现在 AI 圈在卷什么（5 大技术方向科普）
📍 认识 AI 3/9 · 上一篇：← 大模型怎么工作的 · 下一篇：AI 端到端流程 →
每周都有新名词
Section titled “每周都有新名词”上周还在聊 GPT-5。这周冒出来 Claude Opus 5、DeepSeek V4、Gemini 3、Sora 2、Devin、Cursor、Manus。
你脑子里塞了一堆名字，但搞不清谁跟谁是一回事。
其实这些产品全部在卷 5 个方向之一。看懂这 5 个方向，整个 AI 圈在你眼里就整齐了。
5 分钟，我带你看一遍——顺便告诉你 Claude Code 在哪一层。
第一卷｜基础模型（Foundation Models）
Section titled “第一卷｜基础模型（Foundation Models）”「基础模型」= 大模型本体。所有 AI 产品的能力天花板由它决定。
打个比方：手机芯片。
你买 iPhone / 三星 / 华为，看似在选品牌，其实选的是里面的「A19 / 骁龙 / 麒麟」——芯片决定了手机能跑多快。
AI 产品也一样。你用豆包、ChatGPT 应用、Notion AI、Cursor，它们背后跑的都是「基础模型」——基础模型每升级一代，所有用它的产品一起变强。
谁在卷：
- OpenAI：GPT-5.6 系列（当家旗舰 Sol）；2026-09-03 发布新一代 GPT-6 Astra，先给企业客户和 ChatGPT Pro 档，Plus 之后（三巨头同周上新那篇）
- Anthropic：Claude 5 家族（Fable 5.1 / Opus 5 / Sonnet 5；Fable 5.1 于 2026-09-01 上市，价格不变、缓存读取降 75%）
- Google：Gemini 3 系列（2026-09-02 最新是 3.8 Flash，六周内第三个 Flash，主打推理和编程，半价促销到年底；旗舰 Pro 自年初以来未更新）
- DeepSeek：V4 系列（国产之光，2026-08 推出 V4 Pro 正式版，百万上下文；同月补上视觉模型，终于能看图了）
- 阿里：Qwen3.8 系列（2026-08 初发布 2.4 万亿参数旗舰 Qwen3.8-Max，月底又放出 Qwen3.8-Flash 并开源 Next 架构版，为下一代 Qwen4 探路）
- 字节：豆包大模型 2.x 系列；2026-08 把 Trae、扣子收进豆包，并推出 Agent 办公产品「豆包工作」（大厂合并周那篇）
- 腾讯：混元 Hy4 preview（2026-08-28 开源，7700 亿总参数、百万上下文，国产开源第一梯队）
- 智谱 / 月之暗面：GLM-5.3（2026-08-19 上线）与 Kimi K3，第三方评测里并列开源模型第一梯队；智谱 2026-09-02 在天猫开店卖订阅套餐（个人版 118 元 / 月起）
- Meta：Muse 系列（2026-08 转向开源路线，权重公开可下载）
卷什么：参数数量、训练数据规模、上下文窗口长度（能记多少东西）、推理能力、价格。
普通人能感觉到啥：每次「基础模型」升级，你用的所有 AI 产品同步变聪明——这就是为什么每次豆包大版本升级后，你会突然觉得它「会写小说了」。
第二卷｜RAG（检索增强生成）
Section titled “第二卷｜RAG（检索增强生成）”问题：基础模型有一个硬伤——它只知道训练截止那天之前的事。
今年开了什么新店、你公司昨天发的公告、最新的政策、上周的赛事结果，它一无所知。问它，它要么承认不知道，要么硬编（编出来的就是 AI「幻觉」）。
RAG 的解法：在 AI 回答之前，先去外面查一波资料——查互联网、查你的私有文档、查最新数据——把查到的内容塞进 prompt（提示词）里，再让 AI 答。
打个比方：开卷考试 vs 闭卷考试。
- 基础模型是闭卷（凭脑子里有的答）
- RAG 是开卷（边查资料边答）
谁在卷：
- Perplexity：「会查最新资料的 AI 搜索」
- Notion AI：能查你笔记里所有内容回答你
- 企业内部 AI：各公司搭的「我们公司专属 ChatGPT」
- 豆包搜索 / Kimi 搜索：你问最近的事，它去网上现查
普通人能感觉到啥：豆包搜索时给你的最新答案、公司内 AI 知道公司内部资料、AI 总结一篇你刚发的文章——这背后都是 RAG。
第三卷｜Agent（智能体）—— Claude Code 在这里
Section titled “第三卷｜Agent（智能体）—— Claude Code 在这里”这是 2025-2026 最热的赛道。
问题：以前的 AI 只能「告诉你怎么做」。
你问：「我桌面上 50 张报销发票怎么整理？」 它答：「你可以打开 Excel，然后……」
然后呢？然后你自己去开 Excel，自己一张张录，自己算。AI 在屋外指挥，你在屋里干活。
Agent 的解法：让 AI 真的去做——读你的文件、跑你的命令、点你的网页、调你的 API（程序接口）、改你的代码——一个任务分成多步它自己走完。
打个比方：
以前的 AI 是「客服告诉你怎么改密码」——你照着教程一步步做。
Agent 是「客服直接帮你改了密码并给你截图确认」——你只看结果。
谁在卷：
| 类型 | 代表产品 |
|---|---|
| 代码 Agent | Claude Code、Cursor、Codex CLI、Devin（Cognition 出品） |
| 通用 Agent | Manus、字节豆包 Agent、OpenAI ChatGPT agent |
| 企业 Agent | Salesforce Agentforce、Glean 等 |
普通人能感觉到啥：从「我问 AI 怎么整理 50 份发票」变成「我让 AI 去 整理 50 份发票」——回来 Excel 已经在桌面上了。
Claude Code 就在 Agent 这一层。这是 niuxue.org 主推的方向。
为什么？因为其他 4 个方向都还是「AI 给你信息」，只有 Agent 是「AI 替你干活」——直接帮你省时间 / 赚钱。普通人 2026 年最该学的就是这一层。
第四卷｜多模态
Section titled “第四卷｜多模态”问题：早期 AI 只能处理文字。
但人类世界 80% 的信息在图、视频、声音里——你拍一张冰箱里的菜，想问「今晚做啥」；你录一段会议，想要纪要；你画一个 UI 草图，想要前端代码。文字 AI 全部抓瞎。
多模态的解法：让一个模型同时能读懂 / 生成 文字 + 图 + 视频 + 音频。
打个比方：早期 AI 是只会读字的盲人。多模态是能看能听能说的全能人。
谁在卷：
| 方向 | 代表产品 |
|---|---|
| 视觉理解 | GPT-5.6 看图、Claude 看图、Gemini 3 看图、DeepSeek 看图（2026-08 补课） |
| 图像生成 | Midjourney、Stable Diffusion、即梦、可灵 |
| 视频生成 | Sora 2、Runway、可灵、Veo |
| 语音 / 音乐 | ElevenLabs、Suno |
普通人能感觉到啥：拍照丢给 AI 让它分析、让 AI 帮你做短视频、让 AI 配音、让 AI 把你画的草图变成产品。
第五卷｜推理模型（Reasoning Models）
Section titled “第五卷｜推理模型（Reasoning Models）”这是发展史那篇提过的——2025 突破，2026 爆发的方向。
问题：普通模型「张口就来」——你按回车它就开始打字。遇到简单问题没事，遇到复杂数学题、长链 debug、设计题，容易瞎答（凭直觉硬编，答错了还很自信）。
推理模型的解法：让模型先「内心思考」十几秒到几分钟，把推理过程一步步写出来，再给最终答案。
打个比方：考试场上——
- 简单填空题：秒答（不用打草稿）
- 复杂应用题：先打草稿，反复推，再写答案
普通模型只会秒答。推理模型学会了打草稿再答。
谁在卷：
| 厂商 | 产品 |
|---|---|
| OpenAI | GPT-5.6 思考模式（前身是 o 系列） |
| Anthropic | Claude extended thinking（扩展思考）模式，Claude 5 默认开启 |
| DeepSeek | V4 系列深度思考（前身是 R1） |
| Gemini Pro Thinking |
普通人能感觉到啥：让 AI 解奥数题、规划复杂行程（5 天 6 城路线 + 预算）、debug（排错）一个反复改不对的 bug——质量明显比两年前好一大截。
Claude Code 在哪一层
Section titled “Claude Code 在哪一层”到这里你脑子里应该有这张图了——
基础模型（GPT / Claude / DeepSeek / Gemini） ↓ 是所有 AI 产品的「芯片」（能力天花板） ↓ ┌──────────┬──────────┬─────────┬─────────┐ │ │ │ │ │ RAG Agent 多模态 推理模型 外挂资料 真的干活 看听说全能 打草稿再答 │ │ │ │ Perplexity Claude Sora DeepSeek V4 Notion AI Code Midjourney GPT-5.6 思考 公司内 AI Cursor 可灵 Manus ↑ Claude Code 在这普通人 2026 年最值得花时间学的就是 Agent 这一层。
为什么？前面 4 层都还停留在「AI 给你信息」——你拿到回答之后还要自己动手。
只有 Agent 是「AI 替你干活」——你给一个目标，它从头跑到尾。
这就是为什么 niuxue.org 把 Claude Code 当主线讲——它是当下 Agent 形态最成熟、最适合普通人入门的代表。
—
下一篇我们看 AI 是怎么训练出来的 + 怎么被用的端到端流程——两条线一次讲清楚。