在人工智能的浪潮中，大模型以惊人的速度重塑技术边界，从OpenAI的GPT系列到DeepSeek-R1，每一款模型的命名与设计都暗藏深意。然而，面对层出不穷的模型名称与技术标签，你是否也曾陷入困惑：DeepSeek-R1与DeepSeek-V3区别何在？模型名称中的参数规模、架构代号又指向哪些核心能力？
本文将以全景视角梳理主流大模型的命名逻辑与技术谱系，助你快速穿透术语迷雾，读懂大模型背后的“身份密码”。论您是开发者探索技术边界，还是从业者把握行业趋势，这里都将成为您通往大模型世界的导航图。
模型命名元素大起底
我们会看到各种方式命名的模型，如QwQ-32B、Phi-4-multimodal-instruct, Claude-3.7-Sonnet，名称长短、含义各不相同，通过总结主流模型命名，模型命名通常包含以下元素：
1. 以团队、缩写、动物、艺术、语言等为标识
- 团队：如
DeepSeek、Qwen 缩写：技术架构或短语缩写，如下GPT：Generative pre-trained transformer，生成式预训练Transfomer模型GLM：Generative Language Model，通用的预训练语言模型QWQ：Qwen with QuestionsBERT：Bidirectional Encoder Representation from Transformers，基于变换器的双向编码器表示技术
动物：如 LLaMA（羊驼）、Orca（虎鲸）人物：如 Claude（克劳德·香农）、Titan（泰坦）、Moirai（摩伊拉）语言：如 Chinese（表示中文优化）、mGPT(m表示多语言支持)其他：如 Grok（火星词）、Gemini（双子座）、doubao、hunyuan
2. 模型系列与版本号
- 系列代号：反映模型定位，如DeepSeek-V：通用型（V意为Version），DeepSeek-R：推理优化型（R意为Reasoning）
- 版本号：
数字版本号，如DeepSeek-R1，后续会迭代升级，如GPT-3到GPT-4.5 - Release/Latest：表示是正式版本或最新版本，如 Illustrious-xl-early-release-v0、qwen-max-latest
- 日期标识：包含具体日期，如qwen-max-2025-01-25
3. 技术特性一般指模型训练的方式，如下：
- Distill：蒸馏压缩版本，如DeepSeek-R1-Distill-Qwen-1.5B
- GGUF：量化格式优化部署效率，如DeepSeek-R1-GGUF
- MoE：混合专家，如 Qwen1.5-MoE-A2.7B
- GPTQ：量化版本，如 Qwen2.5-7B-Instruct-GPTQ-Int4
- SFT：监督微调，如 CosyVoice-300M-SFT
- DPO：直接偏好优化，如 UI-TARS-72B-DPO
4. 规模标识
- 参数量级：直接表示参数量(7B, 13B, 70B)，如 DeepSeek-R1-Distill-Qwen-7B
- 相对规模标识：
- S/M/L/XL：表示 Small、 Medium、Large、Extra Large，如GPT2-XL
- Mini/Base/Large：表示迷你版本、基础版本、大版本，如 deepseek-ai/DeepSeek-V3-Base
- 此外还有：Pro（高级）、Ultra（极致）、Haiku（轻量）、Sonnet（均衡）、Opus（顶级）、Plus（加强）、Omni（全能）、Turbo（升级）等自定义的模型等级，如 GPT-4o 中的o就指Omni，表示全能
- 量化精度：如int4、int8、fp16、bf16，如 Qwen2.5-32B-Instruct-GPTQ-Int4
- 上下文最大Token长度：如 300M、1M等，qwen2.5-7b-instruct-1m
5. 训练数据或用途
- 语言标识：zh（中文）、
multi（多语言）、cased（保留大小写的） - Vision/V/VL：具备视觉能力，如 GPT-4V, Gemini Pro Vision
- TTS/ASR：具备语音处理能力，如 SparkAudio/Spark-TTS-0.5B
- Code/Coder：专注代码能力，如 CodeLlama, DeepSeek-Coder
- Math：擅长数学推理，如 DeepSeek-Math, MathGPT
- Chat：针对对话优化，如 LLaMA-2-Chat, Yi-Chat
- Instruct：理解并执行人类提供的指令，如 Qwen2.5-VL-7B-Instruct
- squad：擅长问答任务，如 distilbert/distilbert-base-cased-distilled-squad
模型命名元素基本上包含以上几类，如果模型中的词语不包含在以上内容中，也基本上是以上元素的变种。
各大厂商模型命名风格
1. OpenAI
- 命名特点：简洁、版本明确
- 命名结构：基础名称(GPT) + 版本号(3.5, 4) + 功能后缀(turbo)
- 示例：GPT-3.5-turbo、GPT-4、GPT-4-Vision
2. Meta (Facebook)
- 命名特点：使用简短有意义的词汇
- 命名结构：基础名称(LLaMA) + 版本号(2) + 参数规模(7B) + 功能后缀(Chat)
- 示例：LLaMA-2-7B-Chat、CodeLlama-70B-Instruct
3. Anthropic
- 命名特点：使用古典音乐术语
- 命名结构：基础名称(Claude) + 版本号(2) + 能力等级(Opus, Sonnet)
- 示例：Claude-3-Opus、Claude-3-Sonnet、Claude-3-Haiku
4. Google
- 命名特点：系统化命名，偏好简短名称
- 命名结构：基础名称(Gemini) + 能力等级(Pro, Ultra) + 功能后缀(Vision)
- 示例：Gemini Pro、Gemini Ultra、Gemini Pro Vision
5. 阿里巴巴
- 命名特点：使用简短名称，强调通用性
- 命名结构：基础名称(qwen、wanx) + 能力等级(Plus、Max)+版本或规模标识
- 示例：qwen-max-latest、qwen2.5-7b-instruct-1m
6. 深度求索(DeepSeek)
- 命名特点：强调模型迭代与特性
- 命名结构：品牌名(DeepSeek) + 功能/版本标识(R1, V3, Coder)
- 示例：DeepSeek-R1、DeepSeek-V3、DeepSeek-Coder
模型库：全球两大模型生态平台
在AI大模型时代，模型库是开发者与研究者获取、共享和部署模型的核心枢纽。全球范围内，Hugging Face与ModelScope分别代表了国际与国内最活跃的模型生态平台。
Hugging Face 是一个在自然语言处理领域极具影响力的开源平台，被广泛认为是机器学习社区的中心枢纽。它提供了一个庞大的模型库，目前近150W个模型，涵盖了自然语言处理、计算机视觉、语音识别等多个领域的预训练模型。用户可以在该平台上轻松地搜索、下载和使用各种模型，同时还能分享自己的模型和代码。Hugging Face 的优势在于其社区活跃度高，模型更新速度快，并且提供了丰富的文档和示例代码，方便开发者快速上手。
访问地址：https://huggingface.co/models
ModelScope 是阿里云推出的一个面向多模态 AI 的开源模型社区，聚焦于计算机视觉、语音、自然语言处理等多个领域。它整合了众多优秀的开源模型，为开发者提供了一站式的模型开发和应用平台。ModelScope 的特点是结合了阿里云强大的计算资源和技术支持，提供了高效的模型训练和推理服务，同时还支持模型的在线部署和微调，方便用户快速将模型应用到实际场景中。
访问地址：https://modelscope.cn/models
模型通用分类
大模型的分类可从多个维度展开，例如应用领域、架构类型、训练范式、参数规模进行分类，比较通用易于理解的是按应用领域分类，上述两大模型库也采用这种分类方式，具体分类如下：
- 自然语言处理（NLP）模型：主要用于处理和分析人类语言，如文本生成、机器翻译、情感分析、问答系统等。常见的 NLP 模型有 GPT 系列、QWen系列 等。
- 计算机视觉（CV）模型：用于处理和分析图像和视频数据，如图像分类、目标检测、语义分割、图像生成等。典型的 CV 模型包括 ResNet、YOLO、Stable Diffusion 等。
- 语音识别与合成模型：用于将语音信号转换为文本（语音识别）或将文本转换为语音（语音合成）。例如，DeepSpeech 用于语音识别，Tacotron 用于语音合成。
- 多模态模型：指能够处理和整合多种模态或数据类型的信息的机器学习模型。 这些模态可以包括文本、图像、音频、视频和其他形式的感官输入。
- 科学计算模型：如蛋白质结构生成，蛋白质功能预测等模型。
大模型技术日新月异，名称背后的参数、架构与能力标签，既是技术演进的注脚，也是行业趋势的风向标。从闭源巨头到开源新锐，从通用底座到垂直赛道，每一次命名革新都藏着技术跃迁的密码。
收藏本文，这份“大模型辞典”将助你穿透术语迷雾，在参数洪流中锚定方向。当下一代千亿级模型登场时，愿你能从名称中读懂它的基因，从分类中预判它的疆界。技术浪潮奔涌不息，唯有理解本质，方能在AI时代从容前行。
☟☟☟欢迎关注AI不慌指南，解读AI前沿资讯，分享AI普惠知识消除焦虑，拥抱AI 😄
