Matthew Berman 的 AI 模型与工具速览

摘要

30 秒看懂

Matthew Berman 按使用场景快速罗列 AI 产品与模型系列，内容涵盖从 ChatGPT、Claude 到图像生成、世界模型、编程智能体和音频工具。他的比较是个人的简要判断，并非受控评估的结果。这份清单反映了 2026 年 3 月的情况，混合了模型、应用和平台。产品可用性、集成方式和许可条款各不相同；发布权重也不一定意味着模型完全开源。这段短片没有提及赞助商。

1聊天助手Berman 以个人的快速判断概括 ChatGPT、Claude 和 Gemini 的优势及集成能力。
2开放权重模型系列他列出 Llama、DeepSeek、MiniMax、Qwen、gpt-oss、NeMo-Megatron 和 Gemma；使用方式和许可随版本而异。
3图像、视频与世界他提到图像和视频工具，以及世界模型的例子，它们涉及不同类型的生成与模拟。
4编程与音频最后的清单包括 Cursor 和 Claude Code 等编程智能体，以及 ElevenLabs 和 Suno 等音频产品。

要点建议

聊天助手结合了写作、编程、搜索、媒体生成和集成等功能，其优势因任务和版本而异。
提供权重的模型系列有不同的许可与披露方式，应分别查看其条款。
图像生成、视频生成和交互式世界生成彼此相关，但属于不同的类别。
编程智能体和音频产品可能是应用或服务，不一定是独立模型。

主题Foundation Models Generative media 编程智能体 Open-weight models AI Adoption

全文

按章节阅读整理后的全文

对照原始文稿

只看原始文稿

助手与模型系列

Berman 快速介绍他对聊天产品的印象，并列出提供权重的模型系列。这些产品和许可条款各不相同。

幻灯片 1 / 3Claude 连接器显示的连接器清单包括 Notion、Figma、Slack 和 HubSpot。

首先，我提到 ChatGPT 可用于写作、编程和图像生成；接着介绍 Claude 的编程与写作能力，以及它与 Notion、Figma、Slack、HubSpot 等工具的连接器。我认为 Claude 在某些任务上更好，这是我的个人判断，并非经过测量的排名；集成情况取决于具体产品和配置。

幻灯片 2 / 3Grok 功能示意图Berman 的示意图将 X 搜索、图像和语音功能列在 Grok 周围。

我认为 Gemini 速度快，能够处理视频、生成图像，在集成与搜索方面也很强。我还提到用 Perplexity 搜索；配图则展示了 Grok 的 X 搜索、图像和语音功能。这些是 2026 年 3 月的简短印象，并非对当前功能的比较。

对于我称为开源的模型，我列出 Meta 的 Llama、DeepSeek、MiniMax、Qwen、OpenAI 的 gpt-oss、NVIDIA 的 NeMo-Megatron 和 Google 的 Gemma。开放权重与完全开源训练是不同的概念，各版本的条款也不尽相同。例如，OpenAI 将 [gpt-oss](https://help.openai.com/en/articles/11870455-openai-open-weight-models) 描述为采用 Apache 2.0 许可的开放权重模型。

媒体、世界与智能体

他列举图像、视频和世界生成的例子，随后介绍编程和音频工具。这是一份快速入门概览，而非对比测试。

图像生成方面，我提到 Midjourney、DALL-E、Stable Diffusion、Flux 和 Ideogram；视频方面，我列出 Sora 2、Veo 3、Gen-4 和 Kling。这些只是例子，并非穷尽所有选项，也不是对目前最佳模型的测试。

幻灯片 3 / 3编程智能体清单手写清单介绍的是编程智能体产品的例子，而非单个模型权重。

世界模型方面，我提到 Genie 2、Marble、全自动驾驶和 Cosmos。它们代表不同的方法和产品：例如，World Labs 将 [Marble](https://www.worldlabs.ai/blog/marble-world-model) 描述为多模态世界模型，而全自动驾驶是一套驾驶系统，不是某一个具名的世界模型。

编程方面，我列出 Cursor、Claude Code、Codex、Devin 和 Factory；音频方面，我提到 ElevenLabs、Voicemod、Suno 和 Udio。这些名称既包括应用和服务，也包括底层模型；这段短片旨在提供入门概览，并没有证明每个产品在所有用途上都是最好的。