【Agent.02】市面上常见的大模型有哪些？

欢迎阅读慕雪撰写的AI Agent专栏，本专栏目录如下

本文是本专栏的正文第一篇。

写在前面

要想更好的掌握AI，平日里就少不了和AI的交流。任何事情都是这样，只有用的更多，才有可能变得更加熟练，最后进行AI Agent开发的时候，也能够更加得心应手。

相比之下，如果现在还像从前一样只是啃B站视频或者书籍死学的同学，可能会逐步被AI时代淘汰。

本文收集了当前最主流的大模型，以及它们的官网、适用场景。建议大家在编程学习过程中把这一堆大模型全都自己试试，看看从你的角度出发，哪一个大模型的体验和效果最好。

主流大模型一览

下标囊括了当前最主流的大模型，以及它们的适用场景。大家都要多去试试这些模型的效果哦！

大模型	最新模型	公司	适用场景	备注	官网
GPT 系列	GPT-4.5 Turbo	OpenAI 🇺🇸	通用对话、代码、多模态	GPT应该是最早进入大众视野的大模型了	https://chat.openai.com/
Gemini 系列	Gemini 2.5 Pro	Google / DeepMind 🇺🇸	长文本、多模态、搜索增强	谷歌的Gemini在长文本处理这块非常牛	https://ai.google https://aistudio.google.com/prompts/new_chat https://gemini.google.com/gem/brainstormer https://notebooklm.google.com/notebook/
Claude 系列	Claude 4 Opus	Anthropic 🇺🇸	长文档、安全对话	Claude模型在Agent场景是目前最强大的模型	https://anthropic.com
Llama 系列	Llama 4 Maverick	Meta 🇺🇸	开源通用、代码、数学	400B，可商用（限条件）	https://ai.meta.com
文心一言	ERNIE-4.5	百度 🇨🇳	中文搜索、知识问答	1.4T 参数，多模态+知识图谱	https://yiyan.baidu.com
通义千问	Qwen2.5-Max	阿里巴巴 🇨🇳	通用、音视频、多语言	720B，20T token 预训练	https://tongyi.aliyun.com https://chat.qwenlm.ai/
星火	星火 4.0 Ultra	科大讯飞 🇨🇳	中文语音、教育、办公	强语音合成/识别	https://xinghuo.xfyun.cn
混元	Hunyuan-Pro	腾讯 🇨🇳	社交、游戏、客服	千亿级，游戏 NPC 优化	https://yuanbao.tencent.com
豆包	豆包 1.5 Pro	字节跳动 🇨🇳	短视频、客服、创作	多模态，长上下文	https://www.doubao.com
Kimi	Kimi-1.6	月之暗面 🇨🇳	长文本阅读、法律、金融	200 万汉字上下文	https://www.moonshot.cn https://www.kimi.com/
百川	Baichuan4	百川智能 🇨🇳	医疗、中文问答	医疗场景深度优化	https://www.baichuan-ai.com
DeepSeek	DeepSeek-V3	深度求索 🇨🇳	金融、中文语义	1.6T，部分开源	https://chat.deepseek.com/
MiniMax	MiniMax-Text-02	MiniMax 🇨🇳	多轮对话、语音合成	千亿级，语音自然	https://api.minimax.chat
InternLM	InternLM3	零一万物 🇨🇳	开源通用、教育	轻量长文本，可本地部署	https://github.com/InternLM
盘古	盘古 CV-3.0	华为 🇨🇳	工业视觉、遥感	toB行业定制，我们用不了	https://www.huaweicloud.com/product/pangu.html
Mistral	Mistral Large 2	Mistral AI 🇫🇷	多语言、代码、推理	123B，开源权重	https://mistral.ai
Command	Command R+	Cohere 🇨🇦	企业检索、RAG	104B，商用友好	https://cohere.com
Grok	Grok-3	xAI 🇺🇸	实时数据、社交对话	X 平台深度集成	https://x.ai
Falcon	Falcon3-40B	TII 🇦🇪	多语言、开源	可商用，工具调用	https://huggingface.co/LLM360
GLM	GLM-4-32B	清华&智源 🇨🇳	中英双语、工具调用	开源，32B 轻量	https://modelscope.cn/organization/THUDM

本地部署大模型

除了上面这些可以在线使用的大模型，大家还可以尝试一下用https://ollama.com/和https://lmstudio.ai/在本地部署大模型，依据你电脑配置的不同，可以在ollama的模型广场里面选择不同参数量的模型，建议直接用qwen3来测试。

1	ollama pull qwen3:1.7b

举个例子：

以游戏本为例，你能够本地部署的模型，就看你的显存大小是多少。
比如你是一个8GB显存的英伟达显卡，你就可以尝试部署4B的模型；如果你是一个16GB显存的显卡，就可以尝试部署7B或者14B的模型。
如果你不是游戏本，是核显商务本，也可以尝试部署一下1.7B的小模型（直接用CPU跑），也是可以在本地运行起来的。
如果是Arm的MAC电脑，部署模型直接看你的MAC有多少内存即可。

你可能会问：线上的这些平台不是都提供了API吗，为什么还要尝试本地部署模型？小参数的模型不是很垃圾吗？

小参数的模型确实效果不如人意，但是对于本地部署模型而言，最重要的是你实操过ollama和LM Studio，知道本地部署模型需要做什么步骤。这就好比你在本地折腾过linux、docker、jenkins这些环境一样，只有本地折腾过，未来工作中遇到实际使用这些工具的时候，才不会抓瞎。

The end

本文主要还是为大家收集了主流的大模型以及在哪里使用它们。后续如果出现了新的性能还不错的大模型，会继续更新本文。

大家平日学习中要学会充分借助AI，但也不要过度依赖AI，特别是初学者！