🧭 AI Navigator

Appearance

0.4 当前技术版图 ​

🕐 内容截至 2026-07

AI 领域的新东西太多，很容易陷入"什么都想学、什么都没学透"的状态。这一节帮你建立一张地图，知道哪些东西在哪个位置。

这是一张 2026 年中的快照，必然会过时——里面的型号名、产品名几个月后就会换新。所以重点不是记住这些事实，而是记住分层方式和选型思路：看法比事实重要。

整体版图 ​

┌─────────────────────────────────────────────┐
│              你能直接使用的层                  │
│  Claude / GPT / Gemini / DeepSeek / Qwen    │
│        Codex / Cursor / Claude Code          │
├─────────────────────────────────────────────┤
│              工程能力层（重点学习）             │
│   Prompt工程 · RAG · Agent · MCP · 评估     │
├─────────────────────────────────────────────┤
│              基础设施层（理解即可）             │
│   向量数据库 · 模型服务 · API 网关            │
├─────────────────────────────────────────────┤
│              模型层（了解原理）                │
│   Transformer · 训练 · Fine-tuning          │
└─────────────────────────────────────────────┘

你现在主要在顶层，目标是把中间两层也搞透。底层的模型层，了解原理就够，不需要自己动手。

主要模型提供商 ​

国际厂商：

提供商主要模型特点
AnthropicClaude Opus 4.8、Sonnet 5（2026 年中）代码与 Agent 能力强、1M 上下文、安全性高
OpenAIGPT-5 系列（2025-08 首发起持续迭代）生态最成熟、工具最多，旗舰支持 1M 上下文
GoogleGemini 3.1 Pro（2026-02）多模态强、超长上下文、与 Google 生态集成好
MetaLlama 系列开源、可以本地运行
MistralMistral、Codestral轻量、开源

国产厂商（国内做工程通常优先这些，详见 0.5 国产大模型生态）：

提供商主要模型特点
深度求索 DeepSeekDeepSeek-V4（Pro/Flash）性价比极高、代码与推理强、MIT 开源权重
阿里 通义千问Qwen 系列生态最全、模型矩阵最大、有 Embedding；旗舰转向闭源，开源线继续覆盖垂类
智谱 GLMGLM-5.2MIT 开源权重，编程基准追近闭源旗舰
字节 豆包Doubao 系列价格激进、火山引擎生态

2026 年值得记住的两个变化：1M token 上下文已成旗舰标配；开源权重模型（DeepSeek V4、GLM-5.2、Kimi K3）首次在编程基准上追近闭源旗舰——"开源等于落后一代"的旧印象不再成立。另外各家还分化出了专用编码模型产品线（如 Codex 专属变体、GLM 的编码旗舰），写代码和日常聊天可以选不同的模型。

📌 你不需要每个都会用。选 1-2 个主力（根据你的项目），深入理解它的特性和限制就够了。国内项目建议主力 DeepSeek，补位阿里百炼。

工具生态 ​

开发辅助类（你正在用的）

  • Claude Code — Anthropic 官方 CLI，支持 Agent 模式
  • Codex — OpenAI 的代码 Agent
  • Cursor — AI 增强的 IDE
  • Devin Desktop — 原 Windsurf，被 Cognition 收购后于 2026-06 更名
  • Antigravity CLI — Google 的新一代 CLI，接替已于 2026-06-18 停服的 Gemini CLI
  • Pi、OpenClaw — 开源终端 Agent，可自托管、可换模型
  • GitHub Copilot — 嵌入式代码补全

框架类（用来构建 AI 产品）

  • LangChain、LlamaIndex — RAG 和 Agent 框架
  • Vercel AI SDK — 前端友好的 AI 集成
  • Mastra — 新兴的 Agent 框架

基础设施类

  • Pinecone、Weaviate、Qdrant — 向量数据库
  • OpenRouter — 统一的多模型 API 网关

哪些在快速变化，哪些相对稳定 ​

⚠️ 快速变化的（追热点意义不大）

  • 具体的模型版本（旗舰模型几个月就迭代一代，版本号追不完）
  • 新框架（每周都有人发布"更好的 LangChain"）
  • 各种 benchmark 排名

✅ 相对稳定的（值得深投资）

  • Transformer 架构的基本原理（2017年提出至今未变）
  • RAG 的核心思路
  • Prompt 工程的基本方法论
  • Agent 的设计模式
  • MCP 协议（刚刚标准化，生态在建立）

📌 关键结论 ​

  1. AI 版图分四层，你需要从顶层开始，向下逐层理解
  2. 不需要学所有模型，选 1-2 个深入就够
  3. 把时间投在"相对稳定"的部分，快速变化的部分跟踪就好，不要深钻
  4. 2026 年的格局：1M 上下文成旗舰标配，开源权重模型在编程上追近闭源——你的选型空间比以前大得多

下一节：0.5 国产大模型生态

写给自己的 AI 学习地图