螞蟻開源在外灘大會發(fā)布2025全球大模型開源生態(tài)全景圖，揭示AI開發(fā)三大趨勢

9 月 13 日，在 2025 Inclusion·外灘大會AI開源見解論壇上，螞蟻開源聯(lián)合Inclusion AI 發(fā)布了全新的《全球大模型開源開發(fā)生態(tài)全景與趨勢告》。

這是報告5月首次發(fā)布后的2.0版本，不僅全面揭示了人工智能開源領(lǐng)域的發(fā)展現(xiàn)狀和未來趨勢，還納入了百余天內(nèi)開源社區(qū)的新動向，為行業(yè)發(fā)展提供重要參考。

（螞蟻開源技術(shù)委員會副主席王旭介紹全球大模型開源開發(fā)生態(tài)全景與趨勢告）

螞蟻開源技術(shù)委員會副主席王旭表示：“我們通過數(shù)據(jù)驅(qū)動的方式，客觀呈現(xiàn)全球 AI 開源生態(tài)的真實狀況。這既為行業(yè)提供參考，也展現(xiàn)出中國在 AI 開源領(lǐng)域的重要地位。”

數(shù)據(jù)揭示大模型開源開發(fā)生態(tài)新特征

報告最初起源于螞蟻集團內(nèi)部的技術(shù)趨勢洞察，其中的數(shù)據(jù)全部來源于開源社區(qū)，通過對 GitHub 全平臺項目的分析，使用 OpenRank 算法對項目進行篩選和排名。本次發(fā)布的大模型開源開發(fā)生態(tài)全景圖共收錄了分布在 22 個技術(shù)領(lǐng)域的 114 個最受關(guān)注的開源項目，分為 AI Agent 和 AI Infra 兩大技術(shù)方向。

（大模型開源全景圖2.0）

和全景圖一同發(fā)布的還有一份詳盡的洞察報告《從社區(qū)數(shù)據(jù)出發(fā)，再看大模型開源開發(fā)生態(tài)全景與趨勢》。該報告指出，62% 的大模型生態(tài)下的開源項目誕生于 2022 年 10 月“GPT 時刻”之后，平均“年齡”僅 30 個月，這反映出 AI 開源生態(tài)的高速迭代特性。

“開放共享”或“閉源主導(dǎo)”的路線分化

報告顯示，在參與全景圖項目開發(fā)的約 36 萬全球開發(fā)者中，統(tǒng)計到美國開發(fā)者占比 24%，中國開發(fā)者占比 18%，其次是印度（8%）、德國（6%）和英國（5%）。中美兩國合計貢獻超四成核心力量。更值得關(guān)注的是，在大模型開源策略上，中國廠商更傾向于開放權(quán)重的開源模型路線，而美國頭部廠商則多采用閉源模式。

王旭指出：“這些項目可以想象成數(shù)字積木，開發(fā)者可以自由組合搭建新應(yīng)用，中國在積木共享上的積極性，正讓全球生態(tài)更具活力。”

AI Coding 工具持續(xù)增長：開發(fā)者“效率革命”加速

報告中最引人注目的趨勢是 AI 編程工具的爆發(fā)式增長。這類工具能自動生成、修改代碼，大幅提升程序員效率，成為當下開源社區(qū)最熱門的領(lǐng)域。從形態(tài)上看，工具主要分為“命令行工具”（如 Google 推出的 Gemini CLI）和“集成開發(fā)環(huán)境插件”（如 Cline），前者以輕便靈活受青睞，后者則注重開發(fā)流程整合。

數(shù)據(jù)顯示，2025 年新出現(xiàn)的 Coding 工具平均獲得 3 萬以上開發(fā)者 Star 關(guān)注，其中 Gemini CLI 開源僅 3 個月，星標數(shù)已突破 6 萬，成為增長最快的項目之一。王旭團隊觀察到一個有趣現(xiàn)象：“做模型的廠商喜歡從命令行工具切入，而注重用戶體驗的團隊則從集成開發(fā)環(huán)境入手，兩種路線正推動編程效率‘革命’。”

這種工具熱潮背后，是全球開發(fā)者對“AI 助手”的迫切需求。報告指出，隨著大模型能力提升，未來程序員可能將更多重復(fù)性工作交給 AI 工具，轉(zhuǎn)而聚焦創(chuàng)意設(shè)計和復(fù)雜問題解決，這一趨勢或?qū)⒅厮苘浖_發(fā)行業(yè)的分工模式。

2025 大模型發(fā)展時間線全景圖發(fā)布

螞蟻開源在論壇上同步發(fā)布 2025 大模型發(fā)展時間線全景圖。該全景圖梳理了 2025 年1月至今國內(nèi)外主流廠商的大模型發(fā)布時間線，包含開放參數(shù)的模型和閉源模型。全景圖內(nèi)標注了模型參數(shù)、模態(tài)等關(guān)鍵信息，為開發(fā)者和社區(qū)理解當下各家廠商的激烈競爭提供參考。

（大模型發(fā)展時間線全景圖）

報告指出幾點關(guān)鍵的大模型發(fā)展方向：中美大模型開源與閉源的路線分化明顯、模型的參數(shù)在 MoE 架構(gòu)下趨于規(guī)模化發(fā)展、基于強化學(xué)習(xí)提升模型 Reasoning 的能力、多模態(tài)模型進一步成為主流、模型評價方式發(fā)展出基于主觀投票和客觀評測下的不同模式。