海外基础模型

这一节讲海外四家造基础大模型的公司。但它的写法和你在别处看到的「格局分析」都不一样：这里不排名、不评谁最强，只做一件事——把各家官方文档在 2026 年 8 月 8 日这一天写了什么，原封不动地摆给你看。为什么这么写？因为排名是记者的活儿，而核对官方原文是读者自己能学会的手艺。而且这一节会撞上一件极有教学价值的事：OpenAI 的三个官方页面，在「我们的旗舰模型是哪个」这个问题上给出了不一致的答案。这不是我们抓错了，双边原文都在下面。遇到这种情况该怎么处理，是本节比任何型号名都更值得你带走的东西。

先把「基础模型」这个词说清楚

基础模型（foundation model）这个词听着抽象，其实就是：一个用海量通用数据从零训出来的大模型，它不专门为某一件事服务，而是像一块料子，谁都能拿去裁成自己想要的衣服。

用面粉厂打比方最贴切。面粉厂不做包子、不做面条、不做蛋糕，它只做一件事——把麦子磨成面粉。但正因为它做的是「通用原料」，所以包子铺、面馆、蛋糕店全都得来找它买。造基础模型的公司就是这样的面粉厂：它自己不一定做出你天天用的那个产品，但你用的产品背后大概率有它的面粉。

这一层生意有三个特点，值得先记住，因为它们决定了这个行业为什么就那么几家：

• 投入极大训练一个前沿模型要动用 §12.1 讲的那种整机柜集群，跑几周到几个月。相当于建一座面粉厂——不是买台磨粉机就能开工的。
• 一次性成本，长期摊销模型训好之后，边际成本转到推理那一侧。说白了：厂子建起来了，之后每卖一袋面粉的成本就低多了。
• 迭代极快，命名混乱这是本节最实际的困扰。几个月出一代，型号名一堆代号后缀。所以本节所有型号名都必须带日期，否则半年后就是错的。

下面开始逐家看，所有内容的查询日期统一为 2026 年 8 月 8 日，出处逐条列明。

OpenAI：三个官方页面，三种口径

这是本章第一处「官方内部不一致」，也是最干净的一处——因为双边原文都是同一天抓下来的，语法结构几乎一模一样，只有型号名不同。先看第一份。

出处一：platform.openai.com/docs/models，官方原文：

"If you're not sure where to start, use gpt-5.5, our flagship
model for complex reasoning and coding. If you're optimizing for
latency and cost, choose a smaller variant like gpt-5.4-mini or
gpt-5.4-nano."

翻译：「如果你不确定从哪开始，就用 gpt-5.5，我们面向复杂推理与编码的旗舰模型。如果你更在意延迟和成本，可以选 gpt-5.4-mini 或 gpt-5.4-nano 这类更小的变体。」

该页的 Frontier models（前沿模型）卡片列出：

现在看第二份。出处二：developers.openai.com/api/docs/models，同一天，官方原文：

"If you're not sure where to start, use GPT-5.6 Sol, our flagship
model for complex reasoning and coding. Choose GPT-5.6 Terra to
balance intelligence and cost, or GPT-5.6 Luna for cost-sensitive,
high-volume workloads."

翻译：「如果你不确定从哪开始，就用 GPT-5.6 Sol，我们面向复杂推理与编码的旗舰模型。想平衡智能与成本可选 GPT-5.6 Terra，对成本敏感、量大的场景可选 GPT-5.6 Luna。」

请把两段原文并排读一遍。句式完全相同，「our flagship model for complex reasoning and coding」这个短语一字不差，唯一的差别是主角从 gpt-5.5 换成了 GPT-5.6 Sol。这几乎可以肯定是同一份文案模板在两个域名下的不同版本。

developers 域的 Frontier models 列出：

还有第三份。出处三：openai.com/api/pricing/，官方定价页。它列的价格是：

该页还有一条注释：「上述价格反映了 270K 以下上下文长度的标准处理费率」。这条注释本身就是个知识点——同一个模型，上下文超过某个长度之后可能换一档价格。后面讲 Google Gemini 时会看到更明显的例子。

而这份定价页当天最关键的一件事是：它完全没有列 GPT-5.6 系列的价格。

把这三份口径摆到一张表里

三个官方页面，三种说法，摊开看最清楚（全部截至 2026 年 8 月 8 日）：

从这张表能读出一个相当可信的推断：OpenAI 正在把开发者文档从 platform 域迁到 developers 域，而 5.6 系列是在这次迁移期间发布的——新站已经更新，老站和定价页还没跟上。这就是本节开头「三份菜单」那个场景的真实版本。

但请注意「推断」和「事实」的界限：「两个域名口径不同」是事实，双边原文可查；「这是因为文档正在迁移」是推断，OpenAI 官方没有这么说过。写作时必须把这两类东西分开标注，否则读者会把你的猜测当成官方结论。

那实践中该怎么办？给你一套可操作的做法：

• 要写文章、做汇报两边都写，都标出处和日期。不要挑一个。你的读者有权知道这里存在不确定性。
• 要真的写代码调 API以你实际能调通的那个模型 ID 为准。文档写什么都不如一次真实请求的返回值管用。相当于菜单上写着有这道菜，但你得问一句服务员今天到没到货。
• 要做预算以定价页为准，因为那是要开发票的那一页。文档里的价格是参考，账单里的价格是事实。
• 要判断新旧看知识截止日期这一列。GPT-5.5 是 2025 年 12 月 1 日，GPT-5.6 Sol 是 2026 年 2 月 16 日——后者晚了两个半月，这是一条独立于宣传口径的客观线索。

Anthropic：官方是怎么措辞的，值得逐字看

Anthropic 是 Claude 系列模型的公司。它官方模型总览页（docs.claude.com/en/docs/about-claude/models/overview，截至 2026 年 8 月 8 日）的表述，是一个措辞极其克制的范本。原文：

"If you're unsure which model to use, consider starting with
Claude Opus 4.7 for the most complex tasks. It is our most capable
generally available model, with a step-change improvement in
agentic coding over Claude Opus 4.6."

翻译：「如果不确定用哪个模型，最复杂的任务可以考虑从 Claude Opus 4.7 开始。它是我们可普遍获取的能力最强的模型，在智能体编码方面相比 Claude Opus 4.6 有阶跃式提升。」

请特别注意「generally available」（可普遍获取的）这个限定词。它不是废话，而是一个有法律和商务分量的措辞。它的意思是：我们可能还有更强的东西，但那些还没开放给所有人，所以不在这句话的比较范围里。

这个限定词不是空穴来风，同一页里就有对应的证据：

"Claude Mythos Preview is offered separately as a research preview
model for defensive cybersecurity workflows as part of Project
Glasswing. Access is invitation-only and there is no self-serve
sign-up."

翻译：「Claude Mythos Preview 作为 Project Glasswing 的一部分，以研究预览模型的形式单独提供，面向防御性网络安全工作流。仅限受邀访问，没有自助注册入口。」

所以「可普遍获取的最强」和「最强」是两句不同的话。打个比方：餐厅菜单上写「本店最贵的菜是佛跳墙 888 元」，这句话完全为真——但后厨可能有一道只给熟客做、菜单上压根不写的菜。「菜单上最贵」不等于「店里最贵」。这种措辞方式在这个行业里非常普遍，学会识别它，你就不会被「最强」这两个字牵着走。

官方模型表（截至 2026 年 8 月 8 日）：

这张表有三个细节值得说：

第一，命名分三档，而且是拉丁语诗歌体裁的名字。Opus（长篇作品）、Sonnet（十四行诗）、Haiku（俳句）——从长到短，正好对应从大到小、从贵到便宜。相当于咖啡店的大杯、中杯、小杯，只是名字起得文雅些。这套命名逻辑一旦记住，你看到一个新型号名就能立刻猜出它在哪一档。

第二，Haiku 的 ID 带日期后缀，另外两个不带。claude-haiku-4-5-20251001 里的 20251001 就是 2025 年 10 月 1 日。说白了这是版本快照——指名要这一天发布的这个版本，以后官方更新了也不影响你。相当于你在照相馆洗照片时说「就按上次那个底片洗，别调色」。生产环境往往需要这种确定性。

第三，价格和上下文不是线性关系。Opus 4.7 比 Sonnet 4.6 贵不到一倍（$5 vs $3），但上下文一样是 1M；而 Haiku 便宜到 $1，上下文却掉到 200k。所以选模型不是「预算多就买贵的」，得看你的活儿到底卡在哪一项上。

Google Gemini：一张表教你看懂「Stable」和「Preview」

Google 的官方模型列表页（ai.google.dev/gemini-api/docs/models）有一个很值得学习的做法：它明确把模型分成 Stable（稳定）和 Preview（预览）两栏。该页面自带的更新标记是 Last updated 2026-08-05 UTC，我们的查询日期是 2026 年 8 月 8 日。

先把这两个词翻译清楚，因为它们决定了你敢不敢把它用在正经项目里：

• Stable（稳定版）说白了就是「你可以放心用，我们不会突然改它的行为，也不会随手关掉它」。相当于餐厅菜单上的常驻菜品——你下周来还有。
• Preview（预览版）说白了就是「你可以试，但别当饭吃」。行为可能改、价格可能调、随时可能下线。相当于餐厅的试新菜，桌卡上写着「限时供应，反馈良好才会进正式菜单」。把 Preview 模型接进生产系统，等于把自己的业务押在别人的试菜上。

官方当天的分栏情况（截至 2026 年 8 月 8 日）：

这张表里有两件事特别值得注意。

第一件：Pro 系列当天全在 Preview 栏，Flash 系列才在 Stable 栏。这跟很多人的直觉相反——大家会以为「Pro 是高端货，肯定更稳」。实际上恰恰相反：能力最强的那些往往刚发布不久，还在预览期；而稳定可用的是已经跑了一段时间的中量级型号。打个比方：菜市场里最新到货的稀罕食材摊在最显眼的位置，但真正天天有货、你随时能买到的是常规菜。

第二件：Gemini 3 Pro Preview 页面上明明白白标着「(Shut down)」（已关停）。这是一个极其有用的信号，它说明 Preview 状态的东西真的会被关掉，不是理论风险。如果你半年前把它接进了产品，现在就得改代码了。

官方对两个主力型号的描述原文，措辞差别也很讲究：

这一处细节非常值得琢磨：版本号更高的 3.6 被描述为「最新且平衡」，版本号更低的 3.5 才被描述为「最智能」。换成大白话——3.6 不是 3.5 的全面升级版，而是一条不同取向的产品线。所以「版本号大就一定更强」这个直觉，在这里直接失效了。相当于手机的 Pro 和 Plus——数字大的那个不一定各项都更好，可能只是屏幕大了、电池大了，芯片反而一样。

官方定价（Paid Tier 付费档，每百万 token，Standard 标准处理，截至 2026 年 8 月 8 日）：

这张定价表里藏着三个非常实用的规律：

规律一：输出永远比输入贵，而且贵好几倍。为什么？因为输入是一次性读进去的（可以并行、可以批量），输出是一个字一个字生成的（必须串行）。相当于快递公司收你的件是一车拉走，派件却要挨家挨户按门铃。这条规律有个直接的实用推论：让模型「少说话、说重点」是真的能省钱的，省的还是最贵的那部分。

规律二：不同模态不同价。Gemini 3.1 Flash-Lite 的音频输入是文本的两倍价（$0.50 vs $0.25）。说白了：处理声音比处理文字费劲，所以收得更贵。做语音类产品要特别注意这一行。

规律三：上下文越长，单价越高。Gemini 3.1 Pro Preview 在 20 万 token 这个门槛上翻倍。前面 OpenAI 定价页那条「270K 以下上下文长度的标准处理费率」是同一个意思。用停车场打比方：前两小时五块钱一小时，超过两小时后每小时十块。所以「把所有资料一股脑塞进上下文」这个做法，除了 §11.4 讲过的效果问题，还有一笔账要算。

Meta Llama：走了完全不同的一条路

前面三家的模式是一样的：模型放在自己的服务器上，你通过 API 调用，按 token 付费。Meta 走的是第四条路：把模型权重直接下载给你，让你自己跑。

这个差别有多大？用面粉厂的比方来说：前三家是「你把订单发过来，我磨好面粉给你发货，按斤收钱」；Meta 是「磨粉机的图纸和调好的参数我都给你，你自己回家磨」。

这条路的吸引力显而易见——不用付按次的钱、数据不出自己的门、想怎么改就怎么改。但它有一个大多数人不会去读的前提条件：许可协议。这一小节就把这份协议里最要紧的几条摊开来看。

先说清版本：截至 2026 年 8 月 8 日，llama.com/llama4/license/ 上现行公开的许可是 Llama 4 Community License Agreement，Version Effective Date: April 5, 2025（生效日 2025 年 4 月 5 日）。

现在看协议里最关键的那一条。Section 2 Additional Commercial Terms（附加商业条款）原文：

"If, on the Llama 4 version release date, the monthly active users
of the products or services made available by or for Licensee, or
Licensee's affiliates, is greater than 700 million monthly active
users in the preceding calendar month, you must request a license
from Meta, which Meta may grant to you in its sole discretion, and
you are not authorized to exercise any of the rights under this
Agreement unless or until Meta otherwise expressly grants you such
rights."

翻译：「如果在 Llama 4 版本发布日，你（或你的关联方）提供的产品或服务，在前一个日历月的月活跃用户数超过 7 亿，你必须向 Meta 申请一份许可；Meta 可自行酌情决定是否给你。在 Meta 明确授予之前，你无权行使本协议下的任何权利。」

这一条要拆成四层来理解，每一层都有实际后果：

这条款是针对谁写的，其实不难猜。全球月活超过 7 亿的公司只有几家，而它们恰好是 Meta 最直接的竞争者。说白了就是：这份许可对所有人开放，唯独把最大的几个同行挡在门外。

用小区的比方讲这件事最直观：小区门口贴了张告示——「本小区花园免费向公众开放，欢迎大家来玩。但如果你是隔壁三家大房产商的员工，得先来物业申请，批不批我们说了算。」告示确实写着「免费开放」，但它显然不是对所有人一样开放。

除了这条门槛，协议还有两项持续性义务。Section 1.b.i 原文：

"you shall (A) provide a copy of this Agreement with any such Llama
Materials; and (B) prominently display 'Built with Llama' on a
related website, user interface, blogpost, about page, or product
documentation. If you use the Llama Materials or any outputs or
results of the Llama Materials to create, train, fine tune, or
otherwise improve an AI model, which is distributed or made
available, you shall also include 'Llama' at the beginning of any
such AI model name."

翻译成三条能执行的要求：

• 义务一 · 随件附协议你分发 Llama 相关材料时，必须把这份协议副本一起给出去。相当于转卖一台家电时必须把保修卡和说明书一起交给下一个人。
• 义务二 · 显著标注 Built with Llama必须在网站、界面、博客、关于页或产品文档上显著显示「Built with Llama」（用 Llama 构建）。注意是 prominently（显著地），不是塞在页脚小字里。相当于加盟店门头上必须挂总部的招牌。
• 义务三 · 派生模型的命名如果你用它的材料或输出去训练、微调、改进出另一个模型并对外发布，那个模型的名字开头必须带「Llama」。相当于你用别人的秘方改良出一道新菜，菜名前面必须挂上人家的招牌名。

还有一条归属声明的固定格式：「Llama 4 is licensed under the Llama 4 Community License, Copyright © Meta Platforms, Inc. All Rights Reserved.」

所以整份协议的性质是什么？官方给它的名字是 Community License（社区许可），这是 Meta 自定义的一份协议，不是 Apache 2.0、不是 MIT，也不是任何 OSI 认可的开源许可。它包含月活门槛、命名义务、署名义务，并适用加州法律。

「这算不算开源」这个问题，我们留到 §12.4 用 OSI 的正式定义来回答——那一节会告诉你，连「只发布权重」这件事本身，按 OSI 的标准都不构成开源，跟许可条款宽不宽松还是两回事。

四家横向对照：不比强弱，只比路数

把四家放在一起，最有价值的对比维度不是「谁分高」，而是「你要用它，得付出什么、承担什么」。下面这张表就按这个思路排（全部截至 2026 年 8 月 8 日）：

这张表读下来，你会发现前三家和 Meta 根本不在一个赛道上比赛——前三家在比「谁的面粉又好又便宜」，Meta 在比「谁的磨粉机图纸更容易上手」。

用外卖和买菜的比方来收这一段：点外卖（云端 API）的好处是你不用管厨房，坏处是每顿都要付钱、菜单由店家定、店家关门你就没饭吃。自己买菜做饭（本地部署）的好处是想吃什么吃什么、成本可控、饭菜不出自己家门，坏处是你得自己有厨房、有厨具、有时间，还得看得懂那本厚厚的「使用须知」（也就是许可协议）。

本质上就是：这不是一个「哪个更好」的问题，是一个「你的约束条件是什么」的问题。有些行业（医疗、金融、政务）数据不能出境不能外传，那再便宜的 API 也用不了；有些小团队一共三个人，那再自由的权重也养不起运维。

模型命名这件事，为什么全行业都这么乱

看完上面四家，你大概已经被型号名搞晕了：GPT-5.5、GPT-5.6 Sol/Terra/Luna、Claude Opus/Sonnet/Haiku 4.5-4.7、Gemini 3.1/3.5/3.6 Pro/Flash/Flash-Lite、Nano Banana 2 Pro……这不是你的问题，这是整个行业的问题。但乱中有序，把规律说清楚能省你很多困惑。

规律一：几乎每家都有「大中小」三档。这是最稳定的一条规律，因为它对应的是真实的成本结构。

记住这三档，你看到任何新型号名都能立刻定位它在哪一层。比如你看到「Luna」这个名字不知道是什么，但看到它输入价 $0.20（同门 Sol 是 $5，差 25 倍），就知道它是最小最便宜那一档。说白了：价格是最诚实的档位标签。

规律二：小数点后的版本号不一定代表全面更强。前面 Gemini 3.6 与 3.5 那个例子已经证明了这一点：官方把「Most intelligent」给了 3.5，把「latest」给了 3.6。所以看到版本号更高就以为全面更好，是这一节最该纠正的直觉。

规律三：带日期后缀的 ID 是「快照」，不带的是「会变的」。Anthropic 的 claude-haiku-4-5-20251001 就是快照写法。相当于你在银行办事拿到的号码——指定就是这一号，别人再插队也不影响。生产环境优先用快照 ID，做实验用别名（如 gpt-5.6）更方便。

规律四：代号越花，越可能是新一代产品线的重命名。Sol、Terra、Luna 是拉丁语的「日、地、月」；Nano Banana 这种名字更是完全跳出数字体系。为什么厂商爱这么干？因为纯数字版本号有个尴尬：版本号只能往上走，一旦走到 GPT-6、7、8，读者会自动期待「每一代都是巨大飞跃」，而实际迭代往往是渐进的。换成大白话：换个代号，就把「必须比上一代强多少」这个隐含承诺给绕开了。

规律五：这些名字半年后大概率就不对了。所以本节的所有型号名都绑着「截至 2026 年 8 月 8 日」这个日期。正确的用法是：把本节当成一份「看官方文档的方法说明」，而不是一份「型号对照表」。型号表你自己去官网查，方法是能带走的。

怎么读一份模型文档：一套可复用的六步法

这一节到这里已经翻过了四家官方文档。把这个过程抽象出来，是一套你以后查任何模型都能用的顺序。它的核心思路和 §12.1 看规格表的清单一样：先确定这份资料的身份，再读它的内容。

• 第一步 · 确认页面身份和日期这是文档、定价页还是博客公告？页面上有 Last updated 吗（Google 那页就有：2026-08-05 UTC）？没有更新日期的技术页面，可信度天然打折。
• 第二步 · 先看它有没有分状态栏有 Stable / Preview / Deprecated / Shut down 之类的分区吗？这一步比看型号名重要得多——一个 Preview 型号再强，接进生产系统也是给自己埋雷。Google 那页把 Gemini 3 Pro Preview 直接标 (Shut down)，就是活教材。
• 第三步 · 抄下模型 ID 而不是产品名产品名是给人看的（「GPT-5.6 Sol」），模型 ID 是给代码用的（gpt-5.6-sol）。相当于你记住的是朋友的名字，但发消息要用的是他的账号。写代码时只有 ID 有用。
• 第四步 · 读价格时分清输入、输出、缓存三种OpenAI 定价页把「缓存输入」单列（GPT-5.5 的缓存输入 $0.50，只有正常输入 $5 的十分之一）。这一列往往被忽略，但它对反复读同一批资料的应用来说能省一大截。
• 第五步 · 找上下文的阶梯门槛OpenAI 那条「270K 以下上下文的标准费率」、Google 那个 200k 门槛，都是同一类信息。说白了：这决定了你的账单会不会在某天突然翻倍。
• 第六步 · 最后才看能力描述「最智能」「表现强劲」这类描述放在最后看，因为它们是厂商自述、不可横向比较，而且措辞里往往埋着限定词（generally available、latest、balances）。把限定词读进去，这句话的信息量往往比看起来小得多。

这套六步法的价值在于它把「读文档」从一件感觉活变成了一件流程活。就像挂号看病有固定流程——先分诊、再挂号、再候诊、再就诊，你不会跳着来。读技术文档同理，顺序错了会让你在一堆宣传形容词里绕半天，却漏掉真正决定成败的那两行小字。

常见误解澄清

误解一：「排行榜上分最高的就是最好的，选它就对了。」

这句话有两个问题。第一，本节没有取到任何官方或权威第三方的 2026 年横向评测数据，所以本书不给排名，任何自称「2026 最强模型排行」的内容你都该先问它的数据来自哪里。第二，即便有可信榜单，榜单测的任务和你的任务大概率不是一回事。相当于看考试排名选家教——数学第一名的老师不一定适合辅导你孩子的作文。

误解二：「贵的模型一定比便宜的强，所以有预算就一直用最贵的。」

价格反映的是厂商的成本与定位，不是你任务上的效果。而且这笔账很容易算错：Gemini 3.1 Flash-Lite 的输入价 $0.25，Claude Opus 4.7 是 $5，差 20 倍。如果你的活儿是「把一万条用户评论分成好评差评」，用最贵的那个纯属烧钱。说白了：杀鸡不用牛刀，而且这里的牛刀是按次收费的。

误解三：「Meta 的模型免费，所以自己部署一定更便宜。」

权重免费，算力不免费，人力更不免费。你要自备 §12.1 讲过的那些显存和带宽，还要有人维护。用买菜做饭打比方：菜是比外卖便宜，但你得算上厨房的租金、水电、你自己的时间。对小规模用量来说，自己部署往往比调 API 更贵；只有量大到某个规模，账才翻过来。另外别忘了那份许可里的合规义务——Built with Llama 的标注、派生模型的命名，这些也是成本。

误解四：「官方文档写的一定是对的，照抄就行。」

这一节整个前半部分就是这条误解的反例。官方文档是可靠性最高的一类资料，但不等于绝对正确且内部一致。正确的态度是：官方文档是最好的起点，但要看它的身份、日期，并且尽量交叉验证两个官方入口。

误解五：「模型能力靠版本号判断，5.6 一定比 5.5 全面强。」

Gemini 3.6 与 3.5 的官方描述已经反驳了这一点。而 OpenAI 那边更微妙：GPT-5.5 和 GPT-5.6 Sol 的价格完全一样（$5 / $30），上下文只从 1M 涨到 1.05M——如果 5.6 Sol 是一次全面代际跃升，很难解释为什么价格一分没变。注意这句是推断不是结论，官方没有说明原因，我们只是把可核实的两组数字并排放在这里。