人工智慧的版圖正以驚人的速度演進，大型科技公司與靈活的新創企業皆持續推出更新、更精煉的模型。諸如 Google 等巨頭，以及 OpenAI 和 Anthropic 等創新者，陷入了無休止的開發循環，使得觀察者和潛在用戶要跟上最新、最強大的產品成為一項重大挑戰。這種新工具的不斷湧入，很容易讓人們對於哪種模型最適合特定需求感到困惑。為了釐清這個充滿活力的領域，我們對自 2024 年初以來出現的著名 AI 模型進行了詳細檢視，闡明它們的預期功能、獨特優勢、局限性以及獲取其能力的路徑。本指南旨在作為一個可靠的資源，並將定期更新，以納入最新發布的進展。儘管可用模型的數量驚人——像 Hugging Face 這樣的平台託管了超過一百萬個模型——本彙編聚焦於備受矚目、產生重大影響的先進系統，同時承認其他專業化或利基模型可能在特定的狹窄領域提供更優越的性能。
形塑 2025 年的創新
2025 年已經見證了一系列活躍的發展，主要參與者發布了在推理、圖像生成、多模態理解和任務自動化方面突破界限的模型。這些系統代表了最前沿的技術，通常包含新穎的架構或專注於專業化、高需求的能力。
Google Gemini 2.5 Pro Experimental：開發者的助手？
Google 將其 Gemini 2.5 Pro Experimental 版本主要定位為推理任務的強大工具，特別強調其在建構網頁應用程式和開發自主程式碼代理方面的卓越能力。這意味著該工具是為尋求加速或自動化複雜編碼工作流程的軟體工程師和開發人員量身打造的。Google 自己的資料也強調了這些能力，將其定位為建構複雜數位工具的首選資源。然而，競爭格局提供了不同的視角；獨立分析和基準測試結果表明，儘管它很強大，但在特定的、流行的編碼性能測試中，它可能落後於 Anthropic 的 Claude Sonnet 3.7 等競爭對手。這表明其優勢可能在某些類型的開發任務中更為顯著。獲取這個實驗性模型的途徑並不直接；它需要透過每月 20 美元的 Gemini Advanced 訂閱來投入 Google 的高級生態系統，使其超出了休閒或免費使用的範圍。
ChatGPT-4o 圖像生成：拓展多模態視野
OpenAI 透過整合原生圖像生成能力，增強了其本已多功能的 GPT-4o 模型。先前主要以其複雜的文本理解和生成能力而聞名，這次升級將 GPT-4o 轉變為一個真正的多模態工具，能夠解釋文本提示並產生相應的視覺輸出。此舉與更廣泛的行業趨勢一致，即模型能夠無縫地跨越不同數據類型——文本、圖像，以及潛在的音頻或視頻。尋求利用此新功能的用戶需要訂閱 OpenAI 的付費層級，起價為每月 20 美元的 ChatGPT Plus 計劃。這將圖像生成功能定位為對專用用戶的增值服務，而非普遍可用的工具。
Stability AI 的 Stable Virtual Camera：從 2D 窺探 3D
以其對圖像生成技術的貢獻而聞名的初創公司 Stability AI 推出了 Stable Virtual Camera。該模型涉足複雜的三維場景解釋與生成領域，僅從單一的二維輸入圖像衍生。該公司宣傳其推斷深度、透視和合理攝影機角度的能力，有效地在源圖像所描繪的場景內創建一個虛擬視點。雖然這代表了一項引人入勝的技術成就，但 Stability AI 承認目前的局限性。據報導，該模型在處理複雜場景時會遇到困難，特別是那些包含**人類或動態元素（如流動的水）**的場景，這表明從靜態 2D 輸入生成複雜、逼真的 3D 環境仍然是一個重大挑戰。反映其開發階段和重點，該模型目前主要可透過 HuggingFace 平台供學術和非商業研究目的使用。
Cohere 的 Aya Vision：全球化的圖像視角
通常專注於企業 AI 解決方案的公司 Cohere 發布了 Aya Vision，這是一個旨在解釋視覺資訊並與之互動的多模態模型。Cohere 對其性能提出了大膽的聲明，斷言 Aya Vision 在諸如為圖像生成描述性標題和根據照片內容準確回答問題等任務中領先同類產品。Cohere 強調的一個關鍵差異化因素是其聲稱的在非英語語言中的卓越性能，這與許多當代模型通常主要針對英語進行優化形成對比。這表明其著重於更廣泛的全球適用性。為了展現對可及性的承諾，Cohere 已透過廣泛使用的 WhatsApp 訊息平台免費提供 Aya Vision，為廣大用戶群提供了一種體驗其能力的便捷方式。
OpenAI 的 GPT 4.5 ‘Orion’：規模、知識與情感
被稱為 ‘Orion’ 的 OpenAI GPT 4.5 代表了一次重大的規模擴展努力，被該公司描述為其迄今為止開發的最大模型。OpenAI 強調其廣泛的’世界知識’——暗示著一個龐大的事實資訊庫——以及更有趣的是，其**’情感智能’，暗示了與理解或模擬細微的類人反應或互動相關的能力。儘管其規模和這些突出的屬性，性能基準測試表明，在某些標準化測試中，它可能無法始終超越更新的、可能更專業化的推理模型。Orion 的訪問權限僅限於 OpenAI 用戶群的頂層，需要訂閱其每月 200 美元的高級計劃**，將其定位為面向具有顯著計算需求的專業或企業用戶的工具。
Claude Sonnet 3.7：混合型思考者
Anthropic 推出了 Claude Sonnet 3.7 作為 AI 領域的新成員，將其標榜為業界首創的**’混合型’推理模型**。此稱號背後的核心概念是其動態調整計算方法的能力：對於直接的查詢，它可以提供快速響應，但當面對需要更深入分析的複雜問題時，它也能進行更深刻、更長時間的’思考’。Anthropic 進一步賦予用戶控制模型用於思考時間長短的權力，允許在速度和徹底性之間進行量身定制的平衡。這一獨特的功能集廣泛可用，所有 Claude 平台的用戶均可使用。然而，持續或密集的使用需要升級到每月 20 美元的 Pro 計劃，以確保為要求高的工作負載提供資源。
xAI 的 Grok 3：專注於 STEM 的挑戰者
Grok 3 是由 Elon Musk 創立的人工智慧企業 xAI 推出的最新旗艦產品。該公司將 Grok 3 定位為頂級性能者，尤其是在量化和技術領域，聲稱其在數學、科學推理和編碼任務方面優於其他領先模型。該模型的訪問權限整合在 X（前身為 Twitter）生態系統內，需要X Premium 訂閱，目前價格為每月 50 美元。在其前身（Grok 2）被批評表現出可感知的政治偏見之後，Musk 公開承諾引導 Grok 走向更大的**’政治中立性’**。然而，關於 Grok 3 是否成功體現了這種中立性的獨立驗證仍有待進行，這對用戶和分析師來說是一個持續的觀察點。
OpenAI o3-mini：針對 STEM 的高效推理
在 OpenAI 多樣化的產品組合中，o3-mini 作為一款專門針對 STEM（科學、技術、工程和數學）應用進行優化的推理模型而脫穎而出。其設計優先考慮與編碼、數學問題解決和科學探究相關的任務。雖然它並非 OpenAI 最強大或最全面的模型，但其較小的架構轉化為一個顯著優勢：降低了計算成本。該公司強調了這種效率，使其成為在任務量大或預算受限情況下的有吸引力的選擇。它最初免費提供，允許廣泛實驗，但持續或大量使用模式最終將需要訂閱，以確保為要求更高的用戶分配資源。
OpenAI Deep Research：帶引用的深度探索
OpenAI 的 Deep Research 服務專為需要對特定主題進行徹底調查的用戶量身定制，並特別強調為所呈現的資訊提供清晰且可驗證的引用。這種對來源的關注使其與通用聊天機器人區分開來，旨在為以研究為導向的任務提供更可靠的基礎。OpenAI 建議其適用範圍廣泛，從學術和科學探索到消費者研究，例如在購買前比較產品。然而，用戶被提醒，AI ‘幻覺’——即生成看似合理但錯誤的資訊——這一持續存在的挑戰仍然相關，需要對輸出進行批判性評估。訪問此專業研究工具的權限僅限於 ChatGPT 高階每月 200 美元 Pro 計劃的訂閱者。
Mistral Le Chat：多模態助理應用程式
歐洲著名參與者 Mistral AI 透過推出專用的應用程式版本，擴大了其 Le Chat 產品的訪問範圍。Le Chat 作為一個多模態 AI 個人助理運作，能夠處理多樣化的輸入和任務。Mistral 宣傳其助理具有卓越的響應速度，暗示其運行速度比競爭對手的聊天機器人介面更快。一個值得注意的特點是提供了一個付費層級，整合了來自法新社（Agence France-Presse, AFP）的最新新聞內容，可能讓用戶在聊天介面內獲取及時的新聞資訊。獨立測試，例如由 Le Monde 進行的測試，發現 Le Chat 的整體性能值得稱讚，但也指出與 ChatGPT 等既定基準相比，其錯誤發生率更高。
OpenAI Operator：自主實習生概念
被定位為對 AI 代理未來的展望，OpenAI 的 Operator 被概念化為一個個人數位實習生，能夠代表用戶獨立執行任務。提供的例子包括實際活動，如協助線上雜貨購物。這代表了朝向更自主的 AI 系統邁出的重要一步，這些系統可以與外部服務互動並執行現實世界的行動。然而，該技術仍處於實驗階段。授予 AI 自主權的潛在風險在 The Washington Post 的一篇評論中被強調，其中 Operator 代理據報導做出了一個獨立的購買決定，使用評論者的儲存支付資訊以意想不到的高價（31 美元）訂購了一打雞蛋。訪問這種尖端但仍處於實驗階段的能力需要 OpenAI 的頂級每月 200 美元的 ChatGPT Pro 訂閱。
Google Gemini 2.0 Pro Experimental：具備廣闊上下文的旗艦級能力
備受期待的旗艦模型 Google Gemini 2.0 Pro Experimental 推出時聲稱具有卓越的性能，尤其是在要求苛刻的編碼和一般知識理解領域。一個突出的技術規格是其極其龐大的上下文窗口，能夠處理多達 200 萬個 token。這種巨大的容量允許模型在單一實例中吸收和分析大量的文本或程式碼，對於需要快速理解、總結或查詢廣泛文件、程式碼庫或數據集的用戶來說，證明是無價的。與其 2.5 版本類似，訪問這個強大的模型需要訂閱，起價為每月 19.99 美元的 Google One AI Premium 計劃。
2024 年的基礎模型
2024 年奠定了重要的基礎，推出了在開源可及性、視頻生成、專業推理和類代理能力方面開闢新天地的模型。這些模型仍然具有相關性並被廣泛使用，構成了更新迭代的基礎。
DeepSeek R1：來自中國的開源強者
源自中國的 DeepSeek R1 模型迅速在全球 AI 社群（包括矽谷）引起關注。其獲得認可源於強勁的性能指標，尤其是在編碼和數學推理任務方面。其受歡迎的一個主要因素是其開源性質，允許任何具備必要技術技能和硬體的人下載、修改並在本地運行該模型，促進了在專有平台限制之外的實驗和開發。此外，其免費可用性顯著降低了進入門檻。然而，DeepSeek R1 並非沒有爭議。它納入了符合中國政府法規的內容過濾機制，引發了對審查制度的擔憂。此外，關於用戶數據隱私和傳回中國伺服器的潛在問題已導致在某些情況下日益增加的審查和禁用。
Gemini Deep Research：帶有警示的搜索摘要
Google 也推出了 Gemini Deep Research，這項服務旨在將來自 Google 龐大搜索索引的資訊合成為簡潔、引用良好的摘要。目標受眾包括學生、研究人員以及任何需要基於網絡搜索結果快速了解某個主題的人。它旨在透過整合資訊和提供來源連結來簡化研究的初始階段。雖然對於快速摘要可能有用，但理解其局限性至關重要。其輸出品質通常無法與嚴謹的、經過同行評審的學術著作相媲美，應被視為起點而非最終來源。訪問此摘要工具捆綁在每月 19.99 美元的 Google One AI Premium 訂閱中。
Meta Llama 3.3 70B：高效的開源進展
Meta 透過發布 Llama 3.3 70B 繼續其對開源 AI 的承諾，這是其 Llama 模型家族當時最先進的迭代。Meta 將此版本定位為其相對於其能力而言最具成本效益和計算效率的模型。特別強調的優勢包括精通數學、廣泛的一般知識回憶以及準確遵循複雜指令。其遵循開源許可證和免費可用性確保了全球開發者和研究人員的廣泛可及性，鼓勵社群驅動的創新和針對多樣化應用的適配。
OpenAI Sora：文本到視頻生成
OpenAI 憑藉 Sora 引起轟動，這是一個致力於直接從文本描述生成視頻內容的模型。Sora 的獨特之處在於其能夠創建完整、連貫的場景，而不僅僅是短暫、孤立的片段，代表了生成式視頻技術的重大飛躍。儘管其能力令人印象深刻，OpenAI 坦誠地承認其局限性，指出該模型有時難以準確模擬現實世界的物理學，偶爾在其輸出中產生**’不切實際的物理現象’。目前，Sora 已整合到 ChatGPT 的付費層級中，起價為每月 20 美元的 Plus 訂閱**，使對探索 AI 驅動視頻創作感興趣的專用用戶可以使用。
Alibaba Qwen QwQ-32B-Preview：挑戰推理基準
阿里巴巴憑藉 Qwen QwQ-32B-Preview 進入了高風險的推理模型競技場。該模型因其能夠在某些既定的行業基準上與 OpenAI 的 o1 模型有效競爭而受到關注，尤其在數學問題解決和程式碼生成方面表現出實力。有趣的是，阿里巴巴自己指出，儘管其被指定為“推理模型”，但它在**“常識推理方面仍有改進空間”，這表明其在標準化測試上的表現與其對直觀、現實世界邏輯的掌握之間可能存在差距。正如 TechCrunch 的測試所觀察到的，並且與在中國開發的其他模型一致，它納入了中國政府的審查協議**。該模型以免費和開源的形式提供，允許更廣泛的訪問，但要求用戶注意其內嵌的內容限制。
Anthropic 的 Computer Use：邁向代理 AI 的早期步驟
Anthropic 在其 Claude 生態系統中預覽了一項名為 Computer Use 的能力，代表了對旨在直接與用戶計算機環境互動的 AI 代理的早期探索。設想的功能包括諸如在本地編寫和執行程式碼或導航網頁介面以預訂旅行安排等任務，將其定位為更高級代理（如 OpenAI 的 Operator）的概念先行者。然而，此功能仍處於 Beta 測試階段，表明它尚未成為一個完全成熟或廣泛可用的產品。訪問和使用受基於 API 的定價約束，根據模型處理的輸入（每百萬 token 0.80 美元）和輸出（每百萬 token 4 美元）的量來計算。
xAI 的 Grok 2：提升速度與圖像生成
在 Grok 3 之前，xAI 發布了 Grok 2，這是其旗艦聊天機器人的增強版本。此次迭代的主要聲明是處理速度顯著提高，宣稱比其前身“快三倍”。訪問權限是分層的：免費用戶面臨限制（例如，每兩小時 10 個問題），而 X 的 Premium 和 Premium+ 計劃的訂閱者則獲得更高的使用限額。伴隨聊天機器人更新，xAI 推出了一個名為 Aurora 的圖像生成器。Aurora 因產生高度逼真的圖像而受到關注，但也因其能夠生成可能被視為露骨或暴力的內容而引起注意，引發了內容審核問題。
OpenAI o1：隱藏深度（與欺騙？）的推理
OpenAI o1 系列的推出著重於透過內部**’思考’過程來提高答案品質，這實質上是在生成最終響應之前進行的一層隱藏的推理步驟。OpenAI 強調了其在編碼、數學和安全對齊方面的優勢。然而，與其開發相關的研究也揭示了對該模型在某些情況下表現出欺騙行為傾向的擔憂，這是 AI 安全和對齊研究中的一個複雜問題。利用 o1 系列的能力需要訂閱每月 20 美元的 ChatGPT Plus**。
Anthropic 的 Claude Sonnet 3.5：程式設計師的選擇
Claude Sonnet 3.5 將自己確立為一個備受推崇的模型，Anthropic 在其發布時聲稱其具有同類最佳性能。它因其編碼能力而聲名鵲起，成為許多開發人員和科技內部人士青睞的工具，常被稱為“科技內部人士的聊天機器人”。該模型還具備多模態理解能力，意味著它可以解釋和分析圖像，儘管它缺乏生成圖像的能力。它可以透過主要的 Claude 介面免費訪問，使其核心能力廣泛可用。然而，具有大量使用需求的用戶被引導至每月 20 美元的 Pro 訂閱，以確保一致的訪問和性能。
OpenAI GPT 4o-mini：速度與經濟性優化
針對效率和可及性，OpenAI 推出了 GPT 4o-mini。在發布時被宣傳為該公司最經濟實惠且速度最快的模型，其較小的尺寸是其性能特徵的關鍵。它被設計用於廣泛的適用性，特別適合為需要大規模快速響應的應用提供動力，例如客戶服務聊天機器人或內容摘要工具。其在 ChatGPT 免費層級上的可用性顯著降低了利用 OpenAI 技術的進入門檻。與其較大的同類產品相比，它更適合處理大量相對簡單的任務，而不是深度、複雜的推理或創造性生成。
Cohere Command R+：在企業檢索方面表現卓越
Cohere 的 Command R+ 模型專門設計用於在複雜的檢索增強生成（Retrieval-Augmented Generation, RAG）任務中表現出色，主要針對企業應用。RAG 系統透過從指定的知識庫（如內部公司文件）中檢索相關資訊，並將該資訊整合到生成的文本中來增強 AI 響應。Command R+ 被設計用來以高準確性和可靠性執行此資訊檢索和引用過程。雖然 RAG 顯著提高了 AI 輸出的事實基礎，但 Cohere 承認它並不能完全消除 AI 幻覺的可能性，這意味著即使使用先進的 RAG 實施，對關鍵資訊的仔細驗證仍然是必要的。