跳转到内容
牛学 · niuxue.org

现在 AI 圈在卷什么（5 大技术方向科普）

📍 认识 AI

5 条平行的赛道，各自延伸向不同方向

每周都有新名词

Section titled “每周都有新名词”

刚记住 GPT-5，又冒出来 Claude Opus 5.5、GPT-6、DeepSeek V4.1、Gemini 3.8、可灵、Devin、Cursor、Manus——光 2026 年 9 月，几家大厂就发了好几个新模型。

你脑子里塞了一堆名字，但搞不清谁跟谁是一回事。

其实这些产品全部在卷 5 个方向之一。看懂这 5 个方向，整个 AI 圈在你眼里就整齐了。

5 分钟，我带你看一遍——顺便告诉你 Claude Code 在哪一层。

第一卷｜基础模型（Foundation Models）

Section titled “第一卷｜基础模型（Foundation Models）”

「基础模型」= 大模型本体。所有 AI 产品的能力天花板由它决定。

一块发光的 AI 芯片特写

打个比方：手机芯片。

你买 iPhone / 三星 / 华为，看似在选品牌，其实选的是里面的「A19 / 骁龙 / 麒麟」——芯片决定了手机能跑多快。

AI 产品也一样。你用豆包、ChatGPT 应用、Notion AI、Cursor，它们背后跑的都是「基础模型」——基础模型每升级一代，所有用它的产品一起变强。

谁在卷（截至 2026-10-05；OpenAI、Anthropic、Google、DeepSeek、Meta 五条更新于 2026-10-19，智谱 / 月之暗面一条更新于 2026-10-26，OpenAI、Google、阿里三条 2026-11-02 补了最新一句）：

  • OpenAI：GPT-6 系列。2026-09-03 发布旗舰 GPT-6 Astra（三巨头同周上新那篇），9-22 补上更便宜的 Sol 和 Luna，9-29 又把 Sol 升级成 GPT-6.1 Sol（官方称接近 Astra 的水平，价格是它的五分之一）；原本计划的 GPT-6.1 Astra 因为没达到公司自己的安全标准，9-28 取消发布（CNBC 报道，英文）。Plus 用户能在 ChatGPT Work（ChatGPT 里跑多步骤长任务、交付文档和表格等成品的功能）和 Codex（OpenAI 的编程助手）里用 Astra 和 GPT-6.1 Sol，10-26 起还多了更便宜的 GPT-6.1 Terra（API 标价是 6.1 Sol 的一半）。普通聊天这边，OpenAI 在 2026-10-07 宣布把 GPT-6 推给所有 ChatGPT 用户：付费档（Plus、Pro、Business、Enterprise）当天开始分批把默认模型换成 GPT-6，由 GPT-6 Sol 驱动（原来的 GPT-5.6 Sol 还能手动选）；免费版和 Go 版（比 Plus 便宜的一档）按公告从 10-08 起跟进，由 GPT-6 Luna 驱动；回答里还可以直接带图表、按钮、表单这类能点能用的小界面，官方叫 Intelligent UI（官方公告，英文）。这是分批推送，还没推到的账号在模型菜单里暂时看不到 GPT-6；免费版和 Go 版这边，官方几处说法还没完全统一：截至 2026-10-19，价格页已经写成 GPT-6，帮助中心的说明页（英文）写的仍是上一代的 GPT-5.6 Luna
  • Anthropic：Claude 5 / 5.5 家族（Fable 5.1 / Opus 5.5 / Sonnet 5.5，加上轻量款 Haiku 5.5）。2026-09-22 发布的 Opus 5.5 是官方现在建议的起点（拿不准用哪个，就从它开始），官方称它多数工作能达到 Fable 5.1 的水平，单价比 Opus 5 便宜两成、典型用量省约四成，Opus 5 转为旧版（仍可调用）；9-28 又发布 Sonnet 5.5，输入、输出标价和 Sonnet 5 一样，官方称速度快三成以上、同样的活最多能省三成，Sonnet 5 也转为旧版；10-07 再发布轻量款 Haiku 5.5，官方称它是自家迄今最便宜、最快的小模型，平均运行成本比上一代 Haiku 4.5 低约 75%，上下文窗口（一次能装下多少内容）也扩大到上一代的 5 倍，Haiku 4.5 转为旧版（仍可调用），同一天 Sonnet 5.5 的缓存读取价降了一半；Fable 5.1 于 2026-09-01 上市，价格不变、缓存读取降 75%
  • Google：2026-09-30 发布下一代旗舰 Gemini 4 Argon，出于安全考虑先只开放给一批做网络安全防御的机构；10-13 起正式开放：开发者可以通过付费的 API（给程序调用的接口）使用，普通用户要订阅 Google AI Pro 或 AI Ultra（Google 付费订阅里较高的两档）才能在 Gemini App 和搜索的 AI 模式里用到，免费账号和 API 的免费额度都用不上（官方博客，英文）。10-28 又发布 Gemini 4 Carbon（官方称是自家最强的前沿模型，网络安全能力大幅提升），也是先只开放给一部分做网络安全防御的机构，开发者、企业和普通用户暂时用不上（官方博客，英文）。Gemini 3 系列照常可用，2026-09-02 发布的 3.8 Flash 是六周内第三个 Flash，主打推理和编程，半价促销到年底
  • DeepSeek：V4 / V4.1 系列（国产之光）。2026-08-13 推出 V4 Pro 正式版，百万上下文；8 月先在 API 上线了一个看图的实验模型（终于能看图了），2026-09-10 又发布原生能看图的 V4.1 Flash（API 名 deepseek-flash，官方称它全面超过 V4 Pro），实验模型同日下线；8 月涨价后，9-10 又给 flash 降价，最高降六成，但没有全部回到涨价前的价格；2026-10-17 deepseek-flash 更新到 V4.1-Flash-1017（模型名和单价都没变，官方网页端和 App 也同步换成新版），同时开放自家的联网搜索接口（Search / Fetch，按次收费；谁要做什么见 DeepSeek 换新版那篇）
  • 阿里：Qwen3.8 系列（2026-08 初发布 2.4 万亿参数旗舰 Qwen3.8-Max，月底又放出 Qwen3.8-Flash 并开源 Next 架构版，为下一代 Qwen4 探路）；2026-10-31 苹果宣布，国行 iPhone 用户可以在 Apple 智能的 Siri、写作工具和视觉智能里选择接入千问，11-04 起随开发者测试版开放测试，12 月随 iOS 27.3 正式推出（见国行 Apple 智能那篇）
  • 字节：豆包大模型 2.x 系列；2026-08 把 Trae、扣子收进豆包，并推出 Agent 办公产品「豆包工作」（大厂合并周那篇）
  • 腾讯：混元 Hy4 preview（2026-08-28 开源，7700 亿总参数、百万上下文，国产开源第一梯队）
  • 智谱 / 月之暗面：智谱的 GLM-5.3（2026-08-19 上线）和月之暗面的 Kimi K3，8 月时在第三方评测里并列开源模型第一梯队；2026-10-24 月之暗面发布 Kimi K3.1 Pro（K3 的加强版，参数量没变），在第三方机构 Artificial Analysis 的综合排名里，发布时在所有模型中排第 4，官方说完整权重 11 月 4 日前放出（谁能用、怎么收费见 Kimi K3.1 Pro 那篇）；智谱 2026-09-02 在天猫开店卖订阅套餐（个人版 118 元 / 月起）
  • Meta：Muse 系列。2026-10-12 发布 Muse Wonder 系列（官方称是自家迄今最强的模型；闭源，先通过 Meta 的 API 和编程工具 Muse Code 给开发者，之后会用到个人助理 Muse 里，先给付费订阅用户）；开放权重这条线，2026-08 放出小模型 Muse Glimmer 30B 的权重（模型训练好的参数文件，用 Apache 2.0 许可，可以商用），2026-10-15 又放出 Muse Spark 的开放权重版 Muse Spark Open（8160 亿总参数，用 Meta 自己的 Muse Model License，商用有附加条件，不如 Glimmer 宽松）

卷什么：参数数量、训练数据规模、上下文窗口长度（能记多少东西）、推理能力、价格。

普通人能感觉到啥：每次「基础模型」升级，你用的所有 AI 产品同步变聪明——这就是为什么每次豆包大版本升级后，你会突然觉得它「会写小说了」。

第二卷｜RAG（检索增强生成）

Section titled “第二卷｜RAG（检索增强生成）”

问题：基础模型有一个硬伤——它只知道训练截止那天之前的事。

今年开了什么新店、你公司昨天发的公告、最新的政策、上周的赛事结果，它一无所知。问它，它要么承认不知道，要么硬编（编出来的就是 AI「幻觉」）。

RAG 的解法：在 AI 回答之前，先去外面查一波资料——查互联网、查你的私有文档、查最新数据——把查到的内容塞进 prompt（提示词）里，再让 AI 答。

打个比方：开卷考试 vs 闭卷考试。

  • 基础模型是闭卷（凭脑子里有的答）
  • RAG 是开卷（边查资料边答）

谁在卷：

  • Perplexity：「会查最新资料的 AI 搜索」
  • Notion AI：能查你笔记里所有内容回答你
  • 企业内部 AI：各公司搭的「我们公司专属 ChatGPT」
  • 豆包搜索 / Kimi 搜索：你问最近的事，它去网上现查

普通人能感觉到啥：豆包搜索时给你的最新答案、公司内 AI 知道公司内部资料、AI 总结一篇你刚发的文章——这背后都是 RAG。

第三卷｜Agent（智能体）—— Claude Code 在这里

Section titled “第三卷｜Agent（智能体）—— Claude Code 在这里”

这是 2025-2026 最热的赛道。

问题：以前的 AI 只能「告诉你怎么做」。

你问：「我桌面上 50 张报销发票怎么整理？」 它答：「你可以打开 Excel，然后……」

然后呢？然后你自己去开 Excel，自己一张张录，自己算。AI 在屋外指挥，你在屋里干活。

Agent 的解法：让 AI 真的去做——读你的文件、跑你的命令、点你的网页、调你的 API（程序接口）、改你的代码——一个任务分成多步它自己走完。

客服两种姿态对比：左边只动嘴指路，右边伸手替你操作

打个比方：

以前的 AI 是「客服告诉你怎么改密码」——你照着教程一步步做。

Agent 是「客服直接帮你改了密码并给你截图确认」——你只看结果。

谁在卷：

类型代表产品（截至 2026-10-05）
代码 AgentClaude Code、Cursor、Codex CLI、TraeCode（字节）、Devin（Cognition 出品）
通用 AgentManus、豆包工作（字节的 AI 办公产品）、ChatGPT Work（接替已下线的 ChatGPT agent）
个人助理 AgentMeta 的 Muse、OpenAI 的 Dots：常驻后台、能替人办事，都是 2026-09 推出，目前不面向中国大陆；国内的豆包、千问已经能在聊天里直接打车、订机票，见豆包能帮你打车订票了：交给 AI 办事前先看五件事
企业 AgentSalesforce Agentforce、Glean 等

普通人能感觉到啥：从「我问 AI 怎么整理 50 份发票」变成「我让 AI 去 整理 50 份发票」——回来 Excel 已经在桌面上了。

Claude Code 就在 Agent 这一层。

为什么值得关注？因为其他 4 个方向多半还是「AI 给你信息」，Agent 是「AI 替你干活」——直接帮你省时间 / 赚钱。等你用熟了聊天工具、手头又有一批文件要处理，就轮到学这一层了。

第四卷｜多模态

Section titled “第四卷｜多模态”

问题：早期 AI 只能处理文字。

但人类世界大量的信息在图、视频、声音里——你拍一张冰箱里的菜，想问「今晚做啥」；你录一段会议，想要纪要；你画一个 UI 草图，想要前端代码。文字 AI 全部抓瞎。

多模态的解法：让一个模型同时能读懂 / 生成 文字 + 图 + 视频 + 音频。

一个抽象 AI 头像同时长出眼睛、耳朵、嘴巴、天线

打个比方：早期 AI 是只会读字的盲人。多模态是能看能听能说的全能人。

谁在卷：

方向代表产品（截至 2026-09-26；OpenAI 的型号更新于 2026-10-12）
视觉理解GPT-6（和上一代的 GPT-5.6）、Claude、Gemini、豆包、DeepSeek 都能看图；能直接看视频的主要是 Gemini，豆包的 Seed 模型也支持视频输入
图像生成Midjourney、Stable Diffusion、即梦、可灵、Qwen-Image（阿里，2026-09 放出 2.1 版的权重，属研究许可、不可商用）
视频生成可灵、即梦、Runway、Google Veo（Gemini App 里改由 Gemini Omni 接替）；OpenAI 的 Sora 已停服（网页版和 App 2026-04-26 停，API 2026-09-24 停）
语音 / 音乐ElevenLabs、Suno

普通人能感觉到啥：拍照丢给 AI 让它分析、让 AI 帮你做短视频、让 AI 配音、让 AI 把你画的草图变成产品。

第五卷｜推理模型（Reasoning Models）

Section titled “第五卷｜推理模型（Reasoning Models）”

这是发展史那篇提过的——2024 年出现、2025 年普及的方向。

问题：普通模型「张口就来」——你按回车它就开始打字。遇到简单问题没事，遇到复杂数学题、长链 debug、设计题，容易瞎答（凭直觉硬编，答错了还很自信）。

推理模型的解法：让模型先「内心思考」十几秒到几分钟，把推理过程一步步写出来，再给最终答案。

一个学生在考场上认真写草稿纸

打个比方：考试场上——

  • 简单填空题：秒答（不用打草稿）
  • 复杂应用题：先打草稿，反复推，再写答案

普通模型只会秒答。推理模型学会了打草稿再答。

谁在卷：

厂商产品（截至 2026-09-26；OpenAI 一行更新于 2026-10-12）
OpenAIGPT-6 的思考档位（2026-10-07 起分批进入 ChatGPT 的普通聊天，还没推到的账号仍是 GPT-5.6 的思考模式；前身是 o 系列）
AnthropicClaude 自适应思考（adaptive thinking），Claude 5 全系默认开启，自己决定想多深
DeepSeekV4 / V4.1 系列的思考模式（前身是 R1）
GoogleGemini 的思考档位（标准 / 扩展），最强的 Deep Think（深度思考）只给 AI Ultra 会员（Google 最贵的一档订阅）

普通人能感觉到啥：让 AI 解奥数题、规划复杂行程（5 天 6 城路线 + 预算）、debug（排错）一个反复改不对的 bug——质量明显比两年前好一大截。

Claude Code 在哪一层

Section titled “Claude Code 在哪一层”

到这里你脑子里应该有这张图了——

       基础模型（GPT / Claude / DeepSeek / Gemini）
                       ↓
         是所有 AI 产品的「芯片」（能力天花板）
                       ↓
       ┌──────────┬──────────┬─────────┬─────────┐
       │          │          │         │         │
     RAG       Agent      多模态     推理模型
   外挂资料    真的干活   看听说全能   打草稿再答
       │          │          │         │
   Perplexity  Claude     即梦      DeepSeek V4.1
   Notion AI   Code       Midjourney  GPT-6 思考
   公司内 AI   Cursor     可灵
               Manus
                  ↑
            Claude Code 在这

用熟聊天工具之后，最值得花时间学的就是 Agent 这一层。

为什么？另外几层多半还停留在「AI 给你信息」——你拿到回答之后还要自己动手。

Agent 是「AI 替你干活」——你给一个目标，它从头跑到尾。

所以，如果你的任务要处理本地文件、跑命令，Claude Code 是这类 Agent 的代表之一，本站「文件与编程进阶：Claude Code」板块先讲怎么选工具和什么时候需要 Claude Code，后面几个板块有完整教程。刚入门的话，先从聊天工具练起，见新手入门路线。

还要注意：Claude Code 默认连的是 Anthropic 的服务，而 Anthropic 不向中国大陆提供服务，大陆读者不能直接用。站内有三条可行的替代路线：

—

下一篇我们看 AI 是怎么训练出来的 + 怎么被用的端到端流程——两条线一次讲清楚。