知乎

有问题就会有答案

打开App

盘点2025年全球AI大模型，deepseek居然排第二

1 个月前

大模型

大模型

互联网行业 从业人员

关注

2025年，全球AI大模型将更加成熟，应用场景更加广泛。以下是对主要大模型的盘点及对比分析：（文末附AI大模型官方全套教程）

1、OpenAI GPT-5

特点：

技术整合：整合o3推理技术，支持多模态交互（文本、语音、图像生成），并引入“统一智能体验”简化用户操作。

免费使用：免费版ChatGPT支持无限制对话，Plus/Pro订阅用户可解锁更高智能级别。

性能提升：上下文理解能力显著增强，生成内容更连贯自然，尤其在数学、物理等逻辑任务中表现更可靠。

优势：

用户体验友好，界面简化，适合普通用户与开发者。

多模态能力覆盖创作、教育、商业分析等广泛场景。

劣势：

商业化订阅模式可能限制高级功能的普及。

伦理风险（如生成内容真实性）仍需进一步监管。

应用场景：智能客服、内容创作（写作/绘画）、教育辅助、数据分析报告生成。

2、 DeepSeek-V3

特点：

高效低成本：训练成本仅557.6万美元，参数规模达6850亿，支持混合专家（MoE）架构与多令牌预测。

编程能力突出：代码生成准确率95%，接近Claude 3.7，支持前端代码（JavaScript/CSS/HTML）与错误修复。

开源生态：MIT协议开放完整权重，企业可自由定制，适合金融、通信行业部署。

优势：

性价比极高，处理速度达每秒60个token，适合实时任务（如金融合约质检）。

对话交互更人性化，多轮上下文理解能力优化。

劣势：

多模态支持较弱（暂不支持图像/音频生成）。

开源可能带来安全风险（如模型滥用）。

应用场景：智能合约管理、编程辅助、多语言翻译、金融自动化对账。

3、Google Gemini Ultra

特点：

多模态融合：支持文本、图像、视频跨模态生成与理解。

大规模训练：基于TPU集群优化，处理复杂任务时延迟低。

优势：

多模态能力领先，适合多媒体内容生成。

与谷歌生态（搜索、Workspace）深度整合。

劣势：

闭源模式限制定制化。

中文处理能力弱于本土模型。

应用场景：广告创意生成、跨媒体搜索、视频内容分析。

4、 百度文心一言4.0

特点：

中文优化：专攻中文语义理解，支持方言与古文生成。

行业知识：集成医疗、法律等垂直领域数据。

优势：

中文场景下准确率高，适合本土化需求。

企业级API服务成熟。

劣势：

多语言支持有限。

生成内容创意性较弱。

应用场景：智能客服（中文）、法律文书辅助、医疗问诊。

5、 华为盘古大模型3.0

特点：

行业定制：聚焦制造业、能源等领域，支持工业级数据分析。

端云协同：适配边缘计算设备，适合低延迟场景。

优势：

安全性高，符合企业数据合规需求。

工业场景落地案例丰富（如设备预测性维护）。

劣势：

通用性弱，不适合C端创意任务。

技术文档与社区支持较少。

应用场景：智能制造、能源管理、供应链优化。

6、 Anthropic Claude 3

特点：

安全对齐：强化伦理约束，减少有害内容生成。

长文本处理：支持超长上下文（10万+ tokens）记忆。

优势：

输出安全性高，适合法律、医疗等敏感领域。

逻辑推理能力突出（如数学证明）。

劣势：

生成速度较慢。

多模态功能有限。

应用场景：法律文书审核、学术论文辅助、伦理审查。

模型 核心优势 劣势 应用场景

豆包（字节） 轻量化，适合移动端部署 功能单一，仅限基础对话 社交娱乐、个人助手

通义（阿里） 电商场景优化（如商品描述） 通用能力弱 电商文案、客服

星火（讯飞） 语音交互与实时翻译突出 文本生成创意性不足 教育、会议转录

腾讯混元 社交内容生成（如游戏剧情） 依赖腾讯生态，闭源 游戏NPC对话、营销文案

ChatGLM（清华） 开源、学术友好 参数规模较小（百亿级） 科研实验、教学演示

悟道（智源） 前沿技术探索（如神经符号融合） 商业化程度低 学术研究、理论验证

五、如何学习AI大模型？

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 学习资料已经上传知乎，朋友们如果需要可以点击下方小卡片免费领取【保证100%免费】

广告

点击免费领取| 2024最新AI大模型学习资料包

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 学习资料已经上传知乎，朋友们如果需要可以点击下方小卡片免费领取【保证100%免费】

广告

点击免费领取| 2024最新AI大模型学习资料包

总结与趋势

技术方向：模型趋向多模态、低成本（如DeepSeek-V3）与垂直领域深化（如盘古3.0）。

竞争焦点：OpenAI通过免费策略扩大生态，DeepSeek以开源高性价比吸引企业用户。

风险与挑战：伦理问题（GPT-5的滥用风险）、数据安全（开源模型的可控性）及算力门槛（如文心一言依赖本土硬件）。

未来，AI大模型将更加注重安全性、可控性和用户体验，同时与行业应用深度融合，推动人工智能技术的普惠化发展。

编辑于 2025-04-10 15:08・湖南

推荐阅读

斯坦福李飞飞AI Agent最新综述：多模态领域的新探索

王博Kings

斯坦福李飞飞AI Agent最新综述：多模态领域的新探索

告别AI模型黑盒子：可解释的神经网络研究（一）

索信达控股

告别AI模型黑盒子：可解释的神经网络研究（一）

AI Agent深度内涵解析与展望：从Manus/Operator到Deep Research/AI Co-Scientist

吕明

专访Michael Jordan：AI的分布式决策与不确定性

机器之心 · 发表于机器之心

欢迎参与讨论

4

5