打开任何一家 AI 公司的模型列表，你都会看到一串名字相近的型号，后面跟着 Mini、Pro、Think 之类的后缀，这一整条产品线就是模型家族。看懂家族结构，选模型就从猜名字变成按图索骥。
它很像手机的同一代产品线：标准版、Pro 版、青春版共享一套设计和系统，配置各有取舍。类比有一处失效：手机各版本的功能是官方裁剪好的、明码标价，模型变体之间的差异可能来自不同的训练数据和调优方式，外界未必看得清细节，所以家族内部的差别要靠实测确认，参数表帮不上太多忙。
家族的起点：一个底座
家族通常从一个底座模型起步。底座经过海量文本的预训练，学会了预测下一个词，此时的它更像一台续写机：你写上半句，它接下半句，并不擅长听指令办事。还有一点值得记住：底座本身通常不直接面向普通用户开放聊天，它的主要服务对象是开发者和研究者，普通人接触到的几乎都是家族里经过后训练的成员，这也是一个可带走的判断：你在聊天窗口里用到的，基本都不是裸底座。底座的参数规模决定了家族的基本盘，这个数字怎么从矩阵尺寸里算出来，参数量那篇有完整算法。
从底座长出的常见变体
在底座上用指令和对话数据继续训练，就得到会聊天的指令版，这是大多数人日常用的形态；再往上加推理性训练，就有了遇到难题先写思考过程的推理版，代价是更慢也更贵；把大模型的知识压进小身板，就成了适合本地跑的轻量版，硬件账在小参数模型的甜点位那篇算过。有的家族底座采用 MoE 结构，每次提问由路由挑出合适的专家干活，门道见MoE 的路由。以 DeepSeek 为例，通用对话版本和深度思考版本分开提供，Kimi 也按场景区分不同版本，都是典型的家族分工。
四类成员的改法和代价，差别比后缀看起来大。
| 变体 | 从底座怎么改 | 得到的形态 | 代价与边界 |
|---|---|---|---|
| 底座 | 经过海量文本预训练，学会预测下一个词 | 更像一台续写机，不擅长听指令办事 | 通常不直接面向普通用户开放聊天，主要服务开发者和研究者 |
| 指令版 | 在底座上用指令和对话数据继续训练 | 会聊天的形态，多数人日常在用 | 数学、代码、多步分析要另换推理版 |
| 推理版 | 再加推理性训练 | 遇到难题先写思考过程 | 更慢也更贵 |
| 轻量版 | 把大模型的知识压进小身板 | 适合本地跑的形态 | 体积小，能力有折让 |
家族内部怎么选
日常问答、写作、翻译，指令版足够；数学、代码、多步分析，换推理版，并接受它的慢和贵；本地部署或批量轻任务，选轻量版；任务高度专业，再看看家族里有没有领域特化模型坐镇。一句话记法：先按任务类型挑成员，再按预算挑尺寸。
模型家族速查对照表
- 底座：只续写不对话，面向开发者二次训练
- 指令版：日常对话与写作的主力
- 推理版：难题先思考再作答，慢一些贵一些
- 轻量版：体积小可本地跑，能力有折让
对照表末行提醒：同一家族内先挑对成员，再跨家族比较才有意义。
看懂命名的小窍门
家族命名通常包含三段信息：家族名、能力后缀、版本号或日期。后缀提示角色，版本号提示新旧，日期越近收录的知识一般越新。读名单时按这个顺序拆，大部分型号一眼就能归位；拿不准的，翻官方说明再下手，别凭后缀想当然。后缀写法各家并不统一，同一个词在不同厂商那里含义可能不同，所以拿到陌生型号，先去官方文档确认它的角色，再决定用不用；跨家族比后缀、比尺寸，容易得出错误的结论。
面对一长串型号，先认家族、再认成员、后认版本，三步走完，选型就不再靠猜。
聊聊模型家族的常见疑问
- 同一家族的新版本一定比旧版本强吗？：多数场景成立，但个别任务偶有退步，关键用途升级前，先拿自己的题目跑一轮对比。
- 家族里的小尺寸成员是删减版吗？：不全是。蒸馏成员是用大模型产出的数据重新训练的，属于独立训练的产物，和简单删减没有直接关系。
- 不同家族之间可以直接比较吗？：可以，但要同类型对同类型，比如推理版对推理版；拿轻量版去比大底座，结论没有参考价值。
