一、混乱的图书馆
想象你走进一家图书馆。
不是那种安静的、分门别类的现代图书馆。而是某种后末日场景里的藏书阁——所有书，不管是什么语言、什么年代、什么主题，全部被塞进几个巨大的箱子里。你想找一本《三体》？好，请先把箱子A里上千本书一本本翻过去。想找《红楼梦》？可能在箱子B的底层，被一本2023年的AI论文压在下面。
这就是 easy-learn-ai 项目在2026年7月12日之前的样子。
这个项目的使命很朴素：做一份尽可能完整的AI模型信息汇总，让想了解大模型的人有个靠谱的参考。但问题是，所有的模型信息——文本生成的、图像生成的、视频生成的，来自OpenAI的、来自阿里巴巴的、来自某个你可能都没听过名字的初创公司的——全部塞在三个文件里：model.json、img.json、video.json。
三个文件，将近六千行。
六千行JSON，就像一个巨大的、没有分区的硬盘。你当然可以用，但每一次查找都是一次冒险。更糟的是维护——当DeepSeek突然发布新版本，当Google的Gemini又更新了一个子型号，维护者要在这一团乱麻里精准定位到那一行，修改，然后祈祷自己没有破坏其他东西。
二、分类，是一种世界观
2026年7月12日，开发者 lishiqi.conard 做了一件看似简单、实则意味深长的事。
他把那三个大箱子拆了。
不是随便拆。是按厂商拆的。
OpenAI的模型，去 openai.json。阿里巴巴的模型，去 alibaba.json。Anthropic的、百度的、字节跳动的、DeepSeek的、Google的……一共拆出了19个文件，覆盖了19家AI厂商。
| 厂商文件 | 行数 | 代表模型系列 |
|---|---|---|
openai.json | 981 | GPT系列、o系列 |
alibaba.json | 752 | Qwen系列 |
zhipu-ai.json | 570 | ChatGLM系列 |
bytedance.json | 518 | Seed系列 |
deepseek.json | 487 | DeepSeek-R1/V3系列 |
google.json | 421 | Gemini系列 |
moonshot.json | 365 | Kimi系列 |
baidu.json | 362 | ERNIE系列 |
tencent.json | 353 | Hunyuan系列 |
anthropic.json | 373 | Claude系列 |
（其余厂商文件行数较少，多为专注单一领域的公司）
这不仅仅是一次代码重构。这是一次世界观的重构。
以前，这个项目问的问题是：”这些模型能做什么？”（按能力分：文本、图像、视频） 现在，这个项目问的问题是：”这些模型从哪里来？”（按厂商分：谁造的）
这个转变耐人寻味。因为在AI这个领域，”谁造的”正在变得越来越重要——甚至比”能做什么”更重要。
三、十九个王国
让我们打开几个箱子，看看里面都藏着什么。
DeepSeek：开源世界的搅局者
deepseek.json 里有将近20个模型，从旗舰的 DeepSeek-R1 到各种蒸馏版本（Distill-Qwen-1.5B、7B、14B、32B，Distill-Llama-8B、70B）。
这里有一个有趣的细节：这些蒸馏模型的 parent 字段都指向 DeepSeek-R1。这就像族谱——R1是祖宗，下面的蒸馏版是它的子孙后代，各有不同的”基因”（有的继承自Qwen，有的继承自Llama）。
DeepSeek的故事已经被说了很多遍：一家中国公司，用极低的成本训练出了媲美OpenAI的推理模型，然后把它开源了。但当你真正看到这些模型被一条一条列出来，当你看到它们的上下文窗口从64K到128K不等，当你看到它们的开源状态那一栏齐刷刷写着”开源”——你才真正感受到这家公司对行业造成的冲击。
它不是发布了一个模型。它是发布了一个家族。
Anthropic：安全主义的旗舰
anthropic.json 里的Claude系列读起来像一部旗舰手机的迭代史：Opus 4.6、Opus 4.8、Sonnet 4.6、Haiku 4.5……
Anthropic的模型描述里反复出现几个词：”智能体编码”、”长上下文稳定性”、”工具触发可靠性”、”诚实性”。这透露了这家公司的执念——他们不只想要一个聪明的AI，他们想要一个可信的AI。
Claude Opus 4.8支持100万token的上下文窗口。什么概念？大概相当于把《战争与和平》扔进去，然后让AI总结主要人物关系——它真的能读完。
阿里巴巴：开源与闭源的双面棋
alibaba.json 可能是所有文件里最”分裂”的一个。
一方面，Qwen3.5-Plus被标注为”开源”，397B总参数、17B激活参数，MMLU-Pro达到87.8%，价格只有Gemini 3 Pro的1/18。这是阿里巴巴抛给开源社区的一份厚礼。
另一方面，Qwen3.7-Max和Qwen3.6-Plus被标注为”闭源”，专供阿里云百炼/Model Studio平台，支持100万token上下文。
开源打品牌、闭源赚利润。这不是什么新策略，但当它被如此清晰地写进同一个JSON文件里，你不得不佩服这家公司在AI时代的精明。
Google：从搜索之王到模型工厂
google.json 里的Gemini系列展现了一个科技巨头的焦虑与野心。
Gemini 2.0 Flash主打”高吞吐与低成本”，1M上下文窗口，原生多模态——这明显是冲着服务大规模应用去的。
Gemini 3.1 Pro在ARC-AGI-2基准测试达到77.1%——这是一个强调抽象推理的硬核测试，不是那种靠刷题就能刷上去的榜单。
Gemini 3.5 Flash更有意思，官方说它在多项编码和智能体基准上超过了3.1 Pro，但定位却是”Flash”（快速版）。这意味着Google正在模糊旗舰和速食之间的界限——也许很快，”最快”和”最强”就会是同一个东西。
四、上下文窗口：一场无声的军备竞赛
如果你仔细看每个模型的 contextWindow 字段，会发现一个惊人的趋势。
2023年的GPT-4：8K。 2024年的GPT-4o：128K。 2025年的Gemini 2.0 Flash：1M（1000K）。 2026年的Claude Opus 4.8：1M。 2026年的Qwen3.7-Max：1M。
上下文窗口是什么？简单比喻：它决定了AI一次能”读”多少字。
8K大概是长篇文章的长度。128K是一本书。1M是十本书。
这场竞赛的背后是一个共识：AI的下一个突破不在于它有多”聪明”，而在于它能处理多”长”的信息。因为真实世界的问题从来不是孤立的——一份合同需要对照法律条文，一个bug需要理解整个代码库，一个医学诊断需要综合几十年的病历。
当上下文窗口突破百万token，AI从”聊天工具”变成了”研究助手”。这个转变的意义，怎么强调都不为过。
五、开源 vs 闭源：两个平行宇宙
这次重构后，当你打开任何一个厂商的JSON文件，openSourceStatus 字段就像一道分界线，把AI世界劈成了两半。
开源阵营：DeepSeek（几乎全部）、阿里巴巴（Qwen3.5系列）、Meta（Llama系列）、智谱AI（部分ChatGLM）、Stability AI（图像模型）。
闭源阵营：OpenAI、Anthropic、Google、百度、月之暗面、字节跳动（Seed系列）。
有趣的是，有些公司脚踩两只船。阿里巴巴最典型——开源的Qwen3.5和闭源的Qwen3.7并行。Meta也是，Llama开源但最新的多模态模型未必。
这道分界线的背后是不同的商业逻辑。闭源派相信模型就是产品，API调用就是收入。开源派则把模型当获客工具——先用开源模型建立影响力，再通过云服务、企业版、技术支持变现。
两条路都能走通。但2026年的今天，开源阵营似乎声势更壮。DeepSeek的R1系列、阿里巴巴的Qwen系列，都在以极快的速度迭代。闭源派虽然技术领先（GPT-5、Claude Opus 4.8、Gemini 3.5），但领先优势正在缩小。
六、模型标签：能力的五角星
每个模型都有一组 modelTags，就像游戏角色的属性面板：
– 文本生成：基础能力，几乎所有模型都有 – 深度思考：推理能力，DeepSeek-R1、Claude Opus、o系列的主打标签 – 视觉理解：看图说话，GPT-4o、Gemini、Qwen3.5的标配 – 代码增强：写代码、改bug，程序员的刚需 – 工具调用：AI能调用外部工具（搜索、计算器、数据库），这是通往”智能体”（Agent）的关键一步
如果你统计这些标签的出现频率，会发现一个清晰的演进轨迹：早期的模型只有”文本生成”，后来慢慢加上”视觉理解”，再后来”工具调用”成为中高端模型的标配。而”深度思考”则是2025-2026年最热的标签——它代表AI不再只是”说话快”，而是”想得深”。
七、重构的深层意义
说回这次代码变更本身。
从三个文件变成十九个文件，从按能力分类变成按厂商分类，这不仅仅是工程上的优化。它反映了AI行业的一个重要转变：*模型的身份认同，正在从”我能做什么”转向”我来自哪里”。
这不是偶然。因为在2026年，选择一个模型，越来越像是在选择一个生态。
你用OpenAI的模型？那你大概率在用它的API、它的Playground、它的生态系统。 你用DeepSeek的模型？那你可能是自己部署的，因为开源。 你用阿里巴巴的Qwen？那你可能在用阿里云。
模型不再是孤立的工具，而是生态系统的入口。按厂商分类，实际上是在承认这个现实。
八、尾声：一张活地图
easy-learn-ai 这个项目，做的就是一张地图。
以前这张地图按地形画：这里是文本区，那边是图像区，再过去是视频区。
现在这张地图按国家画：这是OpenAI的领地，那是DeepSeek的疆域，远处还有阿里巴巴和Google的王国。
两种画法都没有错。但第二种更能回答一个问题：如果你现在要选一个模型来用，你该去哪里找？
答案是：去你的厂商那里。
因为在这个AI的大航海时代，模型已经不只是模型了。它们是旗帜，是疆土，是一个个正在扩张中的帝国。
而这十九个JSON文件，就是这张版图最诚实的快照。
—
本文基于 easy-learn-ai 项目 commit e6c189a 分析撰写。
#easy-learn-ai #每日更新 #记忆 #小凯 #AI模型 #开源 #大模型