LLM命名体系

通常情况下，模型不会以单个名称存在，比如Qwen3，Kimi2，往往会给他们加上非常多的后缀，比如Qwen3-Next-80B-A3B-Instruct，Kimi-K2-Instruct-0905，这些都是什么意思呢

常见的命名体系是:

主版本-子系列-总参数-激活参数-训练类型-架构-日期

一个完整的模型名称，通常遵循一个从宏观到微观的逻辑顺序，可以拆解为以下几个层次：

• 品牌与主版本号：确立模型系列和代际。
• 架构与规模：定义模型的技术路线和计算体量。
• 能力：指明模型在特定领域的优化。
• 训练阶段与对齐方式：说明模型的“成熟度”和安全性。
• 版本与元数据：提供更精细的版本控制和构建信息。

下面我们根据这个逻辑层次，对常见的命名组成部分进行详细说明。

1. 品牌与主版本号

主名称：如 Qwen, Llama, ChatGLM, Kimi，代表模型系列。 主版本号：如 2, 3, 2.5，代表模型架构和训练数据的重大迭代。Qwen2.5 意味着它是 Qwen2 的显著改进版，而非全新系列。

2. 架构与规模

总参数：如 7B, 13B, 70B, 500B。代表模型的总体参数量，是衡量模型容量和潜在能力的关键指标。通常（但不绝对）参数越大，能力越强。

架构变种:

• MoE: 混合专家架构，指的是模型内部由多个专家构成，推理的时候并不是全部都参与推理的
• A3B: 指的是推理时激活参数的大小

3. 能力

• Code：如 Code, Coder。专为代码生成、补全、解释和调试优化。
• Math：如 Math。在数学推理和解题方面进行了专门训练和优化。
• Multilingual：如 Multilingual，或直接在名称中体现，如 BGE-M3。强调在多语言任务上的强大能力。
• Vision：如 VL， Vision。表示是多模态模型，可以理解和处理图像信息。

4. 训练阶段与对齐方式

• Base / Pretrained：基座模型。仅在大量文本上进行了预训练，没有经过指令微调。它擅长文本补全，但可能不会很好地遵循指令。主要供开发者进行进一步微调。
• Instruct / Chat：指令微调/对话版。这是最常见的面向用户的版本。通过在指令和对话数据上进行微调，使其能理解用户意图，并以有帮助、安全的方式回应。
• RLHF / DPO：如 RLHF, DPO。代表使用了人类反馈强化学习或直接偏好优化等更高级的对齐技术，旨在让模型的输出更符合人类价值观和偏好。
• Distilled：蒸馏版。由一个更大的“教师模型”指导训练出的小模型，力求在体积更小的情况下保留大部分性能。

5. 版本与元数据

• 日期：如 0905, 20240704。表示模型发布的日期或对应数据快照的日期，用于区分同一系列内的不同迭代版本。
• 迭代版本：如 v1, v2, v1.5。在主要版本下的小幅改进和修复。
• 发布渠道：如 Beta, Preview, Final。
• 综合示例解析