AI 模型用途總覽——2026 年你該知道的模型地圖
2026 年 AI 模型按用途分成七大類、20+ 個子用途。這篇是「AI 模型家族」系列的導讀地圖——從用途找模型、從模型找家族，附每個用途的選型建議和最新排名。
34 篇文章
AI 模型家族
從演化脈絡、架構、授權陷阱到版本選型，逐一拆開 Qwen、DeepSeek、Claude、GPT、Gemini、Llama、Mistral、GLM、Kimi 等主流模型家族，並附 Agent 開發者的選型建議。
系列導讀
DeepSeek——從 MoE 實驗室到 OpenRouter 用量第一的開源王者
DeepSeek 用 MLA + MoE 兩項架構創新把推論成本壓到業界最低，V4 Flash 以 13B 活躍參數跑出接近前端模型的品質，成為 OpenRouter 用量第一。這篇追蹤從 V1 到 V4 的演化、R1 推理線的分叉、以及每個版本該怎麼選。
Qwen——從 0.8B 到 2.4T 全尺寸開源，HuggingFace 下載量王者的雙軌打法
Qwen 是 HuggingFace 下載量最高的模型家族，尺寸從 0.8B 一路涵蓋到 2.4T。2026 年 8 月阿里首度開源 Max 級旗艦權重（Qwen3.8-2.4T-A95B），但授權換成了自訂條款而非慣例的 Apache 2.0；同期開源、筆電就能跑的原生視覺模型 Qwen3.8-27B 反而是新面孔裡唯一的 Apache 2.0。這篇追蹤 Qwen 從 2023 年到 3.8 世代的演化、開源線與商用線的分家邏輯，以及每一層該怎麼選。
GPT——閉源 API 收營收、開源 GPT-OSS 補生態，統一路由架構的全球最大 AI 平台
GPT 是 OpenAI 推出的 LLM 家族，從 2018 年的 117M 參數到 2026 年的 GPT-5.6 Sol/Terra/Luna 三層產品線，擁有超過 10 億使用者和 200 萬企業客戶。GPT-5.6 Sol 在 LiveBench 81.1%、Terminal-Bench 2.1 88.8%、Artificial Analysis Coding Agent Index 80 等多項 benchmark 領先，同時首次推出開源模型 GPT-OSS（Apache 2.0）。
Gemini——Google 的原生多模態旗艦，1M context 與科學推理的雙料冠軍
Gemini 是 Google DeepMind 推出的原生多模態 LLM 家族，以 1M context window、原生影片/語音輸入和科學推理能力聞名。3.1 Pro 在 GPQA Diamond 94.1% 和 ARC-AGI-2 77.1% 拿下科學推理雙冠，定價 $2/$12 只有 Claude 的 1/6。3.8 Flash 以 $0.75/$3.75 提供追平 frontier 的 agentic coding 能力（Terminal-Bench 2.1 89.4%、DeepSWE v1.1 73.7%），且 3.6／3.7／3.8 連續三代不漲價。
Llama——從開源實驗到部署量最大的開源 LLM，以及 Meta 的閉源轉向
Llama 是 Meta 推出的開源 LLM 家族，以企業部署量最大、生態最成熟聞名。Llama 4 Scout（10M context）和 Maverick（17B active / 400B total MoE）是目前的開源多模態標竿，但 Meta 已在 2026 年 4 月轉向閉源 Muse Spark——Llama 4 很可能是最後一個主要的開源 Llama，且授權不是真正的開源（Llama 4 Community License，月活超 7 億需另外授權）。
Mistral——歐洲的開源 AI 挑戰者：用更小模型和歐洲主權打一場不一樣的仗
Mistral 是歐洲最成功的 AI 新創，以「更小、更快、更便宜」的策略和歐洲資料主權定位在 AI 市場殺出血路。Mistral Large 3 是歐洲最強的商用 LLM，Small 4 是 24B 級別的效率之王，Medium 3.5 則是專為 agentic coding 優化的 Modified MIT 開源模型。它的護城河不是技術規模，而是「歐洲合規」這張牌。
Claude——從 AI 安全實驗室到 SWE-bench 冠軍，閉源 Agent 最強選擇
Claude 是 Anthropic 推出的閉源 LLM 家族，以 Constitutional AI 訓練、Agent 能力和 Coding 表現聞名。2026 年 7 月的 Opus 5 以 SWE-bench Verified 96% 拿下 coding 冠軍，Fable 5 則以 LiveBench 83% 領跑通用能力。四層產品線（Fable / Opus / Sonnet / Haiku）從 $1 到 $10 覆蓋不同場景，是系列裡唯一完全沒有開放權重的家族。
GLM——從清華實驗室到 744B 開源旗艦，以及 GLM-5.3 的資安突襲
GLM 是智譜 AI（Z.ai）推出的開源 LLM 家族，源自清華大學 KEG 實驗室。GLM-5.3（2026/08）在 coding benchmark 比前代提升 50%，CyberGym 84.5% 超過 Anthropic Mythos 5 與 OpenAI GPT-5.6 Sol，在 Artificial Analysis Intelligence Index 得分 60 與 Kimi K3 並列開源第一。它是目前唯一完全在華為昇騰晶片上訓練出的前沿開源模型。
Kimi——從 200K 長文本工具到 2.8T 開源前沿，以及 K3 的架構躍進
Kimi 是月之暗面（Moonshot AI）推出的 LLM 家族，以超長 context 起家。2026 年 7 月發布的 Kimi K3 是全球首個開源 3T 級模型——2.8T 參數、104B 活躍、1M context，在 Artificial Analysis Intelligence Index 得分 60 與 GLM-5.3 並列開源第一。其 Kimi Delta Attention 架構帶來 2.5 倍 scaling 效率提升。
Cohere——RAG 原生的異類：Command、Embed、Rerank、Aya 四支柱怎麼選
Cohere 是唯一把生成、檢索、重排、多語言四條線都做成產品的模型家族。Command A 111B 以兩張 GPU 跑 256K 上下文、Embed v4 支援圖文混合檢索、Rerank v4 32K 處理半結構化資料、Aya 覆蓋 101 種語言——四件套為 RAG 而生，這篇拆開每一塊的定位、授權與選型。
Grok——從 314B 開源賭注到 Grok 4.6/Build/Imagine，xAI 的分發驅動追趕
Grok 是 xAI 的 LLM 家族，2023/07 成立、2024/03 以 314B MoE Apache 2.0 開源起手，兩年半迭代到 Grok 4.6（500K、$2/$6、四檔推理）與 2M 的 Grok 4 Fast；另有 Imagine 圖像/影片與 Grok Build 終端 coding agent——護城河在分發（X / grok.com / Tesla / Bedrock），而非單點模型能力。這篇追蹤 Grok 1→4.6 的演化、子線定位、定價與授權陷阱。
Apple Foundation Models——隱私優先的封閉生態 AI，20B 稀疏模型跑在手機上
Apple Foundation Models（AFM）是 Apple 自研的封閉生態 AI 家族，三代演進從 2024 年的 3B dense + LoRA adapter，到 2026 年的五個模型。AFM 3 Core Advanced 用 IFP 稀疏架構把 20B 跑在手機上（只啟動 1–4B），雲端最強的 Cloud Pro 跑在 Google Cloud NVIDIA GPU、用 Gemini 蒸餾精煉。沒有公開 API 定價，沒有第三方 benchmark，只透過 Foundation Models framework 給 iOS/macOS 開發者使用。
Ornith：小團隊用自我改進 RL 做出的開源 Coding 黑馬
DeepReinforce 用 self-improvement RL 訓練的 Ornith 1.5 家族：397B 旗艦在 SWE-bench Verified 拿 86.0 追平 Claude Opus 4.8，35B-A3B 每 token 只啟用 3B 參數卻在同量級 coding benchmark 全面領先，9B 版本可以跑在手機上。MIT 授權、完全開源。
MiniMax：聊天機器人公司做出的 Coding 模型，性價比碾壓閉源
MiniMax 從消費級聊天 App 起家，M2.5 在 SWE-bench Verified 拿 80.2% 但 API 價格只有 Claude Opus 的 1/10-1/20；M3（456B 總量 / 45.9B 啟用）是首個在 SWE-bench Pro 突破 59% 的開源權重模型，還有 1M context。
Nous Research：從研究社群到開源 AI 生態系的反叛者
Nous Research 不預訓練，只做 fine-tuning 和 RL——Hermes 4 在 MATH-500 拿 96.3%，NousCoder-14B 只用 24K 樣本就把 Qwen3-14B 的 coding 能力拉高 7%。但真正的護城河是 Hermes Agent 框架：236K GitHub stars，全球第 19 名，3,000 位貢獻者。
FLUX——Stable Diffusion 原班人馬出走後造出的圖像模型家族，從 12B 到 Self-Flow 世界模型
FLUX 是 Black Forest Labs 的圖像模型家族——2024 年 8 月由 Stability AI 的 Stable Diffusion 原班人馬創立後首發，12B rectified flow transformer 一戰成名；兩年後家族已長成五層：klein 4B（$0.014 起、家族新一代唯一的 Apache 2.0）/9B、pro（$0.03）、flex（$0.05）、max（$0.07、可即時搜尋網路 grounding），外加 32B 開放權重的 dev；2026 年 8 月更用 FLUX 3 把影片＋同步音訊＋機器人動作收進同一個 Self-Flow 架構。這篇追蹤從 FLUX.1 到 FLUX 3 的演化、授權三層制與選型建議。
語音與音訊模型家族——Whisper 從開源改寫 ASR 到 ElevenLabs 收編語音 API，一條 ASR 一條 TTS 的四年演化
語音模型分兩條線：ASR 線由 Whisper 主導——2022/09 以 MIT 開源 1.55B 模型把轉錄成本打到趨近於零，v2→v3→turbo（decoder 32 層砍到 4 層）之後 OpenAI 轉閉源推 gpt-4o-transcribe；TTS 線則是 ElevenLabs 用品質與生態從新創做到 $11B 估值、$500M ARR，開源陣營靠 Kokoro（82M、Apache 2.0）與 Chatterbox 守住自架陣地。即時對話已被 speech-to-speech 的 Realtime API 重寫遊戲規則。
影片生成模型家族——Sora 退場、Veo 3.1／Kling 3.0／Gen-4.5 三強割據的兩年軍備競賽
2024 年 2 月 Sora 預覽震撼業界，兩年半後格局翻轉：OpenAI 於 2026 年 4 月關閉 Sora 消費者 App、API 排定 9 月 24 日退役；Veo 3.1 以原生音訊與 Flow 工具鏈成為敘事首選；快手 Kling 3.0 轉型統一多模態、年化營收 2.4 億美元；Runway Gen-4.5 曾登頂 Artificial Analysis 榜（2025-11 快照）、靠企業工作流站穩專業市場。這篇以家族×世代時間線拆解四大家的演化、規格定價對照與選型建議。
Inkling——從 OpenAI 出走團隊到 975B 開源旗艦，以及 Tinker 微調平台的生態賭注
Thinking Machines Lab（Mira Murati 2025 年創立，20 億美元 seed、估值 120 億美元）2026 年 7 月以 Apache 2.0 釋出 Inkling（975B 總參數／41B 活躍、1M context、原生多模態、可控思考）與輕量版 Inkling-Small（276B／12B），搭配 Tinker 微調平台，把「可自訂」本身做成產品。
百靈（Ling）——從萬億旗艦到 5.1B 高效執行節點，Ant Group 的三線 AGI 棋局
百靈以 Ling 執行、Ring 深度推理、Ming 多模態分工，主軸是同樣算力下的智效比；選型先看任務、部署預算與模態需求。
Laguna——從 33B 本機小鋼炮到 118B 長程推理，Poolside 三個月三連發的賭注
Laguna 是 Poolside 的 agentic coding 模型家族：XS 2.1 以 33B-A3B 跑進 36GB Mac，S 2.1 以 118B-A8B、1M context 在 Terminal-Bench 2.1 拿下 70.2%、DeepSWE 40.4%，兩者都掛 OpenMDW-1.1 開源。
Nex-N2.5——把視覺當介面的開源 agent 家族，從 35B mini 到 1.6T Max
Nex-N2.5 是 Nex AGI 的開源 agentic 模型家族：mini 以 35B-A3B 在 OSWorld-G 拿下 82.9 分，Pro 以 397B-A17B、87.4 分超車 Claude Opus 5，Max 以 1.6T 在 BrowseComp 以 92.6 分居全表之冠，三款都掛 Apache-2.0 開源。
Muse Spark——Meta 從 Llama 轉向閉源 agentic 模型的完整路線
Muse Spark 是 Meta 的閉源 agentic 模型線：1.3 以 1M context、多模態輸入與長程工具迴圈為主力，Standard 每 1M tokens 為 $1.25 input／$4.25 output，Contributor 則以資料訓練權換取 $0.10／$0.20。它不是 Llama 的下一版，而是 Meta 把模型、API 與 coding agent 一起產品化的另一條線。
Gemma——Google 的開源側翼：Gemma 4 轉向 Apache 2.0，從手機到工作站的全尺寸開放權重
Gemma 是 Google 對照 Gemini 閉源旗艦的開放權重（open weights）家族；2026 年 4 月的 Gemma 4（E2B／E4B／26B-MoE／31B）把授權從自家 Gemma Terms of Use 換成 Apache 2.0——這是全文最關鍵的變化，也是選型前必須先搞懂的事。
pplx-embed——Perplexity 的嵌入模型家族：單向量、上下文、late interaction 三條線怎麼選
pplx-embed 是 Perplexity 2026 年 2 月起陸續釋出的嵌入模型家族，分三條線：v1 單向量（0.6B／4B，API 每百萬 token $0.004／$0.03）、context 上下文嵌入（v1 4B 與 9B 預覽版）、v2-late 多向量（0.6B／9B，可直接搜 PDF 頁面圖片）。三條線解決不同問題，不是新舊取代。
Apodex：Reasoning-First 的長程研究與預測模型
Apodex 由 Apodex 團隊訓練，是一個 reasoning-first 的 Mixture-of-Experts 模型，專為複雜長程研究、預測與可驗證任務設計。搭配代理執行環境，可用工具處理檔案、資料與程式碼；原始模型 API 僅接收文字。
Cohere North：Cohere 首個 Agentic Coding 家族
Cohere 以 North 系列推出首個 agentic coding 模型，North Mini Code（30B total / 3B active sparse MoE），專為程式碼生成與自動化開發設計。提供 256K 上下文，並以 `north-mini-code:free` 形式在 OpenRouter 提供免費存取。
Dots Studio Dots：長上下文 MoE、多模態與工具工作流
Dots3-Note Preview 的 OpenRouter 頁列出長上下文、圖片輸入與工具呼叫；自架授權仍須取得可確認的官方資料。
Liquid AI LFM：裝置端推理與 Agent 工作流
LFM2.5-2.6B 是裝置端 hybrid 推理模型；官方權重與 OpenRouter 端點的上下文限制不同，部署前也要核對授權與資料條款。
LongCat 系列：美團開源 Agentic Coding 模型家族
LongCat-Flash 與 LongCat-2.0 是美團的開放權重 MoE 模型。本文依官方模型卡說明動態計算、LSA、長上下文與工具使用，並區分模型規格和託管端點限制。
NVIDIA Nemotron 系列：開放權重推理與多模態模型家族
Nemotron 涵蓋文字推理、多模態理解與安全分類；Ultra、Super、Lightning、Nano Omni 及 Content Safety 的架構、上下文與授權不同。本文區分官方模型規格與 API 端點限制。
Cloudflare 模型家族：Clef 決策模型與 Clairic 抽取模型怎麼選
Cloudflare 自研模型分兩條線：Clef 家族輸出選項機率（clef 27B、clef-flash 9B、clef-omni 30B-A3B），Clairic 輸出型別化值與區間。四者只計 input token（$0.038–$0.24/1M）、不計 output；Clef 三個以 Apache-2.0 開源可自架，Clairic 仍是託管預覽。決策類基準贏 Jev，深推理類輸 Jev。
決策模型怎麼選：Jev、Decider、d1-ultra、mammoth-1 與其他十幾家
決策模型把一般 LLM 的「生成一段文字、你再自己解析」換成「你先把選項列好，模型直接回每個選項的機率」。TypeSafe 在 2026-09-15 提出 System One 之後，一個多月裡這類模型從一家變成十幾家：Jev 1.14、OpenAI Decisions API、Perplexity Decider v1.2、Microsoft-Decision-1、Liquid d1-ultra、Base Labs mammoth-1、vLLM d3、StartLux、Fastino GLiDE、Celeris-1 Decision、Inception Mercury Decide、Cloudflare Clef。兩張榜單給的答案幾乎相反——社群 Jev Decision Index 0.4.1 冠軍是 GLiDE V1.2（71.5），獨立 Artificial Analysis Decision Index 冠軍是 d1-ultra（65.2）、Jev 1.14 只有 57.1。決策模型贏在分類與工具選擇，輸在知識與推理，而且普遍過度自信。