| 基本信息 | 详情 |
|---|---|
| 开发公司 | 北京智源人工智能研究院（BAAI） |
| 上线时间 | 2021年3月（悟道1.0），2023年发布悟道3.0，2026年6月发布悟界系列 |
| 官网 | baai.ac.cn |
| 支持平台 | Web（开源模型可通过 GitHub/Hugging Face 下载部署） |
| 价格 | 全系列开源免费，支持商用许可 |
| 核心定位 | 中国首个超大规模预训练模型系列，推动 AI 基础研究与开源生态 |
悟道是北京智源人工智能研究院（BAAI）推出的超大规模预训练模型系列。2021 年 3 月，悟道 1.0 成为中国首个超大规模信息智能模型。三个月后，悟道 2.0 以 1.75 万亿参数成为当时全球最大预训练模型。这不是一个商业产品，而是一套面向研究社区和产业界开源的模型体系。
2023 年，悟道 3.0 发布并开源，包含"悟道·天鹰"（Aquila）语言大模型和"悟道·视界"视觉大模型系列。Aquila 是国内首个支持商用许可、满足数据合规需求的开源语言大模型，在中英双语语料上从零训练。2026 年 6 月，智源进一步推出悟界系列，核心思路从"预测下一个词元"转向"预测下一个物理状态"--Physis-v0.1 成为全球首个通用世界基座模型。
它的价值不在某个单一模型有多强，而在于整个开源体系：语言模型 Aquila、向量模型 BGE、多模态模型 Emu、世界模型 Physis、神经科学模型 Brainμ，加上 FlagEval 评测平台和 FlagOS 智算软件栈，覆盖了从基础研究到产业落地的完整链条。BGE 向量模型在 2024 年 10 月登顶 Hugging Face 月度下载榜首，下载量超 5 亿次。
核心功能
悟道·天鹰 Aquila 语言模型
Aquila 系列从 7B 起步，迭代到 34B。Aquila2-34B 以 Llama2 一半的参数量和三分之二的训练数据量，在 22 个评测基准上超越 Llama2-70B。AquilaChat2-34B 在推理评测 IRD 基准上排名第一，仅次于 GPT-4。支持 16K 上下文窗口，适配长文本场景。全部支持商用许可。
BGE 向量模型
BGE 是悟道生态里最"出圈"的模型。多次刷新 BEIR、MTEB、C-MTEB 等主流评测榜单，2024 年成为 Hugging Face 年度下载冠军。各大 AI 和云计算厂商广泛商业化使用。全面支持多场景、多语言、多功能、多模态的检索需求。
Emu 多模态模型
Emu3 只用"预测下一个 token"的自回归路线，就实现了文本、图像、视频的统一学习，性能与专用模型相当。登上 Nature 正刊，是中国首个多模态大模型 Nature 论文。Emu3.5 进一步升级为世界模型，能理解长时序、空间一致的序列，超越谷歌 Nano Banana 拿下多模态 SOTA。
悟界·Physis 世界模型
Physis-v0.1 的核心创新是在物理隐空间中做预测，而不是像 Sora 那样直接预测像素。这意味着生成的场景遵守物理定律--物体不会穿墙，水不会向上流。支持 50+ 复杂物理场景的长程推理。项目负责人是 22 岁的北大本科生陈博远。模型训练完成后将开源。
FlagEval 天秤评测平台
天秤构建了"能力-任务-指标"三维评测框架，600+ 评测维度，22 个主客观数据集。不只评基础模型，还评训练算法。FlagEval 的定位是建立科学、公正、开放的评测基准，给整个国产大模型生态提供一把尺子。
FlagOS 智算软件栈
FlagOS 2.1 覆盖 18 家芯片厂商 32 款芯片，解决的是"多模型×多芯片"适配这个中国 AI 产业的核心痛点。你不用被某一家芯片厂商绑死。
适合谁
适合： 研究机构做 AI 基础研究、企业需要开源可商用的模型做二次开发、需要私有化部署且数据合规的团队、做 RAG 应用需要高质量向量模型的开发者。如果你预算为零但需要一个能打的中文模型，Aquila 值得一试。
不适合： 需要开箱即用对话产品的普通用户（悟道没有面向 C 端的产品入口）；追求极致性能且预算充足的企业（同等参数下，闭源旗舰模型仍有优势）；没有技术团队做部署和微调的组织。
同类竞品对比
| 维度 | 悟道（BAAI） | Llama（Meta） | Qwen（阿里） |
|---|---|---|---|
| 开源协议 | 商用许可 | Llama 许可（有限制） | Apache 2.0 |
| 中文能力 | 强，中英双语原生训练 | 弱，中文短板明显 | 强，中文原生 |
| 模型类型 | 语言/多模态/世界模型/生命科学 | 语言为主，多模态起步 | 语言/多模态/代码 |
| 评测体系 | FlagEval 自带 | 依赖外部评测 | 依赖外部评测 |
| 芯片适配 | FlagOS 支持 32 款芯片 | 依赖 CUDA 生态 | 适配主流芯片 |
| 社区活跃度 | 国内领先，BGE 下载超 5 亿 | 全球最大开源社区 | 快速增长中 |
我的判断：做 RAG 选 BGE，做中文对话选 Aquila 或 Qwen，做多模态研究关注 Emu，做世界模型关注 Physis。
FAQ
悟道模型免费吗？能商用吗？
全部免费开源，Aquila 系列支持商用许可协议。你可以从 GitHub、Hugging Face 或智源模型仓库下载权重，直接用于商业产品。BGE 向量模型已被各大云计算厂商广泛商业化使用。
Aquila 和 Qwen、ChatGLM 比，哪个好？
看场景。FlagEval 8 月榜单显示，基座模型中 Qwen-7B 和 InternLM-7B 领先，AquilaChat-7B 在 SFT 模型中排名第二，仅次于 InternLM-chat-7B。但 Aquila2-34B 以一半参数超越 Llama2-70B。参数量不同直接对比不公平，建议在你的具体任务上跑一轮再决定。
悟道有面向普通用户的产品吗？
没有。悟道是研究型开源项目，不提供像 ChatGPT 那样的对话入口。你需要自己部署模型或通过 FlagAI 框架调用。如果你只是想用 AI 聊天，这不是你的选择。
Emu3 为什么能上 Nature？
因为它的技术路线有原创性。在多模态领域，DiT 扩散架构是主流，Emu3 证明了"预测下一个 token"的自回归路线同样能统一文本、图像、视频学习，性能不输专用模型。Nature 编辑评价这一成果"对构建可扩展、统一的多模态智能系统具有重要意义"。
Physis 世界模型和 Sora 有什么区别？
Sora 直接预测像素，物理一致性差。Physis 在物理隐空间中预测，先理解物理世界的隐含结构再推理。结果就是 Physis 生成的场景遵守重力、碰撞、流体力学等物理定律，而 Sora 生成的视频经常出现物体穿墙、水向上流等问题。
更新动态
客户评论
悟道作为开源项目，用户评价主要来自开发者社区和技术评测。整体来看，BGE 向量模型口碑最好，Aquila 语言模型被评价为"国内开源先驱但迭代速度跟不上商业公司"，Emu 多模态模型获得学术界高度认可。
"BGE 是我们 RAG 系统的默认选择，效果稳定，部署简单。Hugging Face 下载量说明一切。"
"Aquila2-34B 在我们内部测试中确实超过了 Llama2-70B，但跟 Qwen2 比还是有差距。不过作为研究参考价值很大。"
"Emu3 上 Nature 不是没原因的。自回归统一多模态这条路线，智源走在了前面。"
参考来源
- ▸智源研究院官网 | 悟道系列研究,悟道/悟界系列模型官方介绍，含发展历程与模型列表
- ▸Nature | Multimodal learning with next-token prediction,Emu3 多模态大模型 Nature 正刊论文
- ▸CSDN | 智源大会2026悟界系列：世界模型范式变革与Physis-v0.1,2026年智源大会悟界系列5款模型深度解析
- ▸CSDN | 最强开源中英双语大模型：悟道·天鹰340亿携全家桶登场,Aquila2-34B 评测数据与开源全家桶介绍
- ▸CSDN | FlagEval 8月榜单,天秤评测平台多模型横向评测结果