目前，全球有许多优秀的AI大模型，各有其特点和优势。以下是一些知名的大模型：

1、谷歌的BERT（Bidirectional Encoder Representations from Transformers）：BERT是2018年谷歌发布的预训练语言模型，它通过双向训练方式对文本进行编码，取得了NLP领域的重大突破。BERT在各种NLP任务中表现出色，如问答系统、情感分析、文本分类等。

2、微软的T5（TexttoText Transfer Transformer）：T5是微软在2020年发布的文本生成模型，它将所有的NLP任务统一为文本到文本的转换任务，取得了非常好的效果。T5在多个NLP任务中都取得了当前最优的结果。

3、Facebook的RoBERTa（Robustly Optimized BERT Pretraining Approach）：RoBERTa是Facebook AI在2019年发布的预训练语言模型，它通过优化BERT的训练方式和数据增强策略，进一步提高了模型的性能。

4、斯坦福的ALBERT（A Lite BERT for SelfSupervised Learning of Language Representations）：ALBERT是斯坦福大学和谷歌研究院合作发布的轻量级BERT版本，它通过参数共享和跨层参数共享的方式，大幅减少了模型的参数量，同时保持了优秀的性能。

5、华为的ERNIE（Enhanced Representation through kNowledge Integration）：ERNIE是中国华为公司发布的预训练语言模型，它通过知识图谱融入语言模型，提升了模型对实体和关系的理解能力，在多个NLP任务中取得了优秀的结果。

6、百度文心大模型：文心大模型是百度公司开发的一系列大模型，包括ERNIE 3.0等版本。这些模型在中文NLP任务中表现突出，广泛应用于自然语言处理、智能搜索、智能客服等领域。

7、阿里巴巴的PLATO（Pretrained Language Model for TrAffic and Transportation）：虽然PLATO主要是针对交通和运输领域的预训练模型，但其技术也成功应用于其他多个领域。

8、腾讯的腾讯混元大模型：腾讯混元大模型是腾讯公司发布的预训练语言模型，在多个NLP任务中表现出了强大的能力。

这些大模型在各自发布时都取得了非常好的成绩，并且在各自公司的产品和服务中得到了广泛的应用。然而，随着技术的不断进步，新的模型不断被提出和优化，每个模型都有其独特之处，选择最强的模型往往取决于具体的应用场景和任务需求。

在选择和比较这些大模型时，可以考虑以下几个因素：

任务性能：根据具体的NLP任务（如文本分类、问答系统、文本生成等）选择最优的模型。
语言支持：根据应用的语言需求选择支持相应语言的模型。
计算资源：考虑模型的计算需求和部署的硬件条件。
易用性：模型的易用性，包括预训练模型的获取、微调和部署的便捷程度。

因此，哪家强取决于你的具体需求和场景。