据统计，截至2007年，认知诊断模型发展超过了60种（Fu ＆ Li，2007）。到了2012年，认知诊断模型发展已达100多种（辛涛，乐美玲，张佳慧，2012）。这里挑选一些在认知诊断发展史上较为重要的模型加以介绍。
一、具有认知诊断功能的IRT模型
在认知诊断发展早期，还没有发展出真正的认知诊断模型，此时学者们尝试用IRT模型来做认知诊断研究。
Fischer（1973）提出的线性逻辑特质模型（Linear Logistic Trait Model，LLTM），是最早用IRT模型来进行认知诊断尝试的模型，它是在IRT的拉希模型的基础上进行扩充、改造而成的。LLTM用认知属性复杂度的线性组合模型来刻画项目的难度；项目的难度取决于各认知属性的复杂度。通过这样的建模将认知的复杂度融入潜在特质模型中，把原来简单的概率模型转变成具有项目认知内容的潜在特质模型，从而实现了认知与测量的结合。但是，被试的能力还是用一个笼统的能力值来表示，没有对被试是否掌握各认知属性直接进行评价（涂冬波，蔡艳，戴海琦，漆书青，2008）。因此，LLTM模型不被看作真正的认知诊断模型。
此外，一些学者还用一些多维IRT模型进行认知诊断尝试。多维IRT模型将每个维度上的能力值看作相应属性的掌握水平。通过模型分析，可以确定被试在各个维度（属性）上的掌握水平。在这些多维IRT模型中，有一种比较出名的模型叫多成分逻辑特质模型（Multicomponent Logistic Trait Model，MLTM）（Whitely，1980），此后又有学者（Embretson ＆ Yang，2013）在MLTM的基础上开发了“用于诊断的MLTM”（MLTM for diagnosis，MLTM-D）。
但也有学者（余娜，辛涛，2009）认为，这种建立诊断模型的方法是存在一定局限性的。一方面，不同的能力维度用属性进行概括时，属性的定义无法深入认知过程的细节；另一方面，模型中属性的数量是有限的，否则会造成模型参数估计的困难。为了克服这些问题，后续发展的诊断模型多采用二分的属性向量组表征知识结构。