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。

Perplexity Sonar

1 EVENTS

Perplexity 针对自有 AI 搜索与精准问答场景微调内部核心模型。参数规模：未知；开放方式：闭源；主要架构：自回归 Transformer。

1 EVENTS

微软推出的小参数模型，验证了高质量“教科书级”训练数据对性能的提升作用。参数规模：2.7B；开放方式：开源；主要架构：自回归 Transformer。

1 EVENTS

微软小参数模型 Phi 系列的第三代迭代，优化了端侧设备的运行效率。参数规模：14B；开放方式：开源；主要架构：自回归 Transformer。

1 EVENTS

微软第四代小参数模型，大量采用合成数据进行训练以强化基础推理能力。参数规模：14B；开放方式：开源；主要架构：自回归 Transformer。

1 EVENTS

Mistral AI 推出的原生支持图像特征输入的多模态视觉语言模型。参数规模：12B；开放方式：开源；主要架构：自回归 Transformer。

1 EVENTS

Mistral 发布的大参数量多模态模型，强化了对图像视觉特征的理解能力。参数规模：124B；开放方式：开源；主要架构：自回归 Transformer。

1 EVENTS

阿里云开源的中等规模模型，重点使用强化学习提升其逻辑计算与推断能力。参数规模：32B；开放方式：开源；主要架构：自回归 Transformer。

1 EVENTS

阿里云推出的支持多种语言的开源基础模型系列。参数规模：72B；开放方式：开源；主要架构：自回归 Transformer。

1 EVENTS

阿里通义千问 3.5 代基座，优化了参数前向激活比例并进一步加强了全模态原生融合能力。参数规模：397B MoE（17B 激活）；开放方式：部分开源；主要架构：混合专家 Transformer（MoE）。

1 EVENTS

阿里云第二代 Qwen 系列，重点优化了多语言支持与长文本处理能力。参数规模：72B；开放方式：开源；主要架构：自回归 Transformer。

1 EVENTS

阿里通义千问 2.5 代版本，提供多规格参数量，全面提升了基础能力与指令遵循。参数规模：72B；开放方式：开源；主要架构：自回归 Transformer。

1 EVENTS

阿里通义千问第三代基座，增强了跨模态融合与全局复杂推理机制。参数规模：235B (MoE)；开放方式：开源；主要架构：混合专家 Transformer（MoE）。

1 EVENTS

阿里千问系列专注复杂软件工程解析及长篇代码生成任务的专项衍生底座。参数规模：480B MoE；开放方式：开源；主要架构：混合专家 Transformer（MoE）。

Qwen3-Max-Thinking

1 EVENTS

阿里内部提供的高级闭源推理版本，具备更强的深度推演与复杂逻辑博弈能力。参数规模：未知；开放方式：闭源；主要架构：自回归 Transformer。

1 EVENTS

阿里探索新颖路由筛选策略的实验性版本，大幅降低了单次前向推理的参数激活比例。参数规模：80B MoE (激活3B)；开放方式：开源；主要架构：混合专家 Transformer（MoE）。

1 EVENTS

Reka AI 研发的多模态模型，支持文本、图像、视频及音频联合输入。参数规模：67B；开放方式：闭源；主要架构：自回归 Transformer。

1 EVENTS

改进 BERT 训练策略，移除下一句预测任务以提升性能。参数规模：0.355B；开放方式：开源；主要架构：仅编码器 Transformer。

1 EVENTS

采用深度扩展（Depth Up-Scaling）技术构建的 107 亿参数模型。参数规模：10.7B；开放方式：开源；主要架构：自回归 Transformer。

1 EVENTS

Upstage 应用深度扩展（Depth Up-Scaling）技术将其模型扩展至千亿级参数规模的开源尝试。参数规模：102B MoE；开放方式：开源；主要架构：混合专家 Transformer（MoE）。

1 EVENTS

Upstage 发布的 220 亿参数模型，针对文档内容解析与长文本任务进行了优化。参数规模：22B；开放方式：闭源；主要架构：自回归 Transformer。