国内大模型与 chatgpt

小白可以不考虑第三点，前两点取决你的目的是要做什么

1. 你的指代太宽泛以至于无法给出切题的答案。请注意 ChatGPT 是产品不是模型。模型的能力是一个复杂的事情，各自有各自擅长的地方，例如 ChatGPT o3 擅长多轮搜索，Claude 擅长编码 agent ，Gemini 擅长长文本召回和多模态等等。

2. 目前总体来说御三家（ OpenAI, Anthropic, Google ）还是比国内的模型领先一大截的。不过还是那个问题，在会用且了解模型能力的情况下差距才能体现。

3. 虽然御三家基本上都对自己的模型架构守口如瓶，但是几乎可以肯定的是他们都基于一种非常基础且重要的组件 Transformer （由 Google 在 2017 年的论文 Attention is All You Need 提出）。在此基础上模型的其他组成会有一些差别，例如是 dense 模型或是 MoE 模型（目前推测御三家基本都在用 MoE, 其中 Gemini 在技术报告中直接说了，Deepseek V3 / R1 也是 MoE ），其他地方也会有些许差别。还有就是训练，除了训练数据量还有数据筛选清洗合成管线等等，以及各种训练参数，后训练（包括重强化学习用于训练推理模型）方案等等，这些也多属于独家秘方，就算是 Deepseek 这种开放团队在这方面公开的信息也是少之又少，更不用说商业模型了。

没太大区别，qwen3 已经很聪明了，只是国内没有对软件付费的习惯，搞付费了活不下去

这个问题三言两语回答不清楚，我的总结是都用，多用就知道效果如何了，然后想深入原理的话可能要专门学一下了。

国内还在竞争，肯定会提供免费的产品。

这些 ai 都是基于 Google 2017 年发表论文《 Attention is All You Need 》，没有多大区别，你就把 ai 当做一个人，国内的中文知识要多一些，看你要做什么来选择。

国内的宣传性高于实用性，自己体验下来就是不行，特别是吹的天花乱坠的 DS 和豆包，动不动就做很荒谬的自圆其说和恶意推定

对大部分普通用户来说，差距很小

2. 看你的问题的领域。有些领域差距挺大的。正常问答、问代码可能差距还没这么大。比如我前阵子闲着无聊就给自己库存的 ACG 壁纸自动 tag 写回文件方便分类，因为出来的 tag 都是英文或者罗马音，不可避免要批量翻译成中文。我试了一下主流 LLM ，差距还是蛮明显的。