今日概要#

According to the sources, Anthropic released the latest large language model (LLM) series, Claude 3, in 2025. The series includes three models: Haiku, Sonnet, and Opus, each offering different levels of AI capabilities, speed, and pricing. Notably, the sources mention that the release of the 3.7 Sonnet and Claude Code in February 2025 marked a significant advancement in the model’s reasoning and coding abilities. The sources also highlight that the 3.7 Sonnet is capable of self-reflection and can perform better in tasks like mathematics, physics, and coding compared to previous models.

1
● Claude Haiku
2

3
● Claude Sonnet

1
● GPT-4o mini

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。 […] 抽象的三维矩形

Grok (xAI)#

Grok 是 xAI 生产的专有 LLM 系列，于 2023 年 11 月首次作为 X（原 Twitter）上的聊天机器人以测试预览版形式推出。2025 年 4 月，xAI 推出了 Grok 3 的 API 访问权限，Grok 3 当时是其最新的旗舰模型。

Grok 的模型阵容随着一代又一代模型的发布而不断变化。

Grok 2 推出了 Grok 2 Mini，这是该模型系列中第一个基于尺寸的变体。同样的命名方式在 2025 年 2 月的 Grok 3 中再次沿用。 第四代 Grok 模型于 2025 年 7 月与 Grok 4 和 Grok 4 Heavy 一同推出。2025 年秋季，随后推出了 Grok 4 Fast，接着是 Grok 4.1（提供思考和非思考两种配置）。 2025 年 8 月，xAI 发布了 Grok Code Fast 1，这是一个针对智能体编码优化的、注重效率的模型。

来源：https://www.ibm.com/cn-zh/think/topics/large-language-models-list

3. (更新中) 2025年发布的大模型汇总 - 知乎#

发布时间： 2025年2月24日 模型特点： 这是一个具有 3B/16B 参数的混合专家 (MoE) 模型。 使用 Muon 优化器训练了 5.7T 个 token。 与之前的模型相比，该模型以更少的训练 FLOP 实现了更好的性能。 它在扩展 Muon 方面使用了权重衰减和一致的 RMS 更新等技术。 与使用计算最佳训练的 Adam 相比，Muon 的样本效率提高了约 2 倍。 该模型在各种基准测试中都优于 LLAMA3-3B、Qwen2.5-3B 和 Deepseek-v2-Lite 等同等规模的 SOTA 公共模型。

Claude 3.7#

Claude 3.7 Sonnet and Claude Code

发布时间：2025 年 2 月 25 号 模型系列： Claude 3.7 和 Thinking 模型特点：

• Claude 3.7 Sonnet 是迄今为止 Anthropic 最智能的模型，也是市场上第一个混合推理模型。

• 它既是普通 LLM 又是推理模型，用户可以选择模型正常回答还是在回答前进行更长时间的思考。

• 在扩展思维模式下，它可以自我反思，从而提高其在数学、物理、指令遵循、编码和许多其他任务中的性能。

• API 用户还可以控制思考的预算，从而可以在答案的速度（和成本）与质量之间进行权衡。

• 它在编码和前端 Web 开发方面表现出特别强的改进。

• 它在 SWE-bench Verified 和 TAU-bench 上实现了最先进的性能。

• Claude Code […] 模型特点：

• 混合架构： 结合了标准 LLM 的快速响应能力和推理模型的深入分析能力。模型可以在标准模式下直接回答问题，也可以在推理模式下进行自我反思后再回答。

• Iterated Distillation and Amplification (IDA) 训练： 使用 IDA 训练，这是一种可扩展且高效的对齐策略，通过迭代自改进来实现通用超智能。

• 性能优越： 在大多数标准基准测试中，每个模型都优于同等规模的最佳开源模型，包括 LLaMA、DeepSeek 和 Qwen 的同类模型。70B 模型甚至优于新发布的 Llama 4 109B MoE 模型。

• 优化用途： 针对编码、函数调用和代理使用案例进行了优化。

• 开放许可： 所有模型均在开放许可下发布，可用于商业用途。

• 即将推出更大模型： 计划在未来几周/几个月内发布更大的模型（包括 109B、400B、671B 参数的 MoE 模型）以及每个模型尺寸的 checkpoint。

GPT-4.1#

链接： Introducing GPT-4.1 in the API

发布时间：2025年4月14日

模型系列：GPT-4.1, GPT-4.1 mini, GPT-4.1 nano

模型特点： […] - Claude Code 是一种命令行工具，用于代理编码，使开发人员能够直接从其终端将大量工程任务委派给 Claude。

• Claude Code 是一种积极的协作者，可以搜索和读取代码、编辑文件、编写和运行测试、提交代码并将其推送到 GitHub，以及使用命令行工具。

• Livebench: 65.56, Thinking 76.10

总结: 编程模型 sota

Phi-4#

https:// huggingface.co/microsof t/Phi-4-multimodal-instruct

Empowering innovation: The next generation of the Phi family | Microsoft Azure Blog

发布时间： 2025年2月26日 模型系列： Phi-4-multimodal 5.6B 和 Phi-4-mini 3.8B 模型特点：

• Phi-4-multimodal：

• 参数规模： 56 亿参数。
• 微软首个多模态语言模型。
• 集成了语音、视觉和文本处理能力。
• 适用于设备和边缘计算平台部署。
• 在语音相关任务中表现出色，在 Huggingface OpenASR 排行榜上名列前茅。
• 在数学和科学推理方面表现出强大的视觉能力。

• Phi-4-mini：

• 参数规模： 38 亿参数。
• 速度和效率高。
• 在基于文本的任务（包括推理、数学、编码、指令跟随和函数调用）中，性能优于更大的模型。
• 支持高达 128,000 个 token 的序列。
• 适合在计算受限的推理环境中使用。

• Livebench: 41.61

GPT 4.5#

https:// openai.com/index/introd ucing-gpt-4-5/

来源：https://zhuanlan.zhihu.com/p/1885618917550057149