大模型原理发展历程和分类

刚接触大模型的人很容易卡在同一处：名词太多，架构、训练阶段、模型类别混在一起，看榜单和模型库时不知道哪些是同类、哪些根本不是一个东西。这篇按时间线和技术脉络梳理一遍，把分类的维度讲清楚，再给一套自己给模型归类的动作清单，方便你去模型库和术语词典里对号入座。

刚接触大模型的人很容易卡在同一处：名词太多，架构、训练阶段、模型类别混在一起，看榜单和模型库时不知道哪些是同类、哪些根本不是一个东西。同一个列表里，有的模型能看图，有的只会打字；有的权重能下载，有的只能调接口；有的天生就是拿来对话，有的只是会续写。把它们排在一行比分数，结论基本没意义。

这篇按时间线和技术脉络梳理一遍，把分类的维度讲清楚，再给一套自己给模型归类的动作清单。目标不是让你背下所有名词，而是让你看到一个陌生模型名时，能快速判断它和手头候选是不是同类，再决定要不要放进对比名单。具体版本、参数、价位这些会变的数字，一律到站内模型库和价格页核对当时的数字。

先搞清楚为什么要分类，而不是背名词

分类解决的其实是选型前的对齐问题：先说清两个模型是不是同一类，再谈谁更好。如果一个是纯文本闭源接口，另一个是能吃图的本地权重模型，你拿同一套测试题去打分，得到的差距多半来自任务不匹配，而不是模型强弱。反过来，如果你只是单点试用、做完就走、根本不涉及横向比较，那这套分类可以先放一边，不用硬套。

模型名里的词往往混了三种信息：技术路线、模态、训练阶段。比如名字里带 instruct 通常指经过了指令微调，带 vision 指能吃图像，带 reasoning 暗示偏推理取向，但它们可能同时出现在一个名字里。分不清这三类信息，就会误判可比性，把不同阶段的产物当成同一档来比。

• 第一步看输入输出形态：能吃什么、吐什么，这决定了它能不能干同一件事
• 第二步看开放程度：权重能不能拿到、许可能不能商用、是否只能走接口
• 第三步看训练与推理方式：是基座、指令模型还是推理模型，这决定了你该怎么写提示
• 三步走完再谈好坏，顺序反了就会拿错标尺

原理脉络：从预测下一个词说起

自回归预测是主线：模型做的核心事情是根据已有内容预测接下来的内容，一个接一个往外吐。所有看起来很花哨的能力，翻译、写代码、总结长文，都建立在这上面。理解这一点，就能明白为什么提示的写法和输出质量强相关——你给的前文变了，后面的预测分布自然跟着变。

注意力机制解决的是长距离依赖和并行计算，这是它区别于早期序列模型的根本原因。早期模型处理长句子时，前面的信息传到后面会被稀释；注意力让模型可以直接回看任意位置，同时让训练能在硬件上并行铺开。这不是细节优化，而是让大模型这条路走得通的关键一步。

自回归

按已有内容预测下一个词，再把这个词接上去继续预测

注意力机制

让模型在处理某个位置时能直接参考其他位置的信息

参数规模

模型内部可调数值的数量级，只是能力的一个侧面，单看它会误判

训练数据量

喂进去的文本与多模态素材总量，决定覆盖面和语感

算力投入

训练消耗的计算资源，和上两项共同影响能力上限

参数规模、训练数据量、算力投入三者共同决定能力上限，单看参数会误判。一个小参数量但数据质量高、后训练做得细的模型，在特定任务上完全可能压过大模型。具体各家在这三项上的取舍，到站内模型库核对当时的资料，不要凭名字猜。

训练阶段的分工：预训练、微调与对齐

预训练打底子，产出的是基座模型。它在海量文本上学会了语言的统计规律和一部分世界知识，但它的默认行为是续写，不是回答。你问它一个问题，它可能接着把你的问题当成一句话写下去，这是基座模型的正常表现，不是坏了。

指令微调与人类反馈对齐让模型从会续写变成会答话，这一步是对话模型和基座模型的分水岭。指令微调教它识别「这是一个请求」的格式，反馈对齐则调整它的输出偏好，让它更愿意给出有帮助、少闯祸的回答。很多人第一次用基座模型觉得「不听话」，其实是拿错了模型。

后训练家族还包括蒸馏、量化、合并等操作，它们改的是体积和部署形态，不改变基础架构。蒸馏让小学生模仿老师的输出分布，量化把权重压到更低的精度，合并把两个同源模型的权重混在一起。这三种都不会让模型凭空获得新能力，判断用途时不要被名字唬住。

判断一个模型属于哪个阶段产物，看它的发布说明和权重构成，不要只看名字里的后缀。后缀命名各家并不统一，同一个词在不同团队手里含义可能不一样。拿不准就去站内术语词典对照，比按字面猜靠谱得多。

发展历程的四个阶段与划分依据

按能力形态分，大致是四个阶段：续写为主、对话为主、多模态、带显式思考过程的推理模型。每个阶段都在解决前一个阶段的短板——续写不听话，所以有了对话；只能打字不够用，所以有了多模态；一问就答不够深，所以有了先想再答。这条线是理解发展脉络最好用的一条。

按开放程度分是另一条线：闭源接口优先、开源权重跟进、开源与闭源并行。这两条线经常被混着讲，但它们不是一回事。一个模型可能能力上很新，开放度上很保守；也可能能力中等，但权重全放开、许可证宽松。选型时要两条线分开看，别用一条线的判断替代另一条。

每个阶段的划分都有争议，过渡期的模型往往两边都沾。遇到这种情况，说清它「同时具备哪些特征」比强行归类更靠谱。想跟当前进度，到站内日报和论文页看当时的动态，本文不写死版本和节点，写死的数字过一阵就不准了。

• 能力形态线：续写→对话→多模态→显式推理，解决的是能力短板
• 开放程度线：闭源优先→开源跟进→并行，解决的是可得性问题
• 两条线交叉才是完整画像，只看一条容易选错
• 过渡期模型如实说明边界，比贴一个确定的标签更有用

常见分类的几条主轴线

模态轴：纯文本、图像理解、语音、视频、多模态统一模型。判断标准很直接——输入输出里有没有非文本通道。能吃图但只能吐文字，和能吐图，是两个不同的能力；能做语音识别但不会语音合成，也是两回事。把这条轴先定下来，能筛掉一大批根本不可比的候选。

开放程度轴：开源权重、闭源接口、本地可自建。这条轴上还要单独看许可证能不能商用。有的模型权重放出来了，但许可证限制商业用途；有的允许商用但要求署名或开源衍生作品。许可证规则到站内术语页对照，不要凭「开源」两个字就下结论。

能力取向轴：通用对话、推理型、代码专用、嵌入与重排。取向不同，评价标准也不同。代码专用模型拿来做文案总结可能平平，嵌入模型根本不生成文本，它的输出是向量。把它们放进同一张榜单比分数，只会得到误导性的结论。

体量轴：大模型与小模型的分界不靠固定参数量，而是看能不能在目标硬件上跑起来。同一份权重，在服务器上算大模型，在手机上跑不动就是跑不动。小模型和大模型是配合关系不是替代关系——常见做法是大模型处理复杂判断，小模型承接高频简单请求。

自己动手给一个模型归类：四步动作

下面这四步不依赖任何榜单，拿着模型卡或者接口文档就能做。建议按顺序走，前一步不通过就不要浪费时间去比后一步。整套走完通常十几分钟，比事后发现选错再返工划算。

1. 第一步：查输入输出看它能不能吃图、能不能出声、输出是文本还是结构化内容。对不上就别拿它做同一件事。验证方式是找一条最接近你真实任务的样例，直接喂进去看返回格式。
2. 第二步：查开放形态有没有权重可下载、许可证是否允许你的用法。验证方式是下载权重文件或翻许可证原文，别只看宣传页上写没写「开源」。
3. 第三步：查训练阶段是基座、指令模型还是推理模型，这决定了你应该写什么样的提示。验证方式是问一个需要多步推理的问题，看它是直接给答案还是先展开思考。
4. 第四步：查体量能否落地按目标硬件和量化档位反推可行性。这一步先做测算再下单，别先买卡。测算方法是在目标机器上试跑量化版本，记录能否稳定响应。

最容易搞混的几组概念

推理模型和推理阶段的区别最常被搞混：前者是模型类型，后者是使用环节。两个词在同一句话里出现时，读者很容易以为是同一件事。看到这两个词，先问一句「它说的是模型本身，还是调用过程的某一步」，多半就清楚了。

多模态模型和世界模型也不是一回事。前者管输入输出通道，说的是能不能看图、听声、生成视频；后者管对环境规律建模，说的是模型内部对世界如何运转有没有形成结构化的理解。一个模型可以多模态但不具备强世界模型，也可以反过来。

微调与知识库也不是一类东西。想补新知识先考虑检索，想改说话风格再考虑微调。把公司最新政策塞进微调数据里，过一阵政策变了还得重训；放进知识库，改一条文档就生效。这条判断顺序能省掉不少无用功。

分类是工具不是结论。真正选型时优先级应该是任务形态、成本口径、落地方式，分类只是帮你快速缩小候选范围。如果某个模型的标签怎么都贴不上，可能说明你的任务本身还没拆清楚，回去把输入输出和约束写明白再来。

• 推理模型是类型，推理阶段是环节，别当同义词用
• 多模态管通道，世界模型管内部建模，两码事
• 补知识先想检索，改风格再想微调
• 分类缩小范围，最终决定靠任务、成本、落地方式

一张可以照着走的核对清单

把上面几节压缩成一张清单，打印出来或者存成便签，下次看新模型时逐条过一遍。清单的价值在于顺序：先写任务，再写约束，然后贴标签，最后才试跑。跳步是常见的翻车原因。

• 写下任务：输入是什么、输出要什么、有没有非文本通道
• 写下约束：能不能联网、数据能不能出内网、预算按什么口径算
• 给候选模型打上四条轴标签，标签对不上的直接淘汰
• 对留下的候选做一次小样本试跑，再决定要不要量化或本地部署

预算口径这一步尤其容易含糊。是按调用次数算、按 token 算，还是按自建机器的折旧和电费算，这三种口径得出的结论完全不同。具体换算方式到站内价格页和数据页核对当时的数字，不要用记忆里的旧价格做决策。