文｜数据猿
"友商，你们拿什么和我比？"
"友商，你们拿什么和我比？"这不是哪家公司的狂妄宣言，而是当前 AI 战场最真实的写照。IDC 预测，2024 年，全球各组织将在人工智能上投入 2350 亿美元，2028 年这⼀数字将增长近三倍，超过 6300 亿美元。这预示着未来⼏年的复合年增长率（CAGR）将接近 30%。开源大模型以其开放、透明、可定制的特性，成为驱动 AI 加速创新进程的核心引擎，它们让全球的开发者和企业能够以前所未有的速度参与到 AI 的研发和应用中来。
不过我们也不能简单的认为就是各科技厂商之间的技术比拼，其背后更是各国较量科技实力的无声战场。还记不记得当时 DeepSeek 爆红引发的各种质疑，当时的外媒报道中充斥着大量对 DeepSeek 的质疑。今日头条的一篇文章中说"一个去年 7 月成立的公司，刚刚成立一年半，仅有 4 人缴纳社保，竟然能开发出全球顶尖的 AI 大模型，你们信吗？它就是——深度求索，开发了 DeepSeek 的公司。"
"大佬"的进阶之路
说一千道一万，回到日常生活，Meta 的 Llama 2 以开源之名横扫全球，Qwen 系列背靠阿里云势头迅猛，DeepSeek 以恐怖的技术指标席卷各大版面成功演绎什么叫"后来居上"。真正的实力面前，从来没有谦让，反而是对技术自信的张狂。很多用户可能会问，"这么多大模型公司，该怎么看谁更厉害呢？"今天，我们就来看看他们到底都看什么！先来整体梳理下这三家公司的发展脚步，大致如下图：
图：DeepSeek、Llama、Qwen 三家发展梳理图来源：数据猿经查找网络资料后制作
1. DeepSeek：后来居上，不是闹着玩的
DeepSeek 作为中国 AI 领域的新兴力量，在开源大模型赛道上展现出了令人瞩目的发展速度和技术实力，其发展时间线清晰且迭代迅速，在技术创新和市场响应上极具敏捷性。据大量新闻报道，今年 1 月 26 日晚，游戏科学创始人、CEO 冯骥发文，称"DeepSeek，可能是个国运级别的科技成果"。他还表示，如果有一个 AI 大模型做到了以下任何一条，都是超级了不起的突破，DeepSeek 全部同时做到了。
图：冯骥评 DeepSeek 来源：微博
DeepSeek 的旅程始于 2023 年，深度求索公司正式成立。随后，在短短一年多的时间里，系列模型经历了多次关键迭代。
·2023 年 7 月：DeepSeek 公司正式成立，标志着其在 AI 大模型赛道的布局。
·2024 年 1 月：DeepSeek 发布了首个通用语言模型 DeepSeek LLM，开启了技术追赶的序幕。
·2024 年 5 月：DeepSeek-V2 发布，总参数达 2360 亿，采用 MoE 架构优化，大幅降低成本并开源，迅速引发市场关注。
·2024 年 9 月：DeepSeek-V2.5 发布，融合代码生成与对话能力，拓展了多场景应用。
·2024 年 12 月：DeepSeek-V3 发布，总参数提升至 6710 亿，训练成本仅为 557.6 万美元，性能在多项评测中超越 Owen2.5-72B 和 LLaMA 3.1-405B。
·2025 年 1 月：DeepSeek-R1 发布，性能媲美 OpenAI，应用全球上线，全球和美国的日活跃用户数增长超 110%，登顶苹果应用商店免费下载排行榜。
·2025 年 1 月：DeepSeek-Janus-Pro 发布，支持文生图与多模态理解，挑战 OpenAI DALL·E和 Midjourney。
·2025 年 2 月：DeepSeek 应用持续登顶苹果中国和美国应用商店，在超过 140 个国家中排行第一位。
图：DeepSeek 模型迭代与发展历史沿革
来源:梳理网络信息及国信证券《电子 AI+ 系列专题报告（六）——DeepSeek 重塑开源大模型生态，AI 应用爆发持续推升算力需求》后制作
2. Llama：开源世界的"鲶鱼"
自 2023 年 2 月首次亮相以来，Meta 的 Llama 系列大语言模型（LLM）在 AI 领域掀起了巨大的波澜。从最初的 Llama-1 到如今即将发布的 Llama-4，这一系列模型不仅在技术上不断突破，更在开源社区和商业应用中展现出强大的影响力。
·2023 年 2 月 24 日：Meta 首次推出 Llama-1，包含 7B、13B、30B 和 65B 四个参数版本。Llama-1 凭借其出色的性能和开源特性，迅速成为开源社区的焦点。然而，由于开源协议限制，该版本不可免费商用。
·2023 年 7 月：Meta 发布 Llama-2，进一步扩充了模型规模至 70B，并引入了分组查询注意力机制（GQA），同时将上下文长度翻倍至 4096。Llama-2 不仅性能更强，还首次实现了免费可商用。
·2023 年 8 月：基于 Llama-2，Meta 发布了专注于代码生成的 Code-Llama，进一步拓展了 Llama 的应用场景。
·2024 年 4 月：Llama-3 正式发布，包含 8B 和 70B 两个版本，并支持 8K 长文本输入。该版本在多个基准测试中表现优异，超越了同期的多个先进模型。
·2024 年 7 月：Llama-3.1 发布，推出了 4050 亿参数的超大型模型，并将上下文长度提升至 128K tokens。
·2024 年 12 月：Llama-3.3 发布，仅 70 亿参数的模型在性能上比肩 Llama-3.1 的 4050 亿参数版本，同时大幅降低了推理和部署成本。
·2025 年 4 月：Llama-4 发布多次推迟，据新浪财经，关键原因是技术基准测试未达内部预期，如推理和数学任务有短板，模拟人类语音对话不及 OpenAI。
3. Qwen：阿里云的"生态王牌"
Qwen（通义千问）是阿里巴巴达摩院研发的大语言模型系列。其命名源自中文"通义千问"，寓意着致力于通过技术回答人类的各种问题。
·2023 年 4 月：通义千问上线并邀请用户测试体验，是国内最早一批类 ChatGPT 大模型产品。
·2023 年 6 月：聚焦音视频内容的工作学习 AI 助手"通义听悟"上线。
·2023 年 7 月：AI 绘画创作大模型"通义万相"开启定向邀测。
·2023 年 8 月：通义千问 70 亿参数模型 Qwen-7B 开源，阿里巴巴成为国内首个开源自研大模型的大型科技企业。
·2023 年 9 月：通义千问正式向公众开放。
·2023 年 10 月：通义千问升级到 2.0 版本，参数规模达千亿级。
·2024 年 6 月：Qwen2 系列发布，包含 0.5B 到 72B 多个尺寸。
·2024 年 9 月：Qwen2.5 系列发布，涵盖 0.5B 到 72B 多个尺寸。
·2025 年 4 月：Qwen3 系列发布，包含 0.6B 到 235B 多个尺寸。
图：通义千问对话页面来源：阿里云
性能 PK
Llama 副总裁 Ahmad AI-Dahle 于今年 4 月 6 日在社交媒体平台X发布了一张测试图片，并配文"截至今天，Llama4 Maverick 提供了一流的性能与成本比，其实验性聊天版本在 LMArena 上的 ELO 得分为 1417。"这位副总裁还感慨道几年前的 Llama 还是一个研究项目，真是令人难以置信。
1、ELO 评分
让我们来看看他发的这张图表，该图展示了不同语言模型在 LMArena 平台上的 ELO 评分与成本之间的关系。ELO 评分是什么？它通常用于衡量棋手的水平，这里被用来衡量语言模型的性能，成本则是指运行这些模型所需的费用。图中的每个点代表一个特定的语言模型，横轴表示成本（从$0.00 到$100.00），纵轴表示 ELO 评分（从 1200 到 1425）。
来源：Ahmad Al-Dahle 的X账号
我们可以从图片中看到 Llama 4 & Maverick 03-26 Experimental 和 GPT-4.0 (Mar 25) 位于图的右上角，表明它们具有较高的 ELO 评分和成本，意味着他们在性能上非常出色，但运行成本也相对较高；而 DeepSeek V3.1 (Mar 25) 和 DeepSeek RT 位于图的中间偏上位置，处于中等偏高的 ELO 评分和成本，因此，DeepSeek 可能在性能和成本之间的平衡比较好。最后，Qwen 2.5 Max 和 a3-mini (high)位于图的左下角，显示出较低的 ELO 评分和成本，意思是这类模型可能在性能上不如高成本模型，但运行成本较低，可能更适合预算有限的应用场景。不过，图中也列了一些可能会影响模型性能和成本的假设条件，如分布式推理、特定硬件配置、缓存等。以上测试结果也可能已经受环境影响得到优化。
图：主流大模型信息对比来源：国信证券《电子 AI+ 系列专题报告（六）——DeepSeek 重塑开源大模型生态，AI 应用爆发持续推升算力需求》
2、MMUL/s分数
根据国信证券汇总报告中已测试过的 MMUL/s分数，这三大模型均在开源领域处于领先地位，且性能已能与部分闭源模型匹敌：
·Llama3-405B 达到了 85.2 分，性能卓越
·Qwen2-72B 更是达到了惊人的 86.1 分，在开源模型中处于顶尖水平
·DeepSeek-V2-236B 也取得了 78.8 分，在保持大规模的同时兼顾了效率
高 MMUL/s分数意味着模型在推理任务上具有更高的效率和更快的响应速度，对实际应用，尤其是需要低延迟和高并发的商业场景至关重要。
在 Meta-Llama 官网中，我们看到它根据一系列不同语言的通用基准评估了模型性能，测试了编码、推理、知识、视觉理解、多语言和长上下文
图：基准来源：Llama 官网
3、Artificial Analysis 发布的"AI 智能指数"
4 月 8 日，Artificial Analysis 更新了 AI 智能指数，该指数对目前领先的 AI 模型进行综合评估，结合了 MMLU-Pro、GPQA Diamond、Humanity's Last Exam 等七项严苛的基准测试。在此次的结果中，Llama 4 系列模型表现尤为抢眼，逼近榜首。
图：Artificial Analysis Intelligence Index 来源：Artificial Analysis 的X账号（4 月 8 日）
根据 Artificial Analysis 的最新数据，Meta 的 Llama 4 Scout 和 Llama 4 Maverick 模型在智能指数上取得了显著进步。Llama 4 Scout 指数从 36 跃升至 43，而 Llama 4 Maverick 则从 49 提升至 50。
值得注意的是，在最初的评估中，Artificial Analysis 发现他们测量的结果与 Meta 声称的 MMLU Pro 和 GPQA Diamond 分数存在差异。进一步实验审查后，他们调整了评估原则，允许 Llama 4 模型在回答多项选择题时，即使答案格式与预期不同（例如，以"最佳答案是 A"的形式），只要内容正确，也视为有效答案。尽量避免不公平地惩罚那些以不同风格呈现答案但内容正确的模型，进而更准确地反映 Llama 4 系列的实际能力，这也就促成了 Scout 和 Maverick 智能指数的大幅提升。
来源：Artificial Analysis 的X账号（4 月 8 日）
☆DeepSeek V3 仍领跑，但 Llama 4 Maverick 效率惊人
尽管 DeepSeek V3 (0324) 以 53 分的成绩仍保持微弱领先，但 Llama 4 Maverick（50 分）的表现同样令人印象深刻。Maverick 在参数效率上展现了巨大优势，即它仅使用了 DeepSeek V3 大约一半的活动参数（170 亿 vs370 亿），并且总参数量也只有 DeepSeek V3 的约 60%（4020 亿 vs6710 亿）。更难得的是，Maverick 还支持图像输入。Llama 4 Maverick 可以在更精简的体量下实现接近顶级性能的能力，对那些追求高效部署和资源优化的开发者来说，无疑是吸引力满满呀。【备注：Artificial Analysis 强调，所有测试均基于 Hugging Face 发布的 Llama 4 权重版本进行，并通过一系列第三方云服务提供商进行了测试，以确保评估的公正性和广泛性。他们特别指出，评估结果不基于 Meta 提供的实验性聊天调优模型（Llama-4-Maverick-03-26-Experimental），强化评估的独立性。
用户数据对比
DeepSeek 的全球表现令人惊艳，根据 aitools.xyz 在 2025 年 5 月发布的"最受欢迎 AI 工具"榜单，DeepSeek 成功位列全球第四名，月访问量达到 580,248 次，环比增长 1.32%。DeepSeek 的 Web 流量增长轨迹更是有说服力，2024 年全年 DeepSeek 的 Web 总访问量为 2140 万次，独立访问量 545 万次；至 2025 年 5 月，DeepSeek 的 Web 总访问量飙升至 4.261 亿次，独立访问量达到 7250 万次。惊人的数据表明 DeepSeek 在不到一年的时间里，其总访问量实现了近 20 倍的惊人增长，独立访问量也增长了约 13 倍。进一步看，DeepSeek 在全球开源大模型市场的应用份额不断扩大。
图：DeepSeek web 流量数据统计（左：2024 年全年，右：2025 年 5 月）来源：aitools.xyz
再来看 Llama，在今年 3 月时，副总裁 Ahmad AI-Dahle 发文祝贺 Llama 下载量超 10 亿次，根据相关数据，这比 2024 年 12 月初报告的 6.5 亿次下载量有了显著增长，在短短三个月内增长了约 53%。
它在 2024 年全球总访问量达到 233.02K，独立访问量为 165.72K，相较于此前分别增加了 120.59K 和 77.57K，实现了高达 107.26% 的同比增长，在大型语言模型市场份额上，从之前的基础增长了 0.12%，达到了 0.22%。2025 年 5 月，Llama 的 Web 流量轨迹出现了显著的下行趋势。该月总访问量降至 15.33K，独立访问量为 12.53K，相比此前分别减少了 7.66K 和 7.91K，月环比下降了 33.33%。这一骤降也反映在其市场地位上，大型语言模型的市场份额回落至 0.14%，下降了 0.09%。尽管全球排名略有改善（从 2779 上升至 2669），但美国排名和大型语言模型排名仍在持续下降，这可能预示着在关键市场和核心领域竞争的加剧。
图：Meta Llama 流量数据统计（左：2024 年全年，右：2025 年 5 月）来源：aitools.xyz
此外，我们还对比了三家在 GitHub 上的星标数和 fork 数，这是 GitHub 上衡量项目受欢迎程度和参与度的两个重要指标。星标数代表了项目受到的关注程度，用户可以通过点击项目页面上的"Star"按钮来为项目添加星标。
来源：GitHub"Meta-Llama"
来源：GitHub"QwenLM"
来源：Github"DeepSeek-ai"
在关注者数量上，DeepSeek 以 78k 遥遥领先，显示出其在多模态理解领域的广泛影响力。Meta Llama 和 Qwen 虽然在关注者数量上不及 DeepSeek，但它们的项目同样在各自的领域内具有显著的影响力；在项目受欢迎程度上，DeepSeek 的 DeepSeek-V3 和 DeepSeek-R1 项目星标数远超其他两个组织，显示出其在社区中的极高人气。Meta Llama 的 llama 和 llama3 项目也表现出色，其在语言模型领域有强大的吸引力，Qwen 的星标数则相对较低；在项目多样性上，DeepSeek 的项目更侧重于多模态理解，Meta Llama 的项目集中在语言模型的开发和应用。而 Qwen 则在大语言模型和多模态模型方面有着更多的探索。
整体来看，DeepSeek、Qwen 和 Llama 在 GitHub 上的表现各有千秋，它们分别在多模态理解、大语言模型和语言模型领域展现了强大的技术实力和创新能力。Llama 的成功在于其极致的开放策略和强大的全球社区凝聚力；DeepSeek 则以其惊人的技术迭代速度和在全球用户侧的爆发式增长，迅速崛起为中国乃至全球开源大模型领域的一股重要力量；而 Qwen 则凭借阿里巴巴的强大生态支持和在国内市场的深厚根基，成为中国 AI 应用领域的核心引擎。随着技术的不断进步，我们可以预见这些模型持续赋能千行百业，但是不断优化模型架构、提升推理效率的同时，实在应当更加注重用户隐私和伦理问题。
