AI 模型演进时间线

首次验证大规模预训练 + 微调范式。

参数规模跃升，零样本能力初现。

证明大模型规模带来质变，奠定 LLM 时代。

引入 RLHF，让模型听懂指令。

点燃 AI 大众化，2 个月破亿用户。

多模态初现 + 专业考试达 top 10%。

上下文 16×，价格降 1/3。

原生多模态 + 实时语音。

推理型模型开端，AIME / IOI 接近人类顶尖。

推理能力进一步突破，ARC-AGI 刷榜。

统一推理与对话，原生 Agent 模式。

SWE-bench 80% 首次突破，价格下调。

专为代码调优，SWE-bench Verified 85%。

数学推理 SOTA，LMArena #3（ELO 1484）。

首个提出超长上下文卖点的大模型。

编程能力提升，学术题目突破。

三档家族分层，Opus 首次在多项评测超 GPT-4。

编程 + Artifact 重新定义 AI 写代码体验。

首个官方支持屏幕控制的 Agent 能力。

引入 Extended Thinking，编程与 Agent SOTA。

SWE-bench 新高，Claude Agent SDK 正式版。

上下文扩展到 300K，Opus 全面刷新。

LMArena #1（ELO 1504），稳居榜首。

SWE-bench Verified 87.6% / Pro 64.3%，编程 SOTA。

Google 仓促应战 ChatGPT 的初代产品。

Google 首个原生多模态系列。

首个 1M token 上下文模型。

实时多模态 + 超低价。

数学推理接近 o 系列。

Gemini 3 家族首发，SWE-bench 76.5%。

LMArena #2（ELO 1493），3M token 上下文 + 视频理解 SOTA。

引爆开源 LLM 生态的起点。

首次采用宽松商用许可，开启繁荣。

70B 评分追平 GPT-3.5。

405B 首次开源闭源级旗舰。

在 70B 规模追平 405B。

首个 10M token 上下文开源模型。

深度求索首款开源大模型。

开源编程模型新标杆。

MLA 架构 + 极低推理成本，行业价格重估。

开源能力逼近 Claude 3.5 Sonnet。

首款开源推理型大模型。

R1 后继者，开源推理 SOTA，MATH 98.1%。

SWE-bench 73%，比 GPT-5 便宜 22 倍，Aider Polyglot 74.2%。

通义千问开源系列启动。

覆盖最全参数规模的开源系列。

上下文 16×，多语言提升。

追平 Llama 3.1，国产开源顶流。

原生 MoE + Dense 并行，开源多模态增强。

通义旗舰闭源版，多模态与多语言均衡。

仅 3B 激活参数追平 70B 模型，编程效率极致。