主题
字号
PART VI · 2026 产业地图
CHAPTER 31 ≈ 40 MIN READ

谁是谁的孩子——模型谱系与换代节奏

前两章讲了两个阵营的公司与战略；这一章换一个视角——把模型本身排成家谱。第一卷第八章教过你读懂一次发布、区分"基模"与"版本语义"；这一章是那套读法的产业级兑现：我们要把 2026 年你叫得出名字的几十个模型，按血缘关系摊成一张家族树，让你一眼看清谁是谁的孩子、谁和谁是兄弟、以及各家换代的节奏为什么如此不同。这是一张会过时的地图（卷首说过，本卷是"截至 2026 年 7 月的快照"），但读图的方法不会过时。

3.1 一条产品线里的三种"新版本"

先把第一卷的工具磨快。当一家公司发布"新版本"时，它可能是三件性质完全不同的事，而外界最大的误读就是把它们混为一谈：

换基模（整数级换代）——重新预训练一个新的基础模型，几个月、几千万美元的重注。能力天花板被抬高，架构革新（新注意力、新 MoE 配方）只能搭这班车上线。DeepSeek V3→V4 就是典型：全新预训练、32T token、新注意力、原生 1M 上下文——这是"两个系列"级别的事件。

续训（小数点级）——在同一基模上继续训练，扩展某种能力。DeepSeek V3→V3.1 是长上下文续训，V3.1→V3.2 是把稀疏注意力"改装"上去——底盘没换，只是加装。

翻新后训练（同基模、换配方）——基模一个参数不动，只重跑第四卷讲的那条后训练流水线。DeepSeek V3-0324 是最干净的例证：同一个 V3 基座，吸收了 R1 的推理 RL 成果，数学代码能力跳一大级——"小版本更新到底更新了什么"的答案就是这个。

三种事件的成本差着一到两个数量级，而营销命名常常故意抹平这个差别（第一卷讲过：版本号是市场部和工程部拔河的结果）。带着这把尺，我们开始读图。

3.2 中国开源阵营：枝繁叶茂的家族树

开源阵营的谱系最清晰，因为技术报告把血缘写得明明白白。

DeepSeek 系是教科书般工整的一棵树。主干：V2（首创 MLA）→ V3（671B，细粒度 MoE + aux-loss-free）→ V3.1（长上下文续训）→ V3.2（DSA 稀疏注意力续训）→ V4（全新基模，1.6T）。主干上挂着两类果实：推理分支 R1（基于 V3-Base 纯 RL）及其后继；蒸馏分支 R1-Distill 系列（把 R1 的推理能力灌进 Qwen 和 Llama 的躯壳——注意这一支的"身体"是别人家的基模，"灵魂"才是 DeepSeek 的，这是谱系图上最有趣的杂交现象）。到 2026 年，推理线（R 系列）被并进了主线的双模式模型，R2 迟迟未出——因为 V3.2-Speciale 和 V4 已经把推理能力承接了。

Qwen 系（阿里）是另一种形态——不是一棵深树，而是一片同代覆盖全尺寸的灌木丛。同一代（如 Qwen3）从 0.6B 到旗舰 235B 全谱系铺开，小模型多由大模型蒸馏而来（第四卷的"大模型当教师"分工写在家谱里）。代际上 Qwen3→Qwen3.5 是新架构新基模，而 3.5→3.6→3.7 是快速迭代。一个值得记的花絮：Qwen3 曾把"思考/不思考"融进一个模型，半年后又拆回两个——家谱上出现了"先合并、再分家"的罕见枝节。

**Kimi 系（月之暗面）**的家谱短而陡：K2（1T，384 专家）→ K2.6（同架构加多模态）→ K3（2.8T 全新基模+KDA 线性注意力+896 专家）。K2→K3 是明确的换基模+换架构，一次豪赌式的跨代——从家谱看，月之暗面走的是"少而重"的路线，与 Qwen 的"多而全"形成鲜明对比。

其余枝干：GLM（智谱）的 GLM-4.5→5→5.2 稳步走稀疏注意力路线；MiniMax 的 M1→M2→M3 是全书最曲折的一支（线性→回退全注意力→转稀疏，三代三条路，第一卷第五章的"没有共识"活案例）；字节豆包、腾讯混元、百度文心、阶跃各有自己的小树，多数不完全公开血缘。

3.3 美国闭源阵营：看不见血缘的家谱

美国前沿阵营的家谱要靠"考古"——参数、架构、基模关系一律不披露，只能从发布节奏和能力跃迁反推（第一卷第八章教的三条线索：发布间隔、能力跃迁形态、定价结构）。

OpenAI 的 GPT 线：GPT-4 → 4o/4.5（4.5 是那个"平淡的最大基模"，第二卷的关键证据）→ GPT-5（2025-08，统一 router 架构，把独立的 o 系列推理模型并入主线）→ 5.1/5.2/5.4 快速迭代 → GPT-5.5（罕见地有公开证据是新基模，预训练代号 "Spud"）→ GPT-5.6（2026-07，Luna/Terra/Sol 三档）。这条线最大的谱系事件是 o 系列的"合流"：曾经 o1/o3 是独立的推理产品线，2026 年初被整体退役、能力融进 GPT-5 家族——"推理模型"从一个物种降格为旗舰内的一个档位（第四卷末章的三段论）。

Anthropic 的 Claude 线：最耐人寻味的谱系。它是一个能力分层的命名体系——Haiku < Sonnet < Opus < Fable/Mythos，同一代里按"个头"分三四档（快而便宜的 Haiku 到最强的 Mythos 级）。2026 年的大事是启用了高于 Opus 的全新 Mythos 层级（Fable 5 是首个公开可用的 Mythos 级模型）——命名体系本身在暗示底盘换代，但官方一个参数都不给。点版本（Opus 4.5→4.6→4.7→4.8 半年四发）大概率是后训练迭代。

Google 的 Gemini 线：2.5 → 3 → 3.5，而 3.5 Pro 的谱系里藏着一个公开的"事故"——原基模因结构性缺陷被推倒重建、屡次跳票，是"换基模是一场豪赌、可能失败"的罕见公开案例（第二卷讲过预训练不可试错）。xAI 的 Grok 线（4→4.1→4.5）和 Meta 的 Llama 线（4→5）各成一支，前者绑定自建算力、后者是美国开源的旗帜。

3.4 一张读得懂的家谱：三个规律

把两个阵营的家谱合起来看，浮现出三条跨公司的规律，它们比任何单个模型都更耐久：

**规律一：基座复用，后训练狂奔。**几乎所有公司都是"基模用数月到一年，后训练以周/月迭代"（第四卷的"持续交付"）。所以一年里一家公司发五六个"新模型"，背后往往只有一两个真正的新基模。数发布数量会高估进展，数基模数量才是真实的换代频率。

**规律二：能力靠蒸馏向下扩散。**每家的小模型基本都是大模型的蒸馏产物（第四卷"大模型当教师"）。所以家谱不只有"父子代际"的纵向血缘，还有"大教小"的横向血缘——DeepSeek 的推理能力甚至横向蒸进了 Qwen 和 Llama 的身体。能力的传播比基模的繁衍快得多。

**规律三：透明度是一条政治分界线。**开源阵营的家谱清晰可考，闭源阵营的家谱靠猜——这不是技术差异，是战略选择（下一章会看到，"开源还是闭源"本身就是最大的战略分野）。一个读图的实用建议：看到中国模型的发布，去读技术报告；看到美国旗舰的发布，去数发布间隔、查知识截止日期、比定价结构——两种阅读法，对应两种披露文化。

家谱读完了。但家谱只告诉你"谁生了谁"，没告诉你"这些家族在争夺什么、靠什么活下去"。下一章转向算力与地缘——这些模型背后的钢铁、电力与国界之争；再下一章是钱——谁在盈利、谁在烧钱、这场竞赛能烧多久。

本章要点