春节DeepSeek/通义千问神仙打架！最新开源大语言模型汇总！

春节期间的AI 圈里简直是中美AI神仙打架！

DeepSeek 、阿里、openAI三家AI大厂集体放大招，功能一个比一个狠，还全部开源！

接下来小编将根据开源时间线整合汇总，让大家一篇文章了解春节期间AI圈大事件！

2025年1月27日

Qwen开源首个长文本新模型，百万Tokens处理性能超GPT-4o-mini！

谈到大模型的“国货之光”，阿里云Qwen这边春节前夕也有新动作！

首次将开源Qwen模型的上下文扩展到1M长度。具体而言，这次的新模型有两个“杯型”：

它们在处理长文本任务中都已经实现稳定超越GPT-4o-mini，并且在处理百万级别长文本输入时可实现近7倍的提速！

百万Tokens长文本，可换算成10本长篇小说、150小时演讲稿或3万行代码。

两个月前， Qwen2.5-Turbo 升级了百万Tokens的上下文输入能力，广受开发者和企业欢迎。如今，开源社区可基于全新的 Qwen2.5-1M 系列模型，进行长篇小说或多篇学术论文的解析，或是探索仓库级代码的分析和升级。

在上下文长度为100万 Tokens 的大海捞针（Passkey Retrieval）任务中，Qwen2.5-1M 系列模型能够准确地从 1M 长度的文档中检索出隐藏信息，其中仅有7B模型出现了少量错误。

github地址：

HuggingFace体验地址：

2025年1月28日

DeepSeek深夜发布多模态大模型，图像性能跑分力压OpenAI竞品！

除夕深夜时分，DeepSeek 宣布开源一个名叫 “Janus-Pro” 的多模态模型，既能识别图像又能生成图像，号称“同时朝过去和未来看去”。这让不少人惊呼：DeepSeek 又来搞事情了？

DeepSeek工程师们在除夕时上传了Janus Pro 7B和1.5B模型。

它既能识别图片的内容（物体、文字、地标，甚至连动漫角色都行），还能像 Midjourney、DALL·E 3 那样根据提示生成图片。

DeepSeek 特地选了在除夕夜前抛出这个“多模态大模型”，目的很明显：不仅搞文本大模型，还要把视觉生成与认知玩起来。

而这次 Janus-Pro 再度“开源+免费”，宣示着他们不走闭源路线，而是通过让更多用户与开发者参与、共同迭代来获得先发优势和技术沉淀。

技术亮点

创新的自回归框架Janus-Pro-7B采用了一种新颖的自回归框架，将多模态理解和生成能力统一在一个模型中。

高效的视觉编码器在多模态理解任务中，Janus-Pro采用SigLIP-L作为视觉编码器，支持高达384x384像素的图像输入。

大规模参数与优化训练Janus-Pro-7B的参数规模达到70亿，是其前身Janus的7倍。

GitHub地址：

模型地址:

2025年1月29日

阿里春节放大招！发布Qwen2.5-Max，性能反超DeepSeek V3！

大年初一阿里放大招！通义千问Qwen2.5-Max硬核登场，与同为MoE架构的DeepSeek V3上演巅峰对决！

Qwen2.5-Max具有多种优势：

高效便捷：相比传统工具，Qwen2.5-Max增强了AI的响应速度，让用户不再遭受等待的烦恼，瞬时获取所需信息。

深度学习能力：该模型采用最新的神经网络技术，能处理复杂的文本问题，帮助用户解决数学、编程等方面的难题。

操作简单：不论您是AI新手，还是行业专家，Qwen2.5-Max都能提供清晰的操作指导，让使用过程轻松愉快。

适用广泛：无论是学生、职场人士，亦或者研究者，都能找到适合自己的应用场景，大大提升工作效率。

将 Qwen2.5-Max 与业界领先的模型（包括 DeepSeek V3、GPT-4o 和 Claude-3.5-Sonnet）的性能结果进行对比数据，让网友直呼"卷疯了"！

在基座模型的对比中，由于无法访问 GPT-4o 和 Claude-3.5-Sonnet 等闭源模型的基座模型，于是将 Qwen2.5-Max 与目前领先的开源 MoE 模型 DeepSeek V3、最大的开源稠密模型 Llama-3.1-405B，以及同样位列开源稠密模型前列的 Qwen2.5-72B 进行了对比。对比结果如下图所示。

Qwen2.5-Max 的基座模型在大多数基准测试中都展现出了显著的优势。

Github地址：

x/

2025年2月4日

OpenAI 发布Deep Research ，不到24小时开源复现项目疯狂来袭！

春季期间，OpenAI 又发新产品了，这次是面向深度研究领域的智能体产品 ——「Deep Research」。

而在一天之内，已经出现了多个Deep Research开源复现项目。让我们一起来看看吧！

一、Open Deep Research

Open Deep Research 是一个 AI 智能体，可以对大量的 web 数据进行推理，该方法没有使用 o3 的微调版本，而是使用了爬虫工具 Firecrawl 的提取 + 搜索功能以及推理模型来深入研究网络。

Open Deep Research背后默认的模型为 gpt-4o，如果想换个其他模型使用也是可以的，只需几行代码即可切换为 Anthropic、Cohere 等发布的模型。

项目地址：

二、OpenDeepResearcher

OpenDeepResearcher 是一个开源的自动化深度研究工具，旨在通过人工智能技术提升研究效率。该项目由 mshumer 开发，托管在 GitHub 上。

OpenDeepResearcher 利用多种服务和技术，包括 SERPAPI、Jina 和 OpenRouter，来执行谷歌搜索、网页内容提取和上下文分析。其核心功能是通过迭代研究循环，不断优化搜索查询，直到系统确信已收集到所有必要的信息。该工具还支持异步处理、重复过滤和 LLM 驱动的决策，确保研究过程高效且全面。

GitHub地址：

三、node-DeepResearch

node-DeepResearch是由 Jina AI CEO 肖涵（Han Xiao）创建。

该项目使用 brave进行搜索，在 nodejs 运行环境中，使用谷歌 gemini-flash 和 jina reader（Jina AI 推出的开源工具，将互联网上的 HTML 网页内容转换为适合 LLM 处理的纯文本格式）进行了复现。

它这个实现的原理很简单，就是在一个循环中进行搜索、阅读和推理，直到找到答案。

项目地址：