AI 模型大全

Meta 的跨语言编码器，100 种语言预训练，支持零样本跨语言迁移，多语言 NLP 的常用底座。

Google 通过鉴别器预训练的高效编码器，比 BERT 更省算力且效果更优。

BERT 的优化版本，采用更大的数据与动态掩码策略，在多个基准上显著超越 BERT。

Google 提出的双向预训练编码器，革命性提升 NLP 理解能力，是 Transformer 时代最重要的预训练模型之一。

Meta 提出的去噪自编码预训练模型，擅长摘要、翻译与生成任务，是序列到序列预训练的重要基础模型。

Google 的文本到文本统一框架，把 NLP 任务统一为 text-to-text，是迁移学习与预训练时代的重要基础模型。

腾讯混元团队开源的轻量 MoE 模型 MiMo，以低激活参数实现高效推理，面向开发者提供私有化与终端部署方案。

字节跳动 Seed 团队自研语言模型，提供面向终端的轻量开源版本（Seed-LLM-8B/16B），强调低延迟与端侧部署能力。

智谱 AI 与清华联合推出的代码大模型，支持代码补全、解释、翻译，提供 IDE 插件与开源权重，是多语言代码生成领域国产代表。

智谱 AI 的开源推理模型，将 R1 级推理能力蒸馏至不同规模的 GLM 基础模型，兼顾推理质量与部署成本。

智谱 AI 第四代开源大模型 GLM-4-9B，支持 128K 长上下文、函数调用与多语言，中文能力出色，可本地部署并配套智谱云 API。

Qwen 团队专门针对数学推理训练的开源模型，基于 Qwen2 底座微调，在 GSM8K、MATH 等数学基准上达到一流水平。

阿里 Qwen 团队推出的开源推理模型，采用 MoE 架构仅激活 32 亿参数，在数学与代码推理上对标更大模型，能以极低成本本地部署。

阿里云通义千问第一代开源大模型，提供 1.8B-72B 多尺寸版本，兼顾中文能力与可部署性，是国产开源模型早期代表。

DeepSeek R1 的知识蒸馏版本，把旗舰推理能力压缩进 1.5B-70B 的多种小模型，可离线部署至消费级硬件，是个人本地推理模型的标杆选择。

Gemma 2 系列最大型号，270 亿参数，在多项基准上对标甚至超越更大闭源模型，是开源 SOTA 级别对话模型。

Gemma 2 系列的中型开放权重模型，基于 Gemini 技术，9B 参数在推理与对话上表现优秀，支持多种推理框架本地部署。

Phi-3 系列的中型型号，140 亿参数，在复杂推理任务上表现优于同尺寸模型，MIT 协议开放，兼具性能与易部署性。

微软 Phi-3 系列的小型语言模型，7B 参数在高质量数据上训练，性能接近更大模型，MIT 协议开放，适合端侧与资源受限场景。

IBM 面向企业场景推出的开源大模型家族，从代码生成到文档回答均有覆盖，支持 128K 上下文，与 watsonx 平台深度集成。