模型纪年LLM TIMELINE

MODEL INDEX

模型索引

从模型家族、发布状态和关键事件理解能力演进。

1 EVENTS

Inflection AI 发布的面向企业级定制场景的语言模型，兼顾陪伴与生产效率。参数规模：未知；开放方式：闭源；主要架构：自回归 Transformer。

1 EVENTS

Inflection AI 的底层语言模型，主要用于驱动对话应用 Pi。参数规模：未知；开放方式：闭源；主要架构：自回归 Transformer。

1 EVENTS

Inflection AI 的第二代基础模型，综合基准测试成绩有明显提升。参数规模：未知；开放方式：闭源；主要架构：自回归 Transformer。

1 EVENTS

在上一代基础上重点提升了代码和数学推理能力。参数规模：未知；开放方式：闭源；主要架构：自回归 Transformer。

1 EVENTS

引入人类反馈强化学习（RLHF），使模型输出更符合人类指令意图。参数规模：175B；开放方式：闭源；主要架构：自回归 Transformer。

1 EVENTS

2.5 版本升级，进一步强化了长上下文推理和 Agent 智能体调用能力。参数规模：20B；开放方式：开源；主要架构：自回归 Transformer。

1 EVENTS

AI21 Labs 推出的结合了 Mamba 与 Transformer 架构的混合模型。参数规模：52B；开放方式：开源；主要架构：Mamba–Transformer 混合架构。

1 EVENTS

升级版的混合架构模型，扩大规模并支持最高 25 万 token 的长文本处理。参数规模：398B (MoE)；开放方式：开源；主要架构：Mamba–Transformer 混合架构。

1 EVENTS

月之暗面发布的万亿参数 MoE 模型，继续着重保持其超长上下文窗口无损记忆能力。参数规模：1T MoE；开放方式：开源；主要架构：混合专家 Transformer（MoE）。

1 EVENTS

Moonshot AI 发布 Kimi K2.5：基于 Kimi K2 持续预训练的原生多模态智能体模型，支持视觉理解、编码与 Agent Swarm。参数规模：1T MoE（32B 激活）；开放方式：闭源；主要架构：混合专家 Transformer（MoE）。

1 EVENTS

Liquid AI 研发的第二代采用动态液态神经网络架构构建的轻量级模型。参数规模：8B MoE；开放方式：开源；主要架构：混合专家 Transformer（MoE）。

1 EVENTS

Meta 发布的开源基础模型系列，成为后续众多开源生态的基础。参数规模：65B；开放方式：部分开源；主要架构：自回归 Transformer。

1 EVENTS

谷歌专为开放域对话优化的语言模型。参数规模：137B；开放方式：闭源；主要架构：自回归 Transformer。

1 EVENTS

Llama 2 覆盖 7B、13B 与 70B 参数规模，并提供对话版本，使企业和开发者能够在自有环境中部署开放权重模型。

1 EVENTS

Meta 第四代基座，扩大了训练数据量，同参数级别下综合性能有显著提升。参数规模：70B；开放方式：开源；主要架构：自回归 Transformer。

1 EVENTS

Meta 开源的 4050 亿参数模型，大幅扩展了上下文长度和多语言适用性。参数规模：405B；开放方式：开源；主要架构：自回归 Transformer。

1 EVENTS

Meta 发布的 700 亿参数版本，整合并统一了长上下文和多语言能力。参数规模：70B；开放方式：开源；主要架构：自回归 Transformer。

1 EVENTS

Meta 的第四代开源模型，采用更大参数规模并引入优化的混合专家（MoE）结构。参数规模：400B+ (MoE)；开放方式：开源；主要架构：混合专家 Transformer（MoE）。

1 EVENTS

支持较长的上下文窗口，并采用允许免费商业使用的开源协议。参数规模：7B；开放方式：开源；主要架构：自回归 Transformer。

Magistral Medium

1 EVENTS

Mistral 闭源 API 中的中型主干模型，加强了逻辑推演与多工具的调用执行。参数规模：约45B；开放方式：闭源；主要架构：自回归 Transformer。