国外大模型
| 模型 | 技术架构 | 优势 | 劣势 |
| GPT系列（OpenAI） | 性能卓越，具备强大的文本生成、对话理解、知识问答等能力，能够进行复杂的逻辑推理和代码生成。 | ||
| Claude系列（Anthropic） | 整体性能强劲，尤其在语义理解和作为智能体的能力评测中表现突出 | ||
| Gemini系列（谷歌） | 原生多模态大模型，多模态能力、跨模态能力取得突破 | ||
| LLaMA系列（Meta） | 塑造了庞大的开源模型家族，LLaMA3能力大幅提升 | ||
| Bard（谷歌） | 擅长多模态信息的综合理解和分析，能够处理文本、图像、音频等多种类型的数据 | ||
国内大模型
| 模型 | 技术架构 | 优势 | 劣势 |
| 文心一言（百度） | 善于生成高品质的文章，能为创作者在内容创作方面提供智能助力，其翻译功能在国际教育交流中也有出色表现 | ||
| 讯飞星火（科大讯飞） | 语音识别技术在课堂录音、语音助手以及口语练习方面优势明显，可有效提升学生的口语水平和学习效率 | ||
| 通义千问（阿里巴巴） | 支持多模态数据处理、智能问答以及个性化学习路径推荐等教育应用场景 | ||
| Kimi模型（Moonshot AI） | 在自然语言处理领域表现出色，擅长情感分析和文本分类任务 | ||
| 豆包大模型（字节跳动） | |||
| 智谱ChatGLM系列（清华大学） | |||
| 日日新SenseNova（商汤） | |||
| DeepSeek-V3（深度求索） | 6710亿参数的混合专家架构，包含256个专家，每次选取前8个专家参与计算 | 训练成本仅为557.6万美元（其他主流大模型如GPT-4o等数亿美元训练成本） | |
