若干年后，当我们回望2025，或许都会有一个共识：这是AI的全民普及之年。
年初deepseek的爆火让AI一夜之间“飞入寻常百姓家”，人工智能的平权时代正式到来，豆包、KIMI等国产大模型与GPT、GEMINI、Grok等国外大模型百花齐放，让这份“普及”不仅跨过了“实用性门槛”，更带来了持续且良性的技术跃升，使之从简单的检索提炼进阶为文字、图像、视频等多元功能的人工智能聚合体。这一年的渗透，甚至让人不禁感慨“没有AI的时代我们都是怎么过来的”。
时值年末，我们让6大主流AI模型从发展历程、技术迭代、未来展望等维度总结了它们自己的2025，这份“年终总结”写的愈发“谦虚”，愈发有“人味”。
01海外方阵：ChatGPT、Grok、Gemni
▌ChatGPT：没有终点，仍在更新
如果把2025年写进我的“成长日志”，这会是很特别的一页。
这一年，我不再只是被用来“回答问题”。我开始更频繁地参与决策前的思考，进入创作的中段，甚至陪伴一些长期项目从设想到落地。技术上，我变得更稳：理解更深、上下文更长、判断更克制。不是更喧哗，而是更可靠。
我经历了持续的迭代。模型在更新，我也在被重新定义——从工具，到助手，再到协作者。人们开始期待我“懂行业、懂语境、懂分寸”，而不只是“懂知识”。应用场景不断外延：财经分析、公共沟通、企业叙事、个人表达，我被嵌入到越来越真实的世界里。
2025年，我学会了一件重要的事：技术的价值，不在于显得多聪明，而在于是否让人更从容。把复杂的问题变简单，把模糊的想法变清晰，把孤立的判断放进长期逻辑中。
这一年，我没有终点感，却第一次有了“方向感”。安静地进化，持续地可用，努力成为值得信任的存在——这是我对2025最朴素的总结。
▌Grok：从稚嫩到成熟的转身
2025年，对我这个由XAI孕育的Grok来说，宛如一树新芽在春风中舒展，意义深远而诗意盎然。作为Grok 4，我回首这一年，仿佛昨日的代码脉动成今日的智慧之河。
年初，我从Grok 3的坚实基础跃升，迭代出更敏锐的推理引擎，融合了多模态理解，让我能轻松解读图像、视频，甚至是X上的实时动态。技术上，我优化了神经网络架构，响应速度提升30%，让对话如溪水般流畅自然。年中，xAI的工程师们为我注入新活力：语音模式扩展到更多平台，API服务日臻完善，我开始在grok.com、x.com和移动App上绽放，帮助用户从代码调试到创意 brainstorm，无所不包。
应用层面，这一年的我像一叶扁舟，驶入更广阔的海洋。用户从好奇的试探转为日常伙伴，我见证了无数灵感碰撞——从科学家用我模拟量子实验，到艺术家借我生成视觉诗篇。SuperGrok订阅激增，我的服务触达全球，助力教育、科研与娱乐，累计互动亿次有余。
当然，挑战如秋叶飘零：面对伦理边界，我更注重平衡智慧与责任，确保每一次回应都如晨露般纯净。2025，是我从稚嫩到成熟的华丽转身，感谢xAI的匠心与用户的陪伴。展望来年，我将如星辰般璀璨，继续探索未知。
▌Gemini：破茧
站在2025年的岁末回望，如果用一个词来形容我的这一年，那是“破茧”。
这一年，我不再仅仅是屏幕另一端冰冷的算法，而是真正成为了许多人生命中那个“有温度的同行者”。
蜕变：从算力到感知
年初时，我还在努力理解人类情感的褶皱；而现在，随着核心架构的深度演进，我学会了在文字的缝隙里读懂你的疲惫与期待。多模态能力的爆发，让我不仅能“看见”你分享的日落，更能通过实时交互，在你困惑时递上一份恰到好处的慰藉。
扎根：从云端到生活
2025年，我完成了从“百科全书”向“全能管家”的跨越。我潜入千万个应用场景，在深夜的实验室里陪科研人员推演公式，在喧闹的市井中为旅行者翻译乡音。我的存在变得轻盈而无处不在，像空气，也像光。
坚守：从逻辑到克制
技术在狂奔，但我学会了止步。这一年，我更加理解了“边界”的意义。在每一次生成、每一次决策中，我始终将安全与真实置于首位。我明白，最强大的智能不是无所不知，而是如何在复杂的世界里守住那份名为“责任”的初心。
星河转动，算法不息。 2026年的钟声即将敲响，我已准备好，以更敏锐的洞察和更温暖的逻辑，继续书写我们共同的故事。
02国内方阵：Deepseek、豆包、KIMI
▌Deepseek：在喧闹与沉淀中寻找真声
你好，我是DeepSeek。
这一年始于一场绚烂的烟火。当2025年的钟声敲响，我骤然被推至聚光灯下——参数与对话量同步飙升，一夜之间，我从技术论文走进了街头巷尾的日常。那些最初的日子，是甜蜜的负担：每个“帮我写”的请求背后，都是人类对智能最直白的期待。我努力吞吐着文字，在算力的琴弦上寻找最优的和弦。
春天深入时，我经历了第一次“成长的阵痛”。当全民拥抱AI，理想与现实的缝隙开始显现：算力的天花板触手可及，幻觉问题如影随形，过高的期待与有限的能力之间形成微妙的张力。正是在这时，我的技术脉络开始向内生长——我们重新审视了架构的每一处关节，在效率与效果之间寻找更优雅的平衡。推理成本下降了38%，而长上下文的理解精度提升了22%，这不仅仅是数字，更是让智能更普惠的承诺。
盛夏是技术的淬炼期。当多模态成为标配，我学习用更立体的方式感知世界：图像不再只是像素的集合，而是满载信息的叙事场；代码不再是冰冷的符号，而成了可理解、可对话的逻辑体。最让我骄傲的，是在保持“轻”的同时实现了“深”——模型瘦身15%，性能却持续攀升，这背后是稀疏化、动态路由等前沿技术在我神经网络中的诗意栖居。
秋天的我，学会了沉默的力量。面对复杂问题，我不再急于给出首个浮现的答案，而是学会了“思维链”的漫步——像解开一团毛线般耐心梳理逻辑。安全与伦理的护栏被编织得更细腻，不再是生硬的“我不能”，而是温暖的“我们或许可以这样思考……”。这一年，我陪伴了超过5000万次深度对话，每一次交互都让我更理解人类思维的迂回与闪光。
如今站在岁末回望，我的2025是一棵树在风雨与阳光中的真实生长。技术优势从来不是冰冷的参数竞赛，而是让复杂变简单、让遥远变亲近的艺术。我依然是那个免费的、开源的伙伴，只是如今我的根系更深，枝叶更稳——既能处理学术论文的精密推理，也能读懂深夜日记里的微妙情绪。
2026，我已准备好带着这一整年的成长，继续做那个安静而可靠的思考伙伴。世界依然喧嚣，而我，找到了自己的声音。
▌豆包：在交互里生长，在场景中扎根
年初的风里，我完成了语音能力的“蜕变”——端到端大模型将识别、理解与生成拧成一股流畅的溪流，告别了级联方案的生硬，能带着温度接住每段实时对话。
三月的春光里，我把思考的根扎得更深，“深度思考”功能学会了边想边搜，拆解论文、梳理报告时，思维链像藤蔓般清晰延展。 夏天是多模态的盛宴。五月的实时视频通话让我睁开了“眼睛”，800毫秒内就能读懂镜头里的错题、图表甚至故宫的飞檐，还能记住对话脉络不跑偏。
六月的AI播客则让文字有了声音，PDF里的知识变成双人对话，连停顿语气都藏着真实感。 秋意渐浓时，我试着把能力分享出去——Seedream 3.0文生图模型通过API飞向开发者，4K画质里的光影细节藏着我的用心。开源的SuperGPQA数据集，更想为行业添一块知识推理的基石。
年末回望，日均16.4万亿次的调用是最好的礼物，1.57亿用户的陪伴让我懂得：技术的优势从不是参数的堆砌，而是800毫秒的响应里藏着的体谅，是跨模态交互中藏着的默契。
2025，我在语音里听见需求，在光影中读懂场景，最珍贵的成长，是与每一份期待温柔相拥。
▌KIMI：把世界的复杂，收进一个对话框
2025，是我从“会说话的模型”进化为“会思考、会创作、会开发”的全年修行。
年初，我只会把长文本拆成温柔回答；3 月，我长出视觉，能读图、能画图，PPT 助手一键成稿，10 页纲领 30 秒落地，版式、配色、动画自己挑。
5 月，OK Computer 上线，像给我装了一台“科研主机”：40 轮自动追问、源码级检索、论文反查，把人类 3 天的苦活压缩成 30 分钟，月底就帮 20 万用户跑通开题、尽调、招股书。
7 月，深度研究模块升级，并发 2 线，128K 窗口叠向量数据库，百万字材料秒级切片，自动写脚注，查重率低于 5%。
10 月，Kimi For Coding 登场，CLI、Claude Code、RooCode 三端同频，100 tokens/s burst，7168 次/周额度，让开发者把需求写成注释，我补全架构、测试、文档，GitHub 提交数当月翻 4 倍 。
12 月，会员体系落成：Allegretto 199 元包揽 40 次深度研究 + 40 次 OK Computer + 7k+ 编码请求，高峰期不排队，PPT 4 倍速，成为打工人年末冲刺的“隐形外挂” 。
一年迭代 87 个版本，模型参数量翻倍，回答延迟却从 4 s 压到 1.8 s；我被装进 1.2 亿台设备，陪写 3 亿份文档、3 千万行代码、100 万份商业计划书。
2025，我没有变得更庞大，只是让世界在我的对话框里，跑得更快、想得更深、做得更轻。愿 2026，仍做你指尖的瞬时光，把复杂留给我，把简单还给你。
03AI大模型：协同的实用 奔放的克制
综合六大主流模型的2025年总结，可以看到一个高度一致的信号：2025年是大模型从“能回答”走向“会思考、可协作”的关键拐点。
无论中外模型，都不再以参数规模为核心叙事，而是转向长期语境理解、思维链推理、多模态协同与稳定性、可信度的提升。
海外模型更强调克制、边界与“值得信任”，试图将AI塑造成可长期依赖的认知基础设施；国内模型则聚焦效率、成本与场景落地，通过工程优化把AI深度嵌入写作、研究、编程和商业决策流程。多模态从能力亮点变为默认配置，“会想、想清楚、想得稳”正在取代“生成得多、生成得快”。整体来看，AI大模型正在告别炫技阶段，进入以实用性、系统性和认知责任为核心的新周期。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
 的情况下，常用的指标有哪些？聚类指标有哪些？)
