🧠 主流开源大模型全景梳理（2026年）

覆盖国内外主流通用 LLM、代码模型、多模态模型、端侧小模型，标注开源协议、参数规模、特色能力。

💡 阅读指引
本文按模型系列分类，每个系列标注：参数规模、开源协议、训练数据、特色能力、推荐使用场景。

🌍 一、海外通用大语言模型

1.1 Meta Llama 系列 🦙

模型	参数	上下文	开源协议	特点
Llama 4 Scout	17B	10M	Llama 4 Community	MoE架构，超长上下文，性价比极高
Llama 4 Maverick	17B×16	256K	Llama 4 Community	MoE，1M tokens训练，多模态
Llama 4 Behemoth	288B×16	256K	研究许可	2万亿token训练，教师模型，未完全开放
Llama 3.1	8B / 70B / 405B	128K	Llama 3	上一代经典，生态最好

1.2 Mistral AI 系列 🇫🇷

模型	参数	上下文	开源协议	特点
Mistral Large 2	123B	128K	Mistral Research	多语言强，支持80+编程语言
Mixtral 8x22B	141B (MoE)	64K	Apache 2.0	MoE架构，推理仅需39B活跃参数
Mistral Small 3	24B	128K	Apache 2.0	高效小模型，FP8下150 tok/s

1.3 其他海外开源模型

模型系列	参数	协议	特色
Microsoft Phi-4	14B	MIT	高质量合成数据训练，数学推理强
Google Gemma 3	2B / 9B / 27B	Gemma	Google出品，多模态支持，小参数量效果好
IBM Granite 3	2B / 8B	Apache 2.0	企业级，RAG和工具调用能力突出
OpenELM (Apple)	270M~3B	Apple	端侧部署优化，手机端运行

🇨🇳 二、国内大语言模型

2.1 阿里 Qwen（通义千问）系列 — 国内最强开源家族

模型	参数	上下文	协议	亮点
Qwen3-235B-A2B	235B (MoE)	128K	Qwen	旗舰，堪比闭源 SOTA，仅激活 34B
Qwen3-235B-A2B (thinking)	235B (MoE)	128K	Qwen	深度思考版，推理能力极强
Qwen3-32B	32B	128K	Qwen	🔥 当前 Ascent Creator 使用，Int4量化可在24GB显存运行
Qwen3-Coder-30B	30B	262K	Qwen	🔥 Ascent Creator 默认模型，代码能力最强
Qwen3-8B	8B	128K	Qwen	轻量全能，消费级显卡可跑
Qwen3-0.5B~4B	0.5B~4B	32K	Qwen	端侧/移动端部署，手机可运行
Qwen2.5 (前代)	0.5B~72B	32K~128K	Qwen	上一代，生态成熟，仍在广泛使用

2.2 DeepSeek 系列 🐳

模型	参数	上下文	协议	亮点
DeepSeek-R1	671B (MoE)	128K	MIT	🔥 推理之王，深度思考 Chain-of-Thought，开源模型最强
DeepSeek-V3	671B (MoE)	128K	MIT	通用旗舰，训练成本仅560万美元（业界1/10）
DeepSeek-Prover	236B	—	MIT	数学定理证明专用，竞赛级别
Janus-Pro	7B	—	MIT	多模态理解+生成统一

2.3 其他国内开源模型

模型系列	参数	协议	说明
GLM-4 (智谱)	9B	Apache 2.0	中文理解出色，Agent能力突出
Yi-Lightning (零一万物)	34B	Apache 2.0	推理速度快，性价比高
MiniMax-M1 (稀宇)	32B~456B	MiniMax	线性注意力架构，超长上下文
Skywork (昆仑万维)	13B	Skywork	金融领域优化，长文本处理强
InternLM2 (上海AI Lab)	1.8B~20B	Apache 2.0	学术机构出品，系统全面
Baichuan2 (百川)	7B~13B	Baichuan	中文优化，医疗行业有垂直版本

💻 三、代码专用大模型

模型	参数	上下文	协议	特色
Qwen3-Coder-30B	30B	262K	Qwen	🔥 当前使用，代码综合能力开源最强梯队
Codestral (Mistral)	22B	256K	Mistral	80+编程语言，fill-in-the-middle强
DeepSeek-Coder-V2	236B (MoE)	128K	MIT	代码领域顶流，多语言持平GPT-4
CodeGemma (Google)	2B~7B	8K	Gemma	轻量代码补全，IDE插件友好
StarCoder2 (HuggingFace)	3B~15B	16K	Apache 2.0	The Stack v2训练，Open RAIL-M许可

🎨 四、多模态 / 视觉语言模型

模型	参数	协议	能力
Qwen2.5-VL	7B~72B	Qwen	图文理解最强开源，视频理解，动态分辨率
InternVL3 (上海AI Lab)	8B~76B	MIT	开源多模态最强梯队，VLM榜单领先
LLaVA-NeXT (学界)	7B~34B	Apache 2.0	学术标杆，社区生态好
CogVLM2 (智谱)	19B	Apache 2.0	视觉理解+定位，支持GUI agent

📱 五、端侧 / 小参数模型（消费级显卡可跑）

RTX 4090 24GB 可跑：

Qwen3-32B (Int4量化) — ✅ 当前运行，约18GB显存
Qwen3-Coder-30B (Int4) — ✅ 当前运行，约16GB
Llama 4 Scout 17B (MoE) — 需量化，约14GB
Mistral Small 3 24B (FP8) — 约14GB
Mixtral 8x22B (MoE, 仅39B活跃) — 极限，约22GB
Phi-4 14B (FP16) — 约8GB
Qwen3-8B / Llama-3.1-8B — 约4~5GB，轻松跑

手机 / 笔记本可跑：

Qwen3-0.5B~4B、Gemma 2B、Phi-2 2.7B、OpenELM、TinyLlama 1.1B
Intel Core Ultra + NPU 可本地运行 4B 级别模型
Apple M系列芯片可运行 7B 级别 (MLX 优化)

⚖️ 六、开源协议对比

协议	商用	修改	分发	署名	代表模型
Apache 2.0	✅	✅	✅	✅	Mistral, Phi, GLM, Yi, InternLM, DeepSeek
MIT	✅	✅	✅	❌	DeepSeek-R1/V3, Phi-4
Llama 3/4 Community	✅	✅	✅	✅	月活>7亿需Meta授权
Qwen	✅	✅	✅	✅	月活>1亿需授权

🎯 七、场景推荐

🖥️ 代码生成：Qwen3-Coder-30B > Codestral > DeepSeek-Coder-V2

💬 通用对话：Qwen3-235B > DeepSeek-V3 > Llama 4 Maverick > Qwen3-32B

🧮 推理/数学：DeepSeek-R1 > Qwen3-235B-thinking > Qwen3-Coder

🖼️ 多模态理解：Qwen2.5-VL > InternVL3 > LLaVA-NeXT

📱 端侧部署：Qwen3-4B > Gemma 3 2B/9B > Phi-4 14B

🇨🇳 中文优化：Qwen3 系列 > DeepSeek 系列 > GLM-4 > Yi

📌 Ascent Creator 当前推荐

通用对话：Qwen3-32B-Int4（24GB可行）→ 上线后可考虑 Qwen3-235B-A2B
代码推理：Qwen3-Coder-30B-A3B ✅ 当前使用
深度推理：DeepSeek-R1（48GB+显存）→ 需升级硬件
多模态：Qwen2.5-VL-7B/72B → 待接入

', 1, 'admin', '学习专区,大模型,开源,LLM,AI模型,对比', datetime('now', '+8 hours') )

主流开源大模型全景梳理 2026