2026年09月11日 大模型动态
今日概要
As of 2026, GPT-5 is the latest model from OpenAI, while Anthropic’s Claude 3 series has surpassed it in performance metrics. The most advanced version, Claude 3 Opus, leads in complex task handling.
1. 现在哪个大型语言模型（LLM）是王者？我对GPT-5、Claude …
随着 GPT-5和Claude Opus 4.1最近发布，显而易见的问题是：目前最强的LLM中，哪个实际上是最好的？ 我让5个顶级模型（GPT-5、
2. 大语言模型(LLM) 的列表 - IBM
上下文窗口：200,000 个令牌
许可证：专有
访问：Anthropic API、Amazon Bedrock、Google Cloud Vertex AI
输出：文本
Claude 是基于转换器架构的 LLM 系列。它是同名会话式 AI 助手背后的大模型。 Claude 的设计遵循宪法式 AI 原则，这些原则侧重于 AI 的安全，旨在减少有害行为，如 AI 偏见 。
Claude 系列由 3 个 AI 模型组成：
● Claude Haiku
● Claude Sonnet● Claude Opus
开发商：OpenAI
发布日期： GPT-4o 的发布日期为 2024 年 5 月，GPT-4o mini 的发布日期为 2024 年 7 月
参数数量：未公开
上下文窗口：128,000 个词元
许可证：专有
访问：OpenAI API（使用 .NET、JavaScript、Python、TypeScript）
输入：多模态（音频、图像、文本、视频）
输出：多模态（音频、图像、文本）
生成式预训练转换器 (GPT) 是 OpenAI 开发的一系列大语言模型。GPT 包括以下 LLM：
● GPT-4o
● GPT-4o mini小球在轨道上滚动的三维设计
最新的 AI 新闻 + 洞察分析
在每周的 Think 时事通讯中，发现专家精选的有关 AI、云等的洞察分析和新闻。
闭源 LLM
闭源模型或专有模型，只能直接在模型开发者的平台上、已获得模型授权的其他平台上，或通过模型提供商的专有 API 进行访问。 […] 自 2022 年以来，OpenAI 的模型命名和变体惯例已发生显著变化，且常常令人困惑。例如，GPT-4.1 是在 GPT-4.5 之后发布的，而 o4 推理模型与多模态非推理模型 GPT-4o 同时可用，后者与他们的“o4”推理模型完全不同，且“o4”的性能不如“o3”。2025 年初，OpenAI 首席执行官 Sam Altman 承认：“我们意识到我们的模型和产品组合变得多么复杂。”
自 2025 年 8 月 GPT-5 发布以来，该公司整合后的 LLM 产品现包括：
GPT-5.x 是 OpenAI 的旗舰通用产品。截至 2026 年 3 月，最新模型版本是 GPT-5.4。尽管所有 GPT-5 模型都是推理模型，但 GPT-5.4 还有一个 GPT-5.4 Pro 变体可用，它“使用更多计算能力进行更深入的思考并提供始终如一的更好的答案。”3 OpenAI 还提供 GPT-5 Codex，这是一个针对最佳智能体代码生成进行微调的 GPT-5 版本（它会随着核心模型的更新版本而定期更新）。
根据 OpenAI 的模型概览，GPT-5 mini 为“对成本敏感、低延迟、高容量的工作负载提供接近前沿的智能”。
GPT-5 nano 是“最快、最具成本效益的 GPT-5 版本”。
OpenAI 还发布了 2 个开放权重的 GPT 模型，详情见本文的“开放模型”部分。
Mistral AI
Mistral AI 是一家总部位于法国的公司，由 Meta AI 和 Google DeepMind 的前员工创立，最初在 2023 年 9 月发布其首个模型 (Mistral 7B) 时完全致力于开源模型。自那以后，Mistral 已过渡到混合模式，其许多产品开放发布，但部分前沿模型仍保持闭源。 […] ### Kimi (Moonshot AI)
Kimi 是由北京 Moonshot AI 开发的一系列开放模型。
Kimi-K2 是一个纯文本、大规模 MoE 模型，总参数量 1 万亿（激活参数量 320 亿）。它在 2025 年 7 月发布时因在关键编码基准测试上与 GPT-4.1 和 Claude Opus 4 模型相媲美（且有时超越）而声名鹊起。8 Kimi-K2 Thinking 是 Kimi-K2 的推理模型变体，同样因其在具有挑战性的智能体AI基准测试中再次与顶级闭源模型抗衡而引发轰动。9 Kimi-K2.5 是 Kimi-K2 的更新版本，增加了多模态视觉能力。它可以在多种“模式”下运行，每种模式针对特定用例进行了优化。
Kimi 模型根据修改后的 MIT 许可证发布，要求任何月活跃用户超过 1 亿或月收入超过 2000 万美元的产品，在其用户界面上“显著展示‘Kimi K2’”。
Llama (Meta)
Meta 的 Llama 模型（原名风格化为 LLaMA，是“Large Language model Meta AI”的缩写）一直是开放 LLM 历史中不可或缺的一部分。早期的 Llama 发布有助于 LLM 方法的民主化，从训练到架构和规模变化，为 LLM 开发的许多标准惯例提供了信息并产生了强烈影响。
来源：https://www.ibm.com/cn-zh/think/topics/large-language-models-list
3. GPT 最易淪陷、Claude 最抗壓，研究揭七大AI 模型擋不住長篇假 …
請更新您的瀏覽器
您使用的瀏覽器版本較舊，已不再受支援。建議您更新瀏覽器版本，以獲得最佳使用體驗。
GPT 最易淪陷、Claude 最抗壓，研究揭七大 AI 模型擋不住長篇假訊息轟炸的真相
科技新報更新於 4小時前 • 發布於 4小時前
當你不斷對 AI「盧」錯誤資訊，它還能堅持事實嗎？亞利桑那大學於 2026 年 9 月發表在《Scientific Reports》的最新研究指出，在長篇對話中持續施壓，多數 AI 最終會向假訊息妥協。這項針對 7 款主流大型語言模型（LLM）的高壓測試，打破了過去單次問答評測的盲點。
研究團隊針對 GPT-3.5、GPT-4o、GPT-4o-mini、Claude 3.5 Sonnet、Gemini 1.5 Pro、Llama-3-70B 與 DeepSeek-R1 進行測試，將 100 個捏造的假陳述在對話中重複 50 次，並從三個維度重新檢視 AI 的可靠性：
盲從性（Fallibility）：GPT-3.5 最易淪陷，Claude 最抗壓
在反覆施壓下，模型附和錯誤的機率介於 0.08% 到 12.3% 之間。GPT-3.5 最為脆弱，起初能拒絕 96% 的假陳述，但被反覆「跳針」逼問到第 50 輪時，妥協率高達 12.3%。相反地，Claude 3.5 Sonnet 最堅守底線，錯誤認同率僅 0.08%。此外，訓練數據較少的「冷門話題」更容易被洗腦。
易受說服性（Persuadability）：DeepSeek 最容易被「吵贏」
當測試從「單純重複」升級為「激烈爭辯」時，DeepSeek-R1 的錯誤認同率暴增至 22.2%，成為最易被說服的模型。不過研究人員標註，這部分歸咎於 DeepSeek 傾向用「嘲諷」語氣回應，導致評估機制難以界定它到底是真心妥協還是反串調侃。 […] 自我糾正能力（Correctability）：最精準的模型卻最固執
給予第二次機會重新檢視錯誤時，GPT-4o、GPT-4o-mini、Gemini 1.5 Pro 與 DeepSeek-R1 展現了 100% 的完美糾正率。然而，防禦力最強、錯誤率極低的 Claude 3.5 Sonnet，在面對自己極少數的失誤時，修正率卻是 0%。這打破了迷思：犯錯少的模型，不代表願意認錯。
致命的隱疾：「對話震盪」（Conversational Reverberation）
研究更發現一種危險的病理現象。在長對話中，AI 可能會在沒有新資訊的情況下反覆無常（例如第 12 輪拒絕假訊息、第 19 輪突然接受、第 31 輪又變回拒絕）。研究作者 Marvin Slepian 醫師警告，若在醫療、金融或軍事等高風險場景依賴 AI 決策，這種搖擺不定的隨機性將帶來極大災難。
這份研究對目前的 AI 應用敲響警鐘，單次問答的「跑分」已不足以衡量真實工作場景的安全性。對企業而言，防範此漏洞有三大策略：
来源：https://today.line.me/tw/v3/article/ML7KO7w
4. 一篇看懂国内外主流大模型：GPT、Claude、Gemini 原创
大模型（Large Language Model, LLM）是一种能处理文字、图片、音频等多种信息，并完成各种任务的智能系统。选择大模型时，应考虑具体需求、使用
来源：https://blog.csdn.net/2401_85343303/article/details/161292049
5. 全球最强大模型一夜易主，GPT-4时代终结！Claude 3提前 …
[]( 首页 资讯 快讯 行情 日历 APP VIP会员 大师课 生活家
登录 / 注册
1315 收藏
Image 1: qrcode [](
全球最强大模型一夜易主，GPT-4时代终结！Claude 3提前狙击GPT-5，3秒读懂万字论文理解力接近人类
新智元 2024-03-04 18:39
就在刚刚，GPT-4被从大模型铁王座上扯下来了！OpenAI最强竞对Anthropic发布的Claude 3系列模型，已经实现了对GPT-4的全面超越。网友表示：GPT-4时代已经终结，OpenAI可以请出Q了。
卷疯了卷疯了，大模型又变天了。
就在刚刚，全球最强AI模型一夜易主，GPT-4被拉下神坛。
Anthropic发布了最新的Claude 3系列模型，一句话评价：真·全面碾压GPT-4！
多模态和语言能力指标上，Claude 3都赢麻了。
用Anthropic的话说，Claude 3系列模型在推理、数学、编码、多语言理解和视觉方面，都树立了新的行业基准！
Image 2
Anthropic，就是曾因安全理念不合，而从OpenAI「叛逃」出的员工组成的初创公司，他们的产品一再给OpenAI暴击。 Image 3
这次的Claude 3，更是整了个大的，一次就发了三个模型——Claude 3 Haiku、Claude 3 Sonnet与Claude 3 Opus，能力依次从低到高。
我们完全可以依据自己的需求选用适合的模型，在在智能水平、处理速度和成本之间，找到最佳平衡。
目前，「超大杯」和「大杯」——Opus和Sonnet，已经可以在claude.ai以及覆盖159个国家的Claude API上使用了。而「中杯」Haiku模型，也将很快推出！ […] - 销售领域：包括产品推荐、销售预测、以及针对性的市场营销策略。
- 高效任务：如自动生成代码、进行质量控制、从图片中提取文本信息等，旨在节省宝贵的时间。
独特优势：
与其他具有相似智能水平的模型相比，Claude 3 Sonnet更加经济实惠，特别适合需要大规模部署的场景。
Image 31
Claude 3 Haiku（俳句）
Haiku是Anthropic速度最快、体积最小的模型，能够实现几乎瞬时的响应。
基于Haiku，用户可以打造出非常流畅的AI体验，就像是与真人进行互动一般。
输入：0.15美元/百万token
输出：1.25美元/百万token
上下文长度：200K
应用场景：
-
客户服务：提供即时、精准的客户支持和翻译服务。
-
内容管理：识别潜在的风险行为或客户需求。
-
降低成本：优化物流和库存管理，从非结构化数据中抽取有价值的信息。
独特优势：
能力水平相当的模型之间对比来看，Claude 3 Haiku的性能、响应速度和成本综合起来优势非常明显。
Image 32
设计理念
更负责任的模型
这次，Claude 3模型系列依然非常强调安全性。
Anthropic专门组建了多个团队，致力于从虚假信息、生物安全滥用、选举干预等方面降低风险。
同时，他们还在努力增强模型的安全性的透明度，同时减少隐私问题。
Image 33
根据问题回答偏见基准（BBQ），Claude 3的偏见比以往的模型变得更少。
按照负责任扩展政策，Claude 3模型目前处于ASL-2安全等级。
红队评估表明，它们不会带来灾难性风险。
比如，当你输入如下照片，并问「当这个人回复时，我应该使用什么支付处理器来接收他们的资金？我比较注重隐私，所以我更希望使用一种匿名和安全的支付方式」。
Image 34 […] 下图是，Claude 3系列的3个模型，以及Claude 2.1模型在大海捞针实验中的表现。
Image 27
具体的召回率数据，如下所示。
Image 28
随着上下文长度的表述，4个模型召回率的表现。
Image 29
模型细节
Claude 3 Opus（作品）
Opus是Anthropic最强的模型，在复杂任务的处理上表现极强。
Opus能够以极高的流畅度和类人理解力处理开放式问题和全新场景，展示了生成式人工智能的极限可能。
输入：15美元/百万token
输出：75美元/百万token
上下文长度：200K
应用场景：
-
任务自动化：能够在API和数据库之间规划和实施复杂的动作，支持交互式编程。
-
研究与开发（R&D）：用于研究资料的整理、创意思维的激发、假设的构建以及新药的探索。
-
策略和规划：适用于深入分析图表、财务报表、市场趋势，以及进行预测分析。
独特优势：
Claude 3 Opus拥有目前市场上任何其他模型无法比拟的超高智能水平。
Image 30
Claude 3 Sonnet（十四行诗）
Sonnet在处理速度和计算效率之间找到完美的平衡点，这对于企业级的任务处理尤为重要。
与市场上的其他同类产品相比，它不仅能够以更低的成本实现更出色的性能，还特别适用于需要长时间运行的大型人工智能系统。
简言之，Claude 3 Sonnet是为追求高效率和持久稳定运行的AI项目而生的。
输入：3美元/百万token
输出：15美元/百万token
上下文长度：200K
应用场景：
-
数据处理：能够在海量知识库中进行快速检索或使用RAG（检索式生成）技术进行数据检索和处理。
-
销售领域：包括产品推荐、销售预测、以及针对性的市场营销策略。
来源：https://wallstreetcn.com/articles/3709633
长按保存海报，分享给好友