中国AI大模型平台排行榜 | 3月

最新推荐文章于 2025-04-23 16:14:44 发布

程序员一粟

最新推荐文章于 2025-04-23 16:14:44 发布

阅读量651

点赞数 20

文章标签：人工智能腾讯云服务器 python 数据库神经网络 ai

本文链接：https://blog.csdn.net/jennycisp/article/details/147349608

版权

国内大模型发展趋势|3月份解读

AI绘图进入用“嘴”作图时代

最近，各大平台被GPT-4O生成的“吉卜力”风图片刷屏，OpenAI创始人奥特曼还连夜将自己X账号的头像换成漫画风。此次GPT-4O的出圈，不仅是网友玩梗而形成的病毒式传播，更为重要的是其表现出的极强的上下文理解能力。

GPT-4o通过端到端的多模态训练，实现自然语言指令实现图像生成与多轮优化，用户仅需描述"吉卜力风格猫咪侦探漫画"，模型即可自动融合水彩笔触、同类色氛围和角色一致性等复杂要素。这种"需求-生成-迭代"的闭环交互，标志着AI绘图从专业工具向日常对话工具的跨越，用户无需掌握PS等专业技能，仅凭语言描述即可完成创作。

“吉卜力滤镜”的爆火（如特朗普变魔法师、纽约世贸中心变煤球精灵）证明，AI已渗透至大众娱乐与文化消费。用户通过简单指令即可将现实场景转化为宫崎骏动画风格，这种“童年回忆杀”式的创作狂欢，标志着AI从生产力工具升级为文化表达媒介。数据显示，GPT-4o上线首周生成图像量超Midjourney全年总量。

同时，国内企业迅速跟进技术趋势，例如快手“可灵”上线吉卜力滤镜，即梦3.0支持影视级海报、表情包等多元设计，覆盖从个人创作到商业用途的场景。AI绘图工具逐步从“辅助创作”转向“全民可用”，例如教育领域通过AI生成学生职业照，激发情感共鸣并成为爆款内容。国内大模型通过“开源框架+商业服务”模式，推动AI绘图从C端娱乐向B端渗透。

从技术底层看，这一趋势是多模态大模型、开源生态、推理效率提升的综合结果；从应用层看，它反映了AI绘画从“专业工具”到“人人可用”的交互革命，而“用嘴作图”正是自然语言与生成能力深度结合的标志性节点。

国内外厂商跟进多模态推理

目前，国际厂商正在加速多模态推理技术的研发与应用。谷歌推出了新一代Gemini 2.5系列，尤其是Gemini 2.5 Pro Experimental，通过超长上下文窗口和多模态输入显著提升了推理、编码与决策能力，同时优化了响应速度与能耗；而OpenAI则在GPT-4o基础上不断完善图像生成和推理过程，利用o3系列进一步提高了复杂逻辑、数学和代码任务的表现。

其中，谷歌与OpenAI在技术突破上各有侧重。谷歌借助先进的多模态大语言框架和优化算法，实现了单次处理百万token的数据能力，为复杂垂直应用（如医疗诊断、法律文书生成）提供了坚实支持；OpenAI则通过原生图像生成功能和思维链推理机制，不仅在对话交互中实现了更精准的多轮思考，还借助o3-mini等新型推理模型进一步提升了在专业基准测试中的成绩。

而国内厂商也在多模态推理领域加大布局。阿里巴巴相继发布了视频推理模型QvQ-Max、全模态模型Qwen2.5-Omni以及开源推理模型QwQ-32B，这些产品在图片、视频识别与即时语音交互等方面实现了较大的技术突破，并通过低参数量、高性价比的策略，在复杂任务中展现出与国际顶尖模型相媲美的性能。此外，阿里巴巴还通过夸克等终端产品，将这些前沿模型快速落地到消费者应用，推动AI To C生态建设。

商汤在上周也发布了多模态+强推理双杀的日日新SenseNova V6，凭借多模态的原生融合优势，商汤日日新SenseNova V6的多模态理解、推理和交互能力大幅升级，叠加强推理、强交互、长记忆等能力BUFF，率先实现多模态下的深度思考。

“AI六小虎”之一的阶跃星辰同样所有布局，推出多模态模型Step-R1-V-Mini，支持图文输入、文字输出、有良好的指令遵循和通用能力，能够高精度感知图像并完成复杂推理任务。

总体来看，国内外厂商均在多模态推理上展开激烈竞争，但各自侧重点略有不同。国际巨头以追求超高性能、极长上下文和全模态整合为目标，重点突破模型的推理深度和算力优化；而国内大厂则更注重通过开源策略和成本控制，实现技术普惠和生态闭环，推动AI能力在C端落地。两者的联动与相互竞争，共同推动了全球AI技术向更高效、更智能、更广泛应用的方向迈进。

Manus爆火，Agent崛起

Manus的爆火标志着AI Agent从概念探索迈入规模化应用的新阶段，其核心突破在于将大模型的“理解能力”转化为“行动能力”。传统大模型如GPT-4或Claude 4虽具备强大的语言生成与推理能力，但受限于单向交互模式和上下文长度限制，难以持续处理复杂任务。而Manus通过多模型协作架构，实现了从“提供建议”到“自主执行”的跨越，例如在用户授权下直接操作软件、整合多平台数据并完成跨系统任务，这种“执行者”定位恰好填补了大模型落地场景中的关键空白。

技术层面，Manus的崛起反映出AI开发范式转变，行业更关注模型效率与垂直场景适配性。其采用的业务对象模型抽象方法，降低了企业部署AI Agent的门槛，与当前AI投资逻辑转向“效率优先”高度契合。Manus的免费策略与竞品高价订阅形成对比，既快速聚集了用户流量，也暴露出大模型商业化路径的分歧——究竟是通过技术垄断维持高溢价，还是以开放生态抢占市场入口。

从行业影响看，Manus爆火加速了AI Agent对操作系统底层逻辑的重构，AI Agent正从辅助工具升级为智能中枢。不过，当前技术仍面临挑战，复杂交互时易出现任务中断或逻辑断层。未来，AI Agent的持续进化将依赖大模型在推理效率、持续学习及跨模态协同方面的突破，Manus的阶段性成功，也为行业指明了方向。

国内主要大模型最新进展

*阿里*

3月，阿里巴巴在AI领域动作频繁，进一步扩大了其在AI领域的影响力，也为其在AI市场的竞争增添了砝码。

3月11日，阿里通义实验室开源R1-Omni模型——业界首个将具有可验证奖励的强化学习（RLVR）应用于全能多模态大语言模型。研究人员利用RLVR对开源Omni模型HumanOmni-0.5B进行优化，在推理能力、情感识别准确性和泛化能力三个关键方面显著提高了其性能。

阿里通义团队选择开源Omni模型HumanOmni-0.5B作为基础模型，目前已经开源了基本模型HumanOmni-0.5B、冷启动模型EMER-SFT、直接在MAFW和DFEW训练集上微调的模型MAFW-DFEW-SFT，以及最终模型R1-Omni。

3月13日，阿里巴巴宣布推出AI旗舰应用——新夸克。据了解，新夸克基于阿里通义领先的推理及多模态大模型，整合了AI对话、深度思考、深度搜索、深度研究、深度执行等功能。全面升级为一个无边界的“AI超级框”，为2亿用户带来全新体验。用户可直接在“AI超级框”输入指令，夸克智能中枢系统将自动识别意图并进行深度思考、规划和完成AI搜索、AI写作、AI生图、AI PPT、学术研究、AI搜题、AI健康问答、旅行计划等，做到不同场景下的问题解答与任务达成。AI会思考、执行，并在过程中互动调整，完成最终的任务交付。

阿里巴巴集团副总裁、夸克CEO吴嘉表示，此次升级的版本仅仅是全新夸克的一个雏形，“随着未来模型能力的不断迭代升级，我们希望夸克AI超级框就像机器猫的口袋一样，能够让用户在这里进入AI世界。

3月26日，阿里正式开源视觉语言模型 Qwen2.5-VL-32B-Instruct。这款 32B 参数的模型号称在主观体验评估基准 MM-MT-Bench 上超越自家前代 72B 模型 Qwen2-VL-72B-Instruct，并且，该模型在Qwen2.5-VL系列的基础上，基于强化学习优化，具备更符合人类偏好的回答风格、显著提升的数学推理能力，更强的图像细粒度理解和推理能力。

3月27日，阿里巴巴发布并开源首个端到端全模态大模型通义千问Qwen2.5-Omni-7B，可同时处理文本、图像、音频和视频等多种输入，并实时生成文本与自然语音合成输出。并且在权威的多模态融合任务OmniBench等测评中，Qwen2.5-Omni刷新业界纪录，全维度超越Google的Gemini-1.5-Pro等同类模型。

据了解，Qwen2.5-Omni以接近人类的多感官方式“立体”认知世界并与之实时交互，还能通过音视频识别情绪。目前开发者和企业可免费下载商用Qwen2.5-Omni，手机等终端智能硬件也可部署运行。

3月28日，阿里通义千问团队宣布推出视觉推理模型QVQ-Max。作为此前实验性模型 QVQ-72B-Preview 的正式升级版本，QVQ-Max 在视觉信息处理与复杂推理能力上实现了显著突破。

据官方介绍，QVQ-Max 不仅能够理解图片和视频内容，还能为上述信息提供分析并推理。不止分析和推理，QVQ-Max 还可以完成设计插图、生成短视频剧本等内容，甚至根据用户的需求创建角色扮演内容。

*腾讯*

3月11日，中文大模型测评基准SuperCLUE发布最新报告。测评模拟了用户的真实搜索需求，考察AI在查找实时新闻、文化生活、经济动态等信息时的准确度，以及在复杂问题上的推理计算、数据分析和排序能力。

据了解，腾讯元宝在10家接入DeepSeek-R1的平台中联网搜索能力最强，在总分、基础检索能力和分析推理能力三项核心指标上均排名第一。其测评结果验证了腾讯元宝在信息筛选效率上的优势，用户可减少30%以上的无效信息浏览时间。

3月17日，腾讯元宝电脑版再次发布升级，新增了截图提问功能，用户可通过快捷键截图，让元宝直接结合图片内容给出回答；也支持拖拽文件和图片到输入框，便捷交给元宝解析。同时，元宝电脑版还能调节字体大小，并上线深色模式，减少长时间使用带来的视觉疲劳。用户还可以随时中断思考和回答、把提问回退到输入栏重新编辑问题。此次升级通过截图交互、多模态解析及交互容错优化，进一步强化了AI办公场景的实用性与人性化设计，体现了从“功能堆砌”向“体验驱动”的转型思路。

3月19日，腾讯混元大模型在《中文大模型测评基准SuperCLUE 3月报告》中，腾讯混元位列基础模型国内第二，综合实力稳居国内大模型第一梯队。在海外最新发布的大模型竞技场chatbot arena中，腾讯混元首次上榜，进入全球Top 15，获官方推荐。

3月21日，腾讯推出了自研的深度思考模型混元T1正式版。这款模型具备快速响应、擅长处理超长文本的特点，是腾讯自主研发的高性能推理模型。混元T1通过大规模强化学习技术，结合数学、逻辑推理、科学等领域的知识，能够在多个维度上评测指标优于竞品模型。它采用创新的Hybrid-Mamba-Transformer融合模式，最大输入32k，最大输出4K。

此外，除了发布混元T1正式版，腾讯还推出了新一代快思考模型混元Turbo S，主打更快的任务处理能力。混元Turbo S是混元大模型家族的最新成员，旨在提供更高效的任务处理体验。

3月26日，腾讯元宝迎来重大升级，同时接入两大模型：深度思考模型“腾讯混元T1”正式版，和DeepSeek V3-0324最新版。升级后，元宝的能力全面增强，在编程、数学推理和长文本处理等场景中的表现更加出色。值得一提的是，腾讯元宝是最早一批接入 DeepSeek V3-0324版本的AI应用，从模型开源到上线仅用1天。

目前，腾讯元宝的“混元+DeepSeek”双模型均支持深度思考和秒出答案。近期，元宝持续高频更新，35天迭代30个版本，不断上线实用功能。所有能力均免费开放、不限次数，覆盖更多工作、学习和生活场景。

*DeepSeek*

3月24日，DeepSeek发布了更新后的模型DeepSeek-V3-0324，开源版本已上线。本次更新为DeepSeek-V3模型的版本更新，并非市场此前一直期待的DeepSeek-V4或R2。

同日，DeepSeek在其官方交流群宣布称，DeepSeek-V3模型已完成小版本升级，该版本的最新模型也已经同步至官网、APP和小程序，关闭“深度思考”就可体验。此次发布的版本更新，在性能上，编程能力的优化成了最大亮点，新版本DeepSeek-V3-0324生成前端代码的能力大幅提升。

尽管官方称其为"小版本更新"，但实际性能提升显著，特别是在推理能力、编码能力和对话交互方面。DeepSeek-V3-0324的开源策略与高性能结合，使其成为AI社区的重要贡献，也为中小企业提供了低成本部署AI工具的选择。

*百度*

3月16日，百度正式推出文心大模型4.5与文心大模型X1，两款产品已同步上线文心一言官网及百度智能云千帆大模型平台。用户现可登录官网免费体验新模型，企业用户与开发者则可通过千帆平台调用API接口开启商用开发。

据介绍，文心大模型4.5作为百度首个原生多模态大模型，在文本推理、逻辑分析及多模态理解能力上实现突破，其综合表现已超越GPT4.5且调用成本仅为其1%；文心大模型X1专注深度思考领域，性能对标DeepSeek-R1的同时实现调用成本减半，为行业提供更具性价比的AI解决方案。

3月17日，新搜索智能助手文小言全面接入文心大模型4.5和X1，以及DeepSeek-R1满血版，并支持多种模型自动调度。据了解，文小言全量开放文心4.5和文心X1两款最新大模型以及DeepSeek-R1满血版后，最大亮点是支持多种模型自动调度。用户既可以自行选择使用特定模型进行回答，也可以直接开启智能模式，由系统自行判断并匹配适合的模型。此外，文小言近期还将上线全新升级的端到端语音对话、拍照搜索、AI 生视频等功能，并免费向用户开放。

3月24日，百度在AI Day宣布生成式应用开发平台「秒哒」全量上线。该平台通过无代码开发模式革新应用创建流程，用户仅需自然语言描述需求即可驱动多智能体协同开发，全程无需编写代码，支持实时多轮对话修改并即时预览效果，大幅降低开发门槛。

据了解，「秒哒」独创"多智能体协作矩阵"，集成需求收集、内容生成等十余种AI角色，可动态调配智能体组合策略。平台深度融合百度智能云的数据检索、图像处理、语音识别等工具链，并实现云计算资源的智能调度，为企业提供全栈式AI开发解决方案。

3月31日，百度旗下AI产品文小言完成品牌与功能双重升级，正式上线多模型调度系统及全新语音大模型。新版文小言深度融合文心大模型X1、4.5等模型能力，重点强化逻辑推理与多模态交互功能，支持图文混合内容生成、工具链调用及连续任务处理，其图片理解能力尤为突出。

同时，文小言升级全新语音大模型，支持方言对话、复杂知识问答及随时打断等，用户可进行语音知识问答或趣味角色扮演。通过整合多模型协同调度与工具调用能力，文小言已构建起“感知-推理-执行”的闭环智能服务体系。

*字节跳动*

从发布国内首个AI原生集成开发环境（AI IDE）Trae国内版，到开源MoE架构的关键优化技术COMET，再到推出Coze产品和AI数字人模型OmniHuman-1，字节跳动在AI领域的布局日益完善。

4月2日，字节跳动旗下AI图像生成平台即梦正式启动3.0版本灰度测试。该版本的AI图像生成带来了三个核心突破：影视级画质、精准的文字控制以及2K高清图像的直出体验，其文字识别精准度提升30%，生成速度较前代快20%，引发设计圈和内容创作者的热烈讨论。

3月3日，字节跳动正式发布了中国首个AI原生集成开发环境（AI IDE）——Trae国内版，该工具搭载了doubao-1.5-pro模型，并支持切换至满血版DeepSeek R1&V3模型，为开发者提供了强大的AI辅助编程能力。

此前，字节跳动已在今年1月推出的Trae国际版已引发市场关注，而3月3日Trae国内版的发布进一步巩固了其在AI编程领域的地位。

3月7日，即梦AI的数字人功能正式上线「大师模式」。该功能模式由字节跳动自研的OmniHuman-1模型驱动，用户仅需输入一张图片和一段音频，就可以让图片中的人物生成与音频匹配的动作，包括演讲、唱歌、乐器演奏以及移动，效果生动自然。该功能模式在即梦AI Web和移动端均已上线，用户更新至最新版本即可使用。

即梦数字人功能「大师模式」可支持肖像、半身以及全身等不同尺寸的图片输入，对动漫、3D卡通等非真人图片输入的支持效果也较为出色。即梦方面表示会对这一功能设置严格的安全审核机制，并对输出的视频标注「AI生成」水印以作提醒，努力确保该功能被恰当使用。该功能展示了AI在数字人交互领域的技术突破与场景创新潜力，同时体现出平台对技术伦理的前瞻性考量。

3月10日，字节跳动豆包大模型团队在国际知名开源社区平台GitHub上开源了一项针对MoE（混合专家模型）架构的关键优化技术COMET。可将大模型训练效率提升1.7倍，成本节省40%。据悉，该技术已实际应用于字节的万卡集群训练，累计帮助节省了数百万GPU小时训练算力。

此前，豆包团队还曾发布新一代稀疏架构UltraMem，将模型推理成本砍掉83%。目前，COMET核心代码已开源，并计划兼容Triton等编译生态。

3月28日，字节跳动旗下豆包宣布，新版深度思考功能开启测试。据介绍，和之前的深度思考不同，新版功能将推理过程的思维链与搜索深度结合，支持边想边搜。思考过程中，豆包可基于推理多次调用工具、搜索信息，提供更加全面、准确的结果。新版深度思考适用于制定方案和规划、辅助专业文章写作、模糊条件搜索等多种场景。

*智谱AI*

3月4日，智谱官方宣布推出「智谱2025开源年」的第一个模型：首个支持生成汉字的开源文生图模型——CogView4。据介绍，CogView4 在 DPG-Bench 基准测试中的综合评分排名第一，在开源文生图模型中达到 SOTA，也是首个遵循 Apache 2.0 协议的图像生成模型。

性能方面，CogView4 具备较强的复杂语义对齐和指令跟随能力，支持任意长度的中英双语输入，能够生成在给定范围内的任意分辨率图像，同时具备较强的文字生成能力。

中文理解与生成方面，CogView4 支持中英双语提示词输入，擅长理解和遵循中文提示词，是首个能够在画面中生成汉字的开源文生图模型，能更好地满足广告、短视频等领域的创意需求。

3月31日，智谱在 2025 中关村论坛上发布最新 Agent 产品 AutoGLM 沉思。作为首个集深度研究能力和操作能力于一体的 Agent，AutoGLM 沉思能一边进行复杂思考，一边执行操作。像人类一样打开并浏览网页，完成从数据检索、分析到生成报告。

智谱表示，AutoGLM沉思背后是智谱 GLM 全栈自研大模型，包括推理模型GLM-Z1-Air和基座模型GLM-4-Air0414，前者不仅性能比肩DeepSeek-R1，在速度提升最高8倍的同时，价格仅需DeepSeek-R1的1/30。

AutoGLM沉思通过“研究-执行”闭环架构，重新定义了AI Agent的能力边界。其开源策略与国产化适配能力，不仅降低了企业AI应用门槛，更在金融、科研等领域树立了标杆案例。未来或进一步拓展至工业物联网、智能制造等复杂场景，推动AGI技术普惠化。

*科大讯飞*

3月3日，讯飞星火深度推理大模型X1升级了,科大讯飞官方宣称,星火X1在完全采用国产算力训练的前提下,以70B参数量,实现了在数学能力上全面对标DeepSeek R1(参数量671B)和OpenAIo1，在中小学测试集上或超越DeepSeek-R1。星火X1采用全国产算力平台训练，可单机部署，大幅降低成本，实现自主可控，适合各类机构使用。

讯飞星火X1通过算法优化与国产算力适配，在数学推理、医疗诊断等场景实现突破，其“小参数、高效果”的特性为行业提供了低成本、高安全性的AI解决方案。

*360*

3月3日，360集团宣布已与华为深度合作，华为向360提供昇腾云服务器，为纳米AI及其接入的DeepSeek-R1满血版大模型提供算力支持。

据了解，双方此次合作旨在共同构建一条覆盖AI算力支撑及产品化落地的链条。作为算力的核心力量，华为昇腾云服务器为360的模型训练与推理提供高性能算力保障；360则推动技术产品化，将DeepSeek-R1满血版模型与算力结合，在纳米AI中提供“开箱即用”的用户体验，实现从技术到服务的转化。

近期，纳米AI迎来全新升级，个人知识库的高阶功能知识广场上线并开放，知识广场包含考研真题、合同模板、法律文书、财税知识、爆款短视频脚本等垂直专业内容，用户可以立取立用。值得一提的是，纳米AI将单一用户知识库扩容至36G，成为目前空间容量最大的主流知识库产品，能容纳更多个人用户的视频、文本、语音内容上传。

*昆仑万维*

3月18日，昆仑万维宣布正式开源Skywork R1V多模态视觉思维链推理模型，并即日起开源模型权重和技术报告。该公司在官方公众号中表示，和开源同规模或更大模型相比，Skywork R1V在多项基准测试中表现出色。

3月26日，昆仑万维正式发布全球首款音乐推理大模型Mureka O1及其基座模型Mureka V6，两者均支持官网自由切换。Mureka O1作为行业首个引入思维链（CoT）的音乐模型，通过推理过程中的自我批判机制优化生成逻辑，性能超越Suno并登顶SOTA榜单，其基于V6的推理架构实现了音乐结构连贯性与创作效率的突破。

其中，Mureka V6作为底层基座，创新应用自研ICL技术强化声场表现，支持纯音乐生成及10种语言（含中文、英语等）的AI音乐创作，显著提升人声质感与混音设计能力，为多风格曲风（爵士、电子、摇滚等）和复杂情感表达提供技术支撑。

昆仑万维集团官方表示，短期来看，AI生成的音乐有望在三到五年内迎来爆发式增长。

*商汤科技*

近日，商汤发布多模态推理模型日日新SenseNova V6，通过多模态长思维链训练、全局记忆、强化学习的技术突破，形成领先的多模态推理能力，并突破成本边界。

模型能力上著提升，在长思维链、推理、数理、全局记忆方面拥有显著优势，多模态推理能力国内第一，对标GPT-o1，数据分析能力大幅领先GPT-4o；轻量级的全模态交互模型升级，SenseNova V6 Omni拥有国内最强的多模态交互能力；国内首个支持10分钟中长视频深度解析的大模型，对标Gemini 2.5 Turbo达到同类型最强，同时实现高效能与低成本完美结合：多模态训练整体效率对齐语言训练实现业内最优水平，推理成本亦实现业界最低。