2025.11.17 - 2025.11.21 AI 大模型更新周报：含国内外闭源 / 开源模型全动态

本周更新（2025/11/17~2025/11/21）

1、 Gemini 3 Pro

Google 发布了最新的 Gemini 3 模型，首日便做到了屠榜，基本在所有榜单上面超过了GPT-5.1和Claude Sonnet 4.5。

它的主要特点：

• 多模态能力：能同时处理文字、图片、音频
• 代码理解：能读懂整个项目的代码结构
• 代码生成：能直接输出可运行的代码
• 上下文超长：能记住很长的对话内容

这些能力让 Gemini 3 Pro 在编程领域表现出色。它不仅能写代码，还能修复 bug，优化代码结构。

2、 Grok 4.1

✅ Grok 4.1标准版：主打快速响应，适合日常唠嗑和快速问答，反应速度那叫一个快。

✅ Grok 4.1 Thinking版：这是拥有深度思考能力的增强版，会用“思考令牌”进行链式推理，特别擅长解决复杂的数学题、编程问题，或者需要多步骤推理的逻辑难题。

目前两个版本都免费，实在优秀。

11月更新

1、GPT-5.1

• GPT-5.1 Instant：ChatGPT 最常用的模型，更温暖、更智能，也更善于遵循指令的模型。
• GPT-5.1 Thinking：高级推理模型，在简单任务上更快，在复杂任务上更持久，也更容易理解。
  

2、 文心5.0 Preview

文心5.0 Preview是百度最新推出的大语言模型，全称为ERNIE-5.0-Preview-1022。该模型于2025年11月初在业界权威大模型公共基准测试平台LMArena上首次亮相，并一举获得文本能力排行榜全球并列第二、国内第一的优异排名。

文心5.0 Preview的核心能力主要体现在三个维度，恰好对应了产业智能化的三大痛点：

1. 创意写作：全球第一的內容生成能力

2. 复杂长问题理解：专业领域的深度分析

3. 指令遵循：精准执行用户意图

3、Kimi-K2-Thinking

知名AI基准测试机构Artificial Analysis发表长文介绍了新模型能力，并把 Kimi K2 Thinking的排名放到了世界第一的位置！超越GPT-5、Grok 4、Sonnet 4.5！

Kimi K2 Thinking 的核心亮点是基于「模型即 Agent」理念训练的新一代 Thinking Agent，它原生掌握「边思考，边使用工具」的能力。在人类最后的考试（Humanity’s Last Exam）、自主网络浏览能力（BrowseComp）、复杂信息收集推理（SEAL-0）等多项基准测试中表现达到 SOTA 水平，并在 Agentic 搜索、Agentic 编程、写作和综合推理能力等方面取得全面提升。

国外部分

经过了两年的发展，国内外AI大模型的差距在不断缩小，但整体国外仍有一个身位的领先优势，尤其是通用模型，OpenAI，Google，Anthropic这三家公司除了性能交替领先，更重要的是行业趋势目前仍然一直由这几家公司把握。

国外的大模型大多数都需要架梯翻墙才能访问，而且由于生成的内容相对自由，国内企业使用起来可能会要注意合规风险。

闭源组

通用类

• ChatGPT:

OpenAI研发的大模型应用。2025年11月推出最新的通用模型GPT-5.1。和能力不及预期的GPT-相比，对话风格更加亲切，更善于对话，指令遵循也做得更好。目前OpenAI模型整体实力确实不如Deepmind，但加上整个应用生态还是有一战之力。

• Gemini:

Google Deepmind研发的大模型。2025年3月份发布了Gemin 2.5 Flash，默认采用thinking模式拥有地表最长上下文10M(2M稳定) token。

Gemini目前模型性能综合实力最强，结合搜索业务的Deep Research是行业标杆。

• Claude:

Anthropic研发的大模型。

2025年10月发布Haiku 4.5，在保持与Claude Sonnet 4相近性能的同时，实现了超过2倍的响应速度和仅为1/3的运营成本；

9月发布Sonnet 4.5，在构建复杂智能体和Computer Use方面表现最为出色。新增了上下文编辑功能和内存工具，使智能体能够运行更长时间，处理更复杂的任务能够在复杂的、多步骤的任务上保持超过30小时的专注；

8月发布了Opus 4.1，将编码性能提升至SWE-bench Verified基准测试的74.5%，还显著增强了Claude的深度研究和数据分析能力，尤其在细节追踪和智能体搜索方面表现突出。

曾经有段时间在LMSYS Arena跑分占据过首位，但后续并不热衷于刷分，版本更新也比较佛系，公认最强的领域是Coding。

• Grok:

一龙马斯克旗下的xAI研发的大模型，采用最新版本闭源早期版本开源的策略，其中v3.0版本已经开源。2025年11月发布最新版本v4.1。在LMSYS当了一天的老大就被友商Gemini超越。和4.0版本相比，4.1通过创新的智能体奖励模型训练方法，提升了模型的情商以及写作时“人味”，并大幅降低幻觉率。

推理类

• OpenAI

2025年11月发布GPT-5.1 thinking，和 GPT-5 相比，能更精确地根据问题调整其思考时间——在复杂问题上花费更多时间，同时对简单问题做出更快的响应。回应也更清晰，使用的专业术语和未定义的术语更少。

2025年6月推出最新的推理模型o3 pro，多模态推理能力大大提升。

• Gemini：

Google Deepmind发布的推理模型，2025年11月份发布了 Gemin 3 Pro 和Gemin 3 Deep Think。在推理、多模态理解和智能体能力上实现了质的飞跃。Gemini 3 Pro在几乎所有主要的 AI 基准测试中都显著优于 2.5 Pro；Gemini 3 Deep Think 作为全新的增强推理模式，在高难度测试中表现卓越，并在 ARC-AGI-2 上取得了 45.1% 的突破性成绩。

• Claude

Anthropic发布的推理模型，2025年9月发布Claude Sonnet 4.5 Extended Thinking。8月发布Claude Opus 4.1 Extended Thinking。

• Grok

xAI发布的推理模型，2025年11月发布Grok 4.1 Thinking。

• Magistral

Mistral发布的推理模型，2025年9月发布了的Magistral Medium v1.2，增加了多模态支持，提升了模型本身和工具使用时的智能。整体性能在第二梯队，主要优点是快。

图片类

• Gemini 2.5 Flash Image(Nano banana)：

2025年8月Google Deepmind更新的Gemini原生的图像生成能力。相比于强大的专业生图模型Imagen，Gemini在生图质量不输前者的前提下，吸取更多对话模型的优点，让图像在多轮对话中可以保持更好的一致性，让图像生成和修改更可控。相比Imagen 4的原创能力，nano banana的强项是二创能力。

• Imagen 4：

Google Deepmind 2025年5月发布的AI图像生成模型。在LMSYS竞技场T2I子榜上Image 3长期霸榜，Imagen 4生图质量比3高，速度比3快，很可能扩大领先优势。

• GPT-4o

2025年4月OpenAI更新的GPT-4o原生的图像生成能力。似乎超越DALL·E 3了？

• DALL·E 3:

OpenAI研发的AI图像生成器。

视频类

• Veo 3.1:

Google Deepmind在2025年10月发布的AI视频生成模型。相比5月份发布的3.0版本，音频生成、指令遵循、视频真实感这几个维度都有显著增强的同时，新增“插入”工具，可在视频中添加新元素并自动匹配光影。

• Gen-4:

Runway在2025年4月发布的AI视频生成模型，在3.0的基础上，大幅增强了角色、场景的一致性， 让生成视频可以支持更长的叙事，从前几代的创意玩具开始变得更接近可用的生产力工具。

• Pika:

Glen Pika在2023年11月发布的AI视频生成产品，支持文生视频、图生视频和视频生视频，2025年2月推出2.2版本，生成效果提升，加入了好玩但没啥实用性的Pikaafferts。

• Luma AI:

Luma Labs在2025年9月发布的电影级视频生成产品，增加了CoT推理生成功能，使用专业ACES2065-1 EXR标准生成真正的高动态范围视频，支持10位、12位和16位格式，可以生成时长约10秒。

• Stable Video Diffusion:

Stablility AI发布的AI视频生成模型，以两个图像到视频模型的形式发布，能够以每秒 3 到 30 帧的可定制帧速率生成 14 帧和 25 帧，生成视频时长2-5秒。需下载代码布署本机使用，对电脑硬件配置有一定的要求。

开源组

通用类

• [Llama]

Meta研发的开源大模型，2025年4月发布了4.0版本，三个版本均为MoE架构，参数量分别为17B╳16(Scout)/17B╳128(Marverick)/288B╳16(Behemoth)， 目前Scout和Marverick已上线。四个字概括下，口碑崩了。

• Mistral:

法国的大模型初创企业MistralAI于2023年9月份发布的模型系列。2023年12月发布了Mixtral-of-Expert-7B，是一个拥有8个专家层的MoE模型。2024年4月发布了Mixtral-of-Expert-22B。2024年11月发布了多模态大模型Pixtral Large，124B参数，支持128K上下文，具备前沿级图像理解能力，能理解文本、图表和图像。2025年3月发布Mistral Small 3.1，参数量24B。

• Gemma:

Google Deepmind发布的开源小语言模型，2025年3月发布了3.0版本，包括1B, 4B, 12B和27B几个大小。

推理类

• gpt-oss：

OpenAI于2025年8月发布的开源推理模型，MoE架构，有**120B（A5.1B）和20B（A3.6B）**两个版本，性能分别于o4-mini和o3-mini相当。

• Phi

微软2025年5月发布的推理模型Phi-reasoning系列，包括加强版plus，和效率版mini。参数量和通用版本一致为14B。

• Magistral

Mistral发布的推理模型，2025年9月发布了并开源了24B参数的Magistral Small v1.2版本，增加了多模态支持，提升了模型本身和工具使用时的智能。

图片类

• Flux.1 Kontext:
  2025年6月由Black Forrest Lab发布，参数量1.2B。和前版本Flux.1相比，当前版本亮点在于其上下文感知图像生成与编辑能力。与传统仅基于文本提示的图像生成模型不同，该模型能够同时理解文本和图像输入，实现真正的上下文生成与编辑

• Stable Diffusion:

由CompVis、Stability AI 和 LAION 的研究人员创建文本到图像潜在扩散模型，需下载代码布署本机使用，对电脑硬件配置有一定的要求，目前更新到了3.5版本。

----- 国内部分 -----

国内的大语言模型一开始都是为了想在这个市场中分一杯羹赶鸭子上架陆续上线的，不过在经历了一年多的发展后，和国外领先团队的差距在不断缩小，尤其是在音乐、生图、生视频和推理模型这几个细分领域大有赶超之势。

闭源组

通用类

• [深度求索]（DeepSeek）：

幻方量化团队核心成员创立的AI大模型公司。目前通用模型（混合推理模型）为V3.1-Terminus版，推理模型为R1版本。服务能力普通，没有多余的应用生态，全凭模型实力出圈。

• 字节豆包：

字节跳动研发的大语言模型应用，通用模型版本为Doubao-Seed-1.6，国内首个支持256K token上下文长度的模型。豆包系列整体性能中上，比较擅长的领域是K12教育，国内模型厂中在应用端最接近OpenAI。

• 通义千问

阿里通义团队研发的大语言模型应用，闭源模型版本为Qwen3-Max。拥有超过1T参数，在Qwen3的基础上，代码能力和agent能力方面进一步提升，在涵盖知识、推理、编程、指令遵循、人类偏好对齐、智能体任务和多语言理解的全面基准测试中均达到业界领先水平

相对于只专注于模型性能的DeepSeek，Qwen更贴近应用，更全面。

• 智谱清言（ChatGLM）：

清华大学 KEG 实验室和智谱 AI 公司于2023年共同训练的语言模型，目前模型版本为4.5，支持多模态。模型性能和应用开发能力并存，股东实力较强。

• 月之暗面(Kimi):

月之暗面研发的大语言模型应用。曾经国内的长文档阅读之王，进入2025年后有些沉寂。

• 腾讯元宝（混元）：

腾讯研发的大语言模型应用，前身为腾讯混元，目前语言模型版本为Hunyuan-TurboS。2024年5月应用品牌升级为腾讯元宝，加入了微信公众号文章RAG搜索功能；2024年8月加入深度阅读功能。2025年2月接入DeepSeek-R1后，下载量飚升，但后续的动作存在感都不强。

• Minimax：

MiniMax研发的大语言模型应用，主打出海C端用户。

• 文心一言：

百度研发的国内首个大语言模型应用，2024年9月移动端APP品牌再次升级，将“文小言”改为“文心”。2025年11月发布通用模型Enrie-5.0-preview，采用超稀疏MoE架构，进行庞大的全模态训练，总参数规模超过 2.4T，激活参数比例低于3%。起了个大早，赶了个晚集。目前在国内团队中也是全方位落后，正在全力追赶。

• 百川智能：

搜狗系研发的大语言模型应用，2024年5月发布4.0版本，应用品牌升级为百小应，加入联网搜索RAG功能。近一年了没有什么动静，存在感比较薄弱。最近投身于医疗行业开发垂类大模型。

推理类

• 字节豆包

2025年6月发布推理模型Doubao-Seed-1.6-Thinking，独创边搜边想模式，支持256K上下文和多模态推理。

• 月之暗面

2025年4月发布K1.6推理版。

• 阶跃AI

2025年4月发布多模态推理模型step-r1-v-mini。

• 文心一言

2025年4月发布推理模型X1 Turbo；9月发布了X1.1，上下文长度64K，其余参数不详。

• 腾讯混元

腾讯混元团队2025年3月推出的推理模型 Hunyuan-T1，由于元宝集成了DeepSeek-R1，导致T1长期生存在R1的阴影之下没有存在感。

视频类

• 可灵AI：

快手2025年9月发布的视频生成大模型v2.5 Turbo。相比于2.1版本，在文本响应、动态效果、风格一致性和美学质量等方面取得了实质性改进，并进一步增强了视频生成过程中的可控性、稳定性和一致性，且生成高质量视频相比2.1版本同档位价格低近30%。与Google Veo 3并列行业top 2地位。

• doubao-seedance：

字节豆包的视频生成模型，2025年6月份发布1.0版本。作为该模型系列的大参数量版本，具备独特的多镜头叙事能力，在各维度表现出色。它在语义理解与指令遵循能力上取得突破，能生成运动流畅、细节丰富、风格多样且具备影视级美感的 1080P 高清视频。

• (MiniMax) Hailuo 2.3：

MiniMax在2025年10月底推出的视频生成模型**。和6月发布并更名为Hailuo的版本02相比，2.3版本身体动态和面部表情更逼真传神**，对物理世界的理解更深刻，对用户指令的遵循更透彻，并增加了AI视觉特效（VFX）和生成模式选择*。*

• 智谱清影：
  智谱AI推出的视频生成模型，默认生成视频时长为6秒钟，支持视频风格、情感氛围、运镜方式这些进阶参数。

• 通义万相（生视频）：

阿里通义团队发布的视频生成模型产品，目前模型版本是2025年2月发布的v2.1。支持文生视频、图生视频、视频音效。

音乐类

• (MiniMax) Music-2：

Minimax在2025年10月底推出的端到端音乐生成模型。和9月份发布的 Music 1.5 相比，2.0能够驾驭更多变的演唱风格，能更精准地控制乐器进行编曲，输出表现更专业的音频音质，歌词容量也从 600 提升到 2000 字符。

• Mureka：

昆仑万维发布的音乐生成模型，2025年7月发布**V7。**支持MusicCoT，区别于音乐生成模型常见的next token prediction生成方式，Mureka V7先搭音乐框架，再填充内容。在Song Quality Evaluation中的考分高过Suno v4.5。

音频类

• (MiniMax) Speech-2.6：

Minimax在2025年10月底升级的文转语音模型。相比8月发布的Speech 2.5，Speech 2.6的延时更低，端到端延迟降至250ms以下；支持特殊格式文本解析，URL、EMail、电话号码、日期不需要预处理也能正常表述；引入“Fluent LoRA”技术，解决不完美音源声音克隆的需求难点。

• Qwen3-TTS：

通义团队在2025年9月发布的文本转语音模型，拥有领先的中文和英文稳定性，17种表现力丰富的声音 × 10 种语言，在中文、英文、意大利语、法语方面达到 SOTA水平，其中中文支持超过9种方言。

图片类

• 快手可图：

快手2025年5月发布的图像生成大模型，最新版为v2.1。

• doubao-seedream：

字节豆包的图像生成模型，最新版为v3.0。支持原生高分辨率的中英双语图像生成基础模型，响应速度更快，小字生成更准确，文本排版效果增强；指令遵循能力强，美感&结构提升，保真度和细节表现较好。

• 通义万相（生图）：

阿里通义团队发布的图像生成模型产品，目前模型版本是2025年2月发布的v2.1。支持多种图像生成模板，即将支持图生图。

开源组

通用类

• DeepSeek

V3.2-Exp:

DeepSeek团队2025年9月发布的混合推理模型，引入DeepSeek Sparse Attention（DSA），大幅降低训练和推理算力成本的同时，性能和V3.1-Terminus基本保持一致

V3.1-Terminus：

DeepSeek团队2025年9月发布的混合推理模型，修复了V3.1的BUG并优化了Agent维度的性能。

V3：

2024年12月发布了通用模型V3.0并在3月份更新，参数量671B，

• Qwen

Qwen3：

通义千问开源版本。2025年4月发布最新版本v3.0，包含0.6B/1.7B/4B/8B/17B/32B 六个dense model，以及30B-A3B和235B-A22B两个MoE模型

Qwen3-VL：

2025年9月发布多模态通用模型Qwen3-VL，参数量为235B-A22B，拥有视觉智能体操作图形界面、视觉编程、精确空间理解、超长上下文，超长视频理解等能力

Qwen3-Omni：

2025年9月发布All in one模型Qwen3-Omni，参数量为30B-A3B，这是一个原生端到端全模态 AI，统一整合文本、图像、音频和视频于单一模型——无模态权衡。

Qwen3-Next：

9月发布全新架构的Qwen3-Next，参数量为80B-A3B，核心改进包括混合注意力机制、高稀疏度 MoE 结构、一系列训练稳定友好的优化，以及提升推理效率的MTP机制。其它的训练成本仅为Qwen3-32B的十分之一不到，在32k以上的上下文下的推理吞吐则是Qwen3-32B的十倍以上。

• GLM

GLM-4.5V：

智谱团队于2025年8月初发布4.5V版本多模态MoE混合推理模型，总参数为106B（A12B），多模态能力涵盖图像、视频、文档理解和图形用户界面任务等常见应用。模型还引入了全新的“思维推理模式”开关功能，用户可以在快速响应和深度推理之间自由切换，根据具体任务需求灵活调节处理速度与输出质量的平衡。

GLM-4.6：

智谱团队2025年9月底发布4.6版本的MoE模型，总参数达355B（A32B）。上下文窗口由128K提升至200K，编程能力**、推理能力、搜索能力、写作能力、多语言翻译能力较4.5版本均有明显提升。

• Hunyuan

Hunyuan-A13B：

腾讯混元团队2025年6月发布并开源MoE模型，总参数80B（A13B）。拥有256K上下文窗口，强大的Agent 能力，用户可以在回答效率与深度间自由切换。

• Kimi

Kimi-K2：

月之暗面团队2025年7月发布通用模型，拥有32B激活参数和1T总参数,是目前业界总参数量最大的开源模型。 模型采用Muon优化器进行训练，在前沿知识、推理和编码任务方面表现卓越，并针对Agent能力进行了特别优化。

Kimi-VL：

月之暗面团队2025年4月发布开源多模态通用模型**。MoE架构，参数量16B（激活3B），

• MiniMax

MiniMax-Text-01和MiniMax-VL-01： 去年专注出海业务的MiniMax在2025年1月发布的开源通用模型和多模态通用模型，采用MoE架构，总参数量456B，激活参数45.9B，专家数量32个。

• Enrie

Enrie 4.5：
2025年7月，文心4.5系列开源模型共10款，涵盖了激活参数规模分别为47B和3B的MoE模型（最大的模型总参数量为424B），以及0.3B的稠密参数模型。

推理类

• DeepSeek

DeepSeek-R1：

深度求索2025年1月发布了R1正式版，5月28日做了一次小更新，LMSYS总榜前10名的常客。

DeepSeek-V3.2-Exp-Thinking:

DeepSeek-V3.1-Terminus-Thinking：

2025年9月发布混合推理模型V3.2-Exp-Thinking和V3.1-Terminus-Thinking。

• Qwen

Qwen3-Max-Thinking-Preview：

通义千问团队2025年11月发布的推理模型，目前预览版的能力和口碑都一般，先等等正式版再来评价。

Qwen3-235B-A22B-Thinking：
通义千问团队2025年7月发布的推理模型。

Qwen3-Next-80B-A3B-Thinking：

通义千问团队2025年9月发布的推理模型，

Qwen3-VL-Thinking：

通义千问团队2025年9月发布的多模态推理模型

• GLM

GLM-4.5V（Thinking Mode）

智谱AI 2025年8月初发布并开源的多模态混合推理模型，参数106B（A12B）；

GLM-4.1V-Thinking

智谱AI 2025年8月初发布并开源的多模态混合推理模型，参数9B

GLM-4.5-X

智谱AI 2025年7月底发布并开源推理模型。

• Seed

Seed-OSS：

字节Seed 2025年8月发布并开源的推理模型，参数量36B，长达512K的上下文窗口。针对推理任务进行优化的同时保持均衡且优秀的通用能力，允许用户根据需要灵活调整推理长度，并且在智能体任务（如工具使用和问题解决）方面表现卓越。

• Hunyuan

Hunyuan-A13B-Thinking：

腾讯混元团队2025年6月推出的混合推理模型，总参数量80B，激活数量13B，拥有快/慢思考模式，集成了深度研究智能体。

• Kimi

Kimi-K2-Thinking：

月之暗面团队2025年11月推出的推理模型，拥有32B激活参数和1T总参数。显示提升推理、Agentic编程、自主搜索和浏览以及其他通用能力，可无人工干预下自主实现高达 300轮 的工具调用和持续稳定的多轮思考能力。

Kimi-VL-Thinking：
月之暗面团队2025年3月推出多模态推理模型，MoE架构，参数量16B（激活3B）

图片类

• Qwen-Image：

阿里通义团队2025年8月发布并开源的MMDiT图像基础模型，20B参数，在复杂文本渲染和精确图像编辑领域实现了重大突破，对中文文本的处理尤为出色。9月升级了多图编辑功能。

• Hunyuan Image：

腾讯混元团队2025年9月发布的文本到图像生成模型v2.1版本。模型采用了高表达能力的VAE，采用两阶段生成法生成高精度图像，第一阶段为基础文本到图像，采用参数量为17B的双流Diffusion Transformer；第二阶段引入精化器模型，提升图像质量和清晰度，能够生成2K分辨率的图像。

• CogView：
  智谱AI团队发布并开源的DiT生图模型，2025年3月发布v4，参数量6B。模型具有较强的复杂语义对齐和指令跟随能力，支持任意长度的中英双语输入，能够生成在给定范围内的任意分辨率图像，同时具备较强的文字生成能力。

更新日志

10月更新

• **MiniMax：**国内开源组更新推理模型 MiniMax-M2；国内闭源组更新生视频模型 Hailuo 2.3，音乐模型 Music 2，语音模型 Speech 2.6。
• Google Deepmind：国外闭源组更新视频类模型Veo 3.1；
• Anthropic：国外闭源组更新通用类模型Claude Haiku 4.5。

9月更新

• GLM：国内开源组更新通用模型GLM-4.6；
• DeepSeek：国内开源组更新通用模型DeepSeek-V3.2-Exp，推理模型DeepSeek-V3.2-Exp-Thinking；
• Claude：国外闭源组更新通用模型Claude Sonnet 4.5；推理模型Claude Sonnet 4.5 Extended Thinking；
• OpenAI：国外闭源组更新视频类模型Sora 2；
• Suno：国内闭源组更新音乐类模型Suno v5；可灵AI：国内闭源组视频类更新可灵2.5 Turbo；
• Qwen：国内闭源组通用类填坑Qwen3-Max，推理类新增Qwen3-Max-Thinking，音频类新增Qwen3-TTS；国内开源组通用类新增Qwen3-Omni、Qwen3-VL、Qwen3-Next，推理类新增Qwen3-VL-Thinking、Qwen3-Next-Thinking；
• DeepSeek：国内开源组通用类更新DeepSeek-V3.1-Terminus；推理类更新DeepSeek-V3.1-Terminus-Thinking；
• Luma AI：国外闭源组视频类更新Ray 3；
• Mistral：国外闭源组推理类更新Magistral Small 1.2，国外闭源组推理类更新Magistral Medium 1.2。
• MiniMax：国内闭源组音乐类更新Music-1.5；
• 文心一言：国内闭源组推理类更新X1.1；
• Hunyuan Image：国内开源组图片类新增v2.1；

8月更新

• Gemini：国外闭源组新增生图模型Gemini 2.5 Flash Image；
• 字节Seed：国内开源组更新推理模型Seed-OSS；
• DeepSeek：国内开源组更新混合推理模型DeepSeek-V3.1；
• GLM：国内开源组更新多模态混合推理模型GLM-4.5V；
• OpenAI：国内闭源组更新通用模型GPT-5，推理模型GPT-5 Thinking；国外开源组更新推理模型gpt-oss；
• Claude：国外闭源组更新通用模型Opus 4.1；
• Qwen：国内开源组新增生图模型Qwen-Image；
• MiniMax：国内闭源组更新音频模型Speech 2.5。

7月更新

• Mureka：国内闭源组新增音乐模型Mureka V7；
• Step：国内开源组新增推理模型Step 3；
• Wan：国内开源组更新视频生成模型Wan2.2；
• Kimi：新增K2[技术报告]
• GLM：国内开源组更新通用模型GLM-4.5，更新推理模型GLM-4.5-X；
• Qwen：国内开源组新增推理模型Qwen3-235B-A22B-Thinking。
• Kimi：国内开源组通用模型更新K2。
• Grok：推理模型更新Grok 4；
• GLM：国内开源组推模模型新增GLM-4.1V-Thinking；
• Black Forest Labs：更新开源生图模型Flux.1 Kontext；
• 百度文心：国内开源组新增Enrie 4.5系列。

6月更新

• MidJourney：新增生视频模型V1；
• Hunyuan：国内开源组新增混合推理模型Hunyuan-A13B。
• MiniMax：国内开源组新增推理模型MiniMax-M1，闭源组更新生视频模型Hailuo-02。
• Google Gemini： 新增[Gemini2.5技术报告]链接
• Mistral：新增推理模型Magistral Small(开源组)，Medium(闭源组)；
• 字节豆包： 更新通用模型Doubao-Seed-1.6，推理模型Doubao-Seed-1.6-Thinking，生视频模型doubao-seedance 1.0。生图模型doubao-seedream 3.0。
• OpenAI：更新推理模型o3 pro。

5月更新

• **可灵：**更新至2.1版本；
• **可图：**更新至2.1版本；
• Google Imagen：更新至v4.0；
• Google Veo：更新至v3.0；
• Google Gemini：新增Gemini Diffusion，Gemini 2.5 Pro Deep Think；
• Claude：更新Claude Opus 4(Extend Thinking)，Claude Sonnet 4(Extend Thinking)；
• Minimax：升级语音模型Speech-02；
• Phi：新增推理模型Phi-4-Reasoning系列；
• 阶跃AI：新增推理模型step-r1-v-mini；
• 字节豆包：新增多模态推理模型Seed1.5-VL；
• Mistral：新增Mistral Medium 3；
• ACE-Step： 新增音乐模型。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

为什么要学习大模型？

我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着AI技术飞速发展，预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。

大模型入门到实战全套学习大礼包

1、大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

2、大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

3、AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

4、大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

5、大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

适用人群

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】