AI主流大模型介绍和API价格对比

共计 6882 个字符，预计需要花费 18 分钟才能阅读完成。

AI 主流大模型介绍和 API 价格对比

‍

主流的大模型系列

###1. OpenAI: GPT-4，GPT-4 Turbo，GPT-4o

OpenAI 的介绍：

• ​ 全称 ​：Open Artificial Intelligence，简称 OpenAI。
• ​ 性质 ​：起初为非营利性组织，后转变为由营利性公司 OpenAI LP 及非营利性母公司 OpenAI Inc 组成的机构。
• ​ 成立时间 ​：2015 年。
• ​ 成立地点 ​：美国旧金山。
• ​ 创始人 ​：包括萨姆·奥尔特曼（Sam Altman）、埃隆·马斯克（Elon Musk）等在内的多位人工智能领域的知名人士。

GPT-4

GPT- 4 是 OpenAI 开发的一种生成式预训练转换器模型，全称为“Generative Pre-trained Transformer 4”。
GPT- 4 可以用于各种任务，如文本生成、翻译、对话等，具有极强的智能化和自适应性。

GPT-4 Turbo

GPT-4 Turbo 是 GPT- 4 的一个优化版本，专注于速度和成本效益。它在 2024 年 4 月的 OpenAI 开发者大会上被正式推出。
特点：

• 更快的响应速度：经过优化，能够更快地生成响应。
• 更低的运行成本：使用成本相对较低，适合需要高效处理大量请求且对成本敏感的应用场景。
• 更长的上下文长度：GPT-4 Turbo 具有 128k 上下文长度，相比 GPT- 4 的 8k 上下文长度有了显著提升。
• 全新的模型控制技术：使开发者可以更精细地调整模型输出，提升用户体验。
• 更新的知识库：GPT-4 Turbo 的现实世界知识截止时间比 GPT- 4 更新。

GPT-4o（或 GPT-4 Omni）

GPT-4o 是 OpenAI 发布的 GPT- 4 的升级版模型，其中“O”是 Omni 的缩写，意为“全能”。
它是一种多模态模型，能够处理并生成多种形式的输入和输出，包括文本、音频和图像。

2. Anthropic 的 Claude 系列

Anthropic PBC 是一家美国的人工智能（AI）初创企业和公益公司，由 OpenAI 的前成员创立，其中包括 OpenAI 前研究副总裁达里奥·阿莫迪（Dario Amodei）、GPT- 3 论文第一作者 Tom Brown 等。该公司专注于开发通用 AI 系统和语言模型，并秉持负责任的 AI 使用理念。其投资者包括谷歌、Salesforce、亚马逊、高通等科技巨头，估值超过 150 亿美元。

1. Claude 是 Anthropic 公司开发的 AI 聊天机器人，与 ChatGPT 类似，采用消息传递界面，用户可以在其中提交问题或请求，并获得非常详细和相关的回复。Claude 具有 520 亿个参数，能够处理各种复杂的语言任务。
2. Claude 3 系列
   Claude 3 系列是 Anthropic 公司推出的最新一代 AI 模型，包括 Haiku、Sonnet 和 Opus 三个型号。这三个型号在性能上依次提升，允许用户为其特定应用选择智能、速度和成本的最佳平衡。

• ​Haiku​：被称为“中杯”型号，是市场上同类智能模型中速度最快且最具成本效益的。它可以在极短的时间内阅读大量信息，包括图表和图形的数据密集的研究论文。Haiku 即将推出，尚未广泛应用。
• ​Sonnet​：被称为“大杯”型号，其速度比 Claude 2 和 Claude 2.1 快 2 倍，且智能水平更高。Sonnet 擅长执行需要快速响应的任务，如知识检索或销售自动化等。目前，Sonnet 已在 claude.ai 以及全球 159 个国家和地区的 Claude API 上使用。
• ​Opus​：被称为“超大杯”型号，是 Claude 3 系列中最智能的模型。在人工智能系统的大多数常见评估基准上都优于同行，包括本科水平专家知识（MMLU）、研究生水平专家推理（GPQA）、基础数学（GSM8K）等。Opus 在复杂任务上表现出接近人类水平的理解力和流畅性，并且具有强大的视觉能力，能够处理各种视觉格式，包括照片、图表、图形和技术图表等。Opus 也已在 claude.ai 以及全球 159 个国家和地区的 Claude API 上使用。

Google 的 Gemini 系列

Gemini 是由 Google AI 开发的多模态大模型，代表了 Google 在人工智能领域的最先进技术。该系列包括多个型号，针对不同的应用场景和需求进行优化。

1. Gemini Ultra（双子星至尊版）

   • 功能最强大，适用于高度复杂任务的超大型模型。

2. Gemini Pro（双子星专业版）

   • 适用于处理各种类型任务的最佳模型。在 87% 的文本、代码、图像、音频和视频基准测试中超越了 Gemini 1.0 Pro。其最大上下文窗口为 100 万个 token（后升级支持至 200 万 token），能够处理大量信息，提高输出的相关性和一致性。

3. Gemini Flash（双子星闪速版）

   • 轻量级模型，兼具速度、效率、高性价比和强大的多模态推理能力。适用于需要快速处理海量数据的各种场景。采用了先进的模型压缩技术，体积小，运行速度快，且成本低廉。

4. Gemini Nano（双子星迷你版）

   • 最高效的模型，适用于设备端任务

Meta 公司的 LLaMA 系列

Meta 公司（Meta Platforms, Inc.），原名 Facebook，是一家美国互联网科技公司，由马克·扎克伯格创立于 2004 年 2 月 4 日。公司主要经营社交网络、虚拟现实、元宇宙等产品，旗下主要包括 Facebook、Instagram、WhatsApp 和 Messenger 四款社交通讯应用，日活用户达到 32.4 亿（2024 年第一季度）。2021 年，公司改名为 Meta，标志着其从社交媒体巨头向人工智能领域的转型。

Meta 在大模型领域取得了显著的进展，其开源大模型 Llama 系列在业界产生了广泛影响。以下是 Meta 大模型发展的几个关键节点：

1. ​Llama 系列开源 ​：

   • 2023 年 2 月，Meta 开源了大语言模型 Llama。
   • 2023 年 7 月，开源了 Llama 2，并允许免费商用。
   • 2023 年 8 月，推出了开源代码模型 Code Llama。
   • 2024 年 4 月，推出了开源大模型 Llama 3，提供了 8B 和 70B 参数两个版本，同时包含基础模型和指令微调模型，可支持广泛的应用。

2. ​Llama 3 的性能 ​：

   • Llama 3 在超过 15T 的 token 上进行了预训练，训练数据集是 Llama 2 的七倍，包含的代码数量也是 Llama 2 的四倍。
   • Llama 3 在广泛的行业基准测试中达到了 SOTA（行业最高水准）。在大模型评测社区 LMSYS 最新大模型排行榜单中，Llama 3 70B 位列第五，仅次于 GPT- 4 的 3 个版本和 Claude 3 Opus 等闭源大模型，成为最强的开源大模型。

Mistral 大模型 系列

Mistral 是一家由 Meta Platforms 和 Google DeepMind 前员工于 2023 年 4 月创立的法国人工智能公司。公司致力于通过突破性的创新打造开放、高效、有用且值得信赖的人工智能模型，使命是让前沿人工智能无处不在，为所有建设者提供量身定制的人工智能。

* 准测试中，Mistral-7B 表现出色，优于 Llama 2 13B，在许多基准测试中甚至优于 Llama 1 34B。* 它接近 CodeLlama 7B 的代码性能，同时保持良好的英语任务表现。

2. Mixtral

   • Mixtral 是一种具有开放权重的高质量稀疏专家混合模型（SMoE）。
   • Mixtral 在大多数基准测试中都优于 Llama 2 70B，推理速度提高了 6 倍。它是最强大的开放权重模型之一，具有宽松的许可证，也是成本 / 性能权衡方面的最佳模型。
   • Mixtral 可以优雅地处理 32k 令牌的上下文，支持多种语言，包括英语、法语、意大利语、德语和西班牙语。在代码生成方面表现出强大的性能。

3. Pixtral 12B

   • Pixtral 12B 是 Mistral 发布的多模态大模型，同时具备语言和视觉处理能力。
   • 它建立在文本模型 Nemo 12B 基础上，包含一个专门的视觉编码器，原生支持任意数量和尺寸的图像。
   • Pixtral 12B 大约有 40 层神经网络、14336 个隐藏维度大小和 32 个注意力头，以及一个专用的视觉编码器，支持高分辨率图像（1024×1024）处理。
   • 在多模态知识和推理、QA 等方面都表现出色。

4. Mistral Lite

   • Mistral Lite 是一款经过优化的语言模型，在处理长文本上下文时表现出色，且在资源受限的环境中也能保持高效性能。
   • Mistral Lite 能够有效地处理长度达到 32K tokens 的上下文，通过调整模型参数和优化上下文处理机制，在长文本上下文中的表现显著优于其他模型。

深度求索公司的 DeepSeek

杭州深度求索人工智能基础技术研究有限公司 (简称“深度求索”或“DeepSeek”)，成立于 2023 年，是一家专注于实现 AGI 的中国公司。
DeepSeek 大模型主要版本的介绍：

DeepSeek- V1

• ​ 发布时间 ​：2024 年 1 月。
• ​ 核心技术 ​：数据端包括去重、过滤、混合 3 个步骤，旨在构建一个多样性强、纯净的高质量预训练数据；模型端沿用 LLaMA 的主体 Transformer 结构，包括 RMSNorm 的 Pre-normalization、SwiGLU 激活函数、Rotary Embeddings 位置编码等；优化端使用 multi-step learning rate 代替 LLaMA 中的 cosine learning rate schedule；对齐阶段使用 SFT 进行人类风格对齐。
• ​ 参数规模 ​：未具体提及，但提供了 7B 和 67B 两种尺寸的模型。
• ​ 应用场景 ​：作为 DeepSeek 系列的首个版本，为后续的模型发展奠定了基础。

DeepSeek-V2

• ​ 发布时间 ​：2024 年 5 月。
• ​ 核心技术 ​：引入了 MLA（Multi-head Latent Attention）架构和自研的 Sparse 结构 DeepSeekMoE，旨在提升模型的推理效率和参数空间。
• ​ 参数规模 ​：拥有 2360 亿参数，其中每个 token 有 210 亿个活跃参数。
• ​ 应用场景 ​：能处理自然语言处理中的多种任务，尤其在中文综合能力等方面表现出色，性能达 GPT- 4 级别。
• ​ 训练方式 ​：基于高效且轻量级的框架 HAI-LLM 进行训练，采用 16-way zero-bubble pipeline 并行、8-way 专家并行和 ZeRO- 1 数据并行。

DeepSeek-V3

• ​ 发布时间 ​：2024 年 12 月 26 日。
• ​ 核心技术 ​：采用基于 Mixture-of-Experts（MoE）架构，通过动态激活相关“专家”来降低计算成本并保持高性能。引入了多头潜在注意力（MLA）架构、无辅助损失的负载均衡策略以及多 token 预测（MTP）目标，提升了模型的推理效率和训练成本效益。
• ​ 参数规模 ​：拥有 6710 亿参数，其中激活参数为 370 亿。
• ​ 应用场景 ​：在聊天和编码场景、多语言自动翻译、图像生成和 AI 绘画等多模态场景中表现出色。尤其在数学、代码和中文任务上，V3 表现尤为突出，成为当前最强的开源模型。
• ​ 训练成本 ​：整个训练过程仅耗费了 278.8 万 H800 GPU 小时，总成本约为 557.6 万美元，远低于其他前沿大模型。
• ​API 服务 ​：调整了 API 服务价格，优惠期内（即日起至 2025 年 2 月 8 日）API 价格为每百万输入 tokens 0.1 元（缓存命中）/ 1 元（缓存未命中），每百万输出 tokens 2 元。优惠期结束后，价格将恢复至每百万输入 tokens 0.5 元（缓存命中）/ 2 元（缓存未命中），每百万输出 tokens 8 元。

‍

DeepSeek-R1 与 DeepSeek-R1-Zero

• ​ 发布时间 ​：DeepSeek-R1 及 DeepSeek-R1-Zero 均在 2025 年 1 月 20 日左右发布并开源。
• ​ 核心技术 ​：两者可能都在 Transformer 架构基础上针对推理做了优化，通过强化学习训练实现大量反思和验证。DeepSeek-R1-Zero 几乎不依赖任何人类数据，完全依靠机器生成数据来进行强化学习训练。
• ​ 参数规模 ​：两者参数均为 660B。
• ​ 应用场景 ​：在数学、代码以及各种复杂逻辑推理任务上应用出色，主要用于科学研究、复杂问题求解和逻辑分析。DeepSeek-R1-Zero 可能在一些无人工标注数据相关场景更具优势。

DeepSeek-VL

• ​ 发布时间 ​：DeepSeek-VL2 系列于 2024 年 12 月发布。
• ​ 核心技术 ​：整体上是 decoder-only 的 LLaVA 风格架构，包括视觉编码器、视觉语言适配器、专家混合语言模型三个核心模块。
• ​ 参数规模 ​：DeepSeek-VL2 系列有 DeepSeek-VL2-Tiny、DeepSeek-VL2-Small 和 DeepSeek-VL2，分别具有 10 亿、28 亿和 45 亿个激活参数。
• ​ 应用场景 ​：用于 VQA、OCR、文档 / 表格 / 图表理解和视觉定位等多模态理解任务

阿里的同义千问模型

​Qwen2.5​：这是通义千问系列中的一个重要版本。Qwen2.5 全系列总计上架了 100 多个模型，涵盖多个尺寸的大语言模型、多模态模型、数学模型和代码模型。其中，Qwen2.5-72B 在多个核心任务的测评上，以不到 1 / 5 的参数超越了拥有 4050 亿巨量参数的 Llama3.1-405B，性能强劲。

各模型 API 输入输出与价格比较

说明：

1. ​Max Input​：模型支持的最大输入 token 数量。
2. ​Max Output​：模型支持的最大输出 token 数量。
3. ​Input Price​：每百万输入 token 的价格（单位：美元）。
4. ​Output Price​：每百万输出 token 的价格（单位：美元）。
5. ​Open Source​：开源模型，无直接定价。

备注：

• 价格和 token 限制可能因供应商更新而变化，建议参考官方文档获取最新信息。
• 部分模型（如 LLaMA 2、Mistral）是开源的，价格不适用，但可能需要自行部署和计算资源成本。

性价比分析

1. ​DeepSeek-V3​: 无论是输入还是输出价格，DeepSeek-V3 都是最便宜的模型，性价比极高。
2. ​Claude 3 Haiku​: 输入和输出价格都非常低，性价比仅次于 DeepSeek-V3。
3. ​GPT-3.5 Turbo​: 输入和输出价格较低，适合预算有限的项目。
4. ​Gemini Pro​: 价格与 GPT-3.5 Turbo 相当，性价比不错。
5. ​Claude 3 Sonnet​: 输入价格较低，但输出价格较高，适合输入密集型任务。
6. ​GPT-4o​: 输入价格较低，输出价格中等，适合需要较高性能的任务。
7. ​GPT-4 Turbo​: 输入价格中等，输出价格较高，适合需要高性能的任务。
8. ​Claude 2​: 输入和输出价格较高，性价比一般。
9. ​Claude 3 Opus​: 输入和输出价格最高，适合需要顶级性能的任务。
10. ​Gemini Ultra​: 输入和输出价格较高，性价比一般。
11. ​GPT-4​: 输入和输出价格最高，适合需要顶级性能的任务。

总结

• ​ 最佳性价比 ​: DeepSeek-V3
• ​ 次佳性价比 ​: Claude 3 Haiku
• ​ 预算有限 ​: GPT-3.5 Turbo 和 Gemini Pro
• ​ 高性能需求 ​: GPT-4o 和 GPT-4 Turbo
• ​ 顶级性能 ​: Claude 3 Opus 和 GPT-4

开源模型（如 LLaMA 2 和 Mistral）在价格上具有绝对优势，但需要自行部署和维护，适合有技术能力的团队。