国内外 AI 大模型种类与使用方法
【摘要】 国内外 AI 大模型种类与使用方法注:大模型更新非常快,模型名称、价格、免费额度和功能会持续变化。本文重点介绍截至2026年11月的主流代表。一、什么是 AI 大模型?AI 大模型,通常是指大语言模型。它能够理解自然语言,完成问答、写作、翻译、总结、编程、数据分析等工作。现代大模型已经从单纯的“聊天机器人”发展为综合平台,通常具备:文字问答与写作联网搜索和资料整理上传文档、图片、音视频语音通...
国内外 AI 大模型种类与使用方法
注:大模型更新非常快,模型名称、价格、免费额度和功能会持续变化。本文重点介绍截至2026年11月的主流代表。
一、什么是 AI 大模型?
AI 大模型,通常是指大语言模型。它能够理解自然语言,完成问答、写作、翻译、总结、编程、数据分析等工作。
现代大模型已经从单纯的“聊天机器人”发展为综合平台,通常具备:
- 文字问答与写作
- 联网搜索和资料整理
- 上传文档、图片、音视频
- 语音通话
- 生成图片、视频或代码
- 调用外部工具
- 执行多步骤任务,形成“智能体”
- 通过接口接入企业系统
因此,选择模型时不能只看“谁最聪明”,还要看它在中文、文件处理、联网搜索、多模态、价格、访问便利性和安全性方面是否适合。
二、国内主流大模型有哪些?
国内大模型通常分为三类:
- 综合对话助手
- 代码、推理与智能体模型
- 视觉、语音、图像和视频模型
|
代表产品
|
研发机构
|
主要定位
|
|---|---|---|
|
通义千问、Qwen
|
阿里巴巴
|
综合对话、代码、多模态、开源生态
|
|
DeepSeek
|
深度求索
|
推理、数学、编程、代码与高性价比接口
|
|
豆包
|
字节跳动
|
中文日常使用、内容创作、图像和视频
|
|
Kimi
|
月之暗面
|
长文档阅读、资料整理、知识工作
|
|
智谱清言、GLM
|
智谱AI
|
复杂推理、长上下文、企业应用
|
|
腾讯元宝、腾讯混元
|
腾讯
|
中文对话、腾讯生态、视觉与智能体
|
|
文心一言、ERNIE
|
百度
|
中文知识、搜索、企业应用
|
|
MiniMax
|
MiniMax
|
语言、语音、图像和视频
|
|
即梦、Seed
|
字节跳动
|
图像和视频生成
|
|
混元、元宝
|
腾讯
|
综合助手、办公及多模态场景
|
国内模型的主要特点
1. 中文表达和本地服务较好
国内产品在中文表达、中国法律政策、网络热点、本地生活、移动支付、办公软件和企业服务方面通常更加适配。
2. 免费使用门槛相对较低
很多国内产品都提供网页版、电脑客户端和手机应用,使用手机号或国内平台账号即可注册。对于普通用户,一般可以先从免费版开始。
3. 开源生态活跃
通义千问、DeepSeek、GLM、Kimi、腾讯混元等模型,通常既有官方网页或应用程序,也有开放接口和开源权重。开发者可以在云上调用,也可以将模型部署到自己的服务器中。
4. 多模态能力逐渐一体化
单一模型越来越多地同时支持文字、图片、语音、视频和文件。部分产品还能操作浏览器、办公软件或电脑应用,但稳定性与生产安全性仍需结合具体场景评估。
三、国外主流大模型有哪些?
国外同样覆盖了聊天助手、专业推理、代码智能体、视觉理解、搜索和企业服务等方向。
|
代表产品
|
研发机构
|
主要定位
|
|---|---|---|
|
ChatGPT、GPT
|
OpenAI
|
综合对话、推理、编程、多模态
|
|
Claude
|
Anthropic
|
长文本、写作、代码、智能体
|
|
Gemini
|
Google
|
搜索、多模态、安卓和谷歌生态
|
|
Grok
|
xAI
|
实时信息、社交平台内容、推理
|
|
Llama
|
Meta
|
开源及私有化部署
|
|
Mistral
|
Mistral AI
|
欧洲市场、开源及企业部署
|
|
Copilot
|
Microsoft
|
微软办公软件、编程和企业服务
|
|
Perplexity AI
|
Perplexity
|
联网搜索、资料研究和引用
|
|
Cursor、Windsurf、Claude Code
|
不同公司
|
编程、软件工程和代码智能体
|
国外模型的主要特点
1. 综合能力和生态较丰富
ChatGPT、Claude 和 Gemini 通常在复杂推理、多模态、智能体、软件编程和第三方插件方面积累较深。
2. 搜索与办公生态各有优势
- ChatGPT强调综合对话和智能体;
- Claude在长文本、代码和智能体工作流中应用较广;
- Gemini与谷歌搜索、邮箱、网盘及安卓生态结合紧密;
- Copilot深度嵌入微软办公软件和开发工具;
- Perplexity更偏向联网检索、资料整合和引用。
3. 部署方式更加多元
国外既有OpenAI、Anthropic、Google这类“闭源商业模型”,也有Meta Llama、Mistral等可下载、可私有化部署的开源或开放权重模型。
四、国内与国外模型有什么差异?
下面是一张总览表,适合作为初选参考:
|
维度
|
国内模型
|
国外模型
|
|---|---|---|
|
中文和中国场景
|
整体适配度较高
|
主要国际产品也很强,但中文细节存在差异
|
|
使用入口
|
网页、客户端、App和企业平台丰富
|
同样覆盖网页、客户端、API与企业平台
|
|
模型来源
|
既有闭源商业模型,也有大量开放模型
|
同样同时包含闭源与开放权重模型
|
|
搜索生态
|
与国内搜索、内容平台及办公工具结合
|
与谷歌、微软等全球生态结合较深
|
|
编程与智能体
|
发展迅速,覆盖编程、推理和智能体
|
商业生态成熟,工具链丰富
|
|
图像视频
|
图像、视频、语音与数字人能力突出
|
图像、视频、音乐、语音能力同样完整
|
|
开源与部署
|
Qwen、DeepSeek、GLM、Kimi等选择丰富
|
Llama、Mistral等选择丰富
|
|
接口与价格
|
国内开放平台竞争激烈,价格梯度较多
|
国际平台功能丰富,不同档位价格差异较大
|
|
数据合规
|
应重点考察国内数据及行业合规要求
|
跨境数据传输、账号和地区限制需特别审查
|
这张表反映的是整体趋势,不代表某个产品一定优于另一个产品。具体选择仍应通过任务测试确定。
五、大模型最实用的使用方法
1. 对话提问:给足“角色、任务、背景和格式”
基础用法是在网页或手机应用中输入问题。但不要只写:
帮我写一份策划。
更有效的写法是:
你是新媒体运营负责人。
请为一家国产护肤品牌撰写双十一小红书推广策划。
目标人群:25—35岁职场女性。
预算:10万元。
平台:小红书、抖音和微信视频号。
要求:
1. 明确目标、主题、内容方向和投放节奏;
2. 列出5个选题;
3. 给出预算分配表;
4. 提供可量化的效果指标;
5. 以表格和分点形式输出。
高质量提问通常包括:
- 角色:你希望它充当什么专家
- 背景:项目、行业和目标人群
- 任务:具体要完成什么
- 约束:字数、格式、风格、时间或预算
- 输出:表格、大纲、邮件、代码或报告
- 禁止事项:不要编造数据、不要使用营销套话等
2. 联网搜索:让它查信息,而不是“猜答案”
搜索类问题适合使用联网功能,例如:
- 查询最近的政策、新闻或活动;
- 比较产品价格;
- 搜集行业报告;
- 核实人物、公司和事件;
- 整理会议当天的最新动态。
提问时可以要求:
请联网搜索并回答。
1. 先列出至少三个来源;
2. 标注信息发布日期;
3. 区分官方信息和媒体信息;
4. 如果信息冲突,说明冲突点;
5. 不要编造来源链接。
对于重要数据,应回到原始来源再次确认。
3. 文档处理:把文件交给它,但要规定输出格式
多数大模型支持上传以下材料:
- Word、PDF、PPT、Excel
- 图片和扫描件
- 网页链接
- 音视频
- 代码项目
典型任务包括:
请阅读上传的合同,完成:
1. 提取合同主体、金额、期限和付款方式;
2. 标注续约、违约、赔偿和争议解决条款;
3. 列出表述模糊或可能存在风险的条款;
4. 引用原文,不要自行推断;
5. 最后给出一份修改建议清单。
文档使用需要注意:
- 先确认文件是否包含隐私、商业秘密或个人信息;
- 单个文件过大时,可以先拆分成章节;
- 要求它标明页码或章节;
- 关键数字必须人工复核;
- 正式法律意见应由专业人员审查。
4. 写作与改写:明确受众和用途
大模型适合进行初稿写作,但不宜直接把它生成的全部内容当作最终成果。
可以要求:
请将以下内容改写成三种版本:
A. 领导汇报版,300字以内,重点突出结果和决策;
B. 内部沟通版,语气直接,便于执行;
C. 客户沟通版,正式、礼貌、避免技术术语。
还可以要求:
- 压缩到指定字数;
- 提炼核心观点和结论;
- 补充小标题;
- 删除重复内容;
- 改为邮件、通知、新闻稿或演讲稿;
- 检查逻辑是否连贯;
- 指出证据不足的位置。
5. 编程开发:提供环境、约束和验收标准
提问时不要只写“帮我写一个网站”。最好提供:
请使用 Python 3.12 和 Flask 开发一个简易图书管理系统。
功能要求:
1. 添加、查询、修改和删除图书;
2. 使用 SQLite 存储数据;
3. 提供中文界面;
4. 对书名和作者进行输入校验;
5. 给出完整项目结构、代码和运行说明;
6. 最后提供3个测试用例。
对于已有代码,可以要求:
- 逐段解释代码;
- 找出潜在缺陷;
- 优化运行速度;
- 改进安全性;
- 补充单元测试;
- 添加中文注释;
- 重构项目结构。
AI生成的代码必须经过测试,不能直接部署到生产环境。
6. 图像与视频:使用专门模型,而不是强行让聊天模型完成
图像、视频、音乐和数字人通常使用专门的多模态模型,例如:
- 通义千问、Qwen:部分产品覆盖多模态生成;
- 豆包、即梦、Seed:适合图像、视频和数字人;
- ChatGPT、Gemini:支持多模态理解与生成;
- MiniMax:覆盖语音、视频、音乐和语言模型。
适合使用:
生成一张电商主图:夏日防晒喷雾,蓝色与白色为主,
清爽风格,浅色背景,正面45度展示产品,
中文标题“清爽不油腻”,适合天猫护肤类目。
需要修改图片时,可以提供原始图片,然后要求:
- 改变背景;
- 替换文字;
- 修改产品颜色;
- 增加人物或道具;
- 保持主体结构;
- 更换整体风格。
生成结果可能涉及版权、肖像权和品牌标识,商业用途前应核查相关权利。
7. 语音与实时通话:适合口语交流和快速记录
语音模式适合:
- 练习英语或普通话;
- 模拟面试;
- 复述书籍和课程内容;
- 做会议总结;
- 根据口述整理成文档;
- 查询信息;
- 与儿童或老年人进行互动。
建议提示:
请以中文面试官身份与我进行模拟面试。
岗位:互联网产品经理。
首先提出一个问题,等待我回答;
然后对我的回答进行点评,并指出可以改进的地方。
使用语音模式时应避免在公共场合输入银行卡密码、身份证号等敏感信息。
8. 企业知识库:建立“检索+生成”,不要直接把全部数据喂给模型
企业常见做法包括:
企业文档
→ 清洗和拆分
→ 提取文字
→ 建立索引
→ 用户提问
→ 检索相关段落
→ 大模型生成答案
→ 引用原始文档
这种方案通常称为检索增强生成。
使用时需要注意:
- 控制文档权限;
- 定期更新知识库;
- 只检索与问题相关的文档;
- 要求答案附带来源;
- 设置敏感词和审批流程;
- 对客服、合同和医疗等高风险场景增加人工复核。
不能把整个公司资料简单地上传到一个普通聊天窗口,更不能忽略数据分级和访问权限。
六、普通用户怎样开始使用?
电脑端
- 打开所选平台的官方网站;
- 注册账号并登录;
- 在输入框中直接输入问题;
- 需要时上传文档、图片或开启联网搜索;
- 根据回答继续追问;
- 选择复制、导出或保存结果。
手机端
- 在应用商店搜索正式产品名称;
- 安装官方应用;
- 使用手机号、邮箱或平台账号登录;
- 使用语音、拍照、文件上传和对话功能;
- 开启语音通话或智能体,完成多轮任务。
开发者使用接口
以调用大模型接口为例,基本流程是:
- 注册开发者账号;
- 创建应用并获取密钥;
- 选择模型;
- 构造消息,包括用户问题、系统提示和历史对话;
- 发送请求;
- 接收结果;
- 对输出进行校验、存储和展示。
基本调用结构如下:
系统提示:定义角色、规则和安全边界
用户消息:当前输入
历史对话:保存上下文
模型输出:回答或工具调用指令
常见接口能力包括:
- 文本生成;
- 多轮对话;
- 联网搜索;
- 文件上传;
- 图像理解;
- 语音转文字;
- 向量检索;
- 函数调用;
- 结构化输出;
- 流式响应;
- 模型微调;
- 私有化部署。
七、如何为不同任务选择合适的大模型?
日常问答和中文创作
优先测试:
- 豆包
- 通义千问
- 腾讯元宝
- Kimi
- DeepSeek
- ChatGPT
- Gemini
重点比较回答是否符合中文表达习惯、是否有用、是否稳定。
长文档和资料研究
优先测试:
- Kimi
- 通义千问
- 智谱GLM
- Claude
- ChatGPT
- Gemini
- Perplexity
重点测试文件大小、页码引用、跨文件比较和资料归纳能力。
数学、代码和逻辑推理
优先测试:
- DeepSeek
- Qwen
- 智谱GLM
- Kimi
- ChatGPT
- Claude
- Gemini
不要只凭一个题目判断,应使用同一批代码、数学和逻辑题进行交叉测试。
办公和会议整理
优先测试:
- 腾讯元宝
- 通义千问
- 豆包
- Kimi
- Microsoft Copilot
- ChatGPT
- Gemini
重点考察会议纪要、待办事项、PPT提纲和表格处理能力。
图像与视频
优先测试:
- 豆包
- 即梦
- 通义千问
- MiniMax
- ChatGPT
- Gemini
重点比较提示词理解、中文文字准确性、人物一致性、版权合规和商业可用性。
企业部署
优先考虑:
- Qwen
- DeepSeek
- GLM
- Kimi
- 腾讯混元
- Llama
- Mistral
- Claude
- Gemini
- GPT
需要从模型性能、数据安全、调用成本、部署方式、接口稳定性、技术服务和支持能力综合评估。
八、使用时必须遵守的规则
1. 不要让大模型编造事实
尤其是医疗、法律、金融、学术和招聘场景,应明确要求:
如果信息不足或无法确认,请明确说明不知道,不要猜测。
2. 不要上传敏感信息
不应直接上传:
- 身份证、银行卡和医疗记录;
- 未公开合同和财务数据;
- 企业内部源代码;
- 客户个人信息;
- 政府、军事和关键基础设施资料。
使用前查看平台隐私政策、数据保留期限和第三方使用条款。
3. 不要完全依赖一次回答
高质量用法通常是:
提出要求
→ 生成初稿
→ 检查事实与逻辑
→ 指出问题
→ 要求修改
→ 再次验证
把大模型当作“助手”,而不是绝对权威。
4. 注意版权和肖像权
- 不要直接生成知名人物的肖像;
- 不要模仿受保护的商标和品牌;
- 不要复制受版权保护的书籍、代码或视频;
- 商业文案、图片和视频应保留人工审核。
5. 小学生和低龄儿童应谨慎使用
使用时应关闭或限制个人信息输入,控制使用时长,并对生成内容进行检查。
九、一份实用的“多模型工作流”
不必长期只用一款模型。更高效的方法,是让不同模型负责不同阶段:
第一步:用 Kimi、通义千问或 Perplexity 收集资料;
第二步:用 DeepSeek、Qwen、Claude 或 GPT 进行推理;
第三步:用豆包或即梦制作图片、视频;
第四步:用另一个模型审查逻辑、事实和表达;
第五步:由人工完成最终判断和发布。
例如撰写研究报告:
- 资料检索:让A模型联网检索并整理来源;
- 结构搭建:让B模型制作目录和逻辑框架;
- 内容写作:让C模型完成具体章节;
- 交叉审查:让D模型检查事实、重复内容和逻辑漏洞;
- 人工定稿:检查数据、结论、引用和合规问题。
这种方法比反复追问同一个模型更容易发现错误。
十、常见问题
免费版和付费版有什么区别?
通常体现在:
- 可使用哪些模型;
- 每天可以问多少次;
- 响应速度;
- 文件大小和数量;
- 联网搜索、图像生成额度;
- 语音通话时长;
- 编程和智能体功能;
- 数据使用方式;
- 企业权限和技术支持。
普通用户通常可以从免费版开始。
上下文窗口越大越好吗?
不一定。上下文窗口代表模型一次能够处理的文字规模,但窗口大并不意味着它一定能准确记住全部内容。关键还要看长文本归纳、跨文件推理、引用准确性和实际成本。
开源模型一定比闭源模型安全吗?
不一定。开源或开放权重模型便于审计、定制和私有化,但仍可能存在提示词注入、数据泄露、恶意代码和错误输出。安全取决于部署方式、权限控制、调用链路和运行环境。
应该学习提示词,还是学习使用工具?
两者都要。提示词决定任务如何表达;工具选择、知识库、联网搜索、文件解析和代码执行决定任务能否完成。只学习“话术”,无法解决复杂工程问题。
大模型会不会取代程序员、设计师和文案?
短期内更可能改变工作方式,而不是完全取代岗位。基础搜索、初稿、排版和重复代码可以由模型完成,但需求判断、审美、业务责任、数据安全、质量和最终决策仍需人负责。
十一、新手推荐方案
如果是第一次使用,可以按下面方式配置:
国内普通用户
- 日常聊天、写作:豆包或通义千问
- 长文档阅读:Kimi或通义千问
- 推理与编程:DeepSeek或Qwen
- 图像与视频:豆包、即梦或其他专业生成工具
- 办公协作:腾讯元宝、通义千问
开发者和企业用户
- 中文与开源生态:Qwen、DeepSeek、GLM
- 长上下文和复杂推理:GLM、Kimi、Qwen
- 代码与智能体:DeepSeek、Qwen、Claude、GPT
- 私有化部署:Qwen、DeepSeek、GLM、Llama、Mistral
- 国际搜索与生态:ChatGPT、Gemini、Claude
最简单的选型原则
- 不知道选哪个:先选一个国内综合助手;
- 要处理长文档:选擅长长文本的产品;
- 要写代码:选编程和推理能力较强的产品;
- 要生成图片视频:选专门的多模态产品;
- 涉及企业数据:优先私有化部署或专属接口;
- 结果很重要:用两个模型交叉验证。
结论
国内外并不存在一款“在所有任务上永远第一”的大模型。国内模型在中文表达、本地服务、开源生态和综合性价比方面优势明显;国外模型在全球化生态、搜索、编程、多模态和企业工具链方面积累较深。
对普通用户而言,最好的方法是:
先明确任务,再选择工具;先生成初稿,再交叉核验;把大模型作为智能助手,不把最终责任交给模型。
模型会不断更新,真正长期有效的是任务拆解能力、提示词表达能力、资料核验能力和工具组合能力。
【版权声明】本文为华为云社区用户原创内容,未经允许不得转载,如需转载请自行联系原作者进行授权。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)