国内 AI 模型目录

DeepSeek 中心把语言推理、文档识别和图像研究放在同一研发方下解释，但选择入口时仍要看任务。聊天、代码和工具调用应先核对语言型号；扫描件解析与图像生成分别看 DeepSeek OCR 和 Janus，不能从品牌名推断同一接口都支持。

DeepSeek · DeepSeek OCR · Janus

通义体系需要按输出目标选模型：千问负责语言及相关多模态理解，万相面向图像和视频生成，检索与语音又有专用家族。把这些名称分开，才能为知识库、配音或视频任务选择正确的请求与结果格式。

千问 Qwen · 万相 Wan · Qwen Audio · Qwen Embedding / Rerank · GTE · CosyVoice · SenseVoice

GLM 的语言模型之外，还有图像、视频、文档、语音和检索等专用方向。开发时应先确定要得到文字、向量、音频还是媒体文件，再选择相应的智谱接口；手机操作智能体需要另看设备和执行环境。

智谱 GLM · GLM-Image / CogView · CogVideoX · GLM ASR / TTS / Realtime / Voice · GLM-OCR · GLM Embedding / Rerank · CodeGeeX · AutoGLM

Kimi 的选型可以从文档、代码和多模态任务出发，同时区分线上 API 与研究仓库。Kimi Audio 和 Kimi VL 有各自的输入与运行示例，不能因为名称带 Kimi 就当成本站语言型号附带的能力。

Kimi · Kimi Audio · Kimi VL

MiniMax 同时涉及文本、视频、语音与图像，应用设计时应围绕最终产物选择接口。海螺是视频方向，Speech 面向语音合成与音色工作流；把它们与语言模型分开，可以更清楚地规划一个内容制作链路。

MiniMax · 海螺 Hailuo · MiniMax Speech · MiniMax Image

小米 MiMo 在语言推理、代码和工具调用之外，也有独立的语音识别与合成方向。为开发任务选择语言型号，为听写或播报选择语音流程，比从同一品牌推断一个通用接口更清楚。

小米 MiMo · MiMo TTS / ASR

混元体系既包含通用语言，也包含翻译、图像、视频和三维资产等任务专用方向。优图的 Youtu-LLM 另有研究与运行资料；把不同输出类型分开后，才适合讨论聊天助手、翻译工具或三维制作中的模型选择。

腾讯混元 Hy · 混元翻译 Hy-MT · 混元生图 HunyuanImage · 混元视频 HunyuanVideo · 混元 3D Hunyuan3D · 腾讯优图 Youtu-LLM

百度相关任务可分为文心语言与多模态、PaddleOCR 文档解析和语音处理三条线。处理一份扫描材料时，识别页面、理解内容和把答案读出来是不同阶段，适合分别选择模型与接口。

文心 ERNIE · PaddleOCR-VL / PP-Structure · 百度大模型语音

字节跳动的模型方向应先按理解、生成与交互拆开：豆包与 Seed 语言型号面向文本和相关多模态任务，Seedream、Seedance 分别处理图像与视频。BAGEL、Seed OSS、UI-TARS、SALMONN 则提供不同研究路线，不能直接把产品名称当成同一个方舟 API。

豆包 Doubao / Seed · Seedream · Seedance · Seed ASR / TTS / Audio · BAGEL · Seed OSS · UI-TARS · SALMONN

阶跃星辰的家族可以按语言与工具任务、实时语音、图片编辑、视频生成来组织。尤其需要区分 Step1X Edit 对已有图片的修改与 Step Video 的动态内容生成，它们的输入和验收方式不同。

阶跃 Step · Step Audio · Step1X Edit · Step Video

商汤日日新需要同时看官方平台服务与开源研究生态：U 系列面向图像创作，另有多模态、空间理解、检索和具身研究方向。选型时先明确要使用托管 API 还是运行研究项目；历史 Omni、秒画资料在本中心单独标注，避免与现行入口混淆。

日日新 SenseNova · SenseNova Omni · 秒画 Miaohua · SenseNova U · SenseNova-Vision · SenseNova-SI · SenseNova-MARS · Piccolo Embedding · NEO

讯飞星火适合按文字工作、知识问答和业务场景来理解，而不是把一个助手界面的所有按钮当成模型能力。选型时把模型输出、所接知识与应用流程分开检查，才能看出结果来自模型还是外围功能。

讯飞星火 Spark

百川家族既有语言与长文档方向，也有独立文本向量方向。对业务知识库而言，生成答案和建立检索索引是两件事；应先明确需要哪一层，再看官方目录中的具体服务。

百川 Baichuan · Baichuan Text Embedding

MiniCPM 的研究重点包括端侧语言、多模态交互，以及知识检索所需的向量和重排。选型不能只看模型大小：语言模型、MiniCPM-V/o 和检索模型的输入输出不同，也需要不同的部署与测试流程。

面壁 MiniCPM · MiniCPM-V / MiniCPM-o · MiniCPM Embedding / Reranker

书生体系横跨语言、图像、视频与科研领域，适合按任务而不是按一个“聊天模型”总称浏览。金融文本、气象预测与三维场景处理有各自的数据和结果形式，不能直接套用对话 API 的使用方式。

书生 InternLM / Intern · 书生万象 InternVL · InternVideo · 书生济世 CFGPT · 书生风乌 · 书生天际 LandMark

智源中心以知识库常用的 BGE 检索模型为起点，同时介绍 Aquila 语言、Emu 多模态与 RoboBrain 具身方向。向量检索返回候选片段，重排序重新判断相关性；这两步与让语言模型写出答案有明确分工。

智源 BGE · 智源 Aquila · 智源 Emu · RoboBrain

快手相关创作模型可以先区分可灵的媒体服务与可图 Kolors 的开放图像研究。制作动态片段、静态素材和本地运行图像模型是不同需求，适合分别查看产品入口与仓库说明。

可灵 Kling · 可图 Kolors

Vidu 可按视频素材制作与实时数字人两类流程理解，官方平台分别提供相关说明。普通视频片段的生成与面向交互的数字人不是同一种结果，选型前应先确定内容如何交付和播放。

Vidu Q / S

拍我 PixVerse 的官方能力地图把视频生成、编辑、延长和相关音频流程分开列出，适合从要改变的内容入手选功能。新建片段与修改已有片段需要不同输入，制作链路不宜只保留一个笼统的视频生成按钮。

拍我 PixVerse

美团 LongCat 的官方项目集合包含语言与全模态，以及独立的视频、图像和音频方向。选型时先看要运行哪个仓库和输出什么内容，再讨论统一接入；项目集合本身不是一个覆盖全部能力的 API。

LongCat · LongCat Video · LongCat Image · LongCat AudioDiT

蚂蚁相关开放项目中，Ling、Ring 与 CodeFuse 分别提供语言、推理和编程方向的材料。对于要把模型接入开发流程的团队，先区分模型权重、推理代码和训练工具，会比只选择一个品牌名更有用。

蚂蚁 Ling · 蚂蚁 Ring · CodeFuse

零一万物 Yi 与 Yi-Coder 的官方仓库提供了语言和代码方向的研究入口。对希望自己运行模型的开发者，权重名称、对话格式与推理依赖比历史在线产品名称更有直接参考价值。

零一万物 Yi · Yi-Coder

有道子曰的资料围绕教育内容与学习问答展开，适合从讲解是否符合学习任务来评估。对教育产品而言，模型生成内容与平台提供的学习功能应分开检查，避免把整个有道服务目录当成一个模型的能力清单。

有道子曰

昆仑万维相关项目横跨语言与视觉推理、视频、音乐和世界模型，分别面向不同的内容与研究目标。天工应用或超级智能体的完整流程，与 Skywork、SkyReels、Mureka、Matrix 等模型项目的接入方式不能直接等同。

天工 Skywork · SkyReels · Mureka / SkyMusic · Matrix 世界模型

盘古的内容应围绕企业语言任务、多模态任务和科学计算分别展开，而不是只列聊天型号。对计划部署的团队，数据格式、行业流程和交付方式会直接影响选型，尤其不能把气象或材料模型当成语言 API 的另一个名字。

盘古 NLP · 盘古多模态与视觉 · 盘古科学计算与结构化模型

360 智脑可从文本、翻译、长材料与智能体等任务方向理解，检索重排序则是独立的组成环节。做知识型应用时，先分清谁负责找到资料、谁负责排序、谁负责写出答案，才便于评估完整流程。

360 智脑

京东 JoyAI 的模型介绍需要与 JoyMaaS 平台提供的服务分开看：前者是自研家族方向，后者也承载其他研发方的模型。对企业应用而言，确认模型归属与请求接口之后，再评估文本、视觉或交互任务更清楚。

京东言犀 / JoyAI

星辰 TeleChat 同时有官方开源资料和天翼云服务文档，可按自主部署与托管接入两条路径了解。选型时保留所用权重或云端型号的准确标识，不能只凭 TeleChat 家族名判断两边的接口完全一致。

星辰 TeleChat

中国移动九天的官方发布材料展示了语言、视觉、语音、多模态与行业模型的体系，适合按业务场景梳理。这里把资料作为家族背景使用；公告日期与现阶段能够开通的服务是两件需要分别确认的事。

九天

美图奇想智能的相关资料面向图像创作、编辑与视觉设计，适合从素材修改需求而不是聊天任务入手。人像、设计图或视频相关工作流需要查看具体产品入口，不能把某个美图应用的功能整体归为单一模型接口。

奇想智能 MiracleVision

MOSS 中心保留语言研究脉络，同时单独介绍 MOSS-TTSD 的多说话人语音合成方向。文本对话模型与生成一段多人音频的模型承担不同职责，部署时也需要分别阅读项目说明。

MOSS · MOSS-TTSD

IndexTTS 的任务重点是把文本转成可用配音，并研究音色与情感控制。评价时应同时检查文本是否读对、声音是否符合目标，以及长句之间是否衔接自然，而不是把它当作一个回答问题的语言模型。

IndexTTS

vivo 蓝心 BlueLM 的开放资料提供了语言与端侧模型研究的入口，适合围绕自己的设备和应用任务评估。手机系统里的 AI 功能通常还包含应用编排，因此不能只凭手机功能名称推断一个开放模型能完成同样的端到端操作。

蓝心 BlueLM

OPPO 安第斯 AndesGPT 的已核验资料主要来自官方产品发布，用于说明设备端 AI 的模型背景。对开发者而言，了解手机中的使用场景与获得独立模型接口是两件事，本中心会把两者明确区分。

安第斯 AndesGPT

m3e 的作用是把文本编码成向量，适合围绕中英文语义检索与知识片段匹配来理解。它负责帮助系统找到相关内容，而写出自然语言答案仍需要另一个生成步骤。

m3e

F5-TTS 是围绕文本到语音与音色研究的开放项目，适合从可复现的合成流程入手。把稿件、参考音频、模型权重和运行方式一起记录，才能判断不同输出的差异来自哪里。

F5-TTS

Spark-TTS 是 SparkAudio 团队的语音合成研究项目，任务重点是从文本得到语音。它与讯飞星火的中文品牌没有同一产品关系，选型和引用来源时应使用完整项目名称。

Spark-TTS

CodeShell 的官方资料聚焦代码模型与运行方法，适合围绕开发者实际修改或生成代码的任务评估。选择时应看模型如何接入项目环境，而不是仅根据一次看起来完整的代码回答判断效果。

CodeShell

RWKV 提供了不同于常见 Transformer 路线的循环架构语言模型研究入口。对部署者来说，模型状态、权重版本和推理实现是需要一起理解的部分，不能只复用其他家族的聊天接入假设。

RWKV

紫东太初的已核验资料涉及多模态、空间理解与任务规划，适合从带图像或空间条件的问题入手。官方机构发布与项目仓库可以互相补充：前者说明研究背景，后者更适合核对模型来源和运行方法。

紫东太初

云知声山海的方向可以拆为语言智能体、文档解析与语音识别，U 系列名称需要结合具体任务看。把看文档、听语音与执行业务步骤分开后，才容易确认所需模型与系统组件。

山海 / Unisound U

思必驰 DFM 的公开介绍围绕对话、推理、工具与行业定制，适合放在实际业务或设备交互流程中评估。模型能生成回应，与系统能完成一次端到端操作之间还有接口、硬件和业务规则等环节。

DFM

澜舟孟子的官方资料涵盖语言理解、文本生成、翻译、向量与行业方向，适合按处理环节而不是一个总型号理解。国画生成项目属于另一条视觉研究路线；这里保留其历史位置，不把早期发布自动写成当前在线服务。

孟子 Mengzi · Guohua Diffusion

出门问问序列猴子的开放平台将文本、语音、图像和数字人相关能力放在不同工作流中。做内容生产时，可以把脚本、配音和数字人呈现分步规划；数字人视频不应与任意场景的视频生成混为一谈。

序列猴子

OpenCSG 发布的悟空模型与其 CSGHub 模型管理平台承担不同职责：悟空提供可下载的语言模型，CSGHub 管理模型与开发资产。对于希望自行部署或继续训练的小型文本任务，应从悟空模型卡的训练定位和使用示例开始，而不是把平台托管的所有模型都归为 OpenCSG 自研。

CSG Wukong 悟空

元象 XVERSE 覆盖稠密语言模型、MoE 语言模型、娱乐领域 Ent 和视觉语言分支。它们处理的输入与训练重点不同，适合按通用文本、领域文本和图像问答拆分评估，而不是只依据 XVERSE 这个品牌名选择。

XVERSE · XVERSE MoE · XVERSE Ent · XVERSE-V

TigerResearch 的 TigerBot 项目提供语言模型及训练、推理材料；同一团队的 MedCT 项目另含医疗文本模型和术语资源。通用对话与实体识别采用不同模型形态，选择时应先确定需要生成答案，还是从原文中标注结构化信息。

TigerBot · MedCT 模型：MedLink / MedBERT

源 Yuan 是浪潮信息发布的语言模型系列，官方 Yuan 2.0 项目提供预训练、微调和推理资料。其文本、数学与代码方向可以通过公开权重进行研究，资料中的版本号应理解为具体发布记录，而不是当前最新版本承诺。

源 Yuan

拓天是拓尔思在官方发布中明确列出的自研大模型，围绕媒体、政务和金融等行业的文本处理与知识应用展开。后续行业智能体平台以模型为底层能力，实际交付还涉及数据、知识和工作流程，平台功能不能直接视为模型单独完成的任务。

拓天

云从科技在其官方年报中介绍从容大模型体系，包含语言、视觉和多模态方向，并单列多模态文档模型。对于企业文档场景，重点是把版面、文字和字段提取放在同一流程中核验；年报中的发布记录并不自动代表当前开放服务。

从容 · 从容多模态文档大模型

曹植是达观数据官方发布的垂直领域大语言模型，面向长文本和行业写作等任务。其后续管理平台还组织模型训练、文档处理和业务应用，因此选型应同时明确模型能力与所需平台流程。

曹植

轩辕是度小满发布的开源金融语言模型项目，提供面向中文和金融文本的不同规模权重。不同发布的训练来源和对话格式并不一致，适合围绕特定权重建立金融文档理解或业务文本基线。

轩辕 XuanYuan

金山云官方资料将轻舟列为自研基础大模型，Kingsoft AI 的官方模型组织另发布 QZhou 向量与流程图视觉模型。这里按文本、检索与图表理解分开介绍，同时区分轻舟模型、瀚海平台和 WPS 应用，避免把同一生态里的所有能力合并成一个模型。

轻舟 Qingzhou / Qzhou · QZhou Embedding · QZhou Flowchart