国内几乎每家公司都宣布过自己的大模型，多数只留下一篇新闻稿。子曰值得单独讲，是因为它留下了可下载、可复现、可被外部质疑的东西——开源权重和同行评议的论文。
基本事实
| 项目 | 内容 |
|---|---|
| 中文名 / 英文名 | 子曰 / Confucius（早期英文报道也写作 Ziyue） |
| 发布时间 | 2023 年 7 月，对外称「China's first LLM in education」 |
| 监管备案 | 2023 年 11 月进入首批教育类大模型备案 |
| 第三方评估 | 官方称通过中国信息通信研究院（CAICT）首批系列评估并获最高等级 |
| 应用范围 | 教育为主，官方称已延伸至医疗、传媒、互联网行业 |
| 驱动的产品 | Hi Echo、有道小P（Mr. P AI Tutor）、有道领世作文批改、词典笔 X7 系列、有道龙虾、有道宝库等 |
垂类模型 vs 通用模型
通用模型（ChatGPT、DeepSeek、Qwen 等）追求覆盖面：写代码、写文案、聊天、翻译都要能做。垂类模型放弃覆盖面，换取单一场景下的准确率和成本优势。
有道对此的表述是遵循「scene first」（场景优先）原则。以答疑为例，其产品逻辑是「first provide the problem-solving, then provide the answer」——先给解题过程，再给答案。这在通用模型上只是一个提示词技巧，但在教育产品里是必须保证的行为，因为直接给答案对学生没有价值。
开源的三个模型
Confucius-o1-14B（2025-01-22）
14B 参数的推理模型，有道称其为「中国首个分步讲解推理模型」，可在单张消费级显卡上部署。官方称这个 14B 模型「matches the single-model inference capabilities of OpenAI's o1」。
Confucius3-Math（2025-06）
这是证据最扎实的一个：14B 参数（Safetensors 显示 15B），面向 K12 数学，基于 DeepSeek-R1-Distill-Qwen-14B 做纯强化学习后训练，MIT 许可，配套论文 arXiv:2506.18330。官方称可在单张 RTX 4090D 上高效运行。
| 基准 | Confucius3-Math | 对比中的最佳竞品 |
|---|---|---|
| CK12-MATH | 96.24 | 94.04（Qwen3-14B） |
| GAOKAO-Bench（数学） | 98.46 | 94.93（QwQ-32B） |
| MathBench（K12） | 95.10 | 96.57（QwQ-32B） |
| CMATH | 96.13 | 95.95（QwQ-32B） |
| MATH-500 | 98.80 | 98.00（QwQ-32B） |
| AIME 2024 | 81.15 | 79.80（DeepSeek-R1） |
| AIME 2025 | 69.95 | 70.40（Qwen3-14B） |
七个基准里赢五个，且对手包含参数量两倍以上的 QwQ-32B 和满血 DeepSeek-R1。这是「垂类小模型能在窄领域打赢通用大模型」的一个实证案例。
Confucius4（27B 多模态）
最新一代，27B 参数，多模态（可读图），基于 Qwen3.5-27B 微调，Apache 2.0 许可，主攻高阶数学推理。技术手段包括图像增益筛选、纯文本推理数据混入 SFT、长度感知的 RL 优势机制（用于抑制过度思考）。官方报告的两个数字：Math-Hard-500 上 +23.2%，思维链长度缩短 43.2%。
| 基准 | Confucius4 | Qwen3.6-27B |
|---|---|---|
| Math-Hard-500 | 0.814 | 0.756 |
| Math-Figure | 0.907 | 0.865 |
| MathVision (testmini) | 0.724 | 0.648 |
| logicVista | 0.779 | 0.743 |
| MathVerse | 0.876 | 0.865 |
| DynaMath | 0.893 | 0.856 |
还开源了什么
除模型外，有道还开源了 RAG 工程：QAnything（本地知识库问答系统，AGPL-3.0，GitHub 约 14.1k stars）和 BCEmbedding（双语 embedding 与 reranker 模型）。官方称 QAnything 被「hundreds of companies across more than 20 industries」采用、用户「over 30,000」。
QAnything 的技术要点是两阶段检索：先向量召回，再 rerank 重排。其理由是纯向量检索的准确率会随数据量增大而下降，加入重排后反而「the more data, the better the performance」。这套做法后来在 RAG 工程里已相当主流。
实拍:有道词典 实际运行界面。
资料来源
- Youdao's Large Language Model Ziyue Takes Center Stage at World AI Conference（2023-07 发布、2023-11 备案、CAICT 评估、QAnything 采用规模，2024-07-11）
- Youdao Launches Lightweight Inference Model "Confucius-o1"（2025-01-22 发布、14B、单卡部署、对标 o1 的自述）
- netease-youdao/Confucius3-Math · Hugging Face（基准成绩、MIT 许可、局限说明）
- Confucius3-Math: A Lightweight High-Performance Reasoning LLM for Chinese K-12 Mathematics Learning（arXiv:2506.18330，2025-06-23）
- netease-youdao/Confucius4 · Hugging Face（27B 多模态、Qwen3.5-27B 基座、Apache 2.0、自建基准说明）
- netease-youdao/QAnything · GitHub（两阶段检索、AGPL-3.0、约 14.1k stars）