大模型的分类到底怎么分：从基础模型到推理模型、从通用到专用的完整图谱

核心结论：大模型「分类」没有唯一答案，不同维度切出来的类别完全不同，但有三条主线索最实用：① 按能力定位——基础模型（Base）、指令微调模型（Instruct）、推理模型（Reasoning），对应「会续写 → 会听话 → 会思考」三个层次；② 按应用领域——通用大模型（L0）、行业大模型（L1）、垂域大模型（L2），对应「通识教育 → 行业熟手 → 场景专家」；③ 按模态与架构——纯语言 / 多模态、稠密（Dense）/ 混合专家（MoE）。理解这套分类，你才能知道该选哪个模型、为什么同一个模型家族要分 base 和 chat 两个版本、以及「推理模型」凭什么更贵。

目录

• 1. 一句话结论
• 2. 为什么大模型「分类」说不清：维度不同、答案就不同
• 3. 按能力定位分（Base / Instruct / Reasoning）：会续写、会听话、会思考
• 4. Base 基础模型：只会续写的「百科全书式新员工」
• 5. Instruct 指令微调模型：学会「听话」的对话助手
• 6. Reasoning 推理模型：会「停下来想」的思考者
• 7. 按应用领域分（L0 / L1 / L2）：通用、行业、垂域
• 8. 按架构分：稠密 Dense vs 混合专家 MoE
• 9. 按模态分：纯语言 vs 多模态
• 10. 一张总表：三种分类维度的对照
• 11. 完整可运行代码：用 HuggingFace 区分三种模型
• 12. 对照表：症状 → 原因 → 解法
• 13. 判断收尾

1. 一句话结论

先建立一个直觉 🎭：大模型分类像「给员工分职级」——同一个人的学历（能力定位）是一回事，他在哪个部门（应用领域）是另一回事，他是什么部门类型（架构）又是第三回事。你不能用「他是研究生」来回答「他是哪个部门的」，这两件事本就独立。

所以记三个最实用的分类框架：

• 能力定位（最重要）：Base（会续写）→ Instruct（会听话）→ Reasoning（会思考）。
• 应用领域：L0 通用（通识）→ L1 行业（熟手）→ L2 垂域（专家）。
• 架构 / 模态：Dense vs MoE、纯语言 vs 多模态。

一句话：先搞懂「能力定位」这一维，你就已经解决了 80% 的选型问题——其他维度是锦上添花。

2. 为什么大模型「分类」说不清：维度不同、答案就不同

很多人问「大模型分哪几类」，得到的答案五花八门，是因为大家都从不同维度回答：

• 有人说分「通用 / 行业 / 垂域」——这是按应用领域切。
• 有人说分「基础 / 对话 / 推理」——这是按能力定位切。
• 有人说分「稠密 / 稀疏」——这是按架构切。
• 有人说分「语言 / 视觉 / 多模态」——这是按输入类型切。

这些答案都对，但它们属于不同的坐标系。一个模型可以同时是「通用 + Instruct + MoE + 多模态」，就像一个人可以同时是「研究生 + 技术部 + 程序员」——四个标签来自四个维度，彼此不冲突。

⚠️ 理解这一点是读懂本文的前提：「大模型分几类」没有一个标准答案，只有「按这个维度分几类」。 接下来分别讲三条最常用坐标轴。

3. 按能力定位分（Base / Instruct / Reasoning）：会续写、会听话、会思考

这是最实用的分类维度，因为它直接对应「你下载模型时会看到的三个版本名」——几乎所有主流模型家族（Qwen、Llama、DeepSeek 等）都会发布这三个版本：

• Base 基础模型：预训练（pretraining）后的原始 checkpoint，只会「续写下一个 token」。
• Instruct 指令微调模型：Base 再经过指令微调（instruction tuning）+ 偏好对齐，学会「照着指令回答」。
• Reasoning 推理模型：Instruct 之上再做推理专用训练（如 RL 强化学习），学会「先思考再作答」。

模型类型	训练阶段	核心能力	典型例子
Base	预训练后	续写、补全、few-shot	Qwen3-8B（未对齐版）
Instruct	+ 指令微调 + 对齐	回答问题、跟格式	Qwen3-8B-Instruct
Reasoning	+ 推理强化训练	长思维链、解难题	Qwen3-8B-Thinking

打个比方 🎭：Base 像「读遍公司所有书但没上过班的新员工」——知识全有但不会办事；Instruct 像「培训过如何接指令的正式员工」——会照着规矩干活；Reasoning 像「会先想清楚再动手的老手」——遇难题会停下来琢磨。

参考资料：

• Base, Instruct, and Reasoning Models Compared -- Sebastian Raschka ⭐值得阅读
• Base vs Instruct vs Chat vs Reasoning Models -- LMVersity

4. Base 基础模型：只会续写的「百科全书式新员工」

Base 模型是预训练的直接产物——在海量文本上用「预测下一个 token」练出来的原始 checkpoint。

• 会什么：补全文本、续写故事、few-shot（给几个例子它能照着来）、计算「下一句最可能是什么」。
• 不会什么：它不会「正常回答问题」。你问「15% of 60」，它可能继续编一个问题、列一堆不相干的问题，或写成一段小作文——因为对它来说，这些都只是「合理续写」。
• 为什么存在：Base 是 Instruct / Reasoning 的起点原料，也是研究者做「继续预训练」「领域预训练」的基底。

用新员工类比 🎭：Base 是那个「把公司所有书都读了一遍、但一天班没上过」的新人——你问他怎么处理报销，他给你背一段 HR 手册的原文，而不是告诉你「填这张单子」。他知识渊博，但不会办事。

💡 对普通用户：别直接用 Base 模型。它不适合对话，你用起来会觉得「这 AI 怎么答非所问」——那是你选错了版本，不是模型差。

5. Instruct 指令微调模型：学会「听话」的对话助手

Instruct 模型在 Base 之上，用「指令-回答」的配对数据做了指令微调（instruction tuning），再用偏好数据（如 RLHF，人类反馈强化学习）对齐，让模型「学会听话」。

• 会什么：直接回答问题、遵循你指定的格式（JSON、列表、摘要）、按对话模板（chat template）跟你对话。
• 关键点：它要求特定的对话格式——特殊的 token、角色标记、turn 结束标记。格式给错了，质量会断崖式下降，看起来就像「这个模型很烂」。
• 为什么重要：Instruct 是绝大多数人日常用的模型——你打开 ChatGPT、Kimi、文心一言，背后基本都是 Instruct / Chat 类模型。

⚠️ 常见误区：很多人下载了 Base 模型当对话用，效果差就骂模型不行——其实是该用 Instruct 版本。这也是我在同样的模型为什么本地和云API差别那么大：量化精度、聊天模板与采样参数的三大元凶里强调的「聊天模板」问题的根源。

参考资料：

• Base, Instruct, Chat, Reasoning -- LMVersity
• Foundation Models: Base vs Instruct vs Chat -- AI/TLDR

6. Reasoning 推理模型：会「停下来想」的思考者

推理模型（Reasoning Model）是近两年最热的一类，代表如 OpenAI 的 o 系列、DeepSeek-R1、Qwen 的 Thinking 版。它在 Instruct 基础上，用强化学习专门训练「先思考再回答」。

• 核心差异：普通模型「看到问题立刻答」，推理模型会先生成一段长思维链（chain-of-thought），把中间推理过程写出来，再给最终答案。
• 擅长什么：数学题、逻辑题、编程、复杂推理——需要「多步推导」的任务。
• 代价是什么：慢、贵、token 消耗大。它每个问题都「想半天」，推理成本比 Instruct 高好几倍。

用类比 🎭：Instruct 像「反应快的实习生」，问啥秒答，但复杂问题容易答错；Reasoning 像「会打草稿的老手」，先在草稿纸上算一遍再报答案，慢但准。

💡 选型判断：日常聊天、摘要、普通问答 → Instruct 够用且快；数学、推理、疑难编程 → 上 Reasoning。别为所有问题都用推理模型，那是拿大炮打蚊子。

参考资料：

• Choosing the right model -- BentoML

7. 按应用领域分（L0 / L1 / L2）：通用、行业、垂域

第二条主坐标轴，按「服务于谁」切分，国内常用 L0 / L1 / L2 三层的说法（由行业专家提出，如中科院王金桥）：

• L0 通用大模型（基础通用）：泛化能力强、能「举一反三」，相当于完成「通识教育」。如 GPT、DeepSeek、Qwen 的通用旗舰。
• L1 行业大模型（行业）：在 L0 基础上，用特定行业数据（医疗、金融、法律语料）微调，掌握行业术语与知识体系，相当于「进入行业的熟手」。如金融领域的专用对话模型。
• L2 垂域大模型（垂直场景）：面向更具体的业务场景深度优化，相当于「解决特定问题的专家」。如针对某种单据识别的 OCR 大模型。

用类比 🎭：L0 是「上过通识课的大学毕业生」，L1 是「入职某行业干了三年的熟手」，L2 是「专门修某一类设备的老师傅」——越往下越专、越窄，但解决具体问题的效率越高。

参考资料：

• 大模型有大应用，武汉遴选出首批26个垂直大模型 -- 武汉市政府
• 大模型L0-L2分级与分类详解 -- 51CTO学堂

8. 按架构分：稠密 Dense vs 混合专家 MoE

第三条坐标轴是「模型内部怎么组织」，主要分两类：

• 稠密模型（Dense）：所有参数在每个输入上都被激活。结构简单、行为可预期，但参数多、推理成本高。
• 混合专家模型（MoE，Mixture of Experts）：由多个「专家子网络」组成，每个输入只激活其中一部分专家。同样的总参数量下，单次推理只走一小部分专家，又快又省，还能把参数堆到万亿级。

用类比 🎭：Dense 像「一支全队都要上场的球队」，每个球员都参与；MoE 像「一个分工明确的大团队」，接到任务只派最对口的几个小组上场，其他人待命。

💡 在本专栏的《MoE 混合专家模型深度解析》中我们详细讲过 MoE 的机制，这里只记住结论：MoE 用「总参数大、单次计算小」换来了「大模型 + 低推理成本」，是当前万亿级模型的默认选择。

9. 按模态分：纯语言 vs 多模态

第四条坐标轴看「模型能处理什么输入」：

• 纯语言大模型（LLM，Large Language Model）：只处理文本，输入是 token，输出也是 token。
• 多模态大模型（LMM，Large Multimodal Model）：能处理文本、图像、音频、视频，比如「看图说话」「语音理解」。常见形式是视觉语言模型（VLM），如 GPT-4V、Qwen-VL。

用类比 🎭：纯语言模型像「只认字的编辑」，多模态模型像「能看图说话的记者」——都能产出文字，但后者多了「看图」这个输入通道。

💡 这是最独立的维度：多模态和「通用 / 专用」不冲突，也和「Base / Instruct」不冲突——一个模型可以同时是「多模态 + Instruct + 通用」。

10. 一张总表：三种分类维度的对照

把四条坐标轴放在一起看，才不会乱：

分类维度	类别	核心区别	一句话记忆
能力定位	Base / Instruct / Reasoning	续写 → 听话 → 思考	三档职级
应用领域	L0 通用 / L1 行业 / L2 垂域	通识 → 熟手 → 专家	三个部门
架构	Dense / MoE	全激活 / 部分激活	全队上场 vs 分工
模态	纯语言 / 多模态	只看字 / 能看图	认字 vs 看图

关键认知：这四个维度是正交的（互相独立），一个模型在这四个维度上各有一个标签。理解它们，你就看懂了模型命名里的后缀含义——-Instruct 是能力定位，-VL 是多模态，-MoE 是架构，-L2（如果标注）是应用层级。

11. 完整可运行代码（Runnable Code）：用 HuggingFace 区分三种模型

下面是一段复制粘贴就能跑的代码，用 HuggingFace 加载同一个模型的三个版本，直观对比 Base / Instruct / Reasoning 对同一句 prompt 的响应差异。运行前 pip install transformers。

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

# 用 Qwen 家族演示：同一个模型系列的三个版本（能力定位三档）
MODELS = {
    "Base":      "Qwen/Qwen2.5-0.5B",        # 基础模型：只会续写
    "Instruct":  "Qwen/Qwen2.5-0.5B-Instruct",  # 指令微调：会听话
    # Reasoning 版用 DeepSeek-R1-Distill 演示（小参数推理模型）
    "Reasoning": "deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B",
}

prompt = "15% of 60 is"  # 一个需要"先想再答"的数学问题

for kind, name in MODELS.items():
    print(f"\n===== {kind} 模型：{name} =====")
    tokenizer = AutoTokenizer.from_pretrained(name)   # 加载对应分词器
    model = AutoModelForCausalLM.from_pretrained(name)  # 加载对应模型
    inputs = tokenizer(prompt, return_tensors="pt")    # 编码 prompt
    out = model.generate(**inputs, max_new_tokens=40,  # 生成 40 个 token 的续写
                         do_sample=False)              # 贪心解码，结果确定
    print("输出：", tokenizer.decode(out[0], skip_special_tokens=True))

怎么读这段代码：同一个 prompt 15% of 60 is，Base 版大概率会继续「编一句合理的续写」（答非所问）；Instruct 版会规规矩矩给出「15% of 60 is 9」；Reasoning 版会先输出一段「思考」再给答案。三行代码就能看出「能力定位」三档模型的本质差异——这也是第 3～6 节讲的概念的可运行落地。

12. 对照表：症状 → 原因 → 解法

症状	原因	解法
下载模型聊不起来，答非所问	下了 Base 版本，它只会续写	换用 Instruct / Chat 版本
让模型出 JSON / 列表，格式总乱	用的模型没做指令对齐	用 Instruct 版，且聊天模板要正确
数学 / 逻辑题总答错	普通 Instruct 不会「先思考」	换 Reasoning / Thinking 版模型
复杂推理用普通模型，又慢又贵	该用推理模型却用了对话模型	上 Reasoning，但别所有问题都用
想要行业专用能力（金融/医疗）	通用模型缺领域深度	用 L1 行业大模型或微调
纠结「模型分几类」答案不一致	各人按不同维度切	先定维度，再谈分类

13. 判断收尾

什么时候该用这套分类：你需要在「选模型 / 理解模型版本后缀 / 判断为什么某个模型不听话」时——先看能力定位（Base/Instruct/Reasoning）定版本，再看应用领域（L0/L1/L2）定专业度，最后用架构与模态补充约束。什么时候不必纠结：你只是用现成的 API 聊天、不自己部署模型时，这些分类对你只是「知道即可」的背景知识，不用逐个深究。判断标准只有一条——你是在「选模型」还是在「用模型」，前者需要这套分类，后者直接挑口碑好的通用 Instruct 版即可。

本专栏《LLM 大模型技术专栏》从 Transformer 注意力机制一路讲到模型选型、微调、推理优化与 Agent 落地，每篇都配一段可直接运行的代码，每周更新一篇。想按顺序读完，可在专栏页订阅。

参考资料（综合）：

• Base, Instruct, and Reasoning Models Compared -- Sebastian Raschka ⭐值得阅读
• Base vs Instruct vs Chat vs Reasoning Models -- LMVersity ⭐值得阅读
• Choosing the right model -- BentoML
• 大模型L0-L2分级与分类详解 -- 51CTO学堂
• 大模型有大应用，武汉遴选出首批26个垂直大模型 -- 武汉市人民政府门户网站