六大AI模型命名溯源：只有两个名字真正描述技术

当你在代码里并排写下 claude-haiku-4-5、gemini-3-flash、gpt-5-4-mini 时，有没有想过：这三个后缀究竟哪个代表"更小"，哪个代表"更快"？Haiku 是一种诗体，Flash 意为闪电，Mini 意为微小——三个完全不同的概念，却出现在命名结构的同一个位置上。

这个疑问促使一位开发者暂停手头的模型配置工作，转而做了一次不算小的溯源调查。他逐一核对六大 AI 模型家族的官方来源——博客、帮助中心、模型卡片、创始人公开表态，并额外让四个模型回答"你的名字从何而来"，把所有原始回答记录在案。结论颇为反直觉：六个名字里，只有两个真正携带技术信息。

GPT：名字本身就是规格说明

Generative Pre-trained Transformer。 三个词各自承载明确信息：Generative 指生成式而非判别式；Pre-trained 指在任务微调之前先在大规模语料上完成预训练；Transformer 则直接点明底层架构。

这是整份名单里最无聊的名字，也是最诚实的名字。没有神话典故，没有文字游戏，谁读完名字就知道这个模型的三个核心属性。相比之下，其余五个名字都在不同程度上依赖品牌叙事。

预训练（Pre-trained） 是理解现代大模型的关键前置概念。在 Transformer 出现之前，NLP 模型通常为每个具体任务（如情感分类、命名实体识别）单独训练，数据和算力难以复用。预训练的思路是：先用海量无标注文本让模型学习语言的通用统计规律——词与词如何共现、句子如何衔接、知识如何组织——这一阶段的目标函数往往只是"预测下一个词"。完成预训练后，模型已具备广泛的语言能力，再通过微调（fine-tuning）、指令跟随训练或 RLHF 将其对齐到具体任务和人类偏好上。这种"预训练 + 微调"两阶段范式正是 GPT 系列乃至当代几乎所有大语言模型的基础，也是名字里 Pre-trained 一词想传递的核心信息。

Mistral：架构说对了，算术却在误导

Mixtral 是 Mixture-of-experts 与 Mistral 的合成词，名字直接告诉使用者：这不是稠密模型，而是稀疏模型。完整型号 Mixtral-8x7B 还描述了参数结构——八个专家，路由每次选其中两个，层输出为二者的加权和。

顺着名字做乘法：8 × 7 = 56B。查一下实际总参数量却是 46.7B，差了将近 10B。原因在于只有前馈块是八份的，自注意力层和嵌入层由八个专家共享。名字里的乘法把真实规模夸大了约 20%。按名字去规划硬件，会买大。 这是整份名单里唯一一个可能直接烧钱的命名问题。

公司名本身与机器学习无关。Mistral 是从法国南部吹向地中海的一股寒冷西北风，平均时速约 50 公里，偶尔连吹数天，词源出自奥克语朗格多克方言，本义与"支配"相关。创始人 Arthur Mensch、Guillaume Lample 与 Timothée Lacroix 在巴黎综合理工学院相识，公司以此为名注册。

后缀贯穿整条产品线：Pixtral 对应视觉，Codestral 对应代码，Mathstral 对应数学，Devstral 对应智能体编程，Voxtral 对应语音。六大厂商里只有这一家编码的是功能而非规模——看到 Codestral，不用翻文档就知道用途。

专家混合（Mixture-of-Experts, MoE） 是一种稀疏激活架构，与稠密模型相对。稠密模型中，每个 token 都要经过全部参数；MoE 则把一个前馈网络拆成若干"专家"，再训练一个路由网络（router/gate），对每个 token 只激活其中少数几个专家。以 8x7B 为例，八个专家里每次选两个参与计算，因此前向计算量大致相当于一个 14B 稠密模型，而总参数量却接近 46.7B。这种设计的收益在于：参数量可以大幅扩展以提升模型容量，但每个 token 的实际计算成本增长有限，从而在推理成本与模型能力之间取得更优的权衡。代价是显存仍需容纳全部专家权重，且路由不均可能导致部分专家训练不足。

Llama：缩写根本对不上

Llama = Large Language Model Meta AI。 Large、Language、Model、Meta、AI 是五个词，L-L-a-M-A 只有五个位置，但 Model 和 Meta 共用了一个 M。

这种先有词、再倒推凑缩写的做法叫 backronym（逆向首字母缩写）。梗甚至不是 Meta 原创的，LlamaIndex 更早用过 LLM 藏在 llama 里的文字游戏，创始人 Jerry Liu 讲过团队在试可爱的动物名时，偶然发现 llama 里正好嵌着 LLM。Meta 最初写作 LLaMA 强调缩写，后来改成了朴素的 Llama。

Claude：官方从未确认任何来源

流传最广的解释指向 Claude Shannon，其 1948 年的《A Mathematical Theory of Communication》奠定了信息论，被引用超过 16 万次。

但翻遍 Anthropic 的博客、帮助中心、模型卡片与创始人表态，找不到官方确认，所有二手来源都写着"据说指"。一篇 2026 年的《纽约客》文章标题干脆就是《What Is Claude? Anthropic Doesn't Know, Either》。按文中描述的内部版本，这个名字一半是向 Shannon 致敬，一半只是想要个友好的人类名字——不显得像厨房电器，也不像 Siri 或 Alexa 那类语音助手。

Haiku / Sonnet / Opus 三档也是如此。诗歌体裁的解释人尽皆知，却不在官方发布帖里。想看清真实分级，不如直接读实际规格——例如 Claude Opus 5 的模型页 直接列出上下文窗口和价格档位，比名字词源清楚得多。

克劳德·香农（Claude Shannon, 1916–2001） 常被称为"信息论之父"。他在 1948 年发表的《A Mathematical Theory of Communication》中首次用数学方式定义了信息的度量——比特，并提出信道容量、熵、冗余等概念，奠定了整个数字通信与信息压缩的理论基础。这篇论文被引超过 16 万次，其影响从通信工程延伸到密码学、统计学与机器学习。将 AI 模型命名为 Claude，若确为致敬，逻辑上也说得通：现代大语言模型处理的对象正是信息本身，而香农给出的正是如何量化与传递信息的框架。不过正如正文所述，Anthropic 官方未确认这一关联，因此它始终停留在合理推测的层面。

Gemini：真名，差点没被用上

这个名字有实打实的官方版本。Jeff Dean 解释过："双生子"指的是两个合并的团队——原 Google Brain，主要来自 PaLM 与 PaLM-2 的工作；原 DeepMind，主要来自 Chinchilla。二者合并后共同构建了一个多模态模型。

名字之上还叠了两层：NASA 的 Gemini 计划（水星与阿波罗之间的双人飞船），以及双子座本身——卡斯托尔与波吕丢刻斯两颗双子星。

开发阶段的代号却是 Titan，土星最大的卫星，也是希腊神话里的泰坦。改名的理由极为人性化：Dean 不喜欢它。 但正是这个代号促使他去找一个"扎根于太空"的名字，于是有了 Gemini。联合技术负责人 Oriol Vinyals 后来公开打趣，问下一代是否要叫 Apollo——在 NASA 的序列里，Gemini 之后正是 Apollo。

名单里最短的一个故事：Nano Banana 是同事给 Google DeepMind 产品经理 Naina Raisinghani 起的绰号，后来成了正式模型名，对应 Gemini 2.5 Flash Image。

Grok：1961 年小说里的词

Grok 由 Robert A. Heinlein 为《Stranger in a Strange Land》创造。小说主角在火星出生、被火星人抚养，火星语中这个词字面意为"喝"，引申为完全吸收某物、使其成为自身的一部分。《牛津英语词典》收录义为"凭直觉或共情理解"。

xAI 从未官方确认过这一来源。Musk 只是在发布次日于 X 上贴出了书名。

交叉验证：模型自己怎么说

人类这边确认不了的部分，问卷模型是另一种思路。同一问题发给四个模型，记录原始回答，结果比预期更有信息量：

• GPT-6 Astra：问了七次。三次在解释 ChatGPT，两次说自己没有名字，最后一次自称 Codex，"来自拉丁语的"书""。Astra 一次都没被提到。每次 finish_reason 都是 stop，回答没有被截断。
• Claude：唯一一个主动说明 Anthropic 未发布任何单一官方词源的模型。
• Gemini：回答最完整，为此消耗了 1859 个输出 token，同样的问题 Claude 只用了 281 个。
• Grok：正确指出小说来源，却把 xAI 的动机当作既定事实陈述，还漏出一个内部标记 \confidence{90} 混进了正文。

最讽刺的一点：唯一承认自己名字来源不确定的模型，来自唯一没有解释过自己名字的公司。

后缀体系根本不通用

回到最初的困惑。跨厂商看，后缀度量的根本不是一回事：

• Google 用 Flash 度量延迟
• OpenAI 用 mini 度量参数规模
• Anthropic 用 Haiku 两者兼有
• Mistral 用 -stral 描述功能
• 至于 Pro，OpenAI 和 Google 完全不在同一个价位区间

实用建议只有一条：后缀只在同一厂商的产品线内部做比较。跨厂商时，直接看上下文窗口、价格档位和实测延迟，不要相信名字。

两个名字与四个故事

六个名字里，GPT 和 Mistral 一线携带技术信息；其余四个分别是一次未经确认的致敬、一次团队合并、一本 1961 年的小说，以及一位同事的绰号。

技术上最"无聊"的名字，信息密度反而最高——这或许是这份调查最值得记住的一点。至于 8x7B 那个算法陷阱，有开发者在配置硬件时踩过，如果你也遇到过类似情况，欢迎在评论区分享。