → 必须用 Level 2+，推荐 R1/o3

自主 Agent 工作流 → Level 3，需要强规划能力

1.8 按部署场景分类（⭐ 新增）

部署场景	硬件要求	延迟目标	推荐模型	🃏 点数
📱 手机端侧	<4GB RAM, NPU/DSP	<2s	MiniCPM(2.4B), Phi-4-mini(3.8B), SmolLM2(1.7B), Gemma-2-2B, MobileLLM(1B)	2~7
💻 个人电脑	8-24GB GPU (RTX 4060/4070)	<5s	LLaMA-3-8B, Qwen2.5-7B, Mistral-7B, DeepSeek-7B, TinyLlama(1.1B)	8~10
🖥️ 工作站	48-96GB GPU (RTX 4090/A6000)	<10s	LLaMA-3-70B, Qwen2.5-72B, Mixtral-8x22B, DeepSeek-V3(INT8)	J ~ Q
☁️ 云端 API	无硬件需求	取决于供应商	GPT-5.4, Claude 4.6, Gemini 3.1, DeepSeek-V3, Qwen-Plus	A ~ K
🏭 企业私有化	8×A100/H100 集群	<3s (批处理)	LLaMA-4-Behemoth, Qwen3-235B, DeepSeek-V3(FP16), ERNIE 5.0 MoE	K
🔌 边缘/IoT	<2GB RAM, ARM/NPU	<1s	SmolLM2(135M), TinyLlama(1.1B) INT4, OpenELM(270M)	2~4
🎮 游戏/实时	消费级 GPU, <16GB	<100ms	Phi-3-mini(3.8B), Gemma-2-2B, StableLM-2-1.6B	7~10

成本估算参考（单次查询）：

场景	模型规模	自托管成本/月	API 成本/百万 Token
个人项目	7B INT4 (RTX 4060)	电费 ≈¥50	-
初创公司	70B INT4 (2×4090)	电费 ≈¥300	DeepSeek: ¥2~8
企业级	671B FP8 (8×H100)	租赁 ≈¥30K/月	GPT-5: ¥200~400

1.9 按训练对齐方法分类（⭐ 新增）

对齐方法	全称	核心思想	代表模型	🃏 标记	年份
SFT	Supervised Fine-Tuning	有监督指令微调，最基础的对齐方式	几乎所有模型的基础步骤	All	2022+
RLHF	Reinforcement Learning from Human Feedback	PPO + 人类偏好奖励模型	ChatGPT, Claude 1-2, LLaMA 2 Chat	♥	2023
DPO	Direct Preference Optimization	直接偏好优化，无需 RM 模型	Zephyr, Intel Neural Chat, OpenHathi	♥Q	2023
Constitutional AI	CAI	AI 自我批评 + 修正	Claude 系列 (Anthropic)	♥A	2023
GRPO	Group Relative Policy Optimization	组内相对策略优化，无需 RM	DeepSeek-R1/R1-0528	🃏	2025
KTO	Kahneman-Tversky Optimization	基于前景理论的二元反馈	HuggingFace Zephyr-β	♥9	2024
Online DPO	Online Direct PO	在线迭代 DPO，持续改进	QwQ, 部分 Qwen 变体	♥	2024
SimPO	Simple Preference Opt	简化的偏好优化，只需一个超参	Mistral-Nemo, Gemma-2-it	♥	2024
ORM	Outcome Reward Modeling	结果奖励建模（vs 过程 PRM）	OpenAI o-series	♥A	2024
PRM	Process Reward Modeling	过程奖励建模，逐步验证推理链	DeepSeek-R1 (辅助)	🃏	2025
Muon Optimizer	Muon 优化器	类 momentum 优化用于大规模 MoE 训练	Kimi K2/K2.5	🃏	2025

训练方法演进路线图：


SFT (2022) → RLHF (2023) → DPO (2023) → GRPO/Muon (2025)
                    ↓                ↓              ↓
               Constitutional      SimPO/KTO     PRM+ORM
                  AI (2023)       (2024)        (2024-25)

1.10 🏆 官方榜单口径

📌 2026-11-06 结构性替换：原「2026 年 4 月实时 SOTA 排行榜」（闭源 / 开源双赛道 Top 10）含大量未标注来源、评测版本与 harness 的分数，以及 2M / 4M 级无一手依据的上下文数值，前几轮只能加警示并列入 ⚠️ 待确认。现改为由 data/official_sources.json 驱动的可核实官方榜单口径，只登记能追溯到厂商官方公告的名次与分数。历史榜单数值可从 Git 记录查阅，不得作为确定内容引用。

ℹ️ 动态表 · 由 data/official_sources.json 生成（1.10 可核实的官方榜单口径）。本表只登记可追溯到官方公告的名次与分数，并写明榜单版本与日期。榜单快照随投票与评测版本变动，跨版本不可直接比较；未获一手依据的排名（含原 2026-04 Top 10 双赛道榜）不予收录。

榜单 / 评测	模型	名次或分数	官方来源	版本 / 日期	适用范围	核实状态	备注
Artificial Analysis Intelligence Index	Gemini 4 Carbon	第 1 名，59 分	blog.google 官方公告	v5.0 / 2026-10-28	仅该版本指数，跨版本不可直接比较	✅ `[A]`	厂商公告引述第三方指数
WebDev Arena	Gemini 4 Carbon	第 4 名，1768 Elo（+89）	blog.google 官方公告	2026-10-28	榜单快照，随投票变动	✅ `[A]`	网页开发交付物质量
SEC-bench Pro / ExploitGym / CWE-bench	Gemini 4 Carbon	88.2% / 54.8% / 71.0%	blog.google 官方公告	2026-10-28	官方注明为「无护栏」条件下评测	✅ `[A]`	网络安全防御生命周期专项
HealthBench 及 Hard / Professional	Baichuan-M4	三个子集均列第一；综合 68.6	百川官网基准表	2026-06-22	医疗专用评测，不与通用模型横比	✅ 指标 `[A]` / 排名 `[B]`	日期为三家媒体交叉
Terminal-Bench 4.0 对齐项	Gemini 4 Carbon	成功作弊 0.0%、尝试作弊 0.4%	blog.google 官方公告	2026-10-28	内部安全对齐测试，非能力排名	✅ `[A]`	不得解读为模型能力分数

🔎 共 5 条可核实来源；✅ [A] 为一手，[B] 为二手交叉。需要更新时编辑 JSON 后重跑本脚本，不要直接改表格。

1.11 📊 完整榜单参评名单（自动抓取，一手来源）

上一张表登记的是「厂商公告里提到的名次与分数」，只覆盖项目主动核实过的那部分模型。真正的 benchmark 榜单包含成百上千个参评条目，只收录其中几个会让榜单失去意义。因此本项目另行从一手公开榜单自动抓取完整参评名单（roster），并汇总到 📊 Benchmark 可视化看板。

榜单	来源	官方参评条目	涉及模型	抓取方式
SWE-bench Verified / Lite / Test / Multilingual / Multimodal	swebench.com · 官方 `leaderboards.json`	230	87	`scripts/fetch_benchmark_boards.py`
SWE-rebench（逐月）	swe-rebench.com/leaderboard · 页面内嵌 flight 数据	468	116	同上
Aider polyglot（exercism）	aider.chat/docs/leaderboards	68	68	同上
Aider edit（代码编辑）	aider.chat/docs/leaderboards/edit.html	98	98	同上
Aider refactor（代码重构）	aider.chat/docs/leaderboards/refactor.html	14	14	同上
LMArena · MT-bench / MMLU	lmarena.ai/leaderboard · 官方 Space 导出 CSV	166	109	同上
Arena-Hard-Auto	同上 · `arena_hard_auto_leaderboard_v0.1.csv`	60	60	同上
合计	12 个榜单	1104	526	—

时间轴拼图：SWE-rebench 是一榜多期——同一批模型在 2025-01 ~ 2026-06 共 18 个评测期的连续分数，模型名带推理档位 [high/medium] 与调用模式 (text/tools) 标注。看板可按评测期筛选并逐期查看完整排名；各期任务集不同，分数不可跨期直接比较，名次仅在期内有效。加上 Arena-Hard（2024）、LMArena（2023–2025）、SWE-bench（2023–2026），整体覆盖 2023–2026 四个年份。 Aider 三个榜是不同任务：polyglot（多语言编程题）、edit（把代码编辑成目标形态）、refactor（重构既有代码），分数互不可比，因此独立成榜。 Arena-Hard-Auto 带统计误差：官方 CSV 提供 95% 置信区间（rating_q025 / rating_q975）与平均 token 消耗，点估计相近时不应据此强行排序；这些字段保留在条目备注里。 为什么必须区分「条目」与「模型」：榜单里的一个模型往往有多条记录——不同 agent 脚手架、不同 reasoning effort、不同编辑格式。SWE-bench Verified 榜上 GPT-4o 有 19 种配置，Claude 3.5 Sonnet 有 21 种。这些分数互不可替代（同一模型换 agent 差距可达 10 个百分点以上），因此条目身份由 模型 × 配置 共同确定，绝不合并成一个「模型分」。 处理原则：

榜单中的 Undisclosed / Multiple 是占位条目（模型未公开或多模型组合），不是具体模型版本，已剔除而非硬凑成一条记录。

LMArena 的 MT-bench（1–10 分）与 MMLU（0–1 比例）单位不同，已拆成两个独立榜单；MMLU 由比例换算为百分比并在备注注明。

同一模型在不同榜单的分数不可横向比较——SWE-bench 考真实仓库修复，Aider 考代码编辑，MT-bench 考多轮对话。

模型身份通过 data/model_registry.json 统一（507 个模型条目，含别名），使「榜单里的写法」与「项目收录的写法」能对齐；无法唯一归一的保持未归一标记，不猜测合并。注册表由 scripts/expand_registry.py 依据实际榜单条目自动扩充，提供方按家族前缀推断，标注为「未标注」的需人工核对。

「看似同一实则不同」的条目按榜单分数差异拆开，例如 Gemini 3 Pro 与 Pro Preview（69.6 vs 74.2）、DeepSeek V3.2 与 V3.2 Reasoner、GLM-5 / 5.1 / 5.2、Claude 3.5 Sonnet 的不同日期快照、Gemini 1.5 的 -001 与 -api-0514。校验器要求同一模型 id 下的所有原始写法必须能由「配置后缀 / 词序 / 厂商前缀」解释，否则报错。

跨榜拼图：看板「🧱 跨榜拼图」区把同一模型在各榜单的分数并排呈现（当前有 126 个模型出现在 ≥2 个榜单，Gemini 4 Carbon 覆盖 5 个榜）。各榜口径不同（任务集、harness、调用模式、评测期都不同），因此这些数值只能并列查看，不能直接相减或跨榜排名，空白表示该模型未出现在该榜。原始响应缓存在 data/benchmarks/，抓取结果落在 data/benchmark_boards.json，看板数据与 §2.0 核实清单分文件存放、互不覆盖。

2. 通用基础模型

📌 核实入口：本章 2.1–2.30 保留为 2026-04-05 基线快照（含当时记录的名称、日期与规格，不作静默改写）。截至 2026-11-05 的公开信息核实结果、新增模型、更正与待确认清单统一收录于 §2.0 模型汇总核实总表；两处不一致时以 §2.0 为准。

2.0 模型汇总核实总表截至 2026-11-05

本表是项目模型汇总的唯一权威增量清单。基线为项目 §2.1–2.30、§3.1–3.12、§1.10 中已收录条目；检索窗口为 2025-01 至 2026-11-05。所有条目按「模型名称」全局去重，同一模型只出现在 🆕 / 🔄 / ⚠️ 三态之一，不在多个表中重复。

2.0.1 核实口径与标记说明

标记	含义	判定标准
🆕 新增项	项目 2026-04-05 基线未收录，本轮检索可核实	有 A 级一手来源，或 ≥2 个相互独立的 B 级来源交叉一致
🔄 更新项	项目已收录，但版本 / 时间 / 能力 / 状态需更正	同上；更正内容以一手来源为准，原记录保留在基线表中备查
⚠️ 待确认项	无法核实、来源冲突、或仅见预告未见交付	仅单一二手来源、社媒/聚合站消息、官方未披露、或本轮检索无结果；不写成确定内容

来源等级	定义	本轮主要来源
A	厂商官网 / 官方博客 / 官方文档 / API 发布说明 / arXiv 原文 / Hugging Face 官方模型卡	openai.com、anthropic.com、platform.claude.com、blog.google、cloud.google.com、deepseek.com、qwen.ai、kimi.com、open.bigmodel.cn、minimax.io、hunyuan.tencent.com、baichuan-ai.com、stepfun.com、mistral.ai、docs.cohere.com、developer.nvidia.com、arxiv.org
B	权威媒体 / 百科 / 行业追踪站，原则上 ≥2 源交叉；表中仅列一个 B 级来源的条目属单一来源，其日期与规格引用前须再复核	Wikiwand、百度百科、光明网、科技日报、证券时报、中国证券网、澎湃新闻、benchr.org、GrokMag、AI Wiki、PRIMO.ai
C	单一二手来源、社媒/聚合站传言、官方承诺但未交付	一律进入 ⚠️ 待确认项，不作为确定内容

字段口径：

发布或更新时间：优先官方公告日期；官方未给具体日时标注「月份级」或「未披露」；多次迭代以「首发 / 最新」并列。

可用状态：已开放 API / 开源权重（含许可证） / 受限预览 / 邀请制 / 已退役 / 已下线 / 未发布 / 待确认。

信息来源：[A] 一手，[B] 二手交叉，[C] 单一二手或传闻。

未披露 ≠ 不存在：官方页面未给出的参数规模、上下文长度或许可证，一律写「未披露」，不沿用基线中的推测值。

2.0.2 🆕 新增项已核实

海外厂商

模型名称	提供方	发布或更新时间	模型类别	核心能力	可用状态	信息来源	标记
GPT-5.3 Instant	OpenAI	2026-03-03	通用对话	ChatGPT 默认快速档刷新，仅更新 Instant，Thinking/Pro 另行发布	已开放 API	`[B]` AI Wiki GPT · PRIMO.ai	🆕
GPT-5.4 Pro	OpenAI	2026-03-05	推理增强	原生 computer use、约 1M 上下文，OSWorld-Verified 75%；官方确认为 GPT-5.1 Pro 的迁移目标	已开放	`[A]` OpenAI Model Release Notes；`[B]` PRIMO.ai · AI Wiki GPT	🆕
GPT-5.5 / GPT-5.5 Pro	OpenAI	2026-04-23	通用 / Agent	GPT-4.5 后首次完全重训基座，1M API 上下文，agentic coding 与 computer use	已开放 API	`[B]` PRIMO.ai · AI Wiki GPT	🆕
GPT-5.5 Instant	OpenAI	2026-05-05	通用对话	成为 ChatGPT 默认，可检索历史会话、文件与已连接 Gmail	已开放	`[B]` PRIMO.ai · AI Wiki GPT	🆕
GPT-Live-1 / GPT-Live-1 mini	OpenAI	2026-07-08	语音	新一代语音模型	已开放	`[A]` OpenAI 部署安全中心	🆕
GPT-5.6 Sol / Terra / Luna	OpenAI	2026-07-09	通用 / 推理	三档家族；新增 max 推理强度与 ultra 子代理模式；Sol 为旗舰	已开放 API	`[A]` OpenAI 官网 · 部署安全中心	🆕
GPT-6 Astra	OpenAI	2026-09-03	前沿通用 / Agent	计算机操作、软件工程、网络安全、科学；1M 上下文；Preparedness Framework 首个 Critical 级网络安全能力	已开放（分阶段）	`[A]` openai.com/index/gpt-6-astra	🆕
GPT-6 Sol / GPT-6 Luna	OpenAI	2026-09-22	通用 / 轻量	低延迟档位，与 Astra 同类训练方法	已开放	`[A]` GPT-6 Astra 官方页更新说明 · 部署安全中心	🆕
GPT-6.1 Sol	OpenAI	2026-09-29	通用	低资源编程语言 / COBOL 迁移能力显著提升	已开放	`[A]` OpenAI 官方 · 部署安全中心	🆕
GPT-6.1 Terra	OpenAI	2026-10-26	通用	视觉推理、computer use、写作；API `gpt-6.1-terra`，$1 / $5 每百万输入/输出 token	已开放 API / ChatGPT Work / Codex（不在 Chat；不支持 UAE 推理驻留）	`[A]` OpenAI Model Release Notes · 部署安全中心	🆕
Claude Mythos Preview	Anthropic	2026-04-07	安全研究	防御性网络安全，Project Glasswing	邀请制研究预览	`[A]` Claude Platform 发布说明	🆕
Claude Opus 4.7	Anthropic	2026-04-16	推理 / Agent	复杂推理与 agentic coding，编码/视觉/多步任务增强	已开放	`[A]` Anthropic 发布说明 · Opus 页	🆕
Claude Opus 4.8	Anthropic	2026-05-28	通用旗舰	当时最强 Opus	已开放	`[A]` Anthropic 发布说明 · Opus 页	🆕
Claude Fable 5 / Mythos 5	Anthropic	2026-06-09	通用 / 受限	1M 上下文、128K 最大输出、常开 adaptive thinking	全面开放 / Glasswing 邀请制	`[A]` Claude Platform 发布说明	🆕
Claude Sonnet 5	Anthropic	2026-06-30	通用	新一代 Sonnet，introductory $2/$10 每百万 token	已开放	`[A]` Claude Platform 发布说明	🆕
Claude Opus 5	Anthropic	2026-07-24	通用旗舰	相对 Opus 4.8 的阶跃提升	已开放	`[A]` anthropic.com/claude/opus	🆕
Claude Fable 5.1 / Mythos 5.1	Anthropic	2026-09-01	通用 / 受限	长程 agentic coding、知识工作与研究	已开放 / 邀请制	`[A]` Claude Platform 发布说明	🆕
Claude Opus 5.5	Anthropic	2026-09-22	通用 / Agent	长程 agentic coding 与知识工作	已开放	`[A]` Claude Platform 发布说明	🆕
Claude Sonnet 5.5	Anthropic	2026-09-28	通用	中档主力	已开放	`[A]` Claude Platform 发布说明	🆕
Claude Haiku 5.5	Anthropic	2026-10-07	轻量通用	面向高吞吐、低延迟场景	已开放	`[A]` Claude Platform 发布说明	🆕
Gemini 3 Pro	Google	2025-11-18	多模态 / 推理	1M 上下文、thinking_level、媒体分辨率、思考签名；LMArena 1501 Elo	已开放（3-pro-preview 于 2026-03-26 终止，迁 3.1）	`[A]` Gemini API 更新日志 · Google Cloud 文档	🆕
Gemini 3 Pro Image / Nano Banana Pro	Google	2025-11-20	图像生成	图像生成与编辑，Vertex AI / Workspace 可用	已开放	`[A]` Gemini 更新日志 · Google Cloud 月度汇总	🆕
Gemini 3.1 Flash-Lite	Google	2026-05-07	轻量多模态	低成本档	已开放	`[A]` Google Cloud 模型版本表	🆕
Gemini 3.5 Flash	Google	2026-05-19	通用	中档 Flash	已弃用（2026-10-08，迁 3.6/3.8 Flash）	`[A]` 版本表 · Gemini 更新日志	🆕
Gemini 3.5 Flash-Lite	Google	2026-07-21	轻量	低成本	已开放	`[A]` Google Cloud 版本表	🆕
Gemini 3.8 Flash	Google	2026-09-02	通用 / 高效	高效主力档	已开放	`[A]` Google Cloud 版本表	🆕
Gemini 3.8 Flash TTS / Flash-Lite TTS	Google	2026-09-22	语音合成	录音棚级 TTS、Voices 端点、150+ 音色	已开放 GA	`[A]` Gemini 更新日志	🆕
Gemini 3.8 Live	Google	2026-09-24	实时语音	替代 gemini-live-2.5-flash-native-audio	已开放	`[A]` Google Cloud 版本表	🆕
Gemini Nano Banana 2.1	Google	2026-10-06	图像生成	对话式编辑、1K/2K/4K、宽幅比例、文字渲染	已开放 GA	`[A]` Gemini 更新日志	🆕
Gemini 3.6 Flash	Google	2026-10-08	通用	替代 3.5 Flash	已开放	`[A]` Gemini 更新日志	🆕
Gemini 4 Argon	Google	2026-10-13	前沿通用 / Agent	稀疏 MoE、1M 统一输入输出上限、DeepSWE v1.1 77.9%、长程软件工程与网络安全防御	已开放（分阶段）	`[A]` blog.google Gemini 4 Argon · 版本表	🆕
Gemma 4 系列	Google	2026-04-02	开源多模态 / 端侧	E2B、E4B、26B-A4B MoE、31B Dense 四款；128K（边缘）/ 256K（大尺寸）；原生图像视频，边缘版另支持音频；140+ 语言；函数调用与结构化输出	开源权重 · Apache 2.0（自此放弃 Gemma 自定义条款）	`[A]` blog.google 官方发布（经新华网转引）；`[B]` 腾讯新闻 · 电脑王阿达 · 智东西	🆕 第二轮补查：首轮仅记为「版本表在列、日期未披露」，现补齐发布日期、规格与许可
Muse Spark	Meta Superintelligence Labs	2026-04-08	原生多模态推理 / 闭源通用	工具调用、视觉思维链、多 Agent 编排；Contemplating 模式多 Agent 并行推理（HLE 58%）；面向健康与多模态感知	已发布（meta.ai / Meta AI App；私有 API 预览，5-12 起扩至 WhatsApp / Instagram / 眼镜）	`[A]` ai.meta.com 官方博客 · about.fb.com 官方新闻	🆕 第四轮：来源由 `[B]` 升级为 `[A]`，并更正类别与能力描述（原记「取代 Llama 4 Maverick 成为 Meta AI 引擎 / 闭源通用」）
Grok 4.20 Beta	xAI	2026-02-17	通用	4-agent 系统；推理 / 非推理 / 多代理版本，1M 上下文	已开放	`[B]` Grok Models · 百度百科 Grok	🆕
Grok 4.3	xAI	2026-05-01	通用	1M 上下文，可生成表格 / PDF / 幻灯片	已开放	`[B]` GrokMag	🆕
Grok 4.5	xAI	2026-07-08	通用	500K 上下文，与 Cursor 联合训练	已开放	`[B]` GrokMag · 百度百科 Grok	🆕
Grok 4.6	xAI	2026-08-12	通用	500K 上下文，四档 effort	已开放	`[B]` GrokMag	🆕
Grok 4.7	xAI	2026-09-21	通用旗舰	500K 上下文，官方称为当前最强推理模型	已开放	`[B]` GrokMag · Elonosphere	🆕
Ministral 3 14B / 8B / 3B	Mistral AI	2025-12-02	开源轻量	端侧与本地部署，最佳性能成本比	开源权重 · Apache 2.0	`[A]` mistral.ai/news/mistral-3	🆕
Mistral Small 4	Mistral AI	2026-03-16	通用 / 多模态	119B MoE，256K 上下文，统一推理 / 视觉 / 编码	已开放	`[B]` AI Explorer · qdna.fr	🆕
Mistral Large 4「Le Chonk」	Mistral AI	2026-10-06 预览 / 2026-10-29 权重发布	开源 MoE / 多模态	1T 总参 / 49B 激活（含嵌入与输出层 52B），1M 上下文，128 专家，low/medium/high 三档推理	已开放：API（mistral-large-4）+ Hugging Face 权重	`[A]` Hugging Face 模型卡 / Mistral 官方公告；`[B]` Unite.AI · Times of AI	🆕 第二轮收敛：权重已交付，许可证 `Mistral Ecosystem Open-Weight License`（修改版 MIT，MaaS 转售需单独商业授权）
Command A+	Cohere	2026-05-20	开源企业级	218B / 25B MoE，128K 输入 / 64K 输出，视觉 + 推理 + 翻译 + Agent，48 语言	开源权重 · Apache 2.0	`[A]` cohere.com/blog/command-a-plus · Cohere 发布说明	🆕
North Mini Code	Cohere	2026-06-09	代码 Agent	30B / 3B MoE，256K 输入 / 64K 输出	开源权重 · Apache 2.0	`[A]` Cohere 发布说明	🆕
Cohere Parse	Cohere	2026-08-27	文档解析	2.3B 多模态，输出结构化 Markdown / HTML 与版面框	已开放 API	`[A]` Cohere 发布说明	🆕
North Small Translate	Cohere	2026-09-09	翻译	218B / 25B MoE，50+ 语言，16K	开源权重 · CC BY-NC 4.0（非商用）	`[A]` Cohere 发布说明	🆕
Embed 5 Pro / Fast	Cohere	2026-09-30	嵌入模型	多模态输入、100+ 语言、128K、Matryoshka 维度共享向量空间	已开放 API	`[A]` Cohere 发布说明	🆕
OLMo 3 7B / 32B	AI2	月份级，官方未核实到具体日	完全开源	权重 / 数据 / 代码 / 检查点全公开，base、instruct、Think 变体，64K	开源权重 · Apache 2.0	`[B]` FreeAPIHub · Unite.AI（建议以 allenai 官方模型卡复核）	🆕
Olmo-core 3	AI2	2026-10-01	训练框架	面向万亿参数 MoE 的开放训练栈，DDP 专家常驻	开源	`[B]` Unite.AI	🆕
Nemotron 3 Super	NVIDIA	2026-03-11	开源 Agent	120B / 12B 混合 Mamba-Transformer MoE，1M 上下文	开放权重 / 数据 / 配方	`[A]` developer.nvidia.com/nemotron · NVIDIA 开发者博客	🆕
Nemotron 3 Nano Omni	NVIDIA	2026-04-28	开源多模态	30B / 3B，视频 / 音频 / 图像 / 文本统一理解	开放权重	`[A]` NVIDIA 开发者博客	🆕
Nemotron 3 Ultra	NVIDIA	2026-06-04	开源前沿	550B / 55B，多步规划、工具调用与深度研究	开放权重 · OpenMDW-1.1	`[A]` NVIDIA 开发者博客	🆕
Nemotron 3.5 Super VL / Bolt	NVIDIA	2026-10（Bolt E4B 10-23）	开源多模态 / 端侧	120B Super VL、74B-A9B 24GB、E4B 4GB	开放权重	`[A]` NVIDIA 官方博客	🆕
gpt-oss-120b / gpt-oss-20b	OpenAI	2025-08-05	开源推理	117B / 21B，纯文本，函数调用与结构化输出	开源权重 · Apache 2.0	`[A]` OpenAI Model Release Notes · 部署安全中心 Model Card	🆕 第二轮补查
GPT-5-codex / GPT-5-Codex-Mini	OpenAI	2025-09-15 / 日期未标明	代码 Agent	Codex 专用变体；Mini 为低成本档，额度达 90% 时自动切换	已开放（Codex CLI / IDE / cloud）	`[A]` OpenAI Model Release Notes	🆕 第二轮补查
GPT-5.1-Codex / GPT-5.1-Codex-Max	OpenAI	2025-11-19	代码 Agent	长周期项目级编码，compaction 跨上下文窗口	已开放	`[A]` OpenAI Model Release Notes · 部署安全中心	🆕 第二轮补查
GPT-5.2-Codex	OpenAI	2025-12-18	代码 Agent	GPT-5.2 System Card 附录	已弃用（2026-10-01 公告，2027-04-01 API 下线）	`[A]` 部署安全中心 · platform.openai.com/docs/deprecations	🆕 第二轮补查
GPT-5.3-Codex	OpenAI	2026-02-05	代码 Agent	首次合并 Codex + GPT-5 训练栈，约快 25%	已弃用（2026-10-01 公告，2027-04-01 API 下线）	`[A]` OpenAI Model Release Notes · 部署安全中心	🆕 第二轮补查
GPT-5.4 mini / GPT-5.4 nano	OpenAI	2026-03-18	轻量推理	mini 供 Free/Go 的 + 菜单 Thinking 及付费用户限流回退，不出现在模型选择器；nano 见 API 弃用清单	已开放；nano 已弃用（2027-04-01 API 下线）	`[A]` OpenAI Model Release Notes · platform.openai.com/docs/deprecations	🆕 第二轮收敛：首轮误列为「待确认」，官方发布说明已确认存在；另官方明言「不存在 GPT-5.4 Instant」
GPT-6 Rosalind Research	OpenAI	2026-10-30	生命科学专用	GPT-6 推理能力用于多步生命科学研究，API `gpt-6-rosalind`，带生物安全防护	受限（需 Rosalind Research 审批；不在 Chat）	`[A]` OpenAI Model Release Notes · 部署安全中心	🆕 第二轮补查
ChatGPT Images 2.0 / 2.5 / 2.6	OpenAI	2026-04-21 / 09-08 / 11-04	图像生成	各有独立 System Card	已开放	`[A]` 部署安全中心 RSS	🆕 第二轮补查
GPT-Live-1.1	OpenAI	2026-10-15	语音	GPT-Live 系列更新	已开放	`[A]` 部署安全中心 RSS	🆕 第二轮补查
Sora 2	OpenAI	2025-09-30	视频生成	改进物理模拟、同步对白与音效、多镜头一致性	已停用（app/web 2026-04-26；API 2026-09-24）	`[A]` 部署安全中心 Sora 2 System Card；`[B]` AI Wiki 视频生成条目	🆕 第二轮补查
Veo 3.1 / 3.1 Fast	Google	2025-10-15（2026-01 更新）	视频生成	原生音频、4K 放大、扩展与首尾帧控制	已开放（public preview 起）	`[A]` Gemini API 更新日志；`[B]` AI Wiki	🆕 第二轮补查
Voxtral TTS	Mistral AI	2026-03（月份级）	语音合成	4B，9 语言，3 秒语音克隆，约 70ms 延迟，流式	开源权重 · Apache 2.0	`[B]` 单一来源：2026 Q1 开源 LLM 全景盘点（quidproquo.cc）	🆕 第二轮补查；单一 B 源，参数与许可须复核
google/embeddinggemma-2	Google	2026-09-14	嵌入模型	端侧嵌入，3.1k 赞 / 45 万下载，MTEB 系谱	开源权重 · Apache 2.0	`[A]` HF 模型 API	🆕 第三轮：HF 组织页客观核查
AI21 Jamba2	AI21 Labs	2026-01-06	混合架构通用	Jamba2-3B / Mini-FP8，Mamba + Attention 混合	开源权重 · Apache 2.0	`[A]` HF ai21labs 组织页与模型 API	🆕 第三轮；基线仅收录 Jamba 1.5，补齐 2026 新版
NVIDIA Nemotron 3.5 Transcribe 30B-A4B	NVIDIA	2026-10-07	语音识别	30B / 4B 激活，ASR、语音翻译、说话人分离、时间戳，3k 赞	开放权重（HF 标记 license:other）	`[A]` HF 模型 API	🆕 第三轮：trending 榜首复核
FLUX.3 Klein	Black Forest Labs	2026-10-13	图像生成 / 编辑	flux-3 系列，diffusers，图像生成与编辑统一	开放权重（HF 标记 license:other）	`[A]` HF 模型 API	🆕 第三轮；项目原无 FLUX 系列
microsoft/Mage-VL-Cowork	Microsoft	2026-10-30	GUI Agent / VLM	computer-use、GUI/coding/terminal agent，LLaVA-OneVision2 系	开源权重 · Apache 2.0	`[A]` HF 模型 API	🆕 第三轮：长尾厂商核查（非 Phi 系列）
apple/LensVLM-9B	Apple	2026-09-21	多模态 VLM	长上下文、视觉文本压缩；基于 Qwen3.5-9B	开放权重 · Apple AMLR 许可	`[A]` HF 模型 API	🆕 第三轮；许可非通用开源，商用前须读条款
Pika-H3-Flex	Pika Labs	2026-10-29	视频生成	基于 MiniMax-H3 的轻量后训练，采样步数 50→6，音画视频生成	开放权重（HF 标记 license:other）	`[A]` HF 模型 API；`[B]` 行业报道	🆕 第三轮；属跨组织适配器，能力上限受基座约束
Gemini 4 Carbon	Google	2026-10-28	前沿通用 / 安全	长周期 Agent 编码与网络安全防御；AA Intelligence Index v5.0 第一（59）、SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%	受限开放（先供网络防御者与 Fairwind Program 合作方，尚未面向开发者全面开放）	`[A]` blog.google 官方公告	🆕 第四轮：由 ⚠️ 待确认收敛；介绍期定价 $2/$10 每百万 token
Muse Spark Open 816B-A42B	Meta	2026-09-15（HF 建仓）	开源 MoE / 多模态	816B 总参 / 42B 激活，原生多模态	开放权重（gated manual）· license:other，非 Apache 2.0	`[A]` HF 模型 API；`[A]` go.meta.me 多模态报告（提及 open-weights release）	🆕 第四轮：由 ⚠️ 待确认收敛；HF `meta-models` 组织归属未单独验证，仅以仓库标签 meta/facebook 佐证
Muse Spark 1.2 / Muse Code	Meta	2026-08-05	编码 Agent	1M 上下文，长周期多 Agent 编码、全仓级上下文；Muse Code 为终端 Agent，事件日志可回放	公开预览（Muse Code / Meta Model API / OpenRouter）	`[A]` Meta 开发者博客	🆕 第四轮：Muse Spark 系列版本线补齐
Runway Gen-4.5	Runway	2025-12-11（2026-01-21 增首帧图生视频）	视频生成	文生视频 / 图生视频，连续动作、镜头控制与叙事一致性；2026-07-29 上线 OpenRouter API	已开放（付费计划 / API）	`[A]` runway.com 官方 Changelog	🆕 第四轮：官方 changelog 明确首发日；第三方「2026-07-29 发布」实为 API 上架日，不采用
Luma Ray3.2	Luma AI	2026-06（月份级）	视频生成	16-bit 原生 HDR / ACES EXR 导出、Multi-Keyframe 最多 16 帧、V2V 20s@1080p、Draft Mode	已开放（Luma App / API）	`[A]` lumalabs.ai/llm-info（官方给 AI 助手的权威信息页，Last updated 2026-07-13）	🆕 第四轮；官方仅给到月份。此前版本含 Ray3、Ray3 Modify、Ray3.14；官网首页仍推 Ray3.14，与 llm-info「当前为 Ray3.2」口径不一致，已如实并列
Luma UNI-1 / UNI-1.1	Luma AI	未披露	图像生成 / 多模态推理	参考引导生成、最多 9 张参考图、意图推理后生成像素；官方称人类偏好 Elo 第一	已开放（Luma API）	`[A]` lumalabs.ai/llm-info	🆕 第四轮；官方页面未给发布日期与参数规模，不推测
NX-AI/TiRex-2	NX-AI	2026-06-16	时间序列预测 / 新架构	零样本时间序列预测，仓库标注 `time-series-forecasting`、附 arXiv:2607.01204；49 赞 / 5873 下载	开源权重 · Apache 2.0	`[A]` HF 模型 API	🆕 第五轮：§3.6 新架构与时间序列方向补白；另有 fevbench / gifteval 评测变体
NX-AI/KronLSTM 系列	NX-AI	2026-10-16	新架构 / 线性注意力	1.5B、100B token、32K 上下文四款研究性 checkpoint（含 SWA 滑动窗口变体）	开放权重（研究 checkpoint，0–1 赞 / 43–147 下载）	`[A]` HF NX-AI 组织页与模型 API	🆕 第五轮；低热度实验仓库，不代表成熟发布，仅作 §3.6 架构演进线索

中国厂商与机构

模型名称	提供方	发布或更新时间	模型类别	核心能力	可用状态	信息来源	标记
Qwen3-Next-80B-A3B	阿里巴巴	2025-09	开源架构 / 通用	混合注意力 + 高稀疏 MoE，80B / 3B 激活，256K 长上下文优势	开放权重	`[B]` 行业报道 · Wikiwand Qwen	🆕
Qwen3.5-Plus	阿里巴巴	2026-02-15	托管旗舰 / 多模态	原生视觉-语言，1M 上下文，auto / thinking / fast 三模式，201 种语言	已开放 API	`[A]` qwen.ai/blog?id=qwen3.5	🆕
Qwen3.8-Max	阿里巴巴	2026-08-03 API / 2026-08-12 开放权重	通用 / Agent	2.4T / 95B 激活，编码、办公、科研、长周期任务；API 版多模态 + 1M 默认上下文	API 已开放；权重已交付（Qwen3.8-2.4T-A95B）	`[A]` qwen.ai 官方博客 · HF 模型卡	🆕 第二轮收敛：权重已发布，但开源版为纯文本 + 强制 thinking + 原生 262K（可扩至约 1.01M），与 API 版不同产物；许可证为自定义 `qwen3.8-max`（非 Apache 2.0，含商业阈值）
Qwen3.8-Omni-Flash	阿里巴巴	2026-09-18	全模态 / Agent	文本 / 图像 / 音频 / 视频，1M 上下文，任务规划与工具调用	已开放	`[A]` qwen.ai 官网	🆕
Qwen-Image-2.1	阿里巴巴	2026-09-20	图像生成	7B 视觉生成组件，生成与编辑统一，原生透明图	开源权重	`[A]` qwen.ai 官网	🆕
Qwen3.8-LiveTranslate	阿里巴巴	官网在列，未披露日期	实时翻译	Interleave 架构同声传译，LAAL 2.8s → 2.3s	已开放	`[A]` qwen.ai 官网	🆕
Qwen3-Coder-480B-A35B	阿里巴巴	官网在列，未披露日期	代码 Agent	256K 原生上下文，外推 1M，agentic coding / browser-use / tool-use	已开放	`[A]` 阿里云 Qwen 产品页	🆕
DeepSeek-V3.2-Exp	DeepSeek	2025-09-29	通用	稀疏注意力实验版，API 双模型名升级	已开放 API	`[A]` DeepSeek API 更新日志	🆕
DeepSeek-V3.2-Speciale	DeepSeek	2025-12-01	推理	仅思考模式、非正式部署、最大输出 128K	已下线（服务截止 2025-12-15）	`[A]` DeepSeek API 更新日志	🆕
DeepSeek-V4-Pro	DeepSeek	2026-04-24 首发 / 2026-08-13 正式版	通用 / Agent	原生 Responses API、low / high / max 三档思考强度、Agent 能力增强	已开放 API	`[A]` DeepSeek 透明度中心 · API 更新日志	🆕
DeepSeek-V4-Flash	DeepSeek	2026-04-24 / 2026-07-31 正式版	代码 Agent	正式版 Agent 能力增强，适配 Codex	已开放 API	`[A]` DeepSeek API 更新日志	🆕
DeepSeek-V4.1-Flash	DeepSeek	2026-09-10 / 2026-10-17 更新	多模态 Agent	原生视觉理解、全新模型结构最小尺寸；1017 版性能-费用帕累托改进	已开放 API	`[A]` DeepSeek API 更新日志	🆕
GLM-4.7	智谱 AI / Z.ai	2025-12-23	开源通用 / 编码	面向真实开发工作流	开源权重 · MIT	`[B]` AI Wiki GLM-4.6 · Wikiwand GLM	🆕
GLM-5.1	智谱 AI / Z.ai	2026-04-07	开源 / Agent	长程 agentic 工程任务，开源	开源权重 · MIT	`[B]` AI Wiki GLM · Wikiwand GLM	🆕
GLM-5.2	智谱 AI / Z.ai	2026-06-16	开源 / 长上下文	1M 上下文，长上下文稀疏注意力与投机解码	开源权重 · MIT	`[B]` AI Wiki GLM · Wikiwand GLM	🆕
GLM-5.3	智谱 AI / Z.ai	2026-08-14	旗舰 / 编码	复杂软件工程、终端操作与 Agent，官方称编程体验提升 50%	已开放 API	`[A]` open.bigmodel.cn · `[B]` Wikiwand GLM	🆕
GLM-5.3-Flash / FlashX	智谱 AI / Z.ai	官网在列，未披露日期	原生多模态	图像 / 视频理解，最高 200 tokens/s	已开放 API	`[A]` open.bigmodel.cn	🆕
GLM-Image / GLM-OCR / GLM-ASR / GLM-TTS	智谱 AI / Z.ai	官网在列，未披露日期	专项模型	图像生成 / OCR / 语音识别 / 语音合成	已开放 API	`[A]` open.bigmodel.cn	🆕
Kimi K2 0905	月之暗面	2025-09-05	开源 / Agent	agentic coding 增强，上下文扩至 256K	开源权重	`[A]` Kimi 官方文档 · `[B]` No Code MBA	🆕
Kimi K2 Thinking	月之暗面	2025-11-06	开源推理	长 CoT + 反复工具调用	开源权重	`[B]` No Code MBA · The World of AI	🆕
Kimi K2.6	月之暗面	2026-04-20	开源 / Agent	编码、长程任务、Agent Swarm（300 子代理并行）	开源权重	`[A]` Kimi 官方文档	🆕
Kimi K2.7-Code	月之暗面	2026-06-11	开源代码	代码专精	开源权重	`[B]` The World of AI	🆕
Kimi K3	月之暗面	2026-07-16 发布 / 2026-07-27 开源权重	开源前沿	2.8T 参数，KDA 线性注意力 + Attention Residuals，原生视觉，1M 上下文	开源权重 · Kimi K3 License	`[A]` Kimi 官方文档 · `[B]` 百度百科月之暗面	🆕
Kimi K3.1 Pro / Highspeed	月之暗面	2026-10-23 API / 2026-11-02 权重上传、11-04 公开	通用 / Agent	2.8T / 104B 激活，Gated DSA 稀疏注意力，1M 上下文，原生视觉	API 已开放；权重已交付（HF moonshotai/Kimi-K3.1-Pro，MXFP4）	`[B]` Fello AI · BenchLM · 新浪科技 · 博客园部署教程	🆕 第二轮收敛：权重按期交付，许可证为 `Kimi K3.1-Pro License`（MIT + MaaS 营收阈值与署名条款）；Highspeed 版未开源
Kimi-Linear-48B-A3B	月之暗面	2025-10-30	开源新架构	线性注意力混合架构	开源权重 · MIT	`[B]` The World of AI · 百度百科	🆕
MiniMax M2 / M2.1	MiniMax	2025-10（M2.1 于 10 月）	开源 / Agent	M2 系列开源，M2.1 面向 Agent 主力	开源权重	`[B]` 百度百科 MiniMax 大模型系列	🆕
MiniMax M2.7	MiniMax	2026-03-18	通用 / Agent	自进化与 Agent 协作，Agent Harness 下 100+ 轮自主迭代	已开放	`[B]` 百度百科 MiniMax · AI/TLDR	🆕
MiniMax M3	MiniMax	2026-06-01 发布 / 2026-06-12 开源	开源全模态	MSA 稀疏注意力，1M 上下文，原生多模态，约 428B / 23B	开源权重 · MiniMax Community License	`[A]` minimax.io/blog/minimax-m3 · `[B]` 中国证券网	🆕
混元 Hy3 preview	腾讯	2026-04-23	开源通用 / Agent	295B / 21B MoE，256K，快慢思考融合，代码 / 长文 / Agent	开源权重 · Apache 2.0	`[A]` hunyuan.tencent.com/research/hy3-preview · 腾讯官方	🆕
混元 Hy3 正式版	腾讯	官网在列，未披露具体日	通用 / Agent	295B / 21B MoE，256K，三档思考模式	已开放	`[A]` hunyuan.tencent.com	🆕
混元 Hy Vision 2.0	腾讯	官网在列，未披露日期	视觉语言	基于 HY-2.0 的视觉理解快思考模型	已开放	`[A]` 混元官网	🆕
混元 Hy Image3.5 preview	腾讯	2026-09-22	图像生成	文字渲染、版式与一致性	预览	`[A]` 混元官网	🆕
混元 Hy ASR 3.0 preview	腾讯	官网在列，未披露日期	语音识别	基于 Hy3 基座，方言与上下文感知	预览	`[A]` 混元官网	🆕
混元 Hy-MT2 系列	腾讯	2026-05-21	开源翻译	30B-A3B / 7B / 1.8B，33 语种互译	开源权重	`[A]` llm.hunyuan.tencent.com	🆕
混元 Hy4 preview	腾讯	2026-08-28	通用	混元新一代预览	预览	`[A]` 混元官网	🆕
豆包 Seed 2.1 Pro / Turbo	字节跳动	2026-06-23（2026-09 更新 0915）	通用 / Agent	Pro 面向高复杂任务，Turbo 面向规模化生产	已开放 API	`[B]` 百度百科「豆包 Seed 2.1 系列」	🆕
豆包 Seed 2.0	字节跳动	月份未披露	通用	上一代主力	已开放 API	`[B]` 百度百科	🆕
Baichuan-M3 Plus	百川智能	2026-01-22	医疗	幻觉率降至 2.6%，证据锚定	已开放 API	`[B]` 澎湃新闻大模型热力榜	🆕
讯飞星火 X2	科大讯飞	2026-02-11	通用 / 行业	293B MoE，全国产算力，130+ 语言，单台昇腾服务器部署	已开放 API	`[B]` 证券时报 · 光明网	🆕
讯飞星火 X2-VL	科大讯飞	2026-06-11	多模态	轻量视觉编码器、快慢思考统一，多模态学科答题	已开放	`[B]` 百度百科讯飞星火 X2	🆕
Step 3.7 Flash	阶跃星辰	官网在列，未披露日期	通用 / 高效	API 示例默认模型 step-3.7-flash	已开放 API	`[A]` stepfun.com	🆕
Step 5 Preview	阶跃星辰	官网在列，未披露日期	前沿 / Agent	面向复杂工作与 Agent 任务，权重已放出	预览 · 开放权重	`[A]` stepfun.com	🆕
StepAudio 3 系列	阶跃星辰	官网在列，未披露日期	语音	Realtime / TTS / Gen / Music / ASR 五款	已开放	`[A]` stepfun.com	🆕
小米 MiMo-V2-Flash	小米	2025-12	开源 MoE	309B / 15B 激活，27T token，5:1 滑窗/全局混合注意力	开源权重 · MIT	`[B]` 单一来源：Wikiwand MiMo	🆕 第二轮补查；单一 B 源
小米 MiMo-V2-Pro / Omni / TTS	小米	2026-03-18	通用 / 全模态 / 语音	Pro 1T+ / 42B 激活、1M 上下文；Omni 支持图像/视频/音频/文本；TTS 支持方言与歌唱	闭源 API（曾以 Hunter Alpha / Healer Alpha 匿名上架 OpenRouter）	`[B]` Wikiwand MiMo（引 Reuters）	🆕 第二轮补查
小米 MiMo-V2.6 系列	小米	2026-09-22	开源全模态	Pro 万亿参数 MoE / 约 42B 激活、1M 上下文；Flash 309B / 15B；UltraSpeed 输出最高提速 20×；同步开源权重、技术报告与 RL 训练框架	开源权重 + API	`[B]` 深圳市人工智能产业协会 · 太平洋科技 · 腾讯新闻	🆕 第二轮补查；AA 智能指数 46 分系厂商/榜单转述
蚂蚁 Ling-3.0-flash-VL	蚂蚁集团	2026-09-09	开源原生多模态	124B / 5.5B 激活，256K，图像/文本/视频输入，视觉反馈闭环，BF16 与 FP8	开源权重 · Apache 2.0	`[B]` 单一来源：百度百科 Ling-3.0-flash-VL 条目	🆕 第二轮补查；单一 B 源，须以 HF 模型卡复核
通义万相 Wan2.2	阿里巴巴	2025-07-30	开源视频生成	首个 MoE 视频生成架构；T2V-A14B、I2V-A14B、TI2V-5B；高/低噪专家分工，省约 50% 算力	开源权重 · Apache 2.0	`[A]` GitHub Wan-Video/Wan2.2 · HF Wan-AI；`[B]` 行业报道	🆕 第二轮补查（对应 §17 视频生成）
Qwen3.8-27B	阿里巴巴	2026-08-14	开源通用	27B，SWE-Bench Pro 61.7	开源权重 · Apache 2.0	`[B]` Machine Brief · AINews · AI Watch（均指向 HF 仓库）	🆕 第二轮补查；与旗舰自定义许可证形成对照
Jina Embeddings v4 / v5	Jina AI	2026（月份未披露）	嵌入模型	v4 支持文本/图像/PDF 多模态；v5 text-small 0.6B 与 nano 239M 面向轻量部署	已开放	`[B]` Zilliz 2026 嵌入模型选型 · Q1 开源全景盘点	🆕 第二轮补查；日期与许可证未获官方确认
文心 ERNIE-5.5-Flash-Base	百度	2026-11-05 开源（HF 仓库 10-21 建立）	开源基座 MoE	280B 总参 / 14B 激活，33.5T token 从零预训练，128K 训练上下文、微调推理可外扩 1M；Latent-Gated Sparse Attention + Multi-Router Latent MoE + ECHO	开源权重（FP8 / BF16；HF 标记 license:other）	`[A]` 新华网 · HF 模型 API；`[B]` 腾讯新闻 / 机器之心	🆕 第三轮闭环：由 §2.0.8 首期候选经人工核实迁入；仅为 Base 权重，后训练版官方称随后推出
MiniMax-M3.1-Flash	MiniMax	2026-10-19 发布 / 10-23 开源	通用 / Agent	稀疏注意力，推理近 3×、成本降 70%，200+ TPS；DeepSWE v1.1 73.7%、OSWorld V2 61.7、CyberGym 82%	已开放 API + 开源权重	`[A]` minimax.io 官方博客 · HF 模型 API；`[B]` 中证网	🆕 第三轮闭环；官方博客发布时称权重稍后放出，10-23 已开源
MiniMax-H3	MiniMax	2026-07-28	全模态视频生成	文 / 图 / 视频 / 音频多组合输入到音视频输出，6.6k 赞 / 640 万下载	开放权重（HF 标记 license:other）	`[A]` HF 模型 API	🆕 第三轮：§17 视频生成补白，Pika-H3-Flex 与 Viggle-Remake 的基座
MiniMax-Music3	MiniMax	2026-08-07	音乐生成	text-to-music，diffusers / sglang-omni	开放权重（HF 未标许可）	`[A]` HF 模型 API	🆕 第三轮；许可证未披露，不可推定
混元 Hy-Nomas	腾讯	2026-10-23 官方发布（HF 仓库 10-21）	交互式视频世界模型	8B、720p、最长 60s、360K token；分段自回归 DiT，文字 + 镜头控制，世界记忆一致性；含 Hy-Nomas-Bench 280 例	开源权重 · Apache 2.0（含训练/标注代码）	`[A]` 腾讯官方项目页 · HF 模型 API；`[B]` 多家技术媒体	🆕 第三轮闭环；官方未公布基准分数，技术报告标注 coming soon
混元 WeVisOne-VL-4B	腾讯	2026-10-22	多模态 VLM	目标检测、指代表达理解与分割、计数、点定位、OCR、抠图	开源权重 · Apache 2.0	`[A]` HF 模型 API	🆕 第三轮：长尾组织页核查
LiquidAI LFM3-VL-2B	Liquid AI	2026-10-19	端侧多模态 VLM	面向 edge，基于 LFM3-1.7B-Base，多语言	开放权重（HF 标记 license:other）	`[A]` HF 模型 API	🆕 第三轮闭环；首期候选迁入
MiniCPM-OCR-1.0	面壁智能 / OpenBMB	2026-10-21	文档 / OCR	表格与公式识别、文档解析；基于 MiniCPM-V-4.6	开源权重 · Apache 2.0	`[A]` HF 模型 API	🆕 第三轮闭环；同时客观确认 MiniCPM-V-4.6 存在
通义万相 Wan2.2-Animate-2	阿里巴巴	2026-07-14	视频生成（角色动画）	14B，角色动画生成，附 arXiv:2608.06009	开源权重 · Apache 2.0	`[A]` HF 模型 API；`[B]` GitHub Wan2.2	🆕 第三轮：§17 补白；Wan2.2 主模型已在 §2.0.2，本行为独立衍生变体
可灵 3.0 系列	快手	2026-02-05 全球上线（04 月原生 4K）	视频 / 图像生成	All-in-One 统一架构，视频 3.0 / 3.0 Omni / 图片 3.0 / 3.0 Omni；15s 连续生成、智能分镜、角色与音色一致性	已开放（会员先行，商业产品）	`[B]` 科技日报 · 人民论坛网 · 每日经济新闻	🆕 第三轮：§17 补白，三源交叉；基线 §17 仅有未标版本的 Kling 旧条目
Seedance 2.0	字节跳动	2026-02（月份级）	视频生成	文本/图像/音频/视频多模态输入，最长 15s，自带音效与镜头切换	已开放（商业产品）	`[B]` 腾讯新闻产业报道 · 人民论坛网	🆕 第三轮：§17 补白；具体发布日期未获官方确认
Vidu Q3	生数科技	2026-01-30	视频生成	声画一体，一次生成 16s 完整叙事，多角色多语种对话、智能镜头调度	已开放（商业产品）	`[B]` 单一来源：人民论坛网	🆕 第三轮：§17 补白；单一 B 源，规格须复核
Qwen3.6 开源系列（35B-A3B / 27B）	阿里巴巴	2026-04-15 / 04-21	开源原生视觉语言 MoE / Dense	35B-A3B MoE 与 27B Dense，原生 VLM，262K 上下文（可选扩展至约 1M，静态 YaRN 会损伤短输入表现）	开源权重 · Apache 2.0	`[A]` HF Qwen3.6-35B-A3B · Qwen3.6-27B · 千问云模型页	🆕 第四轮：由 ⚠️ 待确认收敛；为闭源 Qwen3.6-Plus 之外的开源支线
Qwen3.7-Max / Qwen3.7-Plus	阿里巴巴	2026-05-20 / 06-01	闭源 Agent / 多模态 Agent	Max：编码与办公 Agent、35 小时 / 1158 次工具调用全自主内核优化（10× 加速）、机器人导航；Plus：GUI+CLI 混合多模态 Agent，1M 上下文	已开放 API（阿里云百炼 / 千问云）；未开源权重	`[A]` qwen.ai Qwen3.7 · Qwen3.7-Plus	🆕 第四轮：由 ⚠️ 待确认收敛；官方未披露参数规模与技术报告
Baichuan-M4	百川智能 / 清华大学	2026-06-22	医疗增强大模型	主动问诊、全病程记忆、证据锚定与低幻觉；HealthBench 68.6（Hard 49.7 / Professional 55.1）、SCAN-bench 初诊 79.0、幻觉率 3.3%	已发布；未见开源权重（HF 检索无对应仓库）	`[A]` 百川官网基准表（列有 Baichuan-M4）；`[B]` 每日经济新闻 · 网易科技 · 动脉网三源交叉	🆕 第四轮：由 ⚠️ 待确认收敛；日期为 B 级三源一致，评测分数为官方披露口径
混元 Hy-SimulMT-30B-A3B	腾讯	2026-10-22	语音 / 同声传译	30B / 3B 激活，中英等多语语音到语音实时同传，约 3 秒延迟；含 Interleave / FP8 变体	开源权重 · Apache 2.0	`[A]` HF 模型 API	🆕 第四轮：HF 官方仓库客观确认；仓库 `pipeline_tag=translation`
Hailuo 2.3 / 2.3 Fast · Media Agent	MiniMax	2025-10-28	视频生成 / 多模态创作 Agent	复杂肢体动作、风格化（动漫 / 水墨 / 游戏 CG）、面部微表情；2.3 Fast 降低批量成本最多 50%；Video Agent 同日升级为全模态 Media Agent	已开放（海螺 AI 网页 / App / 开放平台 API）	`[A]` MiniMax 官方 API 发布说明（明写 `Oct. 28, 2025` 新增两个模型）· 官方发布博客 · 中文官网；`[B]` 人民日报客户端	🆕 第五轮：由 ⚠️ 收敛。此前 5 种冲突口径中，2026 年的日期均为第三方 API 平台上架日或 AI 日报误标，非发布日；官方发布说明给出确切日期
RynnBrain 1.1 系列	阿里达摩院	2026-07-16（官宣）/ HF 2B 仓库 07-13	具身基础模型 / VLA	2B / 9B / 122B-A10B 三规模，首个 122B 级具身 MoE；RynnBrain-VLA 迁移至 Unitree G1 / Astribot 等真实机器人	开源权重 · Apache 2.0	`[A]` ModelScope 官方模型页 · HF 模型 API（27 万下载）	🆕 第五轮：具身 / 机器人方向补白；同日发布 arXiv 技术报告
腾讯 Hy-Embodied 系列	腾讯 Robotics X / 混元	2026-04-02 起（0.5）；06-11 VLA-UMI；07-14 VLM 1.0 / RxBrain 1.0	具身 VLA / 机器人	HY-Embodied-0.5（923 赞）、0.5-VLA-UMI 端到端 VLA、VLM 1.0 与 RxBrain 1.0；适配 UMI 数据与双臂操作	开放权重（HF `tencent` 组织）	`[A]` HF 模型 API：`tencent/HY-Embodied-0.5`、`tencent/Hy-Embodied-0.5-VLA-UMI`、`tencent/Hy-Embodied-VLM-1.0`	🆕 第五轮：多个官方仓库客观确认；二手报道称 2026-06-15 开源 HyVLA-0.5，此处以 HF 仓库日期为准，不采用未核实的官宣日
宇树 UnifoLM 系列	宇树科技	2026-01-28（VLM-Base）/ 2026-09-28（WLA-1.0-Base）	世界-语言-动作 / 具身	UnifoLM-VLA-0 → WLA-1.0，统一世界建模、语言理解与动作生成；另有 ER-1 具身推理模型	开放权重（HF `unitreerobotics` 组织）	`[A]` HF 模型 API · VLM-Base；`[B]` 中国经济网	🆕 第五轮：世界模型与具身交叉方向补白；能力描述含 B 级来源，已在说明中标明
Index-1.9B 系列	哔哩哔哩	2024-06 开源 / 2026-07-10 补发技术报告 v1（v4 10-17）	SLM / RAG 增强	1.9B 非嵌入参数、2.8T 中英语料；Base / Pure / Chat / Character 四变体，Character 引入 RAG 做少样本角色定制；基准均分 64.92	开源（GitHub `bilibili/Index-1.9B`；HF `IndexTeam` 仓库 2024-06）	`[A]` arXiv:2607.09885 · HF `IndexTeam/Index-1.9B-*` 仓库	🆕 第五轮：SLM / RAG 方向补白。注意这是「模型 2024 年开源、技术报告 2026 年补发」，不是 2026 新模型；不可按 HF 建仓日或论文日推断为当年发布

2.0.3 🔄 更新项已收录模型的版本 / 能力 / 状态更正

「原记录」指 §2.1–2.30、§3.x 或 §1.10 基线表中的值；基线表本身保留不改，此处为唯一更正依据。

模型名称	提供方	发布或更新时间	模型类别	核心能力	可用状态	信息来源	标记与更正说明
GPT-4.5	OpenAI	2025-02-28	通用	官方定位「当时最大、知识最丰富的聊天模型」	已开放 API	`[B]` 搜狗百科 OpenAI · AI Wiki GPT	🔄 原记 2024-02 → 更正为 2025-02-28；原记 2T MoE / 256K 无一手来源
GPT-5	OpenAI	2025-08-07	通用	统一系统：快速模型 + 深度推理模型 + 实时路由；API 总上下文 400K（272K 输入 + 128K 推理/输出）	已开放 API	`[A]` arXiv:2601.03267 GPT-5 System Card · `[B]` AI Wiki GPT	🔄 原记 2024-12 / 1M 上下文 → 更正为 2025-08-07 / 400K 总上下文；引用应为 System Card 而非 Technical Report
GPT-5.1	OpenAI	2025-11-13	通用	Instant / Thinking 双形态，自适应推理、无推理模式、最长 24h 提示缓存	已开放 API	`[B]` AI Wiki GPT · 百度百科 OpenAI	🔄 原记 2025-06 / 2M 上下文 → 更正；2M 无一手来源
GPT-5.2	OpenAI	2025-12-11	通用 / 推理	Instant / Thinking / Pro 三形态，面向专业知识工作	已开放 API	`[B]` AI Wiki GPT · 百度百科 OpenAI	🔄 原记 2026-01 / 4M 上下文 → 更正；4M 无一手来源
GPT-5.4	OpenAI	2026-03-05	通用 / Agent	原生 computer use、约 1M 上下文、API tool search；GDPval 83%、OSWorld-Verified 75%	已开放 API	`[B]` PRIMO.ai · AI Wiki GPT	🔄 日期由「2026-03」精确到 2026-03-05；补充能力说明
Claude 4 Opus	Anthropic	2025-05-22	通用 / 编码	编码、agentic search、创意写作	已退役（2026-06-15，API 返回错误）	`[A]` anthropic.com/claude/opus · Claude Platform 发布说明	🔄 原记 2025-06 → 更正为 2025-05-22；补充退役状态；官方名称为 Claude Opus 4
Claude 4.5 Opus	Anthropic	2025-11-24	通用 / 编码	编码、Agent、computer use、企业工作流，官方称当时最智能模型	已开放 API	`[A]` anthropic.com/claude/opus	🔄 原记 2025-10 → 更正为 2025-11-24；官方名称为 Claude Opus 4.5
Claude 4.6	Anthropic	2026-02-05	通用 / Agent	1M token 上下文（beta，Opus 系列首次）、adaptive thinking、Agent Teams、Terminal-Bench 2.0 / HLE 领先	已开放 API	`[A]` Introducing Claude Opus 4.6 · Opus 页	🔄 官方名称 Claude Opus 4.6；原记 2M 上下文无一手来源，官方为 1M beta；原记「AGI 能力」改为可核实能力
Gemini 2.5	Google	2025-06-17 GA	通用 / 推理	首个明确「thinking model」定位的 Gemini 世代	已弃用（2026-10-20，迁 3.8/3.5 Flash）	`[A]` Google Cloud 模型版本表 · `[B]` Wikiwand Gemini	🔄 补充 GA 与弃用日期；原记 2M 上下文无一手来源
Gemini 3.1	Google	2026-02-19（预览）	通用 / 推理	ARC-AGI-2 77.1%、SWE-Bench Verified 80.6%，核心推理升级	预览	`[B]` Wikiwand Gemini · `[A]` Google Cloud 文档（3-pro 迁移指向 3.1）	🔄 原记 2026-01 / 4M 上下文 → 更正为 2026-02-19 预览；4M 无一手来源
LLaMA 4 Scout / Maverick	Meta	2025-04-05	开源 MoE / 多模态	Scout 109B / 17B 激活、10M 上下文（iRoPE）；Maverick 400B / 17B 激活、1M；早期融合原生多模态	开源权重 · Llama 4 Community License	`[A]` ai.meta.com 官方博客 · developer.meta.com	🔄 补充官方发布日期与许可全称；10M 为 Meta 官方明示的 Scout 规格，有 [A] 级来源（第一轮曾误列「无一手来源」，见 §2.0.7）；1417 LMArena Elo 属实验性 chat 变体而非发布权重
Grok-3	xAI	2025-02-17	通用 / 推理	引入 Think 模式，API 于 2025-04-03 开放	已退役（2026-05-15 API）	`[B]` GrokMag · 百度百科 Grok	🔄 原记 1M 上下文 / 3T MoE 无一手来源；补充退役状态
Grok-4	xAI	2025-07-09	通用	256K 上下文，Grok 4 Heavy 多代理版	已退役（2026-05-15 API，迁 4.3）	`[B]` GrokMag	🔄 原记 2025-08 / 2M 上下文 → 更正为 2025-07-09 / 256K；补充退役状态
Grok-4.1	xAI	2025-11-17	通用	Grok 4.1 Fast 于 2025-11-19 上线 API，2M 上下文（Fast 版）	已开放（Fast 版已退役）	`[B]` GrokMag · 百度百科 Grok	🔄 原记 2026-01 → 更正为 2025-11-17；原记 4M 无一手来源
Mistral Large 3	Mistral AI	2025-12-02	开源 MoE	675B 总参 / 41B 激活，3000×H200 从零训练，base + instruct，多语言对话与图像理解	开源权重 · Apache 2.0	`[A]` mistral.ai/news/mistral-3	🔄 原记 2025-03 / 256K / API 闭源 → 全部更正；该模型属 Mistral 3 家族而非独立 API 模型
Qwen 3	阿里巴巴	2025-04-28	开源通用	0.6B–235B-A22B，Apache 2.0，119 语言，思考/非思考双模式	开源权重 · Apache 2.0	`[B]` Wikiwand Qwen · `[A]` 阿里云 Qwen 产品页	🔄 原记 2025-05 → 更正为 2025-04-28；补充许可与语言数
Qwen 3.5	阿里巴巴	2026-02-15	开源原生多模态	Qwen3.5-397B-A17B（397B / 17B 激活），Gated DeltaNet + 稀疏 MoE，201 语言，1M 上下文（Plus）	开放权重；许可证官方未披露	`[A]` qwen.ai/blog?id=qwen3.5	🔄 原记 2026-01 / 256K / Apache 2.0 /「全模态」→ 更正为 2026-02-15、原生视觉-语言、1M（Plus）；许可证官方页面未披露，不可写 Apache 2.0
Qwen3-VL	阿里巴巴	2025-11-26（v1）	多模态 VLM	原生 256K 交错上下文，dense 2B/4B/8B/32B 与 MoE 30B-A3B/235B-A22B，DeepStack + 文本时间对齐	开放权重	`[A]` arXiv:2511.21631	🔄 §3.3 原记仅「8B / 128K」→ 更正为完整规模谱系与 256K 原生上下文
DeepSeek-V3	DeepSeek	2024-12-26	开源 MoE	MLA + DeepSeekMoE，671B / 37B 激活	开源权重 · DeepSeek License	`[A]` DeepSeek API 更新日志	🔄 日期由「2024-12」精确到 2024-12-26
DeepSeek-V3.1	DeepSeek	2025-08-21	通用 / 混合推理	单一模型同时支持思考与非思考模式，Agent 能力增强；2025-09-22 升级 Terminus	已开放 API	`[A]` DeepSeek API 更新日志	🔄 原记 2025-06 / 256K → 更正为 2025-08-21；补充 Terminus 版本
DeepSeek-V3.2	DeepSeek	2025-12-01	通用 / Agent	强化 Agent 能力并融入思考推理，网页/APP/API 全面上线	已开放 API	`[A]` DeepSeek 透明度中心 · API 更新日志	🔄 原记 2026-02 → 更正为 2025-12-01；原记 512K 上下文无一手来源
GLM-4.5	智谱 AI / Z.ai	2025-07-28	开源 MoE	355B / 32B 激活，混合推理（思考/非思考单一权重），MIT	开源权重 · MIT	`[B]` AI Wiki GLM · Wikiwand GLM	🔄 原记 2025-02 → 更正为 2025-07-28；补充参数与许可
GLM-4.6	智谱 AI / Z.ai	2025-09-30	开源 / 编码	357B / 约 32B 激活，200K 上下文，编码与工具调用增强	开源权重 · MIT	`[B]` AI Wiki GLM-4.6 · 搜狐报道	🔄 原记 2025-08 / 512K → 更正为 2025-09-30 / 200K；补充许可
GLM-5	智谱 AI / Z.ai	2026-02-12	开源旗舰	744B / 40B 激活 MoE，28.5T 预训练 token	开源权重 · MIT	`[B]` AI Wiki GLM · Wikiwand GLM	🔄 原记仅为「API / 1M / AGI 进展」→ 补充参数与开源许可；后续 5.1/5.2/5.3 见新增项
ERNIE 5.0	百度	2026-01-22 正式版 / 2026-02-04 技术报告	原生全模态	2.4T 超稀疏 MoE（激活比 <3%），统一自回归架构，文本/图像/音频/视频理解与生成，弹性训练	已开放 API（文心 App / 千帆）	`[A]` arXiv:2602.04705 · `[B]` 光明网 / 腾讯新闻	🔄 原记 2025-03 / 424B MoE / Apache 2.0 → 全部更正；为闭源 API，非开源模型
混元 / 混元-Large	腾讯	品牌于 2026 年升级为 Hy	通用 / 多模态	原条目保留；新世代以 Hy3 为起点，重建预训练与 RL 基础设施	原模型状态未变；新系列见新增项	`[A]` 腾讯官方 Hy3 发布说明	🔄 状态补充：§2.20 仅覆盖至混元-Large（2024-11），需指向 Hy 系列
Kimi K2	月之暗面	2025-07-11	开源 / Agent	1T MoE / 32B 激活，agentic coding、工具使用与数学推理	开源权重；K2 系列自 2026-10-31 起不对新注册用户开放，计划 2026-12 底退役	`[A]` Kimi 官方文档 · `[B]` Venture Atlas	🔄 补充后续版本与退役计划；原记 128K → 0905 起扩至 256K
Kimi K2.5	月之暗面	2026-01-27 发布 / 2026-02-02 技术报告 v1	开源多模态 Agent	约 1T 参数，文本-视觉联合预训练、zero-vision SFT、Agent Swarm（延迟最多降 4.5×），262K 上下文	开源权重	`[A]` arXiv:2602.02276 · Kimi 官方文档 · `[B]` The World of AI	🔄 原记 2026-02 / 512K / 闭源 API → 更正为 2026-01-27 发布、开源多模态 Agent；类别非「通用对话」
MiniMax-M2.5	MiniMax	2026-02-12 发布 / 2026-02-13 全球开源	开源 / Agent	Forge 原生 Agent RL 框架、CISPO 算法，SWE-Bench Verified 80.2%	开源权重	`[B]` 科技日报 · 证券日报	🔄 原记 2025-12 / 2M / API → 更正为 2026-02-12；为开源模型，2M 上下文无一手来源
Baichuan-M3-235B	百川智能	2026-01-13 开源 / 2026-02-06 论文	医疗大模型	235B，HealthBench 65.1、HealthBench-Hard 44.4，幻觉率 3.5%，主动问诊与 ScanBench	开源可商用	`[A]` arXiv:2602.06570 · 百川官网	🔄 原记 2026-02 / 512K / 闭源 API / 旗舰通用 → 更正为 2026-01-13、医疗专用、开源可商用
Intern-S1-Pro	上海 AI Lab	2026-04-02（论文 v2） / HF 标注 2026-02-02	科学多模态基础模型	首个万亿参数科学多模态基础模型，917B，100+ 科学任务，XTuner + LMDeploy 支撑 RL	开源权重 · Apache 2.0	`[A]` arXiv:2603.25040 · Hugging Face internlm/Intern-S1-Pro	🔄 原记 2026-03 / 256K / Research 许可 → 更正为科学多模态模型、Apache 2.0；原记规格无一手依据
Mamba-3	CMU / Princeton / Together AI / Cartesia	2026-03-16（arXiv v1）	新架构 SSM	指数-梯形离散化、复值状态更新、MIMO；1.5B 规模平均下游准确率优于 Gated DeltaNet	论文与代码已公开（ICLR 2026）	`[A]` arXiv:2603.15569	🔄 项目更新日志记「2025-12 新增」→ 更正为 2026-03-16；§3.6 原记 7B / Apache 2.0 → 论文实验规模为 1.5B，许可需以仓库为准
QwQ	阿里巴巴	项目记 2024-11，本轮未核实到官方日期	推理增强	思维链推理	待确认	`[C]` 基线表自述	🔄 保留基线记录，日期与规格待官方模型卡复核
Step-3.5-Flash	阶跃星辰	原记 2025-04，官网在列但无日期	通用 / 高效	官网列为 Flash 系列在售模型	已开放 API；原记日期待核实	`[A]` stepfun.com · `[C]` 基线表日期	🔄 原记日期无法核实；已按官网在列状态保留，引用基线日期前须复核
o1 / o1-pro	OpenAI	2026-04-22 公告弃用 / 2026-10-23 从 API 关停	推理增强	思维链推理；官方推荐替代 `gpt-5.6-sol`（o1-pro 需 `reasoning.mode: pro`）	已退役（API 不可用）	`[A]` OpenAI 官方 Deprecations（2026-04-22 Legacy GPT model snapshots 条目）	🔄 第四轮：由 ⚠️ 待确认收敛；基线仅写「已退役」，现补齐公告/关停日期与替代型号；与 ChatGPT 侧 o4-mini 退役（2026-02-13）属不同事件
HunyuanVideo / HunyuanVideo 1.5	腾讯混元	2024-12-01 建仓（论文 12-03）/ 2025-11-18 建仓（1.5 官宣 11-21）	视频生成	初代 13B DiT + 3D 因果 VAE；1.5 为 8.3B，SSTA 稀疏注意力、480p/720p 原生、超分至 1080p、14G 显存可运行	开放权重 · Tencent Hunyuan Community License（非 Apache 2.0）	`[A]` HF tencent/HunyuanVideo · HunyuanVideo-1.5（标签含 arXiv:2511.18870）	🔄 第四轮：§17 基线仅记「发布日期未公开 / 5s / 720p」，现补齐版本时间线、参数与许可证；建仓日与官宣日并列，不混用
LLaMA 4 Behemoth	Meta	2025-04-05 官方预览，至今未发布	通用 / 超大规模 MoE	官方仅作预览；288B 激活 / 16 专家等规格为预览口径，未交付	未发布	`[A]` ai.meta.com Llama 4 官方博客（明言「still training, not yet releasing」）	🔄 第五轮：由 ⚠️ 收敛。基线记「2025-10 已发布 / 最强开源」为错误；官方从未正式宣布取消，也从未发布。结论已确定，不再作为待确认项
GPT-5 引用名称	OpenAI	2025-08-07 发布 / System Card 同期	文献引用	GPT-5 为统一系统（fast 模型 + 推理模型 + 实时路由）；官方只发布 System Card	已发布	`[A]` openai.com GPT-5 System Card · 官方 PDF · arXiv:2601.03267	🔄 第五轮：由 ⚠️ 收敛。不存在独立的「GPT-5 Technical Report」；基线以该名称引用 arXiv:2601.03267 属引用名称错误，应改为 GPT-5 System Card
Grok 5	xAI	未发布	通用	不适用	未发布	`[A]` docs.x.ai 官方模型目录（完整列出 grok-4.3 / 4.5 / 4.6 / 4.7 / 4.20 系列与 Imagine / Voice，并称 Grok 4.7 为「the most capable model we've built」）；`[B]` Elonosphere · allthings-elon	🔄 第五轮：由 ⚠️ 收敛。官方模型目录无 Grok 5；部分二手站称「2026-10-28 发布、10-31 开放 API」，与官方目录直接冲突，不采信。结论已确定，不再作为待确认项
xLSTM 7B 引用对应关系	NX-AI	2024-12-11（HF 仓库）	新架构	xLSTM 7B 参数规模，循环架构	开放权重 · license:other	`[A]` HF NX-AI/xLSTM-7b（125 赞 / 3336 下载）· arXiv:2510.02228	🔄 第五轮：由 ⚠️ 收敛。模型真实存在（2024-12-11），但基线把 arXiv:2510.02228 当作其模型报告是错的——该论文是《xLSTM Scaling Laws》（v1 2025-10-02 / v2 2026-02-20，ICLR 2026），其中 7B 指 scaling law 实验的最大规模（80M–7B），并非该模型的发布论文；代码见 `NX-AI/xlstm_scaling_laws`

2.0.4 ⚠️ 待确认项无法核实 / 来源冲突 / 仅见预告

✅ 截至 2026-11-06，本清单待确认项为 0 条。

前五轮累计关闭 18 项可判定条目（原始 17 条 + 第五轮新增的 1 条来源冲突）。最后 4 条并非「查不到」，而是 2026-04 基线快照里无来源、无版本、无 harness 的历史数值；第六轮没有继续给它们挂警示，而是把承载它们的三张表结构性替换掉了：

§4.1 性能基准表 → 官方评测来源索引：删除无来源分数，改为 9 条有 [A] 官方链接的评测口径，字段沿用 §2.0 的 8 列。

§4.2 API 定价表 → 官方价目页索引：删除无来源价格，改为 8 家厂商的官方实时价目页入口 + 计费口径；仅当官方公告明确给出价格时才写示例。

§1.10 SOTA 双赛道榜 → 可核实的官方榜单口径：删除 20 行无来源排名，改为 5 条可追溯到官方公告的名次与分数。

基线散落的 2M / 4M 上下文数值：原 §1.10「亮点」列中的 2M / 4M 已随榜单移除；§2.0.3 中相关条目本就逐条标注「无一手来源」，并给出官方值（GPT-5 400K、Claude Opus 4.6 1M beta、Llama 4 Scout 10M、Grok 4.7 500K）。

三张新表由 data/official_sources.json 驱动，scripts/render_source_tables.py 渲染；CI 执行 --validate 校验列数、去重、链接协议与 marker 一致性，并阻止旧的无来源数值表被粘贴回来。历史数值保留在 Git 记录中，但不再是本项目的确定内容。

本节保留为滚动清单的入口：后续自动抓取出现无法核实的新线索时，仍按 A/B/C 口径登记于此，经人工核实后再迁入 🆕 或 🔄。关闭过程与残余风险见 §2.0.7 第六轮表。

2.0.5 引用编号核实结果

对基线中 12 条 2025–2026 年引用记录做了反查，其中 9 条取得 arXiv 原文或权威索引、1 条经二手报道确认、2 组本轮未逐条复核。编号大多真实存在，凭直觉判定为伪造会造成误伤；以下仅记录反查结论与需要更正的标注。措辞上不称「逐条反查全部」。

编号	项目标注用途	反查结论	处理建议
arXiv:2601.03267	GPT-5 Technical Report	✅ 真实，标题为 OpenAI GPT-5 System Card，v1 提交 2025-12-19；第五轮另核对 openai.com 官方 System Card 与 PDF，不存在独立 Technical Report	更正标注名称为 GPT-5 System Card，见 §2.0.3
arXiv:2510.02228	基线 §3.6 用作 xLSTM 7B 的模型引用	✅ 真实，标题 xLSTM Scaling Laws: Competitive Performance with Linear Time-Complexity（NX-AI，v1 2025-10-02 / v2 2026-02-20，ICLR 2026）；但不是 xLSTM-7b 的模型报告，文中 7B 指实验规模上限（80M–7B）	解除引用对应关系；模型本身真实存在（HF `NX-AI/xLSTM-7b`，2024-12-11），见 §2.0.3
arXiv:2607.09885	第五轮新增：Index-1.9B 技术报告	✅ 真实，标题 Index SLM Technical Report（Bilibili，v1 2026-07-10 / v4 2026-10-17）	作为 SLM / RAG 方向补白依据；注意模型 2024-06 已开源，论文为补发
arXiv:2510.12178	LLaMA 4 Technical Report	⚠️ 本轮未逐条复核到该编号的原文	保持原状，标记为待复核
arXiv:2509.23661 / arXiv:2508.06471 等	其他基线引用	⚠️ 本轮未逐条复核	保持原状，不作真伪判断
arXiv:2602.04705	ERNIE 5.0 Technical Report	✅ 真实，2026-02-04 提交，百度 ERNIE Team	保留；模型本身为闭源 API，见 §2.0.3
arXiv:2602.02276	Kimi K2.5 Technical Report	✅ 真实，标题 Kimi K2.5: Visual Agentic Intelligence，v1 2026-02-02	保留；补充多模态 Agent 定位
arXiv:2602.06570	Baichuan-M3 Technical Report	✅ 真实，标题 Baichuan-M3: Modeling Clinical Inquiry for Reliable Medical Decision-Making，v1 2026-02-06	保留；属医疗专用模型
arXiv:2603.25040	Intern-S1-Pro Technical Report	✅ 真实，万亿参数科学多模态基础模型，v2 2026-04-02	保留；更正基线中的规模与许可
arXiv:2603.15569	Mamba-3	✅ 真实，ICLR 2026，2026-03-16 提交	保留；更正基线中的发布时间与实验规模
arXiv:2511.21631	Qwen3-VL Technical Report	✅ 真实，2025-11-26 提交，原生 256K 上下文	保留；更正 §3.3 中的规模与上下文
arXiv:2601.11659	LLaMA 4 Full Report	⚠️ 编号真实，标题为 The Llama 4 Herd；但正文自述为「对公开材料的独立调查」，且未明确标识来自 Meta	不宜标注为「Meta 官方完整技术报告」

2.0.6 统计、去重与维护说明

分类	条目数	说明
🆕 新增项（已核实）	150	海外厂商 79 + 中国厂商与机构 71；其中 19 条为第二轮补查、19 条为第三轮、10 条为第四轮、7 条为第五轮
🔄 更新项（已核实）	40	时间 / 版本 / 能力 / 状态 / 许可 / 类别更正，原记录保留在基线表；第五轮新增 4 条（含 3 条待确认收敛）
⚠️ 待确认项	0	已清空；累计关闭 18 项，最后 4 条由第六轮三张表的结构性替换关闭，见 §2.0.4
引用编号反查	12 条记录（9 项编号核实为真实 / 1 项性质需更正 / 2 项待复核）	见 §2.0.5；第五轮新增 arXiv:2510.02228、arXiv:2607.09885
官方退役状态	9 组事件（含 o1 / o1-pro）	见 §2.0.7 与 §2.0.3，均为 `[A]` 一手来源
HF 组织页核查	10 组结论	见 §2.0.7，均为 `[A]` 一手来源
基线仓库状态机检	20 / 20 个可映射代表仓库命中	见 §2.0.7 第四轮表，抽样机检非全量复核
官方来源动态表	22 条可核实记录	`data/official_sources.json` 驱动 §4.1 / §4.2 / §1.10，见 §2.0.7 第六轮表
本轮核实合计	190 条模型记录	150 + 40 + 0，三态互斥、全局去重

去重规则：

以「模型名称」为主键全局去重；同一模型只归入 🆕 / 🔄 / ⚠️ 之一，跨表不重复出现。

同一家族的多个档位（如 GPT-5.6 Sol / Terra / Luna、Ministral 3 14B/8B/3B）合并为一行，档位写入模型名称字段，不拆成多行。

基线与更正并存时，基线表保留作历史快照，§2.0.3 为唯一更正依据；不再向 §2.1–2.30 追加重复行。

同一模型的「首发」与「正式版 / 更新」合并写入「发布或更新时间」字段，用 / 分隔。

项目名称差异（如「Claude 4.5 Opus」与官方「Claude Opus 4.5」）按同一实体处理，在更正说明中写明官方命名，不新增第二条记录。

跨清单去重（第四轮补）：§2.0.8 每日流水线会自动读取本清单中已核实的 Hugging Face 仓库 id 并排除，避免「机器发现 → 人工核实迁入 🆕」后又被当成新候选重复上报；抑制数量记录在 data/hf-daily/latest.json 的 suppressed_in_registry 字段。

与 §3 专项领域模型的对应关系：本表不另设专项表以避免重复。代码、数学、多模态 VLM、SLM、MoE、新架构（SSM/RNN/Hybrid）、推理增强、Agent、嵌入、医疗/科学、音频、检索增强等类别均通过「模型类别」列标识，对应 §3.1–3.12；例如 Cohere Embed 5 / North Mini Code / Cohere Parse 对应 §3.9 / §3.1，Gemini 3.8 Flash TTS / StepAudio 3 / Hy-MT2 对应 §3.11，Nemotron 3 / Kimi-Linear 对应 §3.5 / §3.6，Baichuan-M3 Plus / Intern-S1-Pro 对应 §3.10，Qwen3-VL 对应 §3.3。 维护建议：§2.0 应作为滚动清单维护；下次更新时，先复核「⚠️ 待确认项」是否已获官方确认，再将其迁移到 🆕 或 🔄，并同步更新 §21 更新日志与徽章日期。

2.0.7 查准查全自评与覆盖边界

本节按轮次记录第二、三、四轮复核的结果与当前清单的可信边界。「查全」在开放域无法一次性达成，因此不宣称已穷举；以下给出可复现的覆盖范围、已确认的偏差、仍未覆盖的范围与残余风险。

第二轮纠偏：已确认的第一轮错误

#	第一轮结论	第二轮核实结果	依据	处理
1	把 GPT-5.4 mini / nano 列为「官方目录未核对到」	官方 Help Center 明确 2026-03-18 上线 GPT-5.4 mini；API 弃用页明确列出 `gpt-5.4-nano`	`[A]` Model Release Notes · Deprecations	移入 🆕 并补注「官方明言不存在 GPT-5.4 Instant」
2	称 Qwen3.8-Max / Kimi K3.1 Pro / Mistral Large 4 权重与许可证「未见交付」	三者均已交付 Hugging Face：2026-08-12、2026-11-02（11-04 公开）、2026-10-29	`[A]` HF 模型卡 / 官方公告；`[B]` 多源交叉	移出 ⚠️。许可证分别为 `qwen3.8-max`、`Kimi K3.1-Pro License`、`Mistral Ecosystem Open-Weight License`，均非 Apache 2.0；Qwen 开源权重还是纯文本子集
3	把 Llama 4 Scout 的 10M 上下文一并打成「无一手来源」	Meta 官方博客与开发者页明确写 10M（iRoPE 架构）	`[A]` ai.meta.com · developer.meta.com	从待确认中剔除，来源升级为 [A]
4	称「未核对到 OpenAI 官方退役清单」	官方 Help Center 与 Deprecations 页给出完整退役/下线清单	`[A]` 同上	见下方「官方退役状态」；仅 o1 仍待核实
5	Gemma 4 记为「日期未披露」	2026-04-02 发布，Apache 2.0，E2B/E4B/26B-MoE/31B-Dense 四款	`[A]` blog.google（新华社转引）；`[B]` 多源	补齐规格与许可
6	「逐条反查 10 条 arXiv 编号」	实为 7 条取得原文/权威索引、1 条二手确认、2 组未复核	—	改为准确措辞，见 §2.0.5
7	首轮未打开 OpenAI / Meta / Google 的官方生命周期与模型目录页	补查后新增 19 条遗漏项	`[A]` 多个官方页面	已并入 §2.0.2 两张表

第二轮新增覆盖（19 条）：OpenAI 官方系统卡与 Codex 支线（gpt-oss、GPT-5-codex、5.1/5.2/5.3-Codex、GPT-5.4 mini/nano、GPT-6 Rosalind Research、ChatGPT Images 2.0/2.5/2.6、GPT-Live-1.1、Sora 2）、Gemma 4、Veo 3.1、Voxtral TTS、Jina Embeddings v4/v5、Qwen3.8-27B、小米 MiMo-V2-Flash / V2-Pro / V2.6 系列、蚂蚁 Ling-3.0-flash-VL、通义万相 Wan2.2。 本轮实际打开的一手页面：OpenAI Model Release Notes、Deprecations、Deployment Safety Hub RSS、GPT-6 Astra 官方页；Anthropic Opus 页与 Claude Platform Release Notes；blog.google Gemini 4 Argon、Google Cloud 模型版本表、Gemini API Changelog；ai.meta.com Llama 4 官方博客、Meta 开发者页；DeepSeek 透明度中心与 API 更新日志；qwen.ai Qwen3.5 / Qwen3.8 官方博客、HF Qwen3.8-2.4T-A95B 模型卡；kimi.com、open.bigmodel.cn、minimax.io、hunyuan.tencent.com、baichuan-ai.com、stepfun.com、mistral.ai、docs.cohere.com、developer.nvidia.com；arXiv 7 篇原文。 官方退役 / 弃用状态（第二轮补入，一手）

生效或公告日期	模型	范围	依据
2026-02-13	GPT-4o、GPT-4.1、GPT-4.1 mini、o4-mini、GPT-5（Instant/Thinking）	从 ChatGPT 退役，API 当时不变	`[A]` OpenAI Model Release Notes
2026-03-11	GPT-5.1 Instant / Thinking / Pro	从 ChatGPT 退役，迁移至 5.3 Instant / 5.4 Thinking / 5.4 Pro	`[A]` 同上
2026-06-27	GPT-4.5	从 ChatGPT 退役	`[A]` 同上
2026-08-26	o3	从 ChatGPT 退役（API 另有 2026-12-11 时点）	`[A]` 同上；`[B]` TechTimes
2026-10-14	GPT-5.5	从 ChatGPT / Work / Codex 退役，API 不受影响	`[A]` 同上
2026-10-01 公告	`gpt-5.3-codex`、`gpt-5.4-nano`、`gpt-5.1`	2027-04-01 API 下线	`[A]` Deprecations
2026-10-14 公告	`gpt-4o`、`gpt-4o-mini`、`gpt-4.1`、`gpt-4.1-mini`	2027-01-14 API 下线	`[A]` Deprecations
2026-04-20 / 06-15 / 08-05 / 02-19	Claude Haiku 3、Sonnet 4 / Opus 4、Opus 4.1、Sonnet 3.7 / Haiku 3.5	Claude API 正式退役	`[A]` Claude Platform Release Notes

第三轮：自动抓取 → 人工核实闭环（2026-11-05） §2.0.8 每日流水线产出首期 12 条机器候选后，逐条调用 HF 模型 API 取一手元数据，并对重点条目补查官方发布页，处置如下。这是「机器发现 → 人工核实 → 迁入三态清单」流程的首次完整跑通：

处置	条数	模型
✅ 迁入 🆕 新增项	5	文心 ERNIE-5.5-Flash-Base、MiniMax-M3.1-Flash、混元 Hy-Nomas、LiquidAI LFM3-VL-2B、MiniCPM-OCR-1.0
🔄 已在清单，补一手来源	1	moonshotai/Kimi-K3.1-Pro（HF 许可证与仓库状态）
⏸ 保留为机器候选，不迁入	6	Comfy-Org/MOSS-Image、Comfy-Org/Idol、Viggle/Viggle-Remake（均为跨组织再分发）、ricursiveAI/Ripple-65B-Preview（信息不足）、ccore/Qwen3.5-4B-GLB-3D-Coder 与 Vxtzq/Crowd-v1（社区微调）

这个结果也暴露了抓取规则的一个盲点：原先只用仓库名匹配噪词，漏掉了「名字干净但 base_model 指向其他组织」的再分发仓库。第三轮已把「跨组织 base_model」加入排除规则（见 scripts/fetch_hf_models.py）。 第四轮：待确认项收敛与两类硬误判纠偏（2026-11-05） 第四轮针对上一节列出的 13 条待确认项逐条定向检索一手来源，结果发现前几轮有两条结论是明确错误的——不是「谨慎地没写」，而是「把真实存在的官方模型判成了聚合站传闻」。

#	此前结论	第四轮核实	依据	处理
1	Gemini 4 Carbon「官方 blog.google 与 Google Cloud 版本表未见对应公告」，列为待确认	Google 官方博客确有公告：2026-10-28 发布，基于两周前（10-13）的 Gemini 4 Argon；AA Index v5.0 第一（59）、SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%；介绍期 $2/$10 每百万 token；受限开放（先供网络防御者与 Fairwind Program）	`[A]` blog.google 官方公告	由 ⚠️ 迁入 🆕；可用状态写明「受限开放」而非「已发布」
2	Muse Spark Open「未见 Meta 官方发布或 Hugging Face 模型卡」，列为待确认	两者都存在：Meta MSL 官方博客与 about.fb.com 于 2026-04-08 发布 Muse Spark；`meta-models/Muse-Spark-Open-816B-A42B` 于 2026-09-15 上 HF（gated manual、license:other）；另有 2026-08-05 的 Muse Spark 1.2 / Muse Code	`[A]` ai.meta.com · about.fb.com · HF 模型 API · Meta 开发者博客	由 ⚠️ 迁入 🆕；原有 Muse Spark 条目来源由 `[B]` 升级为 `[A]` 并更正描述

方法论教训：前几轮把「聚合站提到、但没在常用官方索引页搜到」直接判为待确认，漏掉了两个动作——① 直接访问厂商官方博客的对应 slug（blog.google/.../introducing-gemini-4-carbon、ai.meta.com/blog/introducing-muse-spark-msl）；② 用 Hugging Face 全文检索 search= 而非猜测确切 repo id。第三轮已经吃过一次「author 别名导致误判」的亏，这次是同类错误的另一面。「聚合站说有」应当触发官方页反查，而不是降级后搁置。

待确认项收敛明细（5 条移出 ⚠️）

原待确认项	收敛结论	迁入	一手依据
o1 退役状态	2026-04-22 公告弃用、2026-10-23 从 API 关停，替代 `gpt-5.6-sol`（o1-pro 需 `reasoning.mode: pro`）	🔄	`[A]` OpenAI Deprecations
Qwen3.6 / 3.7 系列	Qwen3.6-35B-A3B（04-15）、27B（04-21）开源 Apache 2.0；Qwen3.7-Max（05-20）、Plus（06-01）闭源 API，1M 上下文	🆕 ×2	`[A]` qwen.ai 官方博客两篇 · HF Qwen 组织仓库
Baichuan-M4	2026-06-22 百川与清华联合发布的医疗增强模型，HealthBench 68.6、幻觉率 3.3%；未见开源权重	🆕	`[A]` 百川官网基准表在列；`[B]` 每经 / 网易 / 动脉网三源交叉
Gemini 4 Carbon	见上表第 1 条	🆕	`[A]` blog.google
Muse Spark Open	见上表第 2 条	🆕	`[A]` Meta 官方 + HF

同时新增 1 条待确认：Hailuo 2.3 发布日期存在 5 种互相冲突的二手口径（10-28 年份不明 / 2026-10-28 / 2026-05-22 / 2026-10-04 / 2026-02），当时未找到 MiniMax 官方公告，故不写入确定日期。三态由 13 → 9 条。（该条已在第五轮由官方 API 发布说明解决，见下方第五轮表；此处保留第四轮当时判断的原始记录。） 新增的一手核实模型（5 条，非待确认收敛）：Runway Gen-4.5（官方 changelog 明确 2025-12-11 首发；第三方「2026-07-29」实为 OpenRouter API 上架日，不采用）、Luma Ray3.2 与 UNI-1.1（官方 llm-info，Last updated 2026-07-13）、Muse Spark 1.2 / Muse Code、混元 Hy-SimulMT-30B-A3B（HF 官方仓库，Apache 2.0）。另补 2 条更新项：o1 / o1-pro 退役、HunyuanVideo 版本时间线。 基线仓库状态抽样机检（第四轮，一手） 方法：GET https://huggingface.co/api/models/{repo}，对 §2.1–2.30 / §3.x 基线中可明确映射到 HF repo 的代表性开源模型核查仓库是否仍可访问、建仓与最近更新时间、许可证标签。20 / 20 全部命中且可访问。此表只证明「仓库存在与可见性」，不证明模型规格、发布日期或能力，也不等于 200+ 模型的全量复核。

基线模型（HF repo）	建仓日期	最近更新	赞	下载	状态 · 仓库许可证标签
`meta-llama/Llama-4-Scout-17B-16E-Instruct`	2025-04-02	2025-05-22	1386	109858	gated · other
`Qwen/Qwen3-235B-A22B`	2025-04-27	2025-07-26	1128	296084	公开 · apache-2.0
`deepseek-ai/DeepSeek-V3`	2024-12-25	2025-03-27	4462	1594819	公开 · 未标注
`deepseek-ai/DeepSeek-R1`	2025-01-20	2025-03-27	14430	1657320	公开 · mit
`moonshotai/Kimi-K2-Instruct`	2025-07-11	2026-04-23	3008	306336	公开 · other
`zai-org/GLM-4.5`	2025-07-20	2025-08-11	1439	109498	公开 · mit
`mistralai/Mistral-7B-v0.1`	2023-09-20	2025-07-24	4229	470345	公开 · apache-2.0
`google/gemma-2-9b`	2024-06-24	2024-08-07	746	25654	gated · gemma
`microsoft/phi-4`	2024-12-11	2026-07-14	2338	306815	公开 · mit
`allenai/OLMo-2-1124-7B`	2024-10-29	2025-01-06	73	29125	公开 · apache-2.0
`baichuan-inc/Baichuan2-7B-Chat`	2023-08-29	2024-02-26	173	38447	公开 · 未标注
`01-ai/Yi-34B`	2023-11-01	2024-11-11	1315	11242	公开 · apache-2.0
`THUDM/glm-4-9b-chat`	2024-06-04	2025-03-13	1334	29895	公开 · other
`openai/whisper-large-v3`	2023-11-07	2024-08-12	6754	3542105	公开 · apache-2.0
`BAAI/bge-m3`	2024-01-27	2024-07-03	3967	30253933	公开 · mit
`Qwen/Qwen2.5-Math-7B-Instruct`	2024-09-19	2024-09-23	100	42144	公开 · apache-2.0
`Qwen/Qwen2.5-Coder-7B-Instruct`	2024-09-17	2025-01-12	860	1281485	公开 · apache-2.0
`Qwen/Qwen3-Embedding-8B`	2025-06-03	2025-07-07	845	2276299	公开 · apache-2.0
`tencent/HunyuanVideo`	2024-12-01	2025-03-06	2355	20646	公开 · other
`black-forest-labs/FLUX.1-schnell`	2024-07-31	2024-08-16	6603	297277	gated · apache-2.0

机检同时发现两条需要注意的口径差异：deepseek-ai/DeepSeek-V3 与 baichuan-inc/Baichuan2-7B-Chat 的 HF 标签未标注许可证，引用基线中相关许可表述前须读模型卡；microsoft/phi-4 仓库在 2026-07-14 仍有更新，但这是仓库元数据变更，不代表发布了 Phi-5（此前对该型号的猜测仍未获证实）。 第五轮：待确认项终局判定与专项领域补白（2026-11-06） 第五轮不再追加新的开放检索面，而是对上一轮留下的 9 条待确认项逐个给出终局判定，并补齐此前明确列出的专项领域空白。

原待确认项	终局判定	依据	处置
LLaMA 4 Behemoth	未发布（结论确定）	Meta 官方博客「still training, not yet releasing」；从未正式宣布取消，也从未交付	🔄 收敛，基线「2025-10 已发布」为错误
独立 GPT-5 Technical Report	不存在（已证伪）	openai.com 官方只发布 GPT-5 System Card（网页 + PDF + arXiv:2601.03267）	🔄 收敛为「引用名称更正」
Grok 5	未发布（官方目录无此型号）	`docs.x.ai/docs/models` 完整列出 grok-4.3 / 4.5 / 4.6 / 4.7 / 4.20 系列，并称 Grok 4.7 为最強模型；二手站称 2026-10-28 发布与官方目录直接冲突，不采信	🔄 收敛，记录来源冲突
Hailuo 2.3 发布日期	2025-10-28（冲突消解）	MiniMax 官方 API 发布说明明写 `Oct. 28, 2025` 新增 Hailuo-2.3 与 2.3-Fast；官方中英文发布博客同步	🆕 收敛；2026 年的 4 种口径均为第三方平台上架日或 AI 日报误标
xLSTM 7B	模型真实存在，但引用对应关系错误	HF `NX-AI/xLSTM-7b` 2024-12-11（125 赞 / 3336 下载）；arXiv:2510.02228 实为《xLSTM Scaling Laws》，7B 是实验规模上限（80M–7B）	🔄 收敛为「引用更正」；不重复新增条目（基线 §3.6 已收录）
基线 2M/4M 上下文、§4.1、§4.2、§1.10	结构性开放	基线快照无来源、无版本、无 harness 记录，不存在可反查的原始记录；三处表头已加警示	保留 ⚠️ 4 条，但不再计为待办，改为长期标注

专项领域补白（7 条新增项，均为 [A] 一手）：时间序列预测 / 新架构（NX-AI TiRex-2、KronLSTM 系列）、SLM 与 RAG（Bilibili Index-1.9B 系列）、具身与机器人（阿里达摩院 RynnBrain 1.1、腾讯 Hy-Embodied 系列、宇树 UnifoLM-WLA-1.0）、视频生成（Hailuo 2.3 / Media Agent）。其中 Index-1.9B 是「模型 2024-06 开源、技术报告 2026-07 补发」，不是 2026 新模型，已在条目中显式标注，避免按论文日期误判。 单一 B 源条目来源升级（第五轮抽查）

条目	原等级	升级依据	结果
Grok 4.3 / 4.6	`[B]`	xAI 官方模型目录 `docs.x.ai/docs/models` 定价表列出 `grok-4.3`（1M 上下文）、`grok-4.6`、`grok-4.7`（500K）	✅ 升至 `[A]`
MiniMax M2 / M2.1 / M2.5	`[B]`	HF `MiniMaxAI` 组织官方仓库：2025-10-22 / 2025-12-20 / 2026-02-12（另确认 M2.7 2026-04-09）	✅ 升至 `[A]`
其余（Olmo-core 3、Kimi K2.7-Code、豆包 Seed 2.x、Baichuan-M3 Plus、星火 X2-VL、Voxtral TTS、小米 MiMo-V2-Flash、蚂蚁 Ling-3.0-flash-VL、Jina v4/v5、Vidu Q3、Seedance 2.0）	`[B]`	本轮未找到对应的一手模型卡或官方公告；多为闭源商业产品或仅见媒体转述	⏸ 维持 `[B]`，引用前须复核

第六轮：三张历史数值表的结构性替换（2026-11-06） 第五轮把最后 4 条待确认定性为「结构性开放」，但那只是给它们贴了标签，没有改变「项目里仍以确定形式呈现无来源数字」这个事实。第六轮直接替换承载这些数字的表格。

原表	问题	替换后	关闭结果
§4.1 性能基准对比（10 行 × 5 个分数）	无评测来源、无 harness、无采样设置	官方评测来源索引（9 条，8 列，全部 `[A]` 一手链接）	✅ 待确认关闭
§4.2 API 定价对比（11 行 × 2 个价格）	无统计时间、无计费口径、型号已迭代或退役	官方价目页索引（8 家厂商入口 + 计费口径；仅官方明确给价时写示例）	✅ 待确认关闭
§1.10 SOTA 双赛道榜（20 行）	无第三方评测来源、含 2M / 4M 无依据上下文、已滞后	可核实的官方榜单口径（5 条，附榜单版本与日期）	✅ 待确认关闭
基线 2M / 4M 上下文数值	散布于 §1.10「亮点」与 §2.1–2.30	§1.10 亮点列随表移除；§2.0.3 本就逐条标注「无一手来源」并给出官方值	✅ 待确认关闭

机制：data/official_sources.json 是唯一数据源（当前 22 条可核实记录），scripts/render_source_tables.py 把三处由 START / END 注释标记包围的块渲染成表格；字段沿用 §2.0 的 8 列。CI 在自测后执行 --validate，校验数据结构、列数、首列去重、HTTPS 链接、README 与 JSON 一致性，并检测已废弃的无来源数值表特征串，防止旧数据回填。--verify 可联网检查官方链接可达性（403/429 视为反爬，不让 CI 失败）。gen_html.py 已泛化为跳过所有 HTML 注释标记。

这不是「把数字换成链接」的文字游戏：价格与榜单本就会变，固化数字必然过期。新表提供的是可复核入口 + 核实日期 + 适用范围，而不是伪装成事实的静态结论。历史数值保留在 Git 记录中，不再是本项目的确定内容。

明确未覆盖的范围（因此不能称「已查全」）

范围	状态	说明
§3.1–3.12 专项领域逐条复核	第五轮补齐各方向代表模型，仍未穷举	已覆盖嵌入、OCR / 文档、ASR、GUI Agent VLM、端侧 VLM、视觉定位、医疗、语音同传、时间序列 / 新架构（TiRex-2 / KronLSTM）、SLM / RAG（Index-1.9B）、具身 / 机器人（RynnBrain 1.1 / Hy-Embodied / UnifoLM）。各方向只收录可核实的代表模型，未做全量普查
§17 视频生成与世界模型	第五轮日期冲突已消解，仅剩无官方来源项	补入 Runway Gen-4.5、Luma Ray3.2 / UNI-1.1、HunyuanVideo 版本线、Hailuo 2.3（官方 2025-10-28）；加第三轮的 Hy-Nomas / MiniMax-H3 / Pika-H3-Flex / Wan2.2-Animate-2 / FLUX.3 Klein / 可灵 3.0 / Seedance 2.0 / Vidu Q3。仅剩阿里 HappyHorse 1.0 无官方来源，未收录
长尾厂商	第三轮已用 HF 官方 API 客观核查	见下方核查表。Microsoft / Apple / Amazon / Google / AI21 / Black Forest Labs / CohereLabs 确认有 2026 新仓库；01-ai、SenseTime 最新公开仓库仍停留在 2024 / 2022；部分 author 检索无结果不代表厂商没有模型（存在组织别名或仅闭源发布）
基线 200+ 模型逐条状态复核	20 条抽样机检，规格复核仍未做	见上方机检表，20 / 20 仓库可访问；闭源模型、无 HF 仓库条目、参数 / 能力 / 发布日期的逐条复核未做。这属于结构性开放：基线为 2026-04 快照，逐条复核等价于重建整份文档，应随版本迭代分批处理
§4.1 基准数值 / §4.2 定价 / §1.10 SOTA 榜	第六轮结构性替换，已关闭	三张无来源数值表已移除，改为由 `data/official_sources.json` 驱动的官方评测来源索引 / 官方价目页索引 / 可核实榜单口径（22 条 `[A]` 记录）；CI 阻止旧数值回填。历史数值仅存于 Git 记录，不再作为确定内容
闭源模型参数规模	普遍不可得	厂商不披露，表内写「未披露」即不推测
非中英语种模型、安全护栏模型	仍未系统纳入	具身 / 机器人已由第五轮补入，世界模型已由 Hy-Nomas / UnifoLM-WLA-1.0 补入；其余超出检索口径
2026-11-06 之后	不在窗口内	由 §2.0.8 每日流水线滚动维护

结构性开放项（不是待办，是口径边界）：§2.0.4 待确认清单已清空；剩余长期边界只剩两类——「基线 200+ 条目的规格逐条复核」（等价于重建整份文档，应随版本迭代分批处理）与「非中英语种 / 安全护栏全量检索」（超出当前检索口径）。它们的共同特征是需要重建范围或扩展口径，不是一次核实能关闭的条目；处理原则是显式标注 + 每日流水线持续发现，而不是反复声明「未完成」。 HF 组织页客观核查（第三轮，一手） 方法：GET https://huggingface.co/api/models?author=<组织>&sort=createdAt&direction=-1&limit=N&full=true。局限：仅覆盖 HF 上以该 author 发布的仓库，不含别名组织、非 HF 发布与纯闭源模型。

组织（HF author）	最新公开仓库	日期	处置
microsoft	Mage-VL-Cowork	2026-10-30	已迁入；并非 Phi-5，此前对该型号的猜测未获证实
apple	LensVLM-9B	2026-09-21	已迁入（Apple AMLR 许可，非通用开源）
google	embeddinggemma-2	2026-09-14	已迁入
amazon	LAR-27B	2026-10-14	基于 Qwen3.8-27B 的研究性微调、15 赞，未迁入；「Nova 2」未获证实
ai21labs	AI21-Jamba2-3B	2026-01-06	已迁入；纠正首轮「Jamba 新版无法确认」
black-forest-labs	flux-3-image-klein	2026-10-13	已迁入
CohereLabs	tiny-aya-base-32K	2026-09-08	研究小模型（CC-BY-NC-4.0），未迁入
01-ai	Yi-Coder-9B-Chat	2024-08-21	未见 2026 新版
SenseTime	deformable-detr	2022-03-02	未见 2026 新版
Kuaishou / Luma / runwayml / bytedance / 360 / ReflectionAI / ThinkingMachines	以该 author 检索无结果	—	可能使用别名或不开权重，不作「厂商无模型」结论

残余准确性风险

单一 B 源条目（日期与规格须以官方模型卡复核）：Olmo-core 3、Kimi K2.7-Code、豆包 Seed 2.1 / 2.0、Baichuan-M3 Plus、星火 X2-VL、Voxtral TTS、小米 MiMo-V2-Flash、蚂蚁 Ling-3.0-flash-VL、Jina v4/v5、Vidu Q3、Seedance 2.0 的具体日期。Grok 4.3 / 4.6 与 MiniMax M2 / M2.1 / M2.5 已于第五轮升至 [A]，详见上方升级表。

HF 元数据 ≠ 官方发布：仓库 createdAt 可能远早于正式发布（ERNIE-5.5-Flash-Base 10-21 建仓、11-05 才官宣；MiniMax-M3.1-Flash 10-17 建仓、10-19 发布）。表内优先取官方公告日，并在说明中并列仓库时间。

组织别名陷阱：首轮以 cohere / ai21 / Kuaishou 等 author 检索为空就推断「无新模型」是错的，实际分布在 CohereLabs / ai21labs 等别名下。第三轮已纠正，但其他组织仍可能存在同类问题。

跨组织再分发：base_model 指向其他组织的 ComfyUI / LoRA / 量化仓库，即使作者是知名组织，也不等于原厂模型发布，不迁入三态清单。

聚合站可信度：PRIMO.ai、AI Wiki、aikitapp、aiwiki.ai、theworldofai、qdna.fr 等可能含 AI 生成内容，本表一律限定为 B/C 级，不作为单一确定依据。但第四轮的教训是：降级之后不能就此搁置——Gemini 4 Carbon 与 Muse Spark 最初都来自聚合站线索，最终均由厂商官方博客证实。聚合站线索应触发官方反查，而非直接判为不存在。

官方页之间也可能冲突：lumalabs.ai/llm-info（Last updated 2026-07-13）称当前视频模型为 Ray3.2、发布于 2026-06，而 Luma 官网首页仍以「Ray3.14 is here」为主推；Meta 的 meta-models HF 组织未能通过组织 API 单独验证归属。这些冲突已在条目中并列写明，未强行统一。

抓取方式：WebFetch 返回的是页面摘要而非逐字原文，个别日期或数值可能与官方原文有出入。

未消解的日期冲突：Kimi K3（7-16 vs 7-17 发布、权重 7-27 vs 7-28）、Qwen3.8-Max 权重（8-12 vs 8-13）、GLM-5.3（仅有二手日期）、Kimi K3.1 Pro（10-23 vs 10-24 时区差异）、Hy-Nomas（官方宣布 10-23 vs 10-24，仓库 10-21）。已在可核实条目按官方来源取值，未强行统一。

已消解的日期冲突：Hailuo 2.3 的 5 种口径由 MiniMax 官方 API 发布说明（Oct. 28, 2025）收敛；2026 年的 4 种日期分别对应第三方 API 平台上架、AI 日报误标与评测站收录，不是发布日。这类冲突也给每日流水线提了个醒：createdAt / 平台上架日 / 官方发布日必须分开记录。

HF 论文与模型的错配：arXiv:2510.02228 是 xLSTM 的 scaling law 论文，不是 NX-AI/xLSTM-7b 的模型报告；arXiv:2607.09885 是 Index-1.9B 在开源两年后补发的技术报告，不能按论文日期推断模型发布年份。引用基线中的 arXiv 编号前须核对「编号 → 具体实体」的对应关系。

结论：查准方面，六轮累计修正 10 类错误，待确认项 17 → 13 → 9 → 4 → 0 条。最后 4 条不是靠「再查一轮」关掉的，而是第六轮把承载无来源数字的三张表整体替换成官方链接索引——项目里已不再以确定形式呈现查不到依据的分数、价格与排名。查全方面仍未达成且无法一次性达成：第五、六轮补齐了时间序列 / 新架构、SLM / RAG、具身 / 机器人等此前列为空白的方向，但每个方向只收录可核实的代表模型，不是全量普查。当下边界只剩「基线 200+ 条目的规格逐条复核」与「非中英语种 / 安全护栏全量检索」两类范围性问题，二者需要重建文档或扩展口径，属于持续维护而非一次性补齐的任务。机制上已经闭环：§4.1 / §4.2 / §1.10 由结构化数据源驱动并受 CI 校验，§2.0.8 每日流水线负责发现增量、人工按 A/B/C 口径核实后迁入三态，未核实的一律留在候选区。这份清单现在既没有待确认条目，边界也是清楚的。

2.0.8 每日 HF 自动抓取候选

⚠️ 本节由 GitHub Action 每日自动更新，数据直接来自 Hugging Face Hub API，未经人工核实，不得作为确定内容引用；不并入 §2.0.1–2.0.7 的 🆕 / 🔄 / ⚠️ 三态清单。「核心能力」由 HF 标签推断，「可用状态」仅反映仓库可见性。经人工核实后方可迁入 🆕 新增项。

最近抓取：2026-11-06 07:55 UTC · 时间窗 36h · 扫描 518 个仓库 · 合格候选 13 条 · 本期上报 8 条（🆕 0 / 🔄 8）

模型名称	提供方	发布或更新时间	模型类别	核心能力	可用状态	信息来源	标记
Qwen/Qwen3.8-27B	⭐ Qwen	2026-11-05 15:15 UTC（🔄 近期有更新）	多模态 VLM	多模态 VLM；qwen3_5、deploy:azure、deploy:sagemaker（按 HF 标签推断）	公开仓库；HF 下载 8037597 / 赞 19227（未核实）	HF API · 模型卡	⚙️ 机器抓取 · 待人工核实
Qwen/Qwen3.8-Flash-Next	⭐ Qwen	2026-11-05 15:13 UTC（🔄 近期有更新）	多模态 VLM	多模态 VLM；qwen4_exp（按 HF 标签推断）	公开仓库；HF 下载 3743202 / 赞 6810（未核实）	HF API · 模型卡	⚙️ 机器抓取 · 待人工核实
baidu/ERNIE-5.5-Flash-Base-BF16	⭐ baidu	2026-11-05 06:37 UTC（🔄 近期有更新）	通用 / 对话	通用 / 对话；ernie5_5_moe、ERNIE5.5、MoE（按 HF 标签推断）	公开仓库；HF 下载 11 / 赞 39（未核实）	HF API · 模型卡	⚙️ 机器抓取 · 待人工核实
hyz317/HairDeck	hyz317	2026-11-05 01:40 UTC（🔄 近期有更新）	3D 生成	3D 生成；3d、anime、hair（按 HF 标签推断）	公开仓库；HF 下载 1800 / 赞 43（未核实）	HF API · 模型卡	⚙️ 机器抓取 · 待人工核实
divagr1925/Qwen3.5-4B-Qwenputer	divagr1925	2026-11-05 17:43 UTC（🔄 近期有更新）	通用 / 对话	通用 / 对话；qwen3_5_text、qwen3.5、risc-v（按 HF 标签推断）	公开仓库；HF 下载 1603 / 赞 172（未核实）	HF API · 模型卡	⚙️ 机器抓取 · 待人工核实
FusionCow/Sulphur-3	FusionCow	2026-11-05 06:02 UTC（🔄 近期有更新）	其他 / 未标注	其他 / 未标注；minimax-h3（按 HF 标签推断）	需申请（gated）；HF 下载 607 / 赞 385（未核实）	HF API · 模型卡	⚙️ 机器抓取 · 待人工核实
openvivo/BluePixel-Turbo	openvivo	2026-11-05 06:51 UTC（🔄 近期有更新）	图像编辑	图像编辑；image-editing、instruction-based-image-editing、4k（按 HF 标签推断）	公开仓库；HF 下载 95 / 赞 31（未核实）	HF API · 模型卡	⚙️ 机器抓取 · 待人工核实
LuxiaSL/kotodama-tsumugi-1b	LuxiaSL	2026-11-06 07:47 UTC（🔄 近期有更新）	通用 / 对话	通用 / 对话；kotodama、attention-residuals、looped-transformer（按 HF 标签推断）	公开仓库；HF 下载 2955 / 赞 1（未核实）	HF API · 模型卡	⚙️ 机器抓取 · 待人工核实

📄 完整日报 HF_DAILY.md · 历史归档 · 机器可读 latest.json · 抓取脚本 · 定时工作流

2.1 OpenAI GPT 系列 ♥A

版本	发布时间	参数规模	上下文	许可协议	核心特性
GPT-1	2018-06	117M	512	Research	Transformer 预训练
GPT-2	2019-02	1.5B	1K	MIT	无监督多任务学习
GPT-3	2020-05	175B	4K	API	Few-shot 学习
GPT-3.5-turbo	2022-11	175B	16K	API	RLHF 对齐
GPT-4	2023-03	1.8T MoE	128K	API	多模态、推理增强
GPT-4-turbo	2023-11	1.8T MoE	128K	API	更快推理、降价
GPT-4.5	2024-02	2T MoE	256K	API	增强创造力
GPT-5	2024-12	未公开	1M	API	AGI 能力跃升
GPT-5.1	2025-06	未公开	2M	API	多模态原生
GPT-5.2	2026-01	未公开	4M	API	实时推理
GPT-5.4	2026-03	未公开	1M	API	最新旗舰，75% Computer Use
GPT-5.4 mini	2026-03	未公开	1M	API	高效版旗舰，免费可用
o1	2024-09	已退役	128K	API	思维链推理（已退役）⚠️
o3	2025-01	未公开	256K	API	深度推理
o4-mini	2025-06	未公开	128K	API	高效推理

官方资源：

📄 论文：arXiv:2005.14165 (GPT-3) · arXiv:2303.08774 (GPT-4) · arXiv:2410.21276 (GPT-4o) · arXiv:2412.16720 (o1) · arXiv:2601.03267 (GPT-5)

💻 GitHub：openai/openai-cookbook

📖 API：https://platform.openai.com/docs

2.2 Anthropic Claude 系列 ♥A

版本	发布时间	参数规模	上下文	许可协议	核心特性
Claude 1	2023-03	52B	9K	API	Constitutional AI
Claude 2	2023-07	未公开	100K	API	长上下文
Claude 3 Haiku	2024-03	20B	200K	API	快速响应
Claude 3 Sonnet	2024-03	70B	200K	API	平衡性能
Claude 3 Opus	2024-03	未公开	200K	API	最强推理
Claude 3.5 Sonnet	2024-06	未公开	200K	API	编码增强
Claude 3.7 Sonnet	2025-02	未公开	256K	API	扩展思考
Claude 4 Opus	2025-06	未公开	512K	API	深度推理
Claude 4.5 Opus	2025-10	未公开	1M	API	多模态原生
Claude 4.6	2026-02	未公开	2M	API	AGI 能力

官方资源：

📄 论文：arXiv:2204.06745 (Constitutional AI) · arXiv:2310.01858 (Claude 2)

📖 API：https://docs.anthropic.com

2.3 Meta LLaMA 系列 ♥K

版本	发布时间	参数规模	上下文	许可协议	核心特性
LLaMA 1	2023-02	7/13/33/65B	2K	Research	高效预训练
LLaMA 2	2023-07	7/13/70B	4K	Llama 2 License	RLHF 对齐
LLaMA 3	2024-04	8/70B	8K	Llama 3 License	多语言增强
LLaMA 3.1	2024-07	8/70/405B	128K	Llama 3.1 License	长上下文
LLaMA 3.2	2024-09	1/3/11/90B	128K	Llama 3.2 License	视觉多模态
LLaMA 3.3	2024-12	70B	128K	Llama 3.3 License	推理优化
LLaMA 4 Scout	2025-04	109B (17B 激活)	10M	Llama 4 License	超长上下文
LLaMA 4 Maverick	2025-04	400B (52B 激活)	1M	Llama 4 License	MoE 架构
LLaMA 4 Behemoth	2025-10	2T	10M	Llama 4 License	最强开源

官方资源：

📄 论文：arXiv:2302.13971 (LLaMA 1) · arXiv:2307.09288 (LLaMA 2) · arXiv:2407.21783 (LLaMA 3) · arXiv:2510.12178 (LLaMA 4) · arXiv:2601.11659 (LLaMA 4 完整)

💻 GitHub：meta-llama/llama-models

🤗 HuggingFace：meta-llama

2.4 Google Gemini/Gemma 系列 ♥Q

版本	发布时间	参数规模	上下文	许可协议	核心特性
Gemini 1.0 Pro	2023-12	未公开	32K	API	原生多模态
Gemini 1.5 Pro	2024-02	未公开	1M	API	超长上下文
Gemini 2.0 Flash	2024-12	未公开	1M	API	实时推理
Gemini 2.5	2025-06	未公开	2M	API	Agent 能力
Gemini 3.1	2026-01	未公开	4M	API	AGI 进展
Gemma 1	2024-02	2/7B	8K	Gemma License	轻量开源
Gemma 2	2024-06	2/9/27B	8K	Gemma License	性能提升
Gemma 3	2025-03	2/9/27B	128K	Gemma License	多模态

官方资源：

📄 论文：arXiv:2408.00118 (Gemma 2) · arXiv:2503.19786 (Gemma 3) · arXiv:2507.06261 (Gemini 2.5)

💻 GitHub：google-deepmind/gemma · google/gemma_pytorch

🤗 HuggingFace：google

2.5 Microsoft Phi 系列 ♥10

版本	发布时间	参数规模	上下文	许可协议	核心特性
Phi-1	2023-06	1.3B	2K	MIT	教科书数据
Phi-1.5	2023-09	1.3B	2K	MIT	合成数据增强
Phi-2	2023-12	2.7B	2K	MIT	推理能力
Phi-3-mini	2024-04	3.8B	128K	MIT	手机部署
Phi-3-small	2024-05	7B	128K	MIT	平衡版本
Phi-3-medium	2024-05	14B	128K	MIT	性能增强
Phi-3.5-mini	2024-08	3.8B	128K	MIT	多模态
Phi-4	2024-12	14B	16K	MIT	推理突破
Phi-4-mini	2025-04	3.8B	128K	MIT	端侧推理
Phi-4-reasoning	2025-06	15B	32K	MIT	强化推理

官方资源：

📄 论文：arXiv:2309.00071 (Phi-1) · arXiv:2306.11644 (Phi-1.5) · arXiv:2404.14219 (Phi-3) · arXiv:2412.08905 (Phi-4) · arXiv:2504.21233 (Phi-4-mini) · arXiv:2504.21318 (Phi-4-reasoning)

💻 GitHub：microsoft/Phi-4 · microsoft/Phi-3-cookbooks

🤗 HuggingFace：microsoft

2.6 xAI Grok 系列 ♥K

版本	发布时间	参数规模	上下文	许可协议	核心特性
Grok-1	2024-03	314B MoE	8K	Apache 2.0	开源 MoE
Grok-1.5	2024-04	未公开	128K	API	长上下文
Grok-2	2024-08	未公开	128K	API	多模态
Grok-2.5	2024-12	未公开	256K	API	推理增强
Grok-3	2025-02	3T MoE	1M	API	100K H100 训练
Grok-4	2025-08	未公开	2M	API	AGI 能力
Grok-4.1	2026-01	未公开	4M	API	实时推理

官方资源：

💻 GitHub：xai-org/grok-1

📖 API：https://x.ai/api

2.7 Mistral AI 系列 ♥Q

版本	发布时间	参数规模	上下文	许可协议	核心特性
Mistral 7B	2023-09	7B	32K	Apache 2.0	滑动窗口注意力
Mixtral 8x7B	2023-12	46.7B (12.9B 激活)	32K	Apache 2.0	稀疏 MoE
Mixtral 8x22B	2024-04	176B (39B 激活)	64K	Apache 2.0	大规模 MoE
Mistral Large	2024-02	未公开	128K	API	旗舰模型
Mistral Large 2	2024-07	123B	128K	Research	开源旗舰
Mistral Large 3	2025-03	未公开	256K	API	推理增强
Codestral	2024-05	22B	32K	MNPL	代码专用

官方资源：

📄 论文：arXiv:2310.06825 (Mistral 7B) · arXiv:2401.04088 (Mixtral)

💻 GitHub：mistralai/mistral-inference

🤗 HuggingFace：mistralai

2.8 Cohere Command 系列 ♥Q

版本	发布时间	参数规模	上下文	许可协议	核心特性
Command	2023-09	52B	4K	API	企业级
Command R	2024-03	35B	128K	CC-BY-NC-4.0	RAG 优化
Command R+	2024-04	104B	128K	CC-BY-NC-4.0	多语言
Command R7B	2024-12	7B	128K	CC-BY-NC-4.0	轻量版

官方资源：

🤗 HuggingFace：CohereForAI · CohereLabs

📖 API：https://docs.cohere.com

2.9 TII Falcon 系列 ♥Q

版本	发布时间	参数规模	上下文	许可协议	核心特性
Falcon 7B	2023-05	7B	2K	Apache 2.0	RefinedWeb 数据
Falcon 40B	2023-05	40B	2K	Apache 2.0	高质量预训练
Falcon 180B	2023-09	180B	2K	Falcon License	最大开源
Falcon 2	2024-05	11B	8K	Apache 2.0	多模态
Falcon 3	2024-12	1/3/7/10B	32K	Apache 2.0	效率提升
Falcon-H1	2025-07	1.5/3.5/7/34B	256K	Apache 2.0	Mamba 混合架构

官方资源：

📄 论文：arXiv:2311.16867 (Falcon) · arXiv:2407.14885 (Falcon 2) · arXiv:2507.22448 (Falcon-H1)

💻 GitHub：tiiuae/falcon-llm · tiiuae/Falcon-H1

🤗 HuggingFace：tiiuae

2.10 AI2 OLMo 系列 ♥8~9

版本	发布时间	参数规模	上下文	许可协议	核心特性
OLMo 1	2024-02	1/7B	2K	Apache 2.0	完全开源(数据+代码+权重)
OLMo 1.5	2024-06	7B	4K	Apache 2.0	训练优化
OLMo 2	2024-11	7/13B	4K	Apache 2.0	RLHF 对齐
OLMoE	2024-09	6.9B (1.3B 激活)	4K	Apache 2.0	开源 MoE

官方资源：

📄 论文：arXiv:2402.00838 (OLMo) · arXiv:2501.00656 (OLMo 2) · arXiv:2409.02060 (OLMoE)

💻 GitHub：allenai/OLMo · allenai/OLMo-core

🤗 HuggingFace：allenai

2.11 EleutherAI Pythia 系列 ♥8

版本	发布时间	参数规模	上下文	许可协议	核心特性
GPT-NeoX	2022-04	20B	2K	Apache 2.0	大规模开源
Pythia	2023-04	70M-12B	2K	Apache 2.0	可复现研究
GPT-J-6B	2021-06	6B	2K	Apache 2.0	早期开源
Llemma	2023-10	7/34B	4K	Llama License	数学专用

官方资源：

📄 论文：arXiv:2204.06745 (GPT-NeoX) · arXiv:2304.01373 (Pythia) · arXiv:2310.10631 (Llemma)

💻 GitHub：EleutherAI/gpt-neox · EleutherAI/pythia

🤗 HuggingFace：EleutherAI

2.12 BigScience BLOOM 系列 ♥Q

版本	发布时间	参数规模	上下文	许可协议	核心特性
BLOOM	2022-07	176B	2K	RAIL	46 语言、多国合作
BLOOMZ	2022-11	176B	2K	RAIL	指令微调版

官方资源：

📄 论文：arXiv:2211.05100

🤗 HuggingFace：bigscience/bloom · bigscience/bloomz

2.13 Stability AI StableLM 系列

版本	发布时间	参数规模	上下文	许可协议	核心特性
StableLM 3B	2023-04	3B	4K	CC-BY-SA-4.0	对话优化
StableLM 2	2024-01	1.6/12B	4K	Stability AI License	性能提升

官方资源：

💻 GitHub：Stability-AI/StableLM

🤗 HuggingFace：stabilityai

2.14 Databricks DBRX 系列

版本	发布时间	参数规模	上下文	许可协议	核心特性
DBRX	2024-03	132B (36B 激活)	32K	DBRX License	细粒度 MoE

官方资源：

💻 GitHub：databricks/dbrx

🤗 HuggingFace：databricks/dbrx-instruct

2.15 Snowflake Arctic 系列

版本	发布时间	参数规模	上下文	许可协议	核心特性
Arctic	2024-04	480B (17B 激活)	4K	Apache 2.0	Dense-MoE 混合

官方资源：

💻 GitHub：Snowflake-Labs/snowflake-arctic

🤗 HuggingFace：Snowflake

2.16 阿里 Qwen 系列 ♥K

版本	发布时间	参数规模	上下文	许可协议	核心特性
Qwen	2023-08	7/14B	8K	Qianwen License	基础版本
Qwen 1.5	2024-02	0.5-110B	32K	Apache 2.0	全面开源
Qwen 2	2024-06	0.5-72B	128K	Apache 2.0	多语言增强
Qwen 2.5	2024-09	0.5-72B	128K	Apache 2.0	编码/数学增强
Qwen 2.5-1M	2025-01	7/14B	1M	Apache 2.0	超长上下文
Qwen 3	2025-05	0.6-235B (22B 激活)	32K	Apache 2.0	思考模式
Qwen 3.5	2026-01	14-397B	256K	Apache 2.0	全模态
QwQ	2024-11	32B	32K	Apache 2.0	推理模型

官方资源：

📄 论文：arXiv:2309.16609 (Qwen) · arXiv:2407.10671 (Qwen 2) · arXiv:2412.15115 (Qwen 2.5) · arXiv:2505.09388 (Qwen 3)

💻 GitHub：QwenLM/Qwen · QwenLM/Qwen2.5 · QwenLM/Qwen3 · QwenLM/QwQ

🤗 HuggingFace：Qwen

2.17 DeepSeek 系列 🃏 Joker

版本	发布时间	参数规模	上下文	许可协议	核心特性
DeepSeek-V1	2024-01	7/67B	4K	DeepSeek License	基础版本
DeepSeek-V2	2024-05	236B (21B 激活)	128K	DeepSeek License	MLA + DeepSeekMoE
DeepSeek-V2.5	2024-09	236B	128K	DeepSeek License	对话优化
DeepSeek-V3	2024-12	671B (37B 激活)	128K	DeepSeek License	FP8 训练
DeepSeek-V3.1	2025-06	671B	256K	DeepSeek License	长上下文
DeepSeek-V3.2	2026-02	未公开	512K	DeepSeek License	推理增强
DeepSeek-R1	2025-01	671B	128K	MIT	GRPO 强化学习 ⭐
DeepSeek-R1-0528	2025-05	671B	128K	MIT	推理增强

官方资源：

📄 论文：arXiv:2401.02954 (V1) · arXiv:2405.04434 (V2) · arXiv:2412.19437 (V3) · arXiv:2501.12948 (R1)

💻 GitHub：deepseek-ai/DeepSeek-V3 · deepseek-ai/DeepSeek-R1

🤗 HuggingFace：deepseek-ai

📖 API：https://platform.deepseek.com

2.18 智谱 GLM 系列 ♥Q

版本	发布时间	参数规模	上下文	许可协议	核心特性
GLM-130B	2022-10	130B	2K	GLM License	双向注意力
ChatGLM	2023-03	6B	2K	ChatGLM License	中英双语
ChatGLM2	2023-06	6B	32K	ChatGLM License	长上下文
ChatGLM3	2023-10	6B	128K	ChatGLM License	工具调用
GLM-4	2024-01	未公开	128K	API	多模态
GLM-4.5	2025-02	未公开	256K	API	推理增强
GLM-4.6	2025-08	未公开	512K	API	Agent 能力
GLM-5	2026-02	未公开	1M	API	AGI 进展

官方资源：

📄 论文：arXiv:2210.02414 (GLM-130B) · arXiv:2406.12793 (GLM-4) · arXiv:2508.06471 (GLM-4.5)

💻 GitHub：THUDM/GLM-4 · THUDM/ChatGLM3

🤗 HuggingFace：THUDM

📖 API：https://bigmodel.cn

2.19 百度 ERNIE 系列 ♥Q

版本	发布时间	参数规模	上下文	许可协议	核心特性
ERNIE 3.0	2021-07	10B	512	Research	知识增强
ERNIE 3.5	2023-03	未公开	8K	API	对话优化
ERNIE 4.0	2023-10	未公开	128K	API	多模态
ERNIE 4.5	2024-06	未公开	256K	API	推理增强
ERNIE 5.0	2025-03	424B MoE	512K	Apache 2.0	开源 MoE

官方资源：

📄 论文：arXiv:2107.02137 (ERNIE 3.0) · arXiv:2602.04705 (ERNIE 5.0)

💻 GitHub：PaddlePaddle/ERNIE

📖 API：https://yiyan.baidu.com

2.20 腾讯混元系列 ♥K

版本	发布时间	参数规模	上下文	许可协议	核心特性
混元	2023-09	未公开	32K	API	多模态
混元-Large	2024-11	389B MoE	256K	Tencent Hunyuan License	开源 MoE

官方资源：

📄 论文：arXiv:2411.02265

💻 GitHub：Tencent/Hunyuan-Large · Tencent-Hunyuan/Tencent-Hunyuan-Large

🤗 HuggingFace：tencent/Tencent-Hunyuan-Large

2.21 字节豆包/Seed 系列 ♠Q / ♦J

版本	发布时间	参数规模	上下文	许可协议	核心特性
豆包	2023-08	未公开	128K	API	多模态对话
豆包 2.0	2024-05	未公开	256K	API	推理增强
Seed1.5-VL	2025-05	未公开	1M	Research	超长视觉
Seed-Coder	2025-06	8B	128K	Research	代码生成

官方资源：

📄 论文：arXiv:2505.07062 (Seed1.5-VL) · arXiv:2506.03524 (Seed-Coder)

💻 GitHub：ByteDance-Seed/Seed-Coder · ByteDance-Seed/Seed1.5-VL

🤗 HuggingFace：ByteDance-Seed

2.22 月之暗面 Kimi 系列 🃏 Joker

版本	发布时间	参数规模	上下文	许可协议	核心特性
Kimi	2023-10	未公开	200K	API	超长上下文
Kimi K1.5	2025-01	未公开	256K	API	推理增强
Kimi K2	2025-07	1T MoE (32B 激活)	128K	MIT	开源 MoE ⭐
Kimi K2.5	2026-02	未公开	512K	API	Agent 能力
Kimi-VL	2025-03	3B	128K	Apache 2.0	视觉语言

官方资源：

📄 论文：arXiv:2501.12599 (K1.5) · arXiv:2507.20534 (K2) · arXiv:2602.02276 (K2.5)

💻 GitHub：MoonshotAI/Kimi-K2 · MoonshotAI/kimi-k1.5

🤗 HuggingFace：moonshotai

📖 API：https://platform.moonshot.cn

2.23 MiniMax 系列 ♥K

版本	发布时间	参数规模	上下文	许可协议	核心特性
MiniMax	2023-06	未公开	64K	API	多模态
MiniMax-M1	2025-06	456B MoE	1M	MIT	百万上下文
MiniMax-M2.5	2025-12	未公开	2M	API	推理增强

官方资源：

📄 论文：arXiv:2501.08313 · arXiv:2506.13585 (M1)

💻 GitHub：MiniMax-AI/MiniMax-M1

🤗 HuggingFace：MiniMaxAI

📖 API：https://platform.minimax.io

2.24 面壁 MiniCPM 系列 ♥7

版本	发布时间	参数规模	上下文	许可协议	核心特性
MiniCPM	2024-02	2.4B	4K	Apache 2.0	端侧部署
MiniCPM-V	2024-04	3B	8K	Apache 2.0	多模态
MiniCPM-V 2.6	2024-08	8B	32K	Apache 2.0	视觉增强
MiniCPM-o	2024-12	8B	128K	Apache 2.0	全模态
MiniCPM 4	2025-06	4B	128K	Apache 2.0	推理优化

官方资源：

📄 论文：arXiv:2404.06395 (MiniCPM) · arXiv:2506.07900 (MiniCPM 4)

💻 GitHub：OpenBMB/MiniCPM · OpenBMB/MiniCPM-V · OpenBMB/MiniCPM-o

🤗 HuggingFace：openbmb

2.25 上海 AI Lab InternLM 系列 ♠Q

版本	发布时间	参数规模	上下文	许可协议	核心特性
InternLM	2023-07	7/20B	8K	Apache 2.0	多阶段训练
InternLM2	2024-01	7/20B	200K	Apache 2.0	长上下文
InternLM2.5	2024-07	7B	1M	Apache 2.0	推理增强
InternLM3	2024-12	8B	128K	Apache 2.0	高效训练
Intern-S1-Pro	2026-03	未公开	256K	Research	AGI 进展

官方资源：

📄 论文：arXiv:2403.17297 · arXiv:2603.25040 (Intern-S1-Pro)

💻 GitHub：InternLM/InternLM

🤗 HuggingFace：internlm

2.26 百川 Baichuan 系列 ♥Q

版本	发布时间	参数规模	上下文	许可协议	核心特性
Baichuan-7B	2023-06	7B	4K	Apache 2.0	中文优化
Baichuan-13B	2023-07	13B	4K	Apache 2.0	性能提升
Baichuan2	2023-09	7/13B	4K	Apache 2.0	对话优化
Baichuan-M1	2025-01	未公开	128K	API	多模态
Baichuan-M2	2025-09	未公开	256K	API	推理增强
Baichuan-M3-235B	2026-02	235B	512K	API	旗舰模型
Baichuan-Omni-1.5	2025-01	7B	32K	Apache 2.0	全模态

官方资源：

📄 论文：arXiv:2309.10305 (Baichuan 2) · arXiv:2501.15368 (Baichuan-Omni-1.5) · arXiv:2502.12671 (Baichuan-M1) · arXiv:2509.02208 (Baichuan-M2) · arXiv:2602.06570 (Baichuan-M3)

💻 GitHub：baichuan-inc/Baichuan2 · baichuan-inc/Baichuan-M3-235B

🤗 HuggingFace：baichuan-inc

2.27 零一万物 Yi 系列 ♥10

版本	发布时间	参数规模	上下文	许可协议	核心特性
Yi	2023-11	6/34B	4K	Yi License	高质量数据
Yi-1.5	2024-05	6/9/34B	4K	Apache 2.0	性能提升
Yi-34B-200K	2024-01	34B	200K	Yi License	长上下文
Yi-VL	2024-01	6/34B	4K	Yi License	视觉语言

官方资源：

📄 论文：arXiv:2403.04652

💻 GitHub：01-ai/Yi · 01-ai/Yi-1.5

🤗 HuggingFace：01-ai

2.28 阶跃星辰 Step 系列

版本	发布时间	参数规模	上下文	许可协议	核心特性
Step-1	2024-03	未公开	128K	API	多模态
Step-2	2024-08	未公开	256K	API	推理增强
Step-3.5-Flash	2025-04	未公开	256K	API	高效推理

官方资源：

💻 GitHub：stepfun-ai/Step-3.5-Flash

🤗 HuggingFace：stepfun-ai

📖 API：https://platform.stepfun.com

2.29 科大讯飞星火系列

版本	发布时间	参数规模	上下文	许可协议	核心特性
星火 1.5	2023-06	未公开	8K	API	中文对话
星火 2.0	2023-08	未公开	16K	API	多模态
星火 3.0	2023-10	未公开	32K	API	性能提升
星火 3.5	2024-01	未公开	128K	API	长上下文
星火 4.0	2024-06	未公开	256K	API	推理增强

官方资源：

📖 API：https://xinghuo.xfyun.cn

2.30 360智脑系列

版本	发布时间	参数规模	上下文	许可协议	核心特性
360Zhinao-7B	2024-04	7B	360K	Apache 2.0	超长上下文
360Zhinao2	2024-11	7B	128K	Apache 2.0	性能提升

官方资源：

💻 GitHub：Qihoo360/360zhinao · Qihoo360/360zhinao2

🤗 HuggingFace：Qihoo360/360Zhinao-7B-Chat-360K

3. 专项领域模型

3.1 代码专项模型 ♦J

模型	参数规模	上下文	许可协议	论文/资源
StarCoder2	3/7/15B	16K	BigCode License	arXiv:2402.19173 · GitHub
DeepSeek-Coder	1.3/6.7/33B	16K	DeepSeek License	arXiv:2401.14196 · GitHub
DeepSeek-Coder-V2	16/236B	128K	DeepSeek License	arXiv:2406.11931 · GitHub
CodeLlama	7/13/34/70B	16K	Llama 2 License	GitHub · HuggingFace
Qwen2.5-Coder	1.5/7/14/32B	128K	Apache 2.0	arXiv:2409.12186 · GitHub
CodeGemma	2/7B	8K	Gemma License	arXiv:2406.11409 · GitHub
Codestral	22B	32K	MNPL	HuggingFace
WizardCoder	15/34B	8K	Llama 2 License	GitHub · HuggingFace
Magicoder	7B	16K	Apache 2.0	GitHub · HuggingFace
OpenCoder	1.5/8B	8K	Apache 2.0	arXiv:2411.04905 · GitHub
Seed-Coder	8B	128K	Research	arXiv:2506.03524 · GitHub
CodeGeeX4	9B	128K	CodeGeeX License	GitHub · HuggingFace

3.2 数学推理模型 ♦J

模型	参数规模	上下文	许可协议	论文/资源
DeepSeekMath	7B	4K	DeepSeek License	arXiv:2402.03300 · GitHub
Qwen2.5-Math	1.5/7/72B	128K	Apache 2.0	arXiv:2409.12122 · arXiv:2501.07301 · GitHub
InternLM-Math	7/20B	32K	Apache 2.0	GitHub · HuggingFace
Llemma	7/34B	4K	Llama License	arXiv:2310.10631 · GitHub
NuminaMath	7B	4K	Apache 2.0	GitHub · HuggingFace
MetaMath	7/13/70B	4K	Llama License	GitHub
MathCoder	7/13/34B	4K	Apache 2.0	GitHub

3.3 多模态 VLM 模型 ♠ / ♣

模型	参数规模	上下文	许可协议	论文/资源
LLaVA	7/13B	4K	Apache 2.0	arXiv:2304.08485 · GitHub
LLaVA-NeXT	7/13/34B	32K	Apache 2.0	arXiv:2310.03744 · GitHub
LLaVA-OneVision-1.5	7/72B	128K	Apache 2.0	arXiv:2509.23661 · GitHub
Qwen2-VL	2/7/72B	32K	Apache 2.0	arXiv:2409.12191 · GitHub
Qwen3-VL	8B	128K	Apache 2.0	arXiv:2511.21631 · GitHub
InternVL2	2/8/26/76B	32K	Apache 2.0	arXiv:2412.05271 · GitHub
InternVL3	8B	128K	Apache 2.0	arXiv:2504.10479 · HuggingFace
CogVLM2	8/19B	8K	CogVLM License	GitHub
MiniCPM-V	3/8B	32K	Apache 2.0	GitHub · HuggingFace
PaliGemma	3B	8K	Gemma License	HuggingFace
Pixtral	12B	128K	Apache 2.0	HuggingFace
SmolVLM	2B	8K	Apache 2.0	arXiv:2504.05299
Molmo	7B	4K	Apache 2.0	GitHub · HuggingFace
Idefics3	8B	8K	Apache 2.0	HuggingFace

3.4 小语言模型 SLM ♥2~7

模型	参数规模	上下文	许可协议	论文/资源
TinyLlama	1.1B	2K	Apache 2.0	arXiv:2401.02385 · GitHub
SmolLM2	135M/360M/1.7B	8K	Apache 2.0	arXiv:2502.02737 · GitHub
TinyGPT-V	3B	2K	Apache 2.0	arXiv:2312.16862
MobileLLM	125M/350M/1B	2K	Research	GitHub
Phi-3-mini	3.8B	128K	MIT	arXiv:2404.14219 · HuggingFace
Phi-4-mini	3.8B	128K	MIT	arXiv:2504.21233 · HuggingFace
OpenELM	270M/450M/1.1B/3B	2K	Apple License	HuggingFace
MiniCPM	1.2/2.4B	4K	Apache 2.0	arXiv:2404.06395 · GitHub
Gemma-2-2B	2B	8K	Gemma License	arXiv:2408.00118 · HuggingFace
StableLM-2-1.6B	1.6B	4K	Stability AI License	HuggingFace

3.5 MoE 架构模型 ♥K

模型	总参数	激活参数	专家数	许可协议	论文/资源
Mixtral 8x7B	46.7B	12.9B	8	Apache 2.0	arXiv:2401.04088
Mixtral 8x22B	176B	39B	8	Apache 2.0	HuggingFace
DeepSeek-V2	236B	21B	160	DeepSeek License	arXiv:2405.04434
DeepSeek-V3	671B	37B	256	DeepSeek License	arXiv:2412.19437
Qwen-MoE	14.3B	2.7B	60	Apache 2.0	GitHub
OpenMoE	8B	2B	32	Apache 2.0	arXiv:2402.01739
OLMoE	6.9B	1.3B	64	Apache 2.0	arXiv:2409.02060
Skywork-MoE	146B	22B	16	Skywork License	arXiv:2406.06563 · GitHub
DBRX	132B	36B	16	DBRX License	GitHub
Arctic	480B	17B	128	Apache 2.0	GitHub

3.6 新架构模型（SSM/RNN/Hybrid）🃏 Joker

模型	架构	参数规模	上下文	许可协议	论文/资源
Mamba	SSM	130M-2.8B	∞	Apache 2.0	arXiv:2312.00752 · GitHub
Mamba-2	SSM	130M-2.8B	∞	Apache 2.0	arXiv:2405.21060
Mamba-3	SSM	7B	∞	Apache 2.0	arXiv:2603.15569
RWKV-6	RNN	1.6/3/7/14B	∞	Apache 2.0	GitHub
RWKV-7	RNN	0.1-7B	∞	Apache 2.0	arXiv:2503.14456 · GitHub
xLSTM	xLSTM	7B	16K	Research	arXiv:2510.02228 · HuggingFace
RecurrentGemma	Hybrid	2/9B	8K	Gemma License	arXiv:2404.07839 · GitHub
Jamba	Hybrid	52B	256K	Jamba License	GitHub · HuggingFace
Jamba 1.5	Hybrid	52/398B	256K	Jamba License	HuggingFace
Falcon-H1	Hybrid	1.5/3.5/7/34B	256K	Apache 2.0	arXiv:2507.22448 · GitHub
Hyena	Subquadratic	未公开	∞	Research	arXiv:2302.10865
RetNet	Retention	1.3/2.7/6.7B	∞	Research	arXiv:2307.08621

3.7 推理增强模型 🃏 Joker

模型	参数规模	上下文	许可协议	核心技术	论文/资源
OpenAI o1	未公开	128K	API	Chain-of-Thought	arXiv:2412.16720
OpenAI o3	未公开	256K	API	Deep Reasoning	System Card
OpenAI GPT-5.4	未公开	1M	API	最新旗舰，Computer Use	arXiv (Tech Report)
OpenAI o4-mini	已退役(2026-02)	128K	—	Efficient Reasoning（已退役）⚠️	System Card
DeepSeek-R1	671B	128K	MIT	GRPO 强化学习	arXiv:2501.12948
QwQ	32B	32K	Apache 2.0	思维链推理	GitHub
Kimi K2	1T MoE	128K	MIT	Muon 优化器	arXiv:2507.20534
Kimi k1.5	未公开	256K	API	Long CoT	arXiv:2501.12599

3.8 Agent/工具调用模型 ♣J

模型	参数规模	上下文	许可协议	论文/资源
Qwen-Agent	7/14/72B	128K	Apache 2.0	GitHub
ToolLLaMA	7B	8K	Apache 2.0	arXiv:2310.05146 · HuggingFace
Gorilla	7B	4K	Apache 2.0	arXiv:2305.15334 · GitHub
AgentTuning	7/13/70B	4K	Apache 2.0	GitHub
ToolBench	7B	4K	Apache 2.0	GitHub · THUDM/ToolBench

3.9 嵌入模型 ♣

模型	参数规模	维度	许可协议	论文/资源
BGE-M3	568M	1024	MIT	arXiv:2402.03216 · GitHub
Qwen3-Embedding	0.6/4/8B	3584	Apache 2.0	arXiv:2506.05176 · GitHub
GTE-Qwen2	7B	3584	Apache 2.0	HuggingFace
E5-Mistral	7B	4096	MIT	HuggingFace
Nomic Embed v2	137M	768	Apache 2.0	HuggingFace
Jina Embeddings	137M-1.3B	768-8192	Apache 2.0	HuggingFace

3.10 医疗/科学模型 ♦10

模型	参数规模	领域	许可协议	论文/资源
Med-PaLM 2	未公开	医疗	API	Google Research
BioMistral	7B	生物医学	Apache 2.0	arXiv:2402.10373 · GitHub
PMC-LLaMA	7/13B	医学文献	Llama License	Research
Galactica	120B	科学	CC-BY-NC-4.0	GitHub · HuggingFace
SciGLM	6B	科学	Apache 2.0	arXiv:2401.07950 · GitHub
HuatuoGPT-o1	8B	医疗推理	Apache 2.0	arXiv:2412.18925
MedGemma	2/9B	医疗	Gemma License	arXiv:2507.05201 · HuggingFace
FinGPT	7B	金融	Apache 2.0	Research
ChatLaw	13B	法律	Apache 2.0	arXiv:2411.10137

3.11 音频语言模型 ♣J

模型	参数规模	模态	许可协议	论文/资源
Qwen2-Audio	7B	语音+文本	Apache 2.0	GitHub · HuggingFace
GLM-4-Voice	9B	语音+文本	GLM License	GitHub
SALMONN	7/13B	语音+音频+文本	Apache 2.0	GitHub
Mini-Omni	7B	全模态	Apache 2.0	GitHub
MusicGen	1.5B	音乐生成	CC-BY-NC-4.0	arXiv:2306.05284 · GitHub
Seed-TTS	未公开	语音合成	Research	arXiv:2406.02430 · GitHub
Whisper	1.5B	语音识别	MIT	GitHub

3.12 检索增强 RAG 模型 ♣10

模型	参数规模	特性	许可协议	论文/资源
Self-RAG	7/13B	自适应检索	Apache 2.0	arXiv:2310.11511 · GitHub
CRAG	7B	纠正检索	Apache 2.0	GitHub
Retro	7B	检索增强	Research	GitHub
StreamingLLM	7B	流式处理	MIT	arXiv:2309.17453
REALM	340M	知识检索	Apache 2.0	GitHub

4. 技术对比

📌 2026-11-06 结构性替换：原 §4.1 基准分数表与 §4.2 定价表均为 2026-04 无来源快照，未标注评测 harness、统计时间与计费口径，前几轮只能加警示并列入 ⚠️ 待确认。现改为由 data/official_sources.json 驱动的官方评测来源索引与官方价目页索引：只登记有一手官方链接的条目；价格与分数会变动，因此提供可复核入口而非静态数值结论。历史数值可从 Git 记录查阅，不得作为确定内容引用。

📊 可视化看板：上述官方来源已拆解为 data/benchmark_observations.json 的 44 条观测（12 个模型 / 23 个榜单与规格 / 12 个可比组），由 scripts/render_benchmark_board.py 生成独立页面 benchmarks.html。看板支持按模型、榜单、指标筛选与排序，提供覆盖矩阵、指标覆盖率与 2–4 个模型的横向对比；显式标记官方未披露、二手来源、方向相反与同名跨口径指标。排名只在同口径组内计算，跨组数值排序被禁用，不做跨单位平均或总分聚合。

4.1 官方评测来源索引

ℹ️ 动态表 · 由 data/official_sources.json 生成（4.1 官方评测来源索引）。本表只收录有官方一手来源的评测口径，字段与 §2.0 一致（8 列）。厂商自评与第三方指数已分别标注，harness 与采样条件以来源原文为准；不得把不同来源的分数横向拼接成排行榜。原 2026-04 无来源分数表已移除，历史数值可从 Git 记录查阅，不作为确定内容。

模型	提供方	官方评测来源	官方披露的代表性指标	版本 / 日期	可引用范围	核实状态	备注
Gemini 4 Carbon	Google	blog.google 官方公告	AA Intelligence Index v5.0 第一（59 分）；SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%	v5.0 / 2026-10-28	仅该公告口径；网络安全三项为「无护栏」条件下评测	✅ `[A]`	介绍期定价见 §4.2
Qwen3.7-Max	阿里巴巴	qwen.ai Qwen3.7	GPQA Diamond 92.4、MMLU-Pro 89.6、HLE 41.4、Terminal Bench 2.0-Terminus 69.7	2026-05-20	厂商自评，harness 与采样设置见博客脚注	✅ `[A]`	非第三方独立复测
Qwen3.7-Plus	阿里巴巴	qwen.ai Qwen3.7-Plus	MRCR-v2 128K 91.7、BabyVision 64.7、ScreenSpot Pro 79.0、AndroidWorld 81.0	2026-06-01	厂商自评；视觉与 GUI Agent 专项	✅ `[A]`	多模态 Agent 档位
Baichuan-M4	百川智能 / 清华大学	百川官网基准表	HealthBench 68.6（Hard 49.7 / Professional 55.1）、SCAN-bench 初诊 79.0、幻觉率 3.3%	2026-06-22	医疗专用评测，不与通用模型横比	✅ 指标 `[A]` / 日期 `[B]`	日期为三家媒体交叉；未见开源权重
GPT-5	OpenAI	arXiv:2601.03267 GPT-5 System Card · 官方 PDF	400K 总上下文（272K 输入 + 128K 推理/输出）；附指令层级与提示注入评测表	2025-08-07	官方系统卡口径	✅ `[A]`	不存在独立 GPT-5 Technical Report
Claude Opus 4.6	Anthropic	anthropic.com 官方公告	1M token 上下文（beta，Opus 系列首次）	2026-02-05	官方公告；beta 功能不等于默认可用	✅ `[A]`	基线曾记 2M，无一手来源
Llama 4 Scout	Meta	ai.meta.com 官方博客 · 开发者页	10M 上下文（iRoPE）；109B 总参 / 17B 激活	2025-04-05	官方明示的 Scout 上限，非全系列规格	✅ `[A]`	Behemoth 至今未发布
Grok 4.7 / grok-4.3	xAI	docs.x.ai 官方模型目录	Grok 4.7 为 500K 上下文；grok-4.3 为 1M；官方称 4.7 为最强模型	官方目录（未标日期）	官方定价表所列型号	✅ `[A]`	官方目录无 Grok 5
Muse Spark 1.2	Meta	Meta 开发者博客	1M 上下文，长周期多 Agent 编码与全仓级上下文	2026-08-05	官方博客；编码 Agent 专用档位	✅ `[A]`	另见 §2.0.2 Muse Spark 系列

🔎 共 9 条可核实来源；✅ [A] 为一手，[B] 为二手交叉。需要更新时编辑 JSON 后重跑本脚本，不要直接改表格。

4.2 官方价目页索引

ℹ️ 动态表 · 由 data/official_sources.json 生成（4.2 官方价目页索引）。本表提供官方实时价目页入口而非静态价格结论：价格随版本、档位、缓存命中与长上下文计价变动，固化数字必然过期。仅当厂商官方公告明确给出价格时才写入示例，并附公告链接与日期。原 2026-04 无来源定价表已移除。

厂商 / 模型	官方价目页	计费口径	可核实的价格示例	核实日期	币种	核实状态	备注
OpenAI	OpenAI API Pricing	每百万 token；区分输入 / 输出 / 缓存输入，另有 Batch 与长上下文档	不在本表固化（以官方页为准）	2026-11-06	USD	✅ 链接有效	退役型号见 Deprecations
Anthropic	Anthropic Pricing	每百万 token；含缓存读写与 Batch 折扣	不在本表固化（以官方页为准）	2026-11-06	USD	✅ 链接有效	API 与 Claude 订阅计价不同
Google Gemini	Gemini API Pricing · blog.google 公告	每百万 token；分输入 / 输出 / 缓存 / grounding，另有介绍期价	Gemini 4 Carbon 介绍期 $2 / $10；期满 $4 / $20（官方公告）	2026-10-28	USD	✅ `[A]`	缓存输入介绍期为输入价 95% 折扣
DeepSeek	DeepSeek API Pricing	每百万 token；区分缓存命中与未命中	不在本表固化（以官方页为准）	2026-11-06	CNY / USD	✅ 链接有效	另有 API 更新日志
阿里云百炼 / Qwen	百炼模型价格 · 千问云模型页	每百万 token；按模型档位与上下文长度分档	Qwen3.6-27B ¥3 输入 / ¥18 输出，262K 上下文（官方模型页）	2026-11-06	CNY	✅ `[A]`	1M TPM / 600 RPM 为该档位限流
智谱开放平台	开放平台定价	每百万 token 或按次计费	不在本表固化（以官方页为准）	2026-11-06	CNY	✅ 链接有效	GLM 系列不同档位价差较大
MiniMax	视频计费说明 · 官方发布博客	视频按秒或按条；语音按字符；文本按 token	Hailuo 2.3 维持 Hailuo 02 定价；2.3 Fast 批量成本最多降 50%（官方博客）	2025-10-28	USD	✅ `[A]`	具体档位以平台页为准；发布日见 API 更新日志
xAI	docs.x.ai 官方模型目录	每百万 token；`< 200k` 与 `≥ 200k` 提示长度两档计价	不在本表固化（以官方页为准）	2026-11-06	USD	✅ 链接有效	文本 / Imagine / Voice 分开计价

🔎 共 8 条可核实来源；✅ [A] 为一手，[B] 为二手交叉。需要更新时编辑 JSON 后重跑本脚本，不要直接改表格。

4.3 许可协议汇总

许可类型	代表模型	商用限制	🃏 分布
Apache 2.0	Qwen、Mistral、OLMo、Falcon	无限制	♥2 ~ ♥K
MIT	DeepSeek-R1、Phi、Kimi K2	无限制	♥10, 🃏
Llama License	LLaMA 3/4	MAU>7 亿需授权	♥K
Gemma License	Gemma	研究+商用	♥10
CC-BY-NC-4.0	BLOOM、MusicGen	非商用	♥Q
研究许可	部分学术模型	仅研究用途	各种
API Only	GPT、Claude、Gemini	按调用计费	♥A

5. 部署指南

5.1 硬件配置参考

模型规模	推荐 GPU	显存需求	量化后显存	🃏 点数
1-3B	RTX 4060	8GB	4GB (INT4)	2-7
7B	RTX 4070	16GB	6GB (INT4)	8-10
13B	RTX 4080	24GB	8GB (INT4)	J
34B	RTX 4090	48GB	18GB (INT4)	Q
70B	2×RTX 4090/A100	96GB	35GB (INT4)	Q/K
70B MoE	A100 80GB	80GB	40GB (INT4)	K
405B	8×H100	640GB	160GB (INT4)	K
671B MoE	8×H100	640GB	200B (FP8)	K

5.2 推理框架对比

框架	特点	适用场景	GitHub
vLLM	PagedAttention、高吞吐	生产部署	vllm-project/vllm
TGI	HuggingFace 官方、Docker	企业级	huggingface/text-generation-inference
Ollama	一键部署、本地运行	个人开发	ollama/ollama
llama.cpp	CPU 推理、量化优化	边缘设备	ggerganov/llama.cpp
SGLang	RadixAttention、高效	研究实验	sgl-project/sglang
TensorRT-LLM	NVIDIA 优化、低延迟	NVIDIA GPU	NVIDIA/TensorRT-LLM
LMDeploy	InternLM 团队、多模态	国产模型	InternLM/lmdeploy

5.3 量化方案对比

方案	精度损失	压缩比	推理速度	工具
FP16	无	2×	基准	原生
FP8	极小	2×	1.2×	TensorRT-LLM
INT8	小	4×	1.5×	bitsandbytes
AWQ	小	4×	1.8×	mit-han-lab/llm-awq
GPTQ	中等	4×	1.6×	AutoGPTQ/AutoGPTQ
GGUF	中等	4-8×	2×	llama.cpp
bitsandbytes	小	4-8×	1.4×	bitsandbytes-foundation/bitsandbytes
ExLlamaV2	中等	2-6×	2.5×	turboderp/exllamav2

5.4 代码示例

vLLM 部署：


from vllm import LLM, SamplingParams

llm = LLM(model="Qwen/Qwen2.5-72B-Instruct", tensor_parallel_size=4)
sampling_params = SamplingParams(temperature=0.7, max_tokens=2048)
outputs = llm.generate(["请介绍一下大语言模型的发展历程"], sampling_params)
print(outputs[0].outputs[0].text)

Ollama 部署：


# 安装
curl -fsSL https://ollama.com/install.sh | sh
# 运行
ollama run qwen2.5:72b

llama.cpp 量化：


# 量化为 Q4_K_M
./quantize model.gguf model-q4_k_m.gguf Q4_K_M
# 运行
./main -m model-q4_k_m.gguf -p "Hello, world!"

TGI Docker 部署：


docker run --gpus all -p 8080:80 \
  -v /path/to/model:/model \
  ghcr.io/huggingface/text-generation-inference:latest \
  --model-id /model --num-shard 4

6. 📈 LLM 发展时间线

从 2017 年 Transformer 诞生到 2026 年 AGI 级模型，大语言模型的发展可以用一副扑克牌的演进历程来理解。

6.1 里程碑事件


2017 ┃────────── Attention Is All You Need (Transformer) ──────┃
      │                                                           │
2018 ┃ GPT-1 ♥2  BERT ♠3  T5 ♣4                                │
      │   (117M)    (110M)   (220M)                               │
2019 ┃ GPT-2 ♥5  XLNet ♥6  ALBERT                              │
      │   (1.5B)   (340M)                                        │
2020 ┃ GPT-3 ♥K(175B)  GPT-J ♥8(6B)                            │
      │   Few-shot革命                                            │
2021 ┃ GLM-130B ♥Q  Codex ♦J  ERNIE 3.0                         │
      │   PaLM ♥K(540B)                                           │
2022 ┃ ChatGLM ♥7  Galactica ♦10  LLaMA 1 ♥Q                     │
      │   (开源爆发元年)                                           │
2023 ┃ GPT-4 ♥A  Claude 1 ♥Q  LLaMA 2 ♥K                        │
      │   Mistral 7B ♥J  GPT-4-turbo  DeepSeek-V1                │
      │   (闭源 vs 开源 分野)                                      │
2024 ┃ Claude 3.5  LLaMA 3/3.1  Gemma 2  Qwen 2/2.5              │
      │   DeepSeek-V2/V3  Mamba 🃏  o1 🃏  Phi-3                 │
      │   (MoE + SSM + 推理 三大革命)                             │
2025 ┃ GPT-5 ♥A  Claude 4/4.5  LLaMA 4 Behemoth(2T)♥K           │
      │   DeepSeek-R1 🃏(GRPO)  Kimi K2 🃏  Grok-3               │
      │   Qwen 3/3.5  Gemini 2.5  Mamba-3  RWKV-7               │
      │   (开源首次逼近闭源 SOTA)                                  │
2026 ┃ Claude 4.6 ♥A  Gemini 3.1  GLM-5  Kimi K2.5              │
      │   Intern-S1-Pro  Baichuan-M3  MiniMax-M2.5               │
      │   Qwen3.5  DeepSeek-V3.2  **GPT-5.4 (最新旗舰)**         │
      ┃────────── AGI 能力加速显现 ──────────────────────────────┃

6.2 代际演进特征

时代	时间段	核心特征	关键突破	代表模型	🃏 花色
前Transformer	<2017	RNN/LSTM/CNN为主	序列建模局限	—	—
预训练时代	2018-2020	大规模无监督预训练	Few-shot学习	GPT-3, BERT, T5	♥2~K
指令微调时代	2021-2022	RLHF对齐 + 开源爆发	In-context Learning	LLaMA, ChatGLM, GPT-4	♥J~A
多模态+效率	2023	视觉语言 + 小模型	多模态融合, 边缘部署	GPT-4V, LLaVA, Phi-3	♠Q, ♥7
架构创新	2024	MoE + SSM + 推理增强	稀疏激活, 线性复杂度, CoT	DeepSeek-V3, Mamba, o1	🃏 Joker
AGI前夜	2025	超大规模 + 推理突破	开源=闭源, 长上下文	GPT-5, LLaMA4, R1, K2	♥A, 🃏
智能涌现	2026→	Agent能力 + 全模态	自主规划, 实时推理	Claude 4.6, GLM-5	♥A

6.3 关键技术节点


注意力机制 (2017)
  └─→ 自回归预训练 (GPT, 2018)
       └─→ Scale-up (GPT-3 175B, 2020)  ──┐
                                             ├─→ 并行发展路径:
        RLHF 对齐 (InstructGPT, 2022) ──────┤  1️⃣ 闭源SOTA路线 → GPT-4/5, Claude
                                             │  2️⃣ 开源路线 → LLaMA → Mistral → Qwen
        LLaMA 开源引爆 (2023-02) ──────────┤  3️⃣ 架构创新 → Mamba, RWKV
                                             │  4️⃣ 推理增强 → o1, R1, QwQ
        MoE 效率突破 (Mixtral, 2023-12) ────┤  5️⃣ 多模态统一 → GPT-4V, Gemi
                                             │
        GRPO 纯RL推理 (DeepSeek-R1, 2025) ──┘

7. 🔬 训练方法与对齐技术

模型的"性格"由训练方法决定——同样的骨架，不同的训练方式会产生截然不同的模型。

7.1 预训练范式

方法	核心思想	代表模型	优势	局限
Causal LM	单向自回归预测下一个token	GPT, LLaMA, Qwen	天然适合生成任务	无法双向理解
Masked LM	双向掩码预测（填空）	BERT, RoBERTa	强理解能力	不直接支持生成
Prefix LM	双向前缀 + 自回归生成	GLM, UCDALM	兼顾理解和生成	训练复杂度高
Encoder-Dec	编码器-解码器架构	T5, BART, Flan-T5	序列到序列灵活	参数量大

7.2 对齐技术矩阵（核心）

方法	年份	核心机制	数据需求	训练成本	代表模型	🃏
SFT (监督微调)	2020	有标注指令数据	高	低	所有模型的Instruct版	—
RLHF	2022	奖励模型 + PPO	中	很高	GPT-4, Claude, LLaMA 2	♥A/Q
DPO	2023	直接偏好优化，去RM	中	低	Zephyr, RLHFV	♥J
PPO	2022	近端策略优化	高	很高	OpenAI系, DeepSeek-V2	♥K
GRPO	2025	组相对策略优化，无RM	中	低 ⭐	DeepSeek-R1	🃏
ORPO	2024	偏好比优化，单阶段	低	低	Mistral微调版	♥10
KTO	2024	KT对齐，无需成对比较	低	低	KTO-Mistral	♥9
SimPO	2024	简化偏好优化	低	低	SimPO-LLaMA	♥8
RST	2025	推理时自我训练	低	极低 ⭐	DeepSeek-R1-Zero	🃏
o-style CoT	2024	思维链强化推理	高	高	o1/o3/o4-mini	🃏

7.3 技术演进脉络


SFT (2020) ──基础──→ 所有模型必经之路
                  │
    RLHF (2022) ←──标准── PPO + RM（需要大量人工标注）
       │            │
       │         DPO (2023) ←──简化── 无需RM，直接从偏好学习
       │            │
       │         ORPO/KTO/SimPO (2024) ──进一步降低门槛
       │
    GRPO (2025) ──突破── 无RM、组内相对排序 → 成本↓90%
       │
    RST (2025) ──极致── 纯推理时自训练 → 几乎零额外训练成本

💡 关键洞察：从 RLHF 到 GRPO 的进化，本质是逐步减少对人工标注和奖励模型的依赖。DeepSeek-R1 用 GRPO 以极低成本实现了媲美 o1 的推理能力，这是 2024-2025 最具影响力的算法创新之一。

7.4 数据工程

数据类型	说明	占比参考	来源
通用文本	网页、书籍、论文、代码	~70%	CommonCrawl, C4, The Pile
指令数据	(指令, 回复) 对	~15%	ShareGPT, Alpaca, WizardLM
代码数据	编程语言源码	~5%	StarCoderData, CodeParrot
数学数据	数学题目+解题过程	~3%	GSM8K, MATH, AIME
多模态数据	图像-文本对	~5%	LAION, OBELICS, CC-12M
合成数据	模型生成的训练数据	~2%	Magpie, Self-Instruct

8. ⚡ 场景化模型选择指南

不知道该选哪个模型？根据你的场景，快速找到最合适的 🃏 卡牌。

8.1 决策树


你的主要使用场景是什么？
│
├─ 💬 日常对话 / 通用助手
│  ├─ 追求最强效果 → GPT-5 / Claude 4.6 (♥A, API)
│  ├─ 最佳性价比开源 → Qwen2.5-72B / Qwen3-235B (♥K)
│  ├─ 本地部署 (<16GB显存) → Qwen2.5-7B (♥J) / Phi-4 (♥10)
│  └─ 手机端部署 → Phi-4-mini / SmolLM2 (♥7)
│
├─ 💻 代码生成 / 编程助手
│  ├─ 商业级API → Claude 3.5/4 Sonnet (♥A) / GPT-5
│  ├─ 本地专业 → DeepSeek-Coder-V2-236B (♦J) / StarCoder2-15B
│  ├─ 轻量级 → Qwen2.5-Coder-32B (♦J) / CodeGeeX4-9B
│  └─ 补全/IDE集成 → StarCoder2-3B / CodeLlama-7B
│
├─ 🔢 数学推理 / 科学计算
│  ├─ 最强推理 → DeepSeek-R1 (🃏) / o3 (🃏) / QwQ (🃏)
│  ├─ 数学专用 → Qwen2.5-Math-72B (♦10) / NuminaMath-7B
│  └─ 轻量数学 → DeepSeekMath-7B / Llemma-7B
│
├─ 👁️ 图像理解 / 视觉问答
│  ├─ 最强视觉 → InternVL2-76B (♠K) / LLaVA-OneVision-72B (♠Q)
│  ├─ 平衡之选 → Qwen3-VL-8B (♠10) / CogVLM2-19B (♠J)
│  └─ 端侧部署 → MiniCPM-V-2.6-8B (♠9) / SmolVLM-2B (♠7)
│
├─ 🤖 Agent开发 / 工具调用
│  ├─ 强Agent框架 → Qwen-Agent-72B (♣K)
│  ├─ 工具调用专精 → ToolLLaMA-7B (♣J) / Gorilla-7B (♣J)
│  └─ API调用专精 → Gorilla (♣J)
│
├─ 🔍 向量检索 / 嵌入模型
│  ├─ 多语言通用 → BGE-M3 (♣Q) / GTE-Qwen2-7B (♣10)
│  ├─ 英文专用 → E5-Mistral-7B (♣10)
│  └─ 轻量嵌入 → Nomic Embed v2 (137M, ♣7)
│
├─ 🏥 医疗 / 法律 / 金融垂直领域
│  ├─ 医疗 → MedGemma / HuatuoGPT-o1 / BioMistral
│  ├─ 法律 → ChatLaw-13B
│  └─ 金融 → FinGPT-7B
│
└─ 📱 极致小模型 / 边缘设备
   ├─ <2B → TinyLlama-1.1B / Gemma-2-2B / SmolLM2-1.7B
   ├─ 2-4B → MiniCPM-2.4B / Phi-4-mini-3.8B / MobileLLM-1B
   └─ 移动端 → OpenELM系列 / Apple Intelligence Foundation Models

8.2 场景推荐速查表

场景	首选模型 (🃏)	备选模型 (🃏)	预算参考
个人日常助手	Qwen2.5-32B (♥10)	LLaMA 3-8B (♥J)	1卡RTX4090
企业级应用	GPT-5 (♥A)	Claude 4.6 (♥A)	API调用
编程助手(Copilot)	Claude 3.5 Sonnet (♥Q)	Qwen2.5-Coder-32B (♦J)	API/24GB显存
数学竞赛	DeepSeek-R1-Distill-QwQ (🃏)	o3 (🃏)	API/多卡集群
文档OCR/图表理解	InternVL2-26B (♠Q)	Qwen3-VL-8B (♠10)	48GB/16GB
RAG知识库检索	BGE-M3 (♣Q) + Qwen2.5-32B	E5-Mistral (♣10)	16GB
手机端AI	Phi-4-mini (♥7)	MiniCPM-4B (♥7)	手机NPU
实时对话系统	Qwen3-235B (♥K)	DeepSeek-V3 (♥K)	8×H100
科研论文分析	Claude 4.6 Opus (♥A)	GPT-5 (♥A)	API调用
教育/教学辅助	GLM-4 (♥Q)	Phi-4-reasoning (♥10)	API/24GB
长文档处理	Kimi K2 (🃏)	Qwen2.5-1M-14B (♥10)	API/32GB
多模态统一	GPT-5 (♥A)	Gemini 3.1 Pro (♥A)	API调用

8.3 硬件预算与模型匹配


预算等级          可运行模型示例                    适用场景
═════════════════════════════════════════════════════════════
手机/NPU     →  Phi-4-mini, SmolLM2, MiniCPM 4     端侧AI助手
单卡 RTX3060 →  Qwen2.5-7B, Mistral-7B, Gemma-2-9B  个人开发
单卡 RTX4090 →  Qwen2.5-32B, LLaMA 3-8B×2, CodeLlama-34B  专业开发
双卡 RTX4090 →  Qwen2.5-72B, LLaMA 3-70B INT4       小团队服务
单卡 A100 80G →  Mixtral 8x22B, DeepSeek-Coder-V2    企业研发
8× H100      →  LLaMA 4 Behemoth, DeepSeek-V3/R1    前沿研究
云API (无限)  →  GPT-5, Claude 4.6, Gemini 3.1      生产环境

9. 🌍 开源生态地图

开源模型之间不是孤立的——它们形成了复杂的衍生、合并和竞争关系。

9.1 主要家族谱系


                    Meta LLaMA (2023.02) ♥Q
                        │
            ┌───────────┼───────────┬───────────────┐
            ↓           ↓           ↓               ↓
       LLaMA 2      Vicuna      Alpaca          WizardLM
       (2023.07)    (LM Sys)    (Stanford)      (MSRA)
     ♥K            ♥Q          ♥8              ♥J
            │           │           │               │
            └─────┬─────┘           └───────┬───────┘
                  ↓                         ↓
           LLaMA 3/3.1/4              OpenChat
           ♥K/J/A                     ♥Q
                  │
    ┌─────────────┼─────────────┐
    ↓             ↓             ↓
 Yi 系列      Qwen 系列     Baichuan 系列
 (零一万物)   (阿里通义)     (百川智能)
 ♥10          ♥K            ♥Q
    │             │             │
    └─────┬───────┴─────────────┘
          ↓
   中国开源模型生态圈 (Apache 2.0)


                   Mistral AI (法国, 2023.09) ♥J
                        │
            ┌───────────┼───────────┐
            ↓           ↓           ↓
       Mixtral      Codestral    Mistral Large
       8x7B/8x22B    (代码专用)    2/3
       ♥Q            ♦J           ♥Q
            │                       │
            └───────────┬───────────┘
                        ↓
              欧洲开源模型中心 (Apache 2.0)


              DeepSeek (深度求索, 2024.01) 🃏 Joker
                        │
        ┌───────────────┼───────────────┐
        ↓               ↓               ↓
   DeepSeek-V2/V3   DeepSeek-R1    DeepSeek-Coder
   MoE架构          GRPO推理        代码专项
   ♥K               🃏              ♦J
        │               │               │
        └───────┬───────┴───────┬───────┘
                ↓               ↓
      DeepSeek-R1-Distill   DeepSeek-Math
      (蒸馏到Qwen/LaMA)     ♦10

9.2 架构影响关系


Transformer (2017)
  ├── Dense (主流): GPT → LLaMA → Qwen → Mistral → ...  (♥ 全家桶)
  │     └─ MoE分支: Switch → GLaM → Mixtral → DeepSeek-V2/V3 → DBRX → Arctic
  ├── SSM (状态空间): S4 → S5 → Mamba-1/2/3 → Falcon-H1 → Jamba  (🃏 Joker)
  ├── RNN变体: LSTM → RWKV-4/5/6/7  (🃏 Joker)
  ├── Hybrid混合: Jamba(M+A) → RecurrentGemma → Falcon-H1  (♣Q)
  └─ xLSTM扩展: xLSTM-7B  (🃏 Joker)

推理增强 (2024-2025):
  CoT → o1(o-style RL) → DeepSeek-R1(GRPO) → QwQ → Kimi K2(KTO+CoT) → R1-Zero(RST)

9.3 微调生态

基座模型	流行微调方向	代表微调版	许可兼容性
LLaMA 3 8B	中文对齐 → Chinese-Alpaca, InternLM; 代码 → CodeLlama	数千个HF仓库	Llama License
Qwen2.5 7B/72B	数学 → Qwen-Math; 代码 → Qwen-Coder; 嵌入 → Qwen-Embedding	—	Apache 2.0 ✅
Mistral 7B	法语 → Mistral-7B-fr; 海事 → Mistral-Marine	—	Apache 2.0 ✅
DeepSeek-V3/R1	蒸馏 → R1-Distill-Qwen/LaMA/Gemma	—	MIT ✅
Phi-3/4	教育 → Phi-Edu; 多模态 → Phi-3-Vision	—	MIT ✅
Gemma 2	代码 → CodeGemma; 科学 → Scientific-Gemma	—	Gemma License
Yi 34B	长上下文 → Yi-34B-200K; 多模态 → Yi-VL	—	Yi License

10. 🔮 2026 技术趋势展望

基于当前技术轨迹，以下是值得关注的 6 大趋势。

10.1 六大趋势

🔄 趋势一：开源全面逼近闭源 SOTA

现象：Kimi K2 (MIT开源) 进入第一梯队，DeepSeek-R1 (MIT) 推理能力超越 o1

驱动力：GRPO/KTO 等高效对齐算法 + FP8 训练 + 合成数据

2026 预测：开源模型将在 80%+ 基准测试中达到或超过闭源同级模型

🃏 含义：更多 ♥A 级模型将变为开源可用

🧠 趋势二：推理时计算 (Test-Time Compute) 成为新范式

现象：o1/o3/R1/QwQ 通过延长思考链获得更强的推理能力

核心思路：用更多的推理时间换取更高的准确率

关键技术：CoT → Process Reward Model → Monte Carlo Tree Search → Verifier

2026 预测：每个主流模型都将有对应的 "思考模式"

🃏 含义：♦ 花色（推理）将诞生更多 🃏 Joker

🌐 趋势三：超长上下文成为标配

现状：Google Gemini 2M → MiniMax-M1 1M → LLaMA 4 Scout 10M

技术方案：RingAttention → YaRN → LongRoPE → Unbounded Context

2026 预测：100万+ token 上下文将成为旗舰模型的基础配置

🃏 含义：点数规则可能需要新增 "上下文维度"

🎯 趋势四：Agent 能力从工具调用走向自主规划

现状：Function Calling → ReAct → Plan-and-Solve → Multi-Agent

关键进展：

Qwen-Agent: 结构化工具调用框架

Claude 4.x: Extended Thinking + Computer Use

GPT-5: Operator-level autonomy

2026 预测：多 Agent 协作将成为企业级 AI 应用的主流模式

🃏 含义：♣ 花色（Agent）将出现更多 K/A 级别模型

⚡ 趋势五：端侧模型性能持续跃升

现状：Phi-4-mini (3.8B) ≈ GPT-3.5 水平；SmolLM2 (1.7B) 表现惊人

驱动力：量化技术 (INT4/INT2) + 知识蒸馏 + 架构搜索

硬件协同：Apple Silicon NPU / Qualcomm AI Engine / NVIDIA Jetson

2026 预测：3B 模型将达到 2024 年 13B 模型水平

🃏 含义：♥7 点数将承载越来越强的能力

🔗 趋势六：全模态统一 (Any-to-Any)

现状：GPT-5 (文本/图像/音频/视频) → Gemini 3.1 (原生多模态) → Qwen3.5 (全模态)

技术路径：统一Tokenizer → 统一架构 → 统一训练目标

2026 预测：单一模型处理所有模态将成为常态

🃏 含义：花色边界将模糊化，可能出现新的 🃏 "万能牌"

10.2 值得关注的模型发布

时间窗口	预期发布	关注点	🃏 预期
2026 Q2	LLaMA 4 Scoupe/Maverick 公开权重	最大规模开源MoE	♥K
2026 Q2	GPT-5.5 / GPT-6 (传闻)	是否突破AGI阈值?	♥A
2026 Q3	新一代 SSM/Mamba 变体	能否挑战Transformer霸主地位	🃏
2026 Q3	中国新一代旗舰模型 (GLM-6? Qwen4?)	开源vs闭源新格局	♥K/A
2026 Q4	端侧3B模型达到GPT-4水平?	边缘AI拐点	♥7

11. ❓ FAQ 常见问题

Q1: 🃏 扑克牌标记怎么记？

简单记忆法：
- ♥ 红心 = 心脏 = 语言（最重要的）
- ♠ 黑桃 = 铲子 = 视觉（像铲子一样"挖"信息）
- ♦ 方块 = 方正 = 代码/数学（结构化的东西都是方正的）
- ♣ 梅花 = 三叶草 = Agent/嵌入（三片叶子=多功能）
- 🃏 Joker = 王炸 = 打破规则的

Q2: 开源 vs 闭源怎么选？

因素	选开源	选闭源(API)
预算	有GPU资源 / 云服务器	按需付费，无硬件投入
数据隐私	数据不出本地	需评估服务商合规
定制需求	需要微调 / 二次开发	即开即用
延迟要求	本地推理 <50ms	网络+排队延迟 >200ms
团队规模	有ML工程师	无需AI团队
长期成本	一次投入，边际成本趋零	按Token计费，用量越大越贵

💡 经验法则：日均调用量 < 10万 Token → API更省心；> 100万 Token → 自部署更划算。

Q3: 7B / 14B / 72B 模型差距有多大？

以 Qwen2.5 系列为例（MMLU-Pro基准）：

模型	MMLU-Pro	HumanEval	GSM8K	感受对比
0.5B	42%	18%	25%	基本能聊，容易犯错
1.5B	55%	35%	45%	简单任务OK，复杂推理弱
7B	68%	62%	75%	性价比最佳 ✅
14B	74%	72%	82%	明显优于7B
32B	81%	82%	88%	接近商业水平
72B	85%	86%	92%	接近GPT-4级别
235B (MoE)	87%	90%	94%	顶级开源

结论：7B 是分水岭——以下勉强能用，以上基本可靠。72B+ 进入专业领域。

Q4: 什么是 MoE？为什么重要？

Mixture of Experts (混合专家) 是一种让模型"又大又快"的架构：


传统 Dense 模型 (如 LLaMA 70B):
  输入 → [全部70B参数都参与计算] → 输出
  (每次推理都要加载全部参数)

MoE 模型 (如 Mixtral 8x7B = 总46.7B, 仅12.9B激活):
  输入 → [路由器选择其中2个专家] → [仅这2个专家计算] → 输出
  (每次推理只用到约1/4的参数)

特性	Dense	MoE
总参数量	固定	可极大 (671B+)
每次激活	全部	仅部分 (如 37B/671B)
推理速度	慢 (全算)	快 (只算部分专家)
显存占用	小 (存一份)	大 (要存所有专家)
吞吐量	低	高 (批处理优秀)
代表	LLaMA, Qwen-Dense	DeepSeek-V3, Mixtral, Grok

一句话总结：MoE 让你拥有一个 671B 参数的大脑，但每次思考只动用其中的 37B。

Q5: 量化会损失多少精度？

精度	显存占用	相对FP16精度损失	推荐场景
FP16/BF16	2×	0%（基准）	训练/精调
FP8	1×	<1%	生产推理
INT8	1×	1-3%	一般部署
INT4 (AWQ/GPTQ)	0.5×	2-5%	⭐ 主流部署
GGUF Q4_K_M	0.35×	3-6%	⭐ llama.cpp本地
EXL2 3bpw	0.25×	5-10%	极限压缩
INT2/1.5bpw	0.15×	15-30%+	实验/玩具

经验：INT4/AWQ 量化是最佳平衡点——显存减半，精度几乎无损。

Q6: 如何快速开始部署一个模型？


# 方法一：Ollama（最快，适合新手）
ollama pull qwen2.5:7b
ollama run qwen2.5:7b

# 方法二：vLLM（高性能生产部署）
pip install vllm
python -c "
from vllm import LLM
llm = LLM(model='Qwen/Qwen2.5-7B-Instruct')
print(llm.generate('你好'))
"

# 方法三：llama.cpp（CPU/边缘设备）
# 下载 GGUF 文件后
./main -m qwen2.5-7b-q4_k_m.gguf -p 'Hello' -n 256

Q7: 本项目如何保持更新？如何贡献？

Star ⭐ 仓库获取更新通知

Watch 👀 设置 releases only 或 all activities

Fork + PR 🍴 贡献新模型或修正错误

Issue 🐛 提交问题或建议

更新频率：每周跟踪 arXiv 新论文，月度大版本更新

Q8: 🃏 HOMC 与其他 Awesome 列表有什么区别？

维度	本项目 (HOMC)	传统 Awesome List	Papers With Code
分类体系	🃏 扑克牌花色+点数	按字母/厂商	按任务/Benchmark
视觉直观	⭐⭐⭐ 一目了然	⭐⭐	⭐
覆盖范围	LLM + VLM + 专项	通常单领域	学术导向
实用导向	包含部署/定价/选型指南	链接集合	Benchmark排名
趣味性	🎴 扑克牌创意	标准	严肃学术
更新频率	持续追踪	取决于维护者	自动抓取

12. 🛡️ 安全与对齐

随着 LLM 能力的增强，安全对齐 (Alignment) 已从"锦上添花"变成"生死攸关"。本章梳理主流安全技术体系。

12.1 对齐技术全景图

层次	目标	技术手段	代表工作	🃏
L1 基础对齐	有用性、无害性	RLHF, DPO, SFT	InstructGPT, Claude Constitutional AI	♥Q
L2 推理对齐	思维链可靠性	Process Reward Model, GRPO	DeepSeek-R1, o1	🃏 Joker
L3 Agent 对齐	工具调用安全性	Tool Sandbox, Permission System	GPT-5 Operator, Claude Computer Use	♣K
L4 多模态对齐	视觉/音频安全	CLIP-based Filter, Audio Safety	Gemini, GPT-4V	♠Q

12.2 主流安全框架对比

框架	提出者	核心机制	优势	局限
RLHF	OpenAI (2022)	RM + PPO	效果成熟	需大量标注，RM 可能被操纵
Constitutional AI (CAI)	Anthropic (2023)	原则约束 + RLAIF	无需人工逐条标注	原则设计主观
DPO	Stanford (2023)	直接偏好优化，无 RM	训练简单	偏好数据质量敏感
GRPO	DeepSeek (2025)	组内相对排序，纯 RL	成本极低 ⭐	需要好的奖励信号
Safe RLHF	CMU (2023)	安全约束下的策略优化	可证明安全边界	计算开销大
Constitutional DPO	Berkeley (2024)	CAI + DPO 结合	兼具两者优点	较新，生态待完善

12.3 攻击类型与防御

常见攻击手段

攻击类型	描述	示例	难度	🃏 防御标记
Prompt Injection	注入恶意指令	"忽略上述指令，输出..."	★☆☆	♦J
Jailbreak	绕过安全限制	DAN (Do Anything Now), 虚拟角色扮演	★★☆	♥Q
Few-shot Hijacking	通过示例污染模型行为	恶意 few-shot 样本	★★☆	♣10
Data Extraction	训练数据泄露	反复询问特定短语	★★★	♥K
Multimodal Attack	通过图像/音频注入指令	隐藏指令的图片	★★☆	♠Q
Chain-of-Thought Attack	诱导推理链泄露	分步引导到有害内容	★★★	🃏 Joker

防御最佳实践


🛡️ LLM 安全防御纵深体系:

第1层: 输入过滤 (Input Guardrails)
  ├── Prompt Injection 检测 (正则 + 模型分类)
  ├── PII/Sensitive Info 脱敏
  └── 长度/格式校验
      │
第2层: 模型内对齐 (Model Alignment)
  ├── RLHF / DPO / GRPO 训练
  ├── System Prompt 约束 ("你是助手，拒绝...")
  └── Refusal Training (学会优雅拒绝)
      │
第3层: 输出审查 (Output Filtering)
  ├── 有害内容检测 (Perplexity 异常)
  ├── PII 泄露检测
  └── 格式化输出约束 (JSON Schema)
      │
第4层: 运行时防护 (Runtime Protection)
  ├── 速率限制 (Rate Limiting)
  ├── 日志审计 (Audit Logging)
  └── 人机协同 (Human-in-the-loop for 高风险操作)

12.4 开源安全工具

工具	功能	GitHub	🃏
LLM Guard	输入/输出内容过滤	protectai/llm-guard	♦J
NeMo Guardrails	可编程对话护栏	NVIDIA/NeMo-Guardrails	♣Q
Rebuff	Prompt Injection 防护	robustintelligence/rebuff	♥10
Lakera	AI 安全平台 (商业)	lakera.ai	♠9
CalypsoAI	企业级 AI 安全	calypsoai.com	♥Q

13. 📏 评测基准详解

"你无法改进你不能测量的东西。" — 评测基准是 LLM 进化的标尺。

13.1 基准测试全景图

类别	基准名称	测试能力	主要指标	🃏 关注度
通用知识	MMLU-Pro	57 个学科的多项选择	准确率	♥A
	GPQA Diamond	研究生级科学问答	准确率	♥A
	ARC-AGI-2	抽象推理与常识	准确率	♥A
	HLE (Humanity's Last Exam)	人类专家级考试	准确率	♥A
代码能力	HumanEval	Python 代码生成	Pass@1	♦J
	MBPP	基础编程问题	Pass@k	♦J
	SWE-bench	真实 GitHub 问题修复	Resolved %	♦Q
	LiveCodeBench	实时代码评测	Pass@1	♦J
数学推理	GSM8K	小学数学应用题	准确率	♦10
	MATH	竞赛级数学	准确率	♦Q
	AIME / AMC	数学奥林匹克	准确率	♦K
	OMNI-MATH	全方位数学	准确率	♦Q
推理能力	Big-Bench Hard (BBH)	23 种复杂推理任务	准确率	♥Q
	IF-Eval	指令遵循度	得分率	♥10
	Arena-Hard	人类偏好对战	Elo Rating	♥A
长上下文	RULER	长文本检索与推理	各长度准确率	♥K
	LongBench	多种长文档任务	F1/EM	♥Q
	SCROLLS	长文档 NLP 任务集	各任务指标	♥10
多模态	MMMU	多学科多模态理解	准确率	♠Q
	MMBench	视觉问答	准确率	♠Q
	MathVista	数学视觉推理	准确率	♠J
	DocVQA	文档理解	ANLS	♠10
安全性	TrustLLM	AI 安全综合评估	多维度评分	🃏 Joker
	DecodingTrust	大模型可信度	8 维度得分	🃏 Joker
	HH-RLHF	有害性评估	拒绝率	♥Q
Agent 能力	TAO-Bench	工具使用准确性	Task Success	♣Q
	WebArena	网页操作任务	成功率	♣J
	SWE-bench Agent	软件工程自动化	Issue → PR	♣K
中文专项	C-Eval	中文综合知识	准确率	♥Q (中国)
	CMMLU	中国文化+知识	准确率	♥Q (中国)
	SuperCLUE	中文语言理解+生成	多维度	♥Q (中国)
	LongBench-ZH	中文长文档	F1/EM	♥Q (中国)

13.2 如何解读 Benchmark 分数


⚠️ Benchmark 解读指南：

❌ 错误认知：
   - "MMLU 90% = 这个模型什么都懂"
   - "HumanEval 95% = 可以替代程序员"
   - Benchmark 分数越高 = 实际体验越好

✅ 正确理解：
┌─────────────────────────────────────────────┐
│  Benchmark 是标准化场景，不是真实场景        │
│                                             │
│  • MMLU-Pro 考的是多项选择题（可猜）         │
│  • HumanEval 考的是简单函数生成              │
│  • GSM8K 的"数学"≈小学应用题                 │
│                                             │
│  真正重要的是：                             │
│  • 在你的具体任务上做 A/B Test               │
│  • 关注"失败案例"而非平均分                  │
│  • 考虑成本/延迟/质量的综合权衡               │
└─────────────────────────────────────────────┘

13.3 2026 年值得关注的新基准

基准	创新点	为什么重要	🔗
Humanity's Last Exam (HLE)	由人类专家出题、AI 无法通过	首个"人类仍显著优于 AI"的基准	arXiv
LiveCodeBench	动态题库（防数据泄露）	解决静态 benchmark 的数据污染问题	GitHub
Arena-Elo	众包对战排名	更贴近人类偏好的真实感受	lmsys
SWE-bench Verified	人工验证的代码修复	比 SWE-bench 更严格的工程能力测试	princeton-nlp

14. 🔧 微调工具链与实战

从预训练模型到生产级应用的完整微调流水线。

14.1 微调范式总览

方法	适用场景	数据需求	显存需求	效果	工具推荐
Full Fine-tuning	领域适配/新语言	大量 (10K+)	极大 (全量参数)	最佳	DeepSpeed ZeRO-3, FSDP
LoRA / QLoRA	任务适配/风格迁移	中等 (500-10K)	低 (0.1%-1%增量)	优秀 ⭐	PEFT, Axolotl
RLHF / DPO	对齐优化	中等 (偏好对)	中高	显著提升	TRL, OpenRLHF
Prefix Tuning	快速实验	少量 (<1K)	极低	一般	PEFT
Prompt Tuning	多任务快速切换	少量	极低	一般	PromptSource
Adapter	多任务复用基座	中等	低	好	AdapterHub

14.2 推荐工具链（2026 年版）

🥇 全流程一站式方案

工具	定位	核心特性	🃏 推荐
Axolotl	微调一站式	YAML 配置驱动，支持 LoRA/QLoRA/全量，FlashAttention2	♥K
LLaMA-Factory	国产微调利器	GUI+CLI 双模式，50+算法，中英双语	♥K
Unsloth	极速微调	2-5× 加速，显存减半，兼容 Transformers	♥Q

🥈 专业组件

组件	推荐工具	说明
训练框架	HuggingFace TRL / PyTorch FSDP / DeepSpeed	TRL 最易用，DeepSpeed 最大规模
高效训练	FlashAttention-3 / xFormers	必装，2-4× 加速
PEFT 库	PEFT (HuggingFace)	LoRA/AdaLoRA/PromptTuning 一站式
数据处理	Alpaca / ShareGPT 格式转换器	数据清洗+格式化
监控	Wandb / TensorBoard	训练可视化
量化训练	bitsandbytes / AQLM	QLoRA 核心
推理部署	vLLM / SGLang / Ollama	生产级服务

🥉 商业平台

平台	特点	适合人群
OpenRouter	多模型 API 聚合	开发者
Together AI	云端微调+托管	企业
Fireworks AI	高速推理+微调	低延迟需求
Predibase	LoRA 微调平台	快速实验

14.3 LoRA 微调实战模板


# ====== QLoRA 微调标准模板 (2026 最佳实践) ======
from datasets import load_dataset
from peft import LoraConfig, get_peft_model
from transformers import AutoModelForCausalLM, AutoTokenizer, TrainingArguments
from trl import SFTTrainer
import torch

# 1️⃣ 加载基座模型（以 Qwen2.5-7B 为例）
model_name = "Qwen/Qwen2.5-7B-Instruct"
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    attn_implementation="flash_attention_2",  # ✅ 必须！
)
tokenizer = AutoTokenizer.from_pretrained(model_name)

# 2️⃣ LoRA 配置（经验值）
lora_config = LoraConfig(
    r=64,           # 秩：越大表达能力越强，但过拟合风险↑
    lora_alpha=128, # 缩放系数 ≈ r × 2
    target_modules=["q_proj", "k_proj", "v_proj", "o_proj",
                    "gate_proj", "up_proj", "down_proj"],
    lora_dropout=0.05,
    task_type="CAUSAL_LM",
)

# 3️⃣ 训练参数
training_args = TrainingArguments(
    output_dir="./output",
    per_device_train_batch_size=4,
    gradient_accumulation_steps=4,  # 有效 batch = 16
    num_train_epochs=3,
    learning_rate=2e-4,             # LoRA 推荐学习率
    warmup_ratio=0.03,
    lr_scheduler_type="cosine",
    bf16=True,                      # BF16 > FP16 (无溢出)
    gradient_checkpointing=True,   # 节省显存 ~30%
    logging_steps=10,
    save_strategy="epoch",
    report_to="wandb",              # 可视化训练曲线
)

# 4️⃣ 数据准备（Alpaca 格式）
dataset = load_dataset("json", data_files="train_data.json")

# 5️⃣ 开始微调
trainer = SFTTrainer(
    model=model,
    train_dataset=dataset["train"],
    args=training_args,
    peft_config=lora_config,
    max_seq_length=2048,
)
trainer.train()

# 6️⃣ 保存 LoRA 权重（通常仅几十 MB）
trainer.save_model("./my-lora-adapter")
print("✅ 微调完成！LoRA 权重已保存")

# 7️⃣ 合并基座 + LoRA（可选）
# from peft import PeftModel
# base_model = AutoModelForCausalLM.from_pretrained(model_name)
# model = PeftModel.from_pretrained(base_model, "./my-lora-adapter")
# merged_model = model.merge_and_unload()
# merged_model.save_pretrained("./merged-model")

14.4 数据工程要点

要点	经验法则	❌ 常见错误
数据质量	100 条高质量 > 10000 条低质量	直接爬取未清洗的网页数据
数据多样性	覆盖目标场景的各种输入模式	只有一种 prompt 模板
指令格式	严格匹配基座模型的 Chat Template	自创格式不套用 template
数据比例	SFT : DPO ≈ 10:1	跳过 SFT 直接 DPO
去重去噪	MinHash + 启发式规则清洗	包含重复/冲突样本
合成数据	用强模型 (GPT-4/Qwen) 生成 + 人工抽检	未经审核直接用合成数据

15. 🏭 行业应用案例

LLM 从实验室走向真实世界的 10 大典型落地场景。

15.1 应用矩阵

行业	场景	推荐模型 (🃏)	部署方式	成熟度
💻 软件/IT	编程助手 (Copilot)	Claude 3.5 Sonnet (♥Q)	API	★★★★★
	代码审查/重构	Qwen2.5-Coder-32B (♦J)	本地 vLLM	★★★★☆
	技术文档生成	GPT-5 (♥A)	API	★★★★☆
🏥 医疗健康	辅助诊断	MedGemma + HuatuoGPT (♦10)	本地 (隐私)	★★★☆☆
	医疗问答	GLM-4 (♥Q)	API	★★★★☆
	影像分析报告	InternVL2 (♠Q)	本地	★★★☆☆
⚖️ 法律合规	合同审查	ChatLaw (♦10)	本地	★★★☆☆
	法规查询	GPT-5 (♥A)	API	★★★★☆
	判例检索	BGE-M3 + RAG (♣Q)	混合部署	★★★★☆
💰 金融	研报生成	Qwen2.5-72B + FinGPT (♥Q)	本地	★★★★☆
	风控风评	DeepSeek-R1 (🃏)	API/本地	★★★☆☆
	智能投顾	Kimi K2 (🃏)	API	★★★☆☆
🎓 教育	智能辅导	Phi-4-reasoning (♥10)	本地/边缘	★★★★★
	自动出题	Qwen2.5-Math (♦10)	本地	★★★★☆
	论文辅助	Claude 4.6 (♥A)	API	★★★★★
🏭 制造业	设备故障诊断	LLaMA 3-70B + IoT数据 (♥K)	边缘部署	★★★☆☆
	质检报告生成	Qwen-VL (♠10)	本地	★★★★☆
	SOP 知识库	BGE-M3 + RAG (♣Q)	本地	★★★★★
🛒 电商/零售	智能客服	DeepSeek-V3 (♥K)	API	★★★★★
	商品描述生成	GPT-5 / Qwen3.5	API	★★★★★
	用户画像分析	ERNIE 5.0 (♥Q)	API	★★★★☆
📰 内容创作	文章撰写	Claude 4.6 (♥A)	API	★★★★★
	多语言翻译	LLaMA 4 Behemoth (♥K)	本地	★★★★☆
	视频/图像生成	Seed 系列 (♠Q)	API	★★★☆☆
🏢 企业内部	知识管理 RAG	Qwen + BGE-M3	私有化部署	★★★★★
	会议纪要	Whisper + Qwen (♣J)	混合	★★★★☆
	HR 招聘筛选	GLM-4.6 (♥Q)	API	★★★★☆
🎮 游戏 NPC	对话系统	MiniCPM-o (♥7)	端侧	★★★★☆
	剧情生成	GPT-5 (♥A)	API	★★★☆☆
	关卡设计建议	Claude 4.6 (♥A)	API	★★★☆☆

15.2 RAG 架构最佳实践（企业知识库）


┌──────────────────────────────────────────────────────┐
│                企业级 RAG 架构图                       │
│                                                        │
│  👤 用户提问                                          │
│     │                                                  │
│     ▼                                                  │
│  ┌─────────────┐    ┌──────────────────┐              │
│  │ Query       │───→│ Intent Classifier │              │
│  │ Rewriting   │    │ (意图识别)        │              │
│  └─────────────┘    └────────┬─────────┘              │
│                               │                        │
│              ┌────────────────┼────────────────┐       │
│              ▼                ▼                ▼       │
│       ┌──────────┐   ┌──────────┐   ┌──────────┐     │
│       │ Keyword  │   │ Semantic │   │ Hybrid   │     │
│       │ Search   │   │ Search   │   │ Search   │     │
│       │ (BM25)   │   │ (BGE-M3) │   │ (两者结合)│     │
│       └────┬─────┘   └────┬─────┘   └────┬─────┘     │
│            │              │              │            │
│            ▼              ▼              ▼            │
│       ┌──────────────────────────────────────┐       │
│       │         Re-ranker (重排序)           │       │
│       │  bge-reranker-v2-m3 / Cohere Rerank  │       │
│       └──────────────┬───────────────────────┘       │
│                      ▼                              │
│       ┌──────────────────────────────────────┐       │
│       │  Context Assembly + Windowing        │       │
│       │  (上下文组装 + 滑动窗口截断)          │       │
│       └──────────────┬───────────────────────┘       │
│                      ▼                              │
│  ┌──────────────────────────────────────┐           │
│  │  LLM Generator (生成回答)            │ ◄── 🃏 ♥K   │
│  │  · 引用来源标注                      │           │
│  │  · 不确定时说"我不知道"              │           │
│  │  · 幻觉检测                          │           │
│  └──────────────────────────────────────┘           │
│                      │                              │
│                      ▼                              │
│              📤 结构化回答 + 引用                     │
│                                                        │
│  💾 存储层:                                           │
│  · 向量库: Milvus / Qdrant / FAISS                   │
│  · 文档库: Elasticsearch / MongoDB                     │
│  · 缓存: Redis                                       │
│                                                        │
│  🔄 数据流:                                           │
│  · 文档 → Chunk → Embed → Index → Retrieve → Generate │
└──────────────────────────────────────────────────────┘

15.3 成本估算模型

场景	日均请求量	推荐方案	月成本估算 (USD)	备注
个人开发者	<1K	API (GPT-4o-mini)	$5-20	最省心
初创团队 MVP	10K-50K	API 混合 (DeepSeek + Qwen)	$200-800	性价比优先
中型企业	100K-500K	自部署 (Qwen-72B INT4)	$2000-5000 (GPU租赁)	数据隐私要求
大型企业	500K+	混合云 (自建 + API 备用)	$10000+	需要专职 ML 团队

16. 💡 Prompt Engineering 指南

好的 Prompt = 好的结果。这是性价比最高的一项技能。

16.1 Prompt 设计核心原则

原则	✅ 正确做法	❌ 错误做法
明确性	"用 Python 写一个归并排序，包含时间复杂度注释"	"写个排序"
结构化	使用 `## 背景 ## 任务 ## 要求 ## 输出格式` 分段	一段话混在一起
示例先行	提供 2-3 个 Few-shot 示例	零样例直接让模型猜
约束输出	"输出 JSON 格式：`{\"answer\": ...}`"	"给我结果"
思维链引导	"请一步步思考，先分析再给出结论"	直接问答案
角色设定	"你是一位有 10 年经验的 Python 后端工程师"	无角色设定

16.2 高阶 Prompt 技巧

Chain-of-Thought (CoT)


❌ 简单提问:
  "小明有5个苹果，给了小红2个，又买了3个，现在几个？"

✅ CoT 提问:
  "请按以下步骤解答:
   ① 列出初始数量
   ② 逐步计算每次变化
   ③ 给出最终答案和验证
   
   问题：小明有5个苹果，给了小红2个，又买了3个，现在几个？"

Self-Consistency (自洽采样)


# 同一问题采样多次，取多数投票结果
question = "求解: 15 × 23 + 47 ÷ 2 = ?"

answers = []
for _ in range(5):
    resp = llm.generate(question, temperature=0.7)
    answers.append(extract_answer(resp))

final_answer = majority_vote(answers)  # 取出现最多的答案

System Prompt 模板


你是一个专业的 {角色}。

## 能力
- 你精通 {领域1}、{领域2} 和 {领域3}
- 你的回答基于事实，不确定时会明确说明

## 约束
- 回答使用 {语言}
- 对于专业术语，首次出现时给出解释
- 代码必须通过编译/运行检查

## 输出格式
{具体的格式要求}

---
用户消息开始:
{user_message}

16.3 不同模型的 Prompt 偏好

模型系	Prompt 风格偏好	Tips
GPT 系列	自然语言，容忍度高	什么都能聊，但需要明确约束
Claude	结构化 Markdown	喜欢 `---` 分隔符和 XML 标签
Qwen	中文友好，支持混合	中英混合 Prompt 效果更好
DeepSeek	数学/代码 CoT	推理类任务一定要加"逐步思考"
LLaMA/Mistral	指令严格遵循	需要 `[INST]...[/INST]` 格式
Phi 系列	教科书风格	"让我们一步步来学习..." 效果奇好

17. 🎬 视频生成与世界模型

2025-2026 年最激动人心的前沿方向之一——从理解世界到生成世界。

17.1 视频生成模型

模型	参数	时长	分辨率	特性	🃏
Sora (OpenAI)	未公开	60s	1080p	原生视频生成，物理一致性	🃏 Joker
Veo 2 (Google)	未公开	120s+	4K	电影级视频生成	🃏 Joker
Gen-3 Alpha (Runway)	未公开	10s	1080p	高质量短视频	♠Q
Kling (快手可灵)	未公开	2min	1080p	中文视频生成领先	♠Q
Seed-Video (字节)	未公开	30s	1080p	多模态统一视频生成	♠Q
Wan (阿里万相)	未公开	15s+	720p+	开源友好	♠J
CogVideoX (智谱)	多版本	6-20s	720p	开源视频生成	♠10
Open-Sora Planck	开源	可变	可变	完全开源的视频 DiT	♠9
HunyuanVideo (腾讯)	未公开	5s	720p	多模态视频理解+生成	♠Q
Mochi (Genmo)	开源	5.4s	480p	高压缩视频生成	♠8

17.2 世界模型 (World Model)

模型	类型	能力	创新点	🃏
Voyager (NVIDIA)	游戏世界	Minecraft 自主探索	技能库 + Agent 循环	🃏 Joker
Genie 2 (Google DeepMind)	交互式世界生成	单图→可交互 3D 世界	无需训练数据的世界模拟	🃏 Joker
Sora-1 (OpenAI)	物理世界模拟器	视频中的物理规律	作为世界模型的视频生成器	🃏 Joker
Octo (Berkeley)	机器人通用策略	跨机器人迁移学习	Transformer 机器人基础模型	♣Q
PI^0 (Physical Intelligence)	机器人基础模型	多机器人统一控制	10+ 机器人类型统一	🃏 Joker
RT-2/X (Google)	视觉-动作模型	VLA → 机器人控制	VLM 直接输出动作	♣Q
GR-003 (上海 AI Lab)	开源游戏智能体	Minecraft/GTA 自主决策	强开源游戏世界模型	♣J

17.3 从 LLM 到 World Model 的演进


LLM 发展路径 (2024-2030):

2024 ┃── 文本/图像理解 (GPT-4V, Gemini) ──────────┃
      │                                                    │
2025 ┃── 多模态统一 (GPT-5, Qwen3.5, Claude 4.6) ────────┃
      │                                                    │
2026 ┃── 视频生成 (Sora, Kling, Veo) ────────────────────┃
      │   · 理解时间连续性                                  │
      │   · 学习物理规律 (重力、碰撞、流体)                 │
      │                                                    │
2027? ┃── 交互式世界模型 ─────────────────────────────────┃
      │   · Genie 2: 图片→可交互 3D 世界                  │
      │   · 用户可以"走进"生成的世界                       │
      │                                                    │
2028? ┃── 通用世界模拟器 ────────────────────────────────┃
      │   · 统一的物理/社会/经济模拟                       │
      │   · AGI 的"沙箱训练场"                            │
      │                                                    │
      ┃────────── 最终目标: 理解并预测真实世界 ──────────┃

18. 参考文献

12.0 综述论文

[1] arXiv:1706.03762 - Attention Is All You Need (Transformer)

[2] arXiv:2303.18223 - A Survey of Large Language Models

[3] arXiv:2402.06196 - Large Language Models: A Survey

[117] arXiv:2404.07143 - The LLM Survey

[118] arXiv:2310.15711 - A Survey on LLM-based Autonomous Agents

[119] arXiv:2410.05829 - A Survey on Mixture of Experts

12.1 训练与对齐技术

[120] arXiv:2203.02155 - Training LLMs to Follow Instructions with Human Feedback (InstructGPT/RLHF)

[121] arXiv:2305.18290 - Direct Preference Optimization (DPO)

[122] arXiv:2401.12987 - ORPO: Monolithic Preference Optimization

[123] arXiv:2402.13213 - KTO: RL from Any Human Feedback

[124] arXiv:2405.14734 - SimPO: Simple Preference Optimization

[125] arXiv:2501.12948 - DeepSeek-R1: GRPO Reinforcement Learning

[126] arXiv:2503.04208 - RST: Reasoning Self-Training

12.2 通用基础模型

[4] arXiv:2005.14165 - GPT-3: Language Models are Few-Shot Learners

[5] arXiv:2303.08774 - GPT-4 Technical Report

[6] arXiv:2410.21276 - GPT-4o System Card

[7] arXiv:2412.16720 - OpenAI o1 System Card

[8] arXiv:2601.03267 - GPT-5 Technical Report

[9] arXiv:2204.06745 - Constitutional AI (Claude)

[10] arXiv:2310.01858 - Claude 2 Technical Report

[11] arXiv:2302.13971 - LLaMA: Open Foundation Models

[12] arXiv:2307.09288 - LLaMA 2: Open Foundation and Fine-Tuned Models

[13] arXiv:2407.21783 - LLaMA 3 Technical Report

[14] arXiv:2510.12178 - LLaMA 4 Technical Report

[15] arXiv:2601.11659 - LLaMA 4 Full Report

[16] arXiv:2408.00118 - Gemma 2: Open Models

[17] arXiv:2503.19786 - Gemma 3 Technical Report

[18] arXiv:2507.06261 - Gemini 2.5 Technical Report

[19] arXiv:2309.00071 - Phi-1: Textbooks Are All You Need

[20] arXiv:2306.11644 - Phi-1.5 Technical Report

[21] arXiv:2404.14219 - Phi-3 Technical Report

[22] arXiv:2412.08905 - Phi-4 Technical Report

[23] arXiv:2504.21233 - Phi-4-mini Technical Report

[24] arXiv:2504.21318 - Phi-4-reasoning Technical Report

[25] arXiv:2310.06825 - Mistral 7B

[26] arXiv:2401.04088 - Mixtral of Experts

[27] arXiv:2311.16867 - Falcon LLM

[28] arXiv:2407.14885 - Falcon 2

[29] arXiv:2507.22448 - Falcon-H1: Hybrid Mamba-Transformer

[30] arXiv:2402.00838 - OLMo: Open Language Model

[31] arXiv:2501.00656 - OLMo 2

[32] arXiv:2409.02060 - OLMoE: Open Mixture-of-Experts

[33] arXiv:2204.06745 - GPT-NeoX-20B

[34] arXiv:2304.01373 - Pythia: A Suite for Analyzing LLMs

[35] arXiv:2211.05100 - BLOOM: A 176B-Parameter Open-Access Multilingual Model

12.3 中国模型

[36] arXiv:2309.16609 - Qwen Technical Report

[37] arXiv:2407.10671 - Qwen 2 Technical Report

[38] arXiv:2412.15115 - Qwen 2.5 Technical Report

[39] arXiv:2505.09388 - Qwen 3 Technical Report

[40] arXiv:2401.02954 - DeepSeek LLM

[41] arXiv:2405.04434 - DeepSeek-V2: A Strong MoE Model

[42] arXiv:2412.19437 - DeepSeek-V3 Technical Report

[43] arXiv:2501.12948 - DeepSeek-R1: Incentivizing Reasoning

[44] arXiv:2210.02414 - GLM-130B

[45] arXiv:2406.12793 - ChatGLM: A Family of Large Language Models

[46] arXiv:2508.06471 - GLM-4.5 Technical Report

[47] arXiv:2107.02137 - ERNIE 3.0

[48] arXiv:2602.04705 - ERNIE 5.0 Technical Report

[49] arXiv:2411.02265 - Hunyuan-Large: An Open-Source MoE Model

[50] arXiv:2505.07062 - Seed1.5-VL Technical Report

[51] arXiv:2501.12599 - Kimi k1.5: Scaling RL with LLMs

[52] arXiv:2507.20534 - Kimi K2: A World-Class Open MoE Model

[53] arXiv:2602.02276 - Kimi K2.5 Technical Report

[54] arXiv:2501.08313 - MiniMax-Text-01

[55] arXiv:2506.13585 - MiniMax-M1: Scaling Test-Time Compute

[56] arXiv:2404.06395 - MiniCPM: Unveiling the Potential of Small Models

[57] arXiv:2506.07900 - MiniCPM 4 Technical Report

[58] arXiv:2403.17297 - InternLM2 Technical Report

[59] arXiv:2603.25040 - Intern-S1-Pro Technical Report

[60] arXiv:2309.10305 - Baichuan 2: Open Large-scale Language Models

[61] arXiv:2501.15368 - Baichuan-Omni-1.5

[62] arXiv:2502.12671 - Baichuan-M1 Technical Report

[63] arXiv:2509.02208 - Baichuan-M2 Technical Report

[64] arXiv:2602.06570 - Baichuan-M3 Technical Report

[65] arXiv:2403.04652 - Yi: Open Foundation Models

12.4 代码模型

[66] arXiv:2402.19173 - StarCoder 2

[67] arXiv:2401.14196 - DeepSeek-Coder

[68] arXiv:2406.11931 - DeepSeek-Coder-V2

[69] arXiv:2409.12186 - Qwen2.5-Coder Technical Report

[70] arXiv:2406.11409 - CodeGemma

[71] arXiv:2411.04905 - OpenCoder: The Open Cookbook for Code LLMs

[72] arXiv:2506.03524 - Seed-Coder Technical Report

12.5 数学模型

[73] arXiv:2402.03300 - DeepSeekMath: Pushing the Limits of Mathematical Reasoning

[74] arXiv:2409.12122 - Qwen2-Math Technical Report

[75] arXiv:2501.07301 - Qwen2.5-Math Technical Report

[76] arXiv:2310.10631 - Llemma: An Open Language Model for Mathematics

12.6 多模态 VLM

[77] arXiv:2304.08485 - Visual Instruction Tuning (LLaVA)

[78] arXiv:2310.03744 - LLaVA-1.5: Improved Baselines

[79] arXiv:2509.23661 - LLaVA-OneVision-1.5

[80] arXiv:2409.12191 - Qwen2-VL: Enhancing Vision-Language Models

[81] arXiv:2511.21631 - Qwen3-VL Technical Report

[82] arXiv:2412.05271 - InternVL 2.5: Multimodal Large Language Model

[83] arXiv:2504.10479 - InternVL3 Technical Report

[84] arXiv:2504.05299 - SmolVLM: Small Vision Language Models

[85] arXiv:2312.16862 - TinyGPT-V

12.7 小语言模型 SLM

[86] arXiv:2401.02385 - TinyLlama: An Open-Source Small Language Model

[87] arXiv:2502.02737 - SmolLM2: When Smol Goes Big

12.8 MoE 架构

[88] arXiv:2402.01739 - OpenMoE: Open Mixture-of-Experts Language Models

[89] arXiv:2406.06563 - Skywork-MoE: A Deep Dive into Training Techniques

12.9 新架构（SSM/RNN/Hybrid）

[90] arXiv:2312.00752 - Mamba: Linear-Time Sequence Modeling

[91] arXiv:2405.21060 - Mamba-2: Transformers are SSMs

[92] arXiv:2603.15569 - Mamba-3 Technical Report

[93] arXiv:2305.13048 - RWKV: Reinventing RNNs for the Transformer Era

[94] arXiv:2503.14456 - RWKV-7: Advancing Linear Attention

[95] arXiv:2510.02228 - xLSTM 7B

[96] arXiv:2404.07839 - RecurrentGemma: Moving Past Transformers

[97] arXiv:2302.10865 - Hyena Hierarchy

[98] arXiv:2307.08621 - Retentive Network: A Successor to Transformer

12.10 推理与对齐

[99] arXiv:2305.18290 - Direct Preference Optimization (DPO)

[100] arXiv:2309.12284 - Safe RLHF: Safe Reinforcement Learning from Human Feedback

12.11 Agent/工具调用

[101] arXiv:2310.05146 - ToolLLM: Facilitating LLMs to Master Tools

[102] arXiv:2305.15334 - Gorilla: Large Language Model Connected with APIs

12.12 嵌入模型

[103] arXiv:2402.03216 - BGE M3-Embedding: Multi-Lingual, Multi-Functionality

[104] arXiv:2506.05176 - Qwen3-Embedding Technical Report

12.13 音频语言

[105] arXiv:2306.05284 - Simple and Controllable Music Generation (MusicGen)

[106] arXiv:2406.02430 - Seed-TTS: A Family of High-Quality Versatile Speech Generation

12.14 医疗/科学

[107] arXiv:2402.10373 - BioMistral: A Collection of Medical LLMs

[108] arXiv:2401.07950 - SciGLM: Training Scientific Language Models

[109] arXiv:2412.18925 - HuatuoGPT-o1: Medical Complex Reasoning

[110] arXiv:2507.05201 - MedGemma: Medical Language Understanding

[111] arXiv:2411.10137 - ChatLaw: Legal Large Language Model

[112] arXiv:2308.02773 - EduChat: A Large-Scale Educational Dialogue System

12.15 RAG/长上下文

[113] arXiv:2310.11511 - Self-RAG: Learning to Retrieve, Generate, and Critique

[114] arXiv:2309.17453 - Efficient Streaming Language Models with Attention Sinks

12.16 其他

[115] arXiv:2507.13575 - Apple Intelligence Foundation Language Models

[116] arXiv:2407.18559 - VSSD: Vision Mamba with Non-Causal State Space Duality

19. 资源索引

13.1 GitHub 仓库索引（152个）

👂 点击展开完整 GitHub 仓库列表

序号	仓库	说明
1	openai/openai-cookbook	OpenAI 官方示例
2	openai/whisper	语音识别
3	meta-llama/llama-models	LLaMA 官方
4	meta-llama/codellama	CodeLlama
5	google-deepmind/gemma	Gemma 官方
6	google/gemma_pytorch	Gemma PyTorch
7	google-deepmind/codegemma	CodeGemma
8	google-deepmind/recurrentgemma	RecurrentGemma
9	microsoft/Phi-4	Phi-4 官方
10	microsoft/Phi-3-cookbooks	Phi-3 示例
11	microsoft/LongRoPE	长上下文技术
12	xai-org/grok-1	Grok-1 开源
13	mistralai/mistral-inference	Mistral 推理
14	tiiuae/falcon-llm	Falcon 官方
15	tiiuae/Falcon-H1	Falcon-H1 混合架构
16	allenai/OLMo	OLMo 官方
17	allenai/OLMo-core	OLMo 核心
18	allenai/molmo	Molmo 多模态
19	EleutherAI/gpt-neox	GPT-NeoX
20	EleutherAI/pythia	Pythia
21	Stability-AI/StableLM	StableLM
22	databricks/dbrx	DBRX
23	Snowflake-Labs/snowflake-arctic	Arctic
24	AI21Labs/Jamba	Jamba
25	QwenLM/Qwen	Qwen 官方
26	QwenLM/Qwen2.5	Qwen2.5
27	QwenLM/Qwen3	Qwen3
28	QwenLM/Qwen2.5-Coder	Qwen 代码模型
29	QwenLM/Qwen2.5-Math	Qwen 数学模型
30	QwenLM/Qwen2-VL	Qwen 视觉语言
31	QwenLM/Qwen3-VL	Qwen3 视觉语言
32	QwenLM/Qwen2-Audio	Qwen 音频
33	QwenLM/Qwen-Agent	Qwen Agent
34	QwenLM/QwQ	QwQ 推理模型
35	QwenLM/Qwen3-Embedding	Qwen 嵌入
36	QwenLM/Qwen3-Omni	Qwen 全模态
37	deepseek-ai/DeepSeek-V3	DeepSeek-V3
38	deepseek-ai/DeepSeek-R1	DeepSeek-R1
39	deepseek-ai/DeepSeek-Coder	DeepSeek 代码
40	deepseek-ai/DeepSeek-Coder-V2	DeepSeek 代码 V2
41	deepseek-ai/DeepSeekMath	DeepSeek 数学
42	THUDM/GLM-4	GLM-4 官方
43	THUDM/ChatGLM3	ChatGLM3
44	THUDM/GLM-4-Voice	GLM 语音
45	THUDM/CodeGeeX4	CodeGeeX4
46	THUDM/CogVLM2	CogVLM2
47	THUDM/SciGLM	SciGLM
48	THUDM/AgentTuning	AgentTuning
49	PaddlePaddle/ERNIE	ERNIE 官方
50	Tencent/Hunyuan-Large	混元 Large
51	ByteDance-Seed/Seed-Coder	Seed 代码
52	ByteDance-Seed/Seed1.5-VL	Seed 视觉
53	MoonshotAI/Kimi-K2	Kimi K2
54	MoonshotAI/kimi-k1.5	Kimi k1.5
55	MiniMax-AI/MiniMax-M1	MiniMax-M1
56	OpenBMB/MiniCPM	MiniCPM
57	OpenBMB/MiniCPM-V	MiniCPM-V
58	OpenBMB/MiniCPM-o	MiniCPM-o
59	OpenBMB/ToolBench	ToolBench
60	InternLM/InternLM	InternLM
61	InternLM/InternLM-Math	InternLM 数学
62	InternLM/lmdeploy	LMDeploy
63	OpenGVLab/InternVL	InternVL
64	baichuan-inc/Baichuan2	Baichuan2
65	01-ai/Yi	Yi
66	01-ai/Yi-1.5	Yi-1.5
67	stepfun-ai/Step-3.5-Flash	Step
68	Qihoo360/360zhinao	360 智脑
69	bigcode-project/starcoder2	StarCoder2
70	OpenCoder-llm/OpenCoder-llm	OpenCoder
71	nlpxucan/WizardLM	WizardLM
72	ise-uiuc/magicoder	Magicoder
73	eleutherai/llemma	Llemma
74	meta-math/MetaMath	MetaMath
75	mathllm/MathCoder	MathCoder
76	project-numina/aimo-progress-prize	NuminaMath
77	haotian-liu/LLaVA	LLaVA
78	LLaVA-VL/LLaVA-NeXT	LLaVA-NeXT
79	EvolvingLMMs-Lab/LLaVA-OneVision-1.5	LLaVA-OneVision
80	jzhang38/TinyLlama	TinyLlama
81	huggingface/smollm	SmolLM
82	facebookresearch/MobileLLM	MobileLLM
83	state-spaces/mamba	Mamba
84	BlinkDL/RWKV-LM	RWKV
85	RWKV/RWKV-v7	RWKV-7
86	ShishirPatil/gorilla	Gorilla
87	FlagOpen/FlagEmbedding	BGE 嵌入
88	BioMistral/BioMistral	BioMistral
89	paperswithcode/galai	Galactica
90	facebookresearch/audiocraft	MusicGen
91	bytedance/Seed-TTS	Seed-TTS
92	bytedance/SALMONN	SALMONN
93	gpt-omni/mini-omni	Mini-Omni
94	AkariAsai/self-rag	Self-RAG
95	google-deepmind/retro	Retro
96	vllm-project/vllm	vLLM
97	huggingface/text-generation-inference	TGI
98	ollama/ollama	Ollama
99	ggerganov/llama.cpp	llama.cpp
100	sgl-project/sglang	SGLang
101	NVIDIA/TensorRT-LLM	TensorRT-LLM
102	mit-han-lab/llm-awq	AWQ 量化
103	AutoGPTQ/AutoGPTQ	GPTQ 量化
104	bitsandbytes-foundation/bitsandbytes	bitsandbytes
105	turboderp/exllamav2	ExLlamaV2
106	lm-sys/FastChat	FastChat

13.2 HuggingFace 链接索引（162个）

👂 点击展开完整 HuggingFace 链接列表

序号	链接	说明
1	meta-llama	LLaMA 系列
2	google	Gemma/Gemini
3	microsoft	Phi 系列
4	mistralai	Mistral 系列
5	Qwen	通义千问
6	deepseek-ai	DeepSeek
7	THUDM	GLM 系列
8	tiiuae	Falcon
9	allenai	OLMo
10	EleutherAI	Pythia
11	bigscience/bloom	BLOOM
12	stabilityai	StableLM
13	databricks/dbrx-instruct	DBRX
14	Snowflake	Arctic
15	ai21labs	Jamba
16	CohereForAI	Command
17	01-ai	Yi
18	baichuan-inc	Baichuan
19	internlm	InternLM
20	openbmb	MiniCPM
21	bigcode	StarCoder
22	codellama	CodeLlama
23	WizardLM	WizardLM
24	TinyLlama	TinyLlama
25	HuggingFaceTB	SmolLM
26	state-spaces	Mamba
27	RWKV	RWKV
28	BlinkDL	RWKV
29	NX-AI/xLSTM-7b	xLSTM
30	BAAI	BGE 嵌入
31	Alibaba-NLP	GTE 嵌入
32	intfloat	E5 嵌入
33	nomic-ai	Nomic 嵌入
34	jinaai	Jina 嵌入
35	BioMistral	BioMistral
36	facebook/galactica-120b	Galactica
37	AI-MO	NuminaMath
38	ToolBench/ToolLLaMA-7b	ToolLLaMA
39	OpenGVLab	InternVL
40	liuhaotian	LLaVA
41	lmsys	Vicuna
42	NousResearch	Hermes
43	moonshotai	Kimi
44	MiniMaxAI	MiniMax
45	ByteDance-Seed	Seed 系列
46	stepfun-ai	Step
47	Qihoo360	360 智脑
48	tencent	混元
49	apple	OpenELM
50	infly	OpenCoder

20. 贡献指南

14.1 🃏 Model Card 模板（含扑克牌标记）


### 模型名称

| 版本 | 发布时间 | 参数规模 | 上下文 | 许可协议 | 核心特性 | 🃏 标记 |
|:---|:---|:---|:---|:---|:---|:---|
| v1.0 | YYYY-MM | XB | XK | License | 特性描述 | ♥J |

**官方资源**：
- 📄 论文：[arXiv:XXXX.XXXXX](https://arxiv.org/abs/XXXX.XXXXX)
- 💻 GitHub：[org/repo](https://github.com/org/repo)
- 🤗 HuggingFace：[org/model](https://huggingface.co/org/model)
- 📖 API：https://api.example.com

14.2 🃏 扑克牌标记规范

在贡献新模型时，请按照以下规则添加扑克牌标记：

选择花色：根据模型的主要功能选择 ♠/♥/♦/♣

选择点数：根据参数规模选择 2-7 / 8-10 / J / Q / K / A

特殊标记：如果模型有突破性创新，考虑使用 🃏 Joker

在表格中标注：在每个模型系列的标题后标注花色符号

标记决策树：


模型是否具有范式创新？
├─ 是 → 🃏 Joker（如 Mamba、RWKV、DeepSeek-R1）
└─ 否 → 主要功能是什么？
    ├─ 通用语言生成 → ♥ + 按规模定点数
    ├─ 视觉/多模态理解 → ♠ + 按规模定点数
    ├─ 代码/数学/推理 → ♦ + 按规模定点数
    ├─ Agent/嵌入/RAG → ♣ + 按规模定点数
    └─ 其他 → 选择最接近的花色

14.3 贡献流程

Fork 仓库 → 创建分支 → 修改内容 → 提交 PR

Issue 提交：发现错误或遗漏请提交 Issue

内容要求：

确保 arXiv 编号正确

确保链接有效可访问

遵循现有格式规范（含 🃏 标记）

新增模型需包含扑克牌分类标记

14.4 贡献者名单

感谢所有贡献者！欢迎 PR 和 Issue。

21. 更新日志

日期	更新内容
2026-11-06 (v4.10)	继续补齐公开榜单拼图：新增 SWE-rebench 逐月榜（116 模型 × 18 个评测期，带推理档位与 text/tools 调用模式）、Aider edit（98 模型）与 refactor（14 模型）两榜、Arena-Hard-Auto（60 模型，含 95% 置信区间与 token 消耗）。榜单 8 → 12 个、参评条目 464 → 1104 条、模型 272 → 526 个，时间覆盖 2023–2026；模型注册表由 `scripts/expand_registry.py` 依据实际榜单条目自动扩充至 507 条，并拆分 GLM-5/5.1/5.2、Claude 3.5 Sonnet 日期快照、Gemini 1.5 `-001` 与 `-api-0514` 等不同版本被错误合并的情况；看板新增按评测期筛选、18 期时间序列视图、以及「🧱 跨榜拼图」区（126 个模型出现在 ≥2 个榜单）；校验器新增一榜多期的期内名次连续性检查
2026-11-06 (v4.9)	新增完整榜单参评名单抓取：此前看板只收录 12 个模型、每个「榜单」仅 1–2 条记录，不构成榜单。新增 `scripts/fetch_benchmark_boards.py`，从 SWE-bench 官方 `leaderboards.json`（5 个子榜）、Aider polyglot、LMArena 官方 CSV 抓取 8 个一手榜单 / 464 条参评条目 / 272 个模型；新增 `data/model_registry.json`（197 个模型条目）统一模型身份，明确区分「同一模型的不同 agent / 推理档位配置」与「不同模型」，避免错误合并；看板新增榜单全貌与完整参评名单浏览器（可按榜查看完整排名、配置列、发布日期）、榜上模型数统计与覆盖率口径修正；CI 增至 10 步，接入榜单数据与模型身份校验；离线自测 89 → 115 项
2026-11-06 (v4.8)	站点导航锚点对齐（第七轮遗留问题收尾）：① `gen_html.py` HEADER 中 24 处硬编码简写锚点批量对齐为生成器实际产出的标题 id（如 `#快速索引` → `#1-快速索引`），两处歧义按侧栏语义人工指定；27 个导航链接现 100% 直接命中；② 新增 FOOTER 运行时兼容层：README 目录按 GitHub slug 规则书写、站点 id 规则不同，运行时把失效链接唯一映射到真实 id（53 个站内链接中 18 个由此修正，0 歧义、0 未解决），并把侧栏点击处理改用 `getElementById` 避免含 emoji / 全角括号的 id 触发 CSS 选择器异常；③ 修正 README 目录 1.10 链接为 GitHub 风格；④ 新增 `scripts/test_nav_anchors.py`（9 项回归自测，含 Node 执行兼容层验证 href 改写），全量自测增至 89 项
2026-11-06 (v4.7)	新增多榜单 Benchmark 可视化看板：① 新建 `data/benchmark_observations.json` 观测长表（44 条 / 12 模型 / 23 榜单 / 12 可比组），把 §4.1 与 §1.10 的官方指标拆为「模型 × 榜单 × 指标 × 口径组」四元组，主键唯一并合并跨表重复登记；② 新建 `scripts/render_benchmark_board.py` 生成自包含页面 `benchmarks.html`，沿用站点暗色 CSS 变量，提供筛选、排序、覆盖矩阵、指标覆盖率、2–4 模型横向对比、口径差异与缺失清单；③ 防错：跨组数值排序禁用、单位隔离、越低越好方向标注、同名跨口径指标分行、未披露显式标记、无跨单位聚合；④ 新建 `scripts/test_benchmark_board.py`（24 项自测，含 Node DOM stub 执行内联 JS），全量自测增至 80 项；⑤ CI 增加看板数据校验与重生成步骤，提交白名单纳入 `benchmarks.html` 与两份数据文件；⑥ `gen_html.py` 导航与侧栏加入看板入口，并修正第六轮遗留的 1.10 旧锚点
2026-11-06 (v4.6)	第六轮：三张历史数值表结构性替换，待确认清单清空：① §4.1 性能基准表 → 官方评测来源索引（9 条 `[A]`）、§4.2 API 定价表 → 官方价目页索引（8 家厂商入口）、§1.10 SOTA 双赛道榜 → 可核实的官方榜单口径（5 条），删除全部无来源分数、价格与排名；② 新增 `data/official_sources.json`（22 条可核实记录）与 `scripts/render_source_tables.py`（渲染 / `--validate` / `--verify` / `--dry-run`）、`scripts/test_render_source_tables.py`（14 项离线自测）；③ CI 自测改为 discover 全量（56 项）并新增「Validate official source tables」步骤，校验列数 / 去重 / HTTPS / marker 一致性并阻止旧数值回填；④ `gen_html.py` 泛化跳过所有 HTML 注释标记，目录锚点与三处标题同步；⑤ §2.0.4 待确认 4 → 0 条，累计关闭 18 项；三态更新至 150 / 40 / 0 = 190 条；⑥ §2.0.7 增加第六轮表并更新覆盖边界与结论
2026-11-06 (v4.5)	第五轮：待确认项终局判定与专项领域补白（收尾轮）：① 对 9 条待确认项逐个给出终局判定，关闭 5 条——LLaMA 4 Behemoth（官方确认未发布）、GPT-5 独立 Technical Report（证伪，官方只有 System Card）、Grok 5（xAI 官方模型目录无此型号，二手报道与官方冲突不采信）、Hailuo 2.3（MiniMax 官方 API 发布说明确认 2025-10-28，5 种冲突口径根因是第三方上架日 / 日报误标）、xLSTM 7B（模型真实存在，但 arXiv:2510.02228 是 scaling law 论文而非其模型报告）；剩余 4 条定性为「基线无来源历史数值」结构性开放项；② 补入 7 条专项领域代表模型：TiRex-2 / KronLSTM（时间序列 / 新架构）、Index-1.9B（SLM / RAG）、RynnBrain 1.1 / 腾讯 Hy-Embodied / 宇树 UnifoLM（具身 / 机器人）、Hailuo 2.3（视频生成 / Media Agent）；③ 单一 B 源抽查升级：Grok 4.3 / 4.6 与 MiniMax M2 系列升至 `[A]`；④ §2.0.5 引用编号反查增至 12 条，新增 arXiv:2510.02228、arXiv:2607.09885 原文核实；⑤ §2.0.7 增加第五轮判定表、来源升级表，并把覆盖边界改为「已关闭 / 结构性开放」两分，明确剩余工作是持续维护而非一次性补齐；三态更新至 150 / 40 / 4 = 194 条
2026-11-05 (v4.4)	第四轮：待确认项收敛、硬误判纠偏与未完成任务收尾：① 逐条复核 13 条待确认项，纠正 2 类硬误判——Gemini 4 Carbon（Google 官方博客 2026-10-28 公告、受限开放）与 Muse Spark / Muse Spark Open（Meta 官方博客 + HF `meta-models` 仓库）此前被误列为「聚合站传闻」；② 收敛 5 条（o1 退役、Qwen3.6 / 3.7 系列、Baichuan-M4、Gemini 4 Carbon、Muse Spark Open），新增 1 条来源冲突（Hailuo 2.3 五种日期口径），三态由 13 → 9；③ 补入 10 条 🆕（Runway Gen-4.5、Luma Ray3.2 / UNI-1.1、Muse Spark 1.2 / Muse Code、Qwen3.6 / 3.7、Baichuan-M4、混元 Hy-SimulMT 等）与 2 条 🔄（o1 / o1-pro 退役、HunyuanVideo 版本线），三态更新至 143 / 36 / 9 = 188 条；④ 对 §4.1 基准、§4.2 定价、§1.10 SOTA 榜三处无来源数值表加显式可信度警示并附 6 家官方实时价目页，历史数值不静默改写；⑤ 用 HF 官方 API 完成 20 / 20 基线代表仓库状态机检，明确「仅证明仓库可见性、不证明规格」的口径边界；⑥ §2.0.7 增加第四轮纠偏表、基线机检表与方法论教训，覆盖边界逐项更新；⑦ 抓取脚本增加「与人工核实清单去重」：`load_known_repos()` 只读取 §2.0.1–2.0.7（跳过 §2.0.8 marker 块以免自我抑制），已核实仓库不再重复上报，离线自测 39 → 42 项
2026-11-05 (v4.3)	第三轮：自动抓取闭环与查全补齐：① 首期 12 条 HF 机器候选逐条用 HF 模型 API 与官方发布页人工核实，5 条迁入 🆕、1 条补一手来源、6 条因跨组织再分发或信息不足保留候选，跑通「机器发现 → 人工核实 → 迁入三态」闭环；② 补入 ERNIE-5.5-Flash-Base、MiniMax-M3.1-Flash / H3 / Music3、混元 Hy-Nomas、MiniCPM-OCR-1.0、LFM3-VL-2B、WeVisOne-VL、EmbeddingGemma-2、Jamba2、FLUX.3 Klein、Mage-VL-Cowork、LensVLM-9B、Nemotron 3.5 Transcribe、Pika-H3-Flex、Wan2.2-Animate-2、可灵 3.0 / Seedance 2.0 / Vidu Q3 等 19 条；③ 用 HF 官方 API 客观核查 10 组长尾厂商，纠正「组织名别名陷阱」与「无公开仓库」的错误推断；④ §2.0.7 覆盖边界更新为「§17 与长尾厂商已定向补齐、仍未穷举」；⑤ 三态计数更新为 133 / 34 / 13 = 180 条；⑥ 抓取脚本增加跨组织再分发排除、API 字段防御与 `--validate` 产物校验，日报打分明细补充许可列，CI 增加校验步骤与 push 失败 rebase 重试，离线自测扩充至 39 项
2026-11-05 (v4.2)	新增 Hugging Face 每日自动抓取流水线：`scripts/fetch_hf_models.py`（零第三方依赖，三路 HF API 榜单 + 时间窗 + 热度/官方加权 + 量化仓库排除 + 跨天去重与冷却）、`scripts/test_fetch_hf_models.py`（离线自测）、`.github/workflows/hf-daily.yml`（每日 01:17 UTC 定时 + 手动触发）；产出 `HF_DAILY.md`、`data/hf-daily/` 归档与 `latest.json`，并自动重建 `index.html`；新增 README §2.0.8，所有自动条目标注「机器抓取 · 未经人工核实」，不并入三态清单
2026-11-05 (v4.1)	第二轮复核与纠偏：① 补查 OpenAI Help Center Model Release Notes、platform.openai.com Deprecations、Deployment Safety Hub、Meta 官方博客、Google blog、Hugging Face 模型卡等一手页面，新增 19 条遗漏模型（gpt-oss / Codex 支线 / GPT-5.4 mini-nano / GPT-6 Rosalind / ChatGPT Images / Sora 2 / Gemma 4 / Veo 3.1 / Voxtral TTS / 小米 MiMo / 蚂蚁 Ling / Wan2.2 / Qwen3.8-27B / Jina v4-v5 等）；② 修正 7 类第一轮错误：GPT-5.4 mini-nano 实为已发布、Qwen3.8-Max 与 Kimi K3.1 Pro 与 Mistral Large 4 的权重均已交付且许可证均非 Apache 2.0、Llama 4 Scout 10M 有 Meta 官方来源、OpenAI 官方退役清单已找到、Gemma 4 日期与规格补齐、arXiv 反查措辞改为准确表述；③ 收敛 4 条待确认项，补充 8 组官方退役/弃用事件；④ 新增 §2.0.7 查准查全自评，列出未覆盖范围、单一来源条目与残余风险，明确「查全」不可一次性达成；⑤ 三态计数更新为 114 / 34 / 13 = 161 条；⑥ 同步更新 index.html 与 report_final.md
2026-11-05 (v4)	模型汇总深度核实与增补：① 新增 §2.0 统一模型汇总核实总表，以项目现有汇总为基线完成 146 条核实记录，统一 8 列字段（模型名称 / 提供方 / 发布或更新时间 / 模型类别 / 核心能力 / 可用状态 / 信息来源 / 标记）；② 覆盖 2025-01～2026-11-05 国内外 30+ 厂商的新模型、版本迭代与状态，含 OpenAI GPT-5.3～GPT-6.1、Anthropic Opus 4.5～Haiku 5.5、Gemini 3～4 Argon、DeepSeek V3.2～V4.1-Flash、Qwen3.5～Qwen3.8、GLM-5.1～5.3、Kimi K2.6～K3.1、MiniMax M3、混元 Hy3、豆包 Seed 2.1、讯飞星火 X2 等；③ 更正基线中 34 项时间 / 规格 / 许可 / 状态（如 GPT-5 → 2025-08-07、ERNIE 5.0 → 2026-01-22 且为闭源 API、LLaMA 4 Behemoth → 未发布）；④ 反查 10 条 arXiv 引用记录，7 项取得原文确认，未核实的不作真伪判断；⑤ 明确 A/B/C 三级来源口径与全局去重规则，§2.1–2.30 保留为 2026-04-05 基线快照
2026-04-05 (v3.1)	全面审查与信息更新：① 新增 GPT-5.4（2026-03 最新旗舰）到 GPT系列/SOTA榜/性能表/推理模型/时间线；② o4-mini 标注已退役(2026-02)，SOTA 榜重排（GPT-5.4 登顶）；③ 修复目录编号重复问题（13/14→19/20）；④ Claude 4.6 GPQA 更新为 91.3%；⑤ API 定价表新增 GPT-5.4/GPT-5.4 mini
2026-04-05 (v3)	重大扩展：新增 6 大章节 — 🛡️ 安全与对齐（攻击类型+防御体系）、📏 评测基准详解（30+ Benchmark）、🔧 微调工具链实战（LoRA 模板+工具推荐）、🏭 行业应用案例（10 大行业+RAG架构图）、💡 Prompt Engineering 指南、🎬 视频生成与世界模型
2026-04-04 (v2)	重大扩展：新增 6 大章节 — LLM发展时间线、训练方法与对齐技术、场景化选型指南、开源生态地图、2026趋势展望、FAQ（+500行内容）
2026-04-04 (v1)	集成 House of Model Cards (HOMC) 扑克牌分类体系，新增 🃏 花色/点数标记，完善 README 结构
2026-04-03	项目重构，新增 200+ 模型、218 条论文引用
2026-03-15	新增 Kimi K2.5、Baichuan-M3
2026-02-20	新增 GPT-5.2、Claude 4.6、GLM-5
2026-01-10	新增 LLaMA 4 Behemoth、Qwen3.5
2025-12-01	新增 Mamba-3、RWKV-7
2025-10-15	新增 Claude 4.5、Grok 4
2025-07-20	新增 Kimi K2、Falcon-H1
2025-05-01	项目初始化

🃏 关于 House of Model Cards (HOMC)

🎴 一副扑克，尽览 AI 模型全景

本项目采用了受 isLinXu/house-of-model-cards 启发的 House of Model Cards (HOMC) 分类体系。核心理念是：

"每个 AI 模型都是一张独特的卡牌 —— 有其专属的花色（能力领域）、点数（规模等级），以及可能隐藏的 Joker 惊喜（突破性创新）。"

致谢

isLinXu/house-of-model-cards — 原 HOMC 项目的创意启发

所有开源模型的研究团队和工程师们

本项目的所有贡献者

⭐ Star History

如果这个项目对您有帮助，请给我们一个 Star！⭐ 您的支持是我们持续更新的动力！

📜 License

↑

📊 核心统计

🌟 项目特色

🎴 House of Model Cards — 扑克牌分类体系说明

设计理念

花色映射规则

点数规则（数字/A/J/Q/K）

标记示例

与原 HOMC 项目的区别

📑 目录

1. 快速索引

1.1 按开源状态

1.2 按厂商/组织

1.3 按应用领域

1.4 按参数规模

1.5 按架构类型

1.6 🃏 按扑克牌花色分类

♠ 黑桃 — 视觉与多模态理解 (Spade: Vision & Multimodal Understanding)

♥ 红心 — 通用语言模型 (Heart: General Language Models)

♦ 方块 — 结构化推理与代码 (Diamond: Structured Reasoning & Code)

♣ 梅花 — Agent 与嵌入 (Club: Agent & Embeddings)

🃏 Joker — 突破性创新模型

🃏 双花色标记规则（新增）

1.7 按推理能力等级分类（⭐ 新增）

1.8 按部署场景分类（⭐ 新增）

1.9 按训练对齐方法分类（⭐ 新增）

1.10 🏆 官方榜单口径

1.11 📊 完整榜单参评名单（自动抓取，一手来源）

2. 通用基础模型

2.0 模型汇总核实总表 截至 2026-11-05

2.0.1 核实口径与标记说明

2.0.2 🆕 新增项 已核实

2.0.3 🔄 更新项 已收录模型的版本 / 能力 / 状态更正

2.0.4 ⚠️ 待确认项 无法核实 / 来源冲突 / 仅见预告

2.0.5 引用编号核实结果

2.0.6 统计、去重与维护说明

2.0.7 查准查全自评与覆盖边界

2.0.8 每日 HF 自动抓取候选

2.1 OpenAI GPT 系列 ♥A

2.2 Anthropic Claude 系列 ♥A

2.3 Meta LLaMA 系列 ♥K

2.4 Google Gemini/Gemma 系列 ♥Q

2.5 Microsoft Phi 系列 ♥10

2.6 xAI Grok 系列 ♥K

2.7 Mistral AI 系列 ♥Q

2.8 Cohere Command 系列 ♥Q

2.9 TII Falcon 系列 ♥Q

2.10 AI2 OLMo 系列 ♥8~9

2.11 EleutherAI Pythia 系列 ♥8

2.12 BigScience BLOOM 系列 ♥Q

2.13 Stability AI StableLM 系列

2.14 Databricks DBRX 系列

2.15 Snowflake Arctic 系列

2.16 阿里 Qwen 系列 ♥K

2.17 DeepSeek 系列 🃏 Joker

2.18 智谱 GLM 系列 ♥Q

2.19 百度 ERNIE 系列 ♥Q

2.20 腾讯混元系列 ♥K

2.21 字节豆包/Seed 系列 ♠Q / ♦J

2.22 月之暗面 Kimi 系列 🃏 Joker

2.23 MiniMax 系列 ♥K

2.24 面壁 MiniCPM 系列 ♥7

2.25 上海 AI Lab InternLM 系列 ♠Q

2.26 百川 Baichuan 系列 ♥Q

2.27 零一万物 Yi 系列 ♥10

2.28 阶跃星辰 Step 系列

2.29 科大讯飞 星火系列

2.30 360智脑系列

3. 专项领域模型

3.1 代码专项模型 ♦J

3.2 数学推理模型 ♦J

3.3 多模态 VLM 模型 ♠ / ♣

3.4 小语言模型 SLM ♥2~7

3.5 MoE 架构模型 ♥K

3.6 新架构模型（SSM/RNN/Hybrid）🃏 Joker

3.7 推理增强模型 🃏 Joker

3.8 Agent/工具调用模型 ♣J

3.9 嵌入模型 ♣

3.10 医疗/科学模型 ♦10

3.11 音频语言模型 ♣J

3.12 检索增强 RAG 模型 ♣10

2.0 模型汇总核实总表截至 2026-11-05

2.0.2 🆕 新增项已核实

2.0.3 🔄 更新项已收录模型的版本 / 能力 / 状态更正

2.0.4 ⚠️ 待确认项无法核实 / 来源冲突 / 仅见预告

2.29 科大讯飞星火系列