机器之心原创

编辑：吴昕

不要抗拒趋势

在微软 Build、谷歌 I/O、 Code with Claude 三大开发者大会接连登场的一周里，微软为 Windows 加装模型上下文协议（MCP），Google Gemini 野心初显「AI 操作系统」，Claude 4.0 高调抢滩编程主战场。

就在这样的节奏下，5 月 27 日，蚂蚁集团的开源团队「接棒」发布了一张《 2025 大模型开源开发生态全景图》。

访问地址：

https://antoss-landscape.my.canva.site

完整项目列表和相关数据：

https://docs.google.com/spreadsheets/d/1av9kitgnRGtsmDp6AbW96m2cCR4jXZFQmUVG2di8Bjw/edit?gid=0#gid=0

这是一张由开源社区数据驱动的技术演进路线图——

135 个社区核心项目、19 个技术领域，全面覆盖从智能体应用到模型基建，系统性梳理了开源力量在大模型浪潮下的集结与演化路径。

其中，模型训练框架、高效推理引擎、低代码应用开发框架成为当前最具主导力的三条技术赛道。

135个项目中位于2025 年 OpenRank 排名Top 20的项目。这里用到了华东师范大学X-lab实验室OpenRank影响力评价指标。

结合前一张图，将 OpenRank 指标与 2024 年数据对比，三大主导技术赛道的同比上升幅度尤为明显。

「不要抗拒趋势。」发布现场，蚂蚁开源技术委员会副主席王旭谈及全景图的意义。

比起盲目对标，在一个飞速发展的领域，搞清楚哪些关键领域仍未涉足、哪些路线已经成了技术冗余，对于企业而言更具现实意义。

对于开发者、投资人，尤其是打算「自己干」的人来说，也是一份值得参考的路线图：哪些项目正拾级而上？哪些赛道开始日落西山？关键从来不是起点有多高，而是是否踩准了那条上升通道。

一张快速变化领域的「撕拉片」

这张全景图，像是一张为大模型开源生态拍下的「撕拉片」。在高速运动的行业面前，「咔嚓」定格了 135 个项目的最大「公约数」——

一场直播中的「现实世界的黑客松 (A Real-world Hackathon )」 。

与追求长线的传统开源文化不同，这些项目大多靠热点驱动，短期速成、技术声誉兑现快；反之，随着热点不断迭代，严重依赖热点的项目「埋」得也快。

例如，对应的闭源项目爆火后，Devika、OpenDevin、OpenManus 们在短周期内密集登场并获得极高关注度。

SGLang、vLLM 则代表另一种高频脉动的开发形态——方向明确，剩下的全靠「中美网友 24 小时轮肝」完成；几乎每周都有新版本，生态在极高密度的「卷」中快速升级。

有些项目发展不错，有些项目成功为背后工具链引流，还有的发展为商业项目，如 GPT Engineer 早期积累了⼤量⽤户的明星开源项⽬，后续发展为闭源的商业化产品 Lovable。

一些项目爆发力极强，一度拥有上万 star 的关注度，但也面临高淘汰率和低维护意愿的挑战，最后被「埋」。

除了 swarm 是 OpenAI 官⽅宣布不再维护外，其余项⽬的上⼀次代码提交还停留在 2024 年，实质性开发早已停滞。

如果就此止步，只看到爆款和淘汰，就难以理解为什么这些浪花会出现。推动「黑客松现象」上演的还有更为深层的「地质」动力——

模型能力带来的应用重塑、生态位之间的动态博弈。

以 AI 搜索为例，开源项目集体式微，并非「做得不够好」，而是 GPT-4、Gemini 们已经将联网检索、答案生成「内嵌进模型」，直接抹平了原有的工具价值。

AI Search 开源项目们的 OpenRank 趋势，犹如日落西山

相反，AI Coding 类开源项目则一派繁荣，OpenRank 走势「嘴角上扬」几乎成标配。

这一轮热潮的背后，是 Claude 3.7 Sonnet 等大模型在代码生成与代码理解能力上的集体飞跃，直接重构了「人机协作」方式。

AI Coding开源项目 OpenRank 趋势，几乎个个「嘴角上扬」，蒸蒸日上。

与此同时，生态位之间也在激烈博弈中，变化最剧烈当属 Agent Framework 领域——

Dify、n8n、RAGFlow 等低代码平台工具涨幅显著，高达 72.22%；而与此同时，LangChain、LlamaIndex、AutoGen 等曾经红极一时的SDK范式整体下滑了 35.90%，跌幅居首。

这可能意味着一个转向——

从服务开发者「写代码拼接智能体」，转向更注重用户的「可视化、可定制、业务级可落地」的平台产品。

低代码平台跃升至最顶端，而 SDK 范式则集体「下滑到底」。

看见未来：七大趋势浮出水面

除了生态全景扫描，通过追踪 GitHub 上 135 个核心项目近两年的活跃度、技术走向与社区反馈，报告也归纳出七条值得所有开发者、创业者关注的趋势：

前三个聚焦智能体应用层，后四个围绕模型基础设施层

最具体感的趋势都集中在了智能体应用，而且两个都与 Manus 爆火有关。

2025年，Agent 框架热潮褪去。从 2024 年下半年开始，LangChain 等早期 SDK 型框架的热度开始「下台阶」式回落，新框架鲜有涌现，开发者重心悄然转移。而到了 2025 年，Dify、RAGFlow 等低代码工作流平台因契合企业需求迅速崛起（也是从中国开发者社区中生长出来的强势项目）。

Agent框架OpenRank排名前十的变化

如何理解新框架在 2025 年褪潮？在发布现场的圆桌讨论中，几位智能体框架圈的核心研发者表示——

与其说褪去，不如说 Agent 框架来到下半场。

过去两年，「上半场」的主旋律是开发者工具：大模型刚崭露头角，各类框架如 LangChain、AutoGen、LlamaIndex 等纷纷涌现，争相为开发者搭建「脚手架」。随着 Agent 流程逐渐标准化，开发者不再需要五花八门的新框架，

恰在此时，Manus 的「一键即用」体验爆火，让业界意识到端到端的极致体验可以为很多用户接受。在「下半场」，Agent 框架更注重应用场景落地，帮助普通用户完成更复杂任务。当然，解决真实场景的任务时需要强化学习，还面临不少挑战（如奖励设计）。

预测同时指出，2025 年低代码平台强势崛起，表明 Agent 框架的竞争从比拼技术范式，走向比拼「谁能更快成为企业的生产力工具」。那些技术节奏稳、商业理解深的开源平台，正乘势成为「 AI 新基建」的领跑者，Dify 就是代表之一。

除了框架圈，Manus 更撬动了「大厂觉醒」，连夜启动配套建设，尤其是标准协议层。

MCP 一出，标准协议层正式登场，大厂几乎倾巢而出——

有了它，直接盘活沉淀多年的「互联网家业」，现在一键接入，就能组成一个能办事、能协作的 Agent，触达生活的每一个角落。

紧接着，Google 在 2025 年开源 A2A（ Agent2Agent ） 协议，解决 Agent 之间互操作的问题；CopilotKit 又推出的 AG-UI 协议 进一步打通了智能体后端与前端用户。

不过，发布现场的圆桌讨论中，开发者们也指出 Agent 间的协作与传统工具调用很不同——

它往往是一个持续十几分钟乃至更长的「长程任务」，在执行过程中需要频繁与提供方交互。因此，协议不仅要能传递信息，更要支持任务状态的维护、过程控制和动态交互能力。

而目前的 MCP 协议没有涵盖这些能力，A2A 解决的还是「连得上」的问题，「协作」仍是未解之题。这一领域仍有广阔优化空间，也为开源社区留下了巨大的创新机会。

预测也指出，未来需要原生为大模型场景设计的新协议，而在这场技术升级中，开源生态将成为关键阵地。

谁能率先定义这些新协议，并将其与工具链（如 SDK、框架）打通，谁就有机会建立自己的技术闭环，抢占「模型即服务（ MaaS ）」时代的生态制高点。可以预见，未来一到两年，标准协议层将迎来激烈的生态博弈期。

再来看 AI Coding。写代码是大模型与生俱来的优势，AI 编程项目确实红火，几乎个个「嘴角上扬」。

根据项目的智能化程度（辅助还是完全替代？）以及目标受众群体（专业人士还是普通用户？）的专业化程度，将这些 GitHub 上热门的 AI Coding 类开源项目划分为四个象限。

国内百度、阿里、腾讯、蚂蚁、字节等陆续推出 AI 代码助手，率先跑马圈地。AI Coding 也成为开源生态中少数几个不依赖独占数据、也不被私有场景锁死的活跃赛道。连 OpenAI 都愿意为此砸下 30 亿美元，收购 AI 开发工具 Windsurf，可见这条赛道含金量之高。

如今，AI 代码助手已深度介入整个软件开发流程：从需求理解、系统设计，到前后端开发、测试调试，再到上线与运维。有意思的是，真正「带它上路」的，是程序员自己。但要说全面替代程序员？还远得很。

目前的 AI 编程助手，大致处于「智能辅助驾驶」阶段，能在特定任务上独立作业，比如自动生成前端页面、小程序骨架、测试脚本、代码检查等。

技术演进的关键瓶颈，预测明确指出有两个：一是上下文感知能力（ Context-Awareness ），二是领域知识融合（ Domain Knowledge Integration ）。在未来 24 个月里，AI 助手的「接单能力」会不断增强，但在人机共创的长期范式中，关键决策权，仍牢牢掌握在人类程序员手中。

与应用层的「生死时速」不同，一旦「下沉」到基础设施，趋势变化更像是静水深流。

ChatGPT 和其他大语言模型的爆火，一度把「泼天的富贵」砸向了向量数据库，一时间风头无两。但热潮也很快退去，发展趋势逐渐趋于平稳。最近两年，它们既没被「拍死」，也没卷出新高度，更多是以「相敬如宾」的姿态各自发展。

有关「向量数据库是不是伪需求」，一直争议不断。从当前的稳定趋势来看，它可能确实是一项真需求。

向量数据库的每月 Star 增量变化

预测指出，技术「厚不厚」不是重点，关键是有没有持续迭代的范式空间。对向量数据库来说，短期看是稳定期，但中长期是否能迎来「第二曲线」，还要看 AI 生态新场景的开拓速度。

发布现场的圆桌讨论中，Zilliz 合伙人、技术总监栾小凡还提到一个很有意思的点——

向量数据库不仅是模型应用阶段的「召回引擎」，也正在成为训练流程中的「数据发现器」。

如在自动驾驶场景中，如果模型在「红灯前突然窜出一只狗」这类边缘案例中表现不佳，就需要通过数据回溯找到类似样本，进一步强化训练。但这类数据往往来自非结构化源，如网页爬虫、文本、视频等，难以通过传统标签化方式精准搜集。

此时，向量数据库的价值就体现出来了——

它能帮助我们高效从海量异构数据中，按语义相似性快速定位相关样本，从而实现更精准的「问题驱动式数据提取」，支持面向真实任务场景的精细化训练。

谈到大模型训练和推理，我立刻想到「源神」DeepSeek 的一段话：

我们非常感谢开源生态系统，没有它，我们不可能在通用人工智能 (AGI) 方面取得进展。我们的训练框架依赖于 PyTorch，我们的推理引擎基于 vLLM，这两者都对加速 DeepSeek 模型的训练和部署起到了重要作用。

要说 PyTorch，人人都承认它的领先，但没想到它居然领先到了「一统江湖」的地步。

而一旦进入推理环节，很多开发者都关心一个问题：性能被拉到一个新高度，怎么提高模型的推理速度？2023 年以来，出现了一大波面向于模型部署和高效推理的大模型服务工具，在性能和生态上彼此追赶，混战一直持续到今天。

眼下，vLLM 与 SGLang 已是当之无愧的「推理顶流」，社区影响力持续扩张。

从 Top 10 的模型服务项目的排名变化上来看，仍有新的项目不断冒出来，并吸引开发者参与到其中去。例如去年 7 月清华推出的 KTransformers 和今年 3 月 NVIDIA 推出的 Dynamo。

几大模型服务项目的 OpenRank 曲线变化

2023 年 6 月，vLLM 首次发布，被视为大语言模型推理的分水岭：在不改动模型结构的前提下，它显著压缩显存占用、提升并发能力，是首个对 LLM 推理进行系统级重构的开源引擎。2025年，vLLM 发布 v1，完成核心架构升级后重回增长通道，依旧是主流部署场景中的首选框架，并具备更强的商业集成度。

SGLang 属于后者居上—— 2024 年 1 月发布，定位更贴近真实 Agent 应用场景，不仅具备更强的 GPU 并发调度能力，还支持多步推理优化。2025 年一季度，其 OpenRank 增长达 31%，远超同期 vLLM 的 17%。

SGLang 也被用于重写 Grok 2 推理技术栈，极大改善了产品体验，甚至获得马斯克的公开点赞。

有个细节，「一招鲜」也有高光时刻。

2025 年 2 月，清华大学 KVCache.AI 团队推出的 KTransformers 破解千亿级大模型本地部署难题，4090 单卡实现 DeepSeek-R1 满血运行。

该项目 OpenRank 飙升 34 倍，吸引 736 名开发者参与协作，GitHub Star 数突破 1 万。看来在大模型时代，哪怕是底层细节的优化，也可能带来「超级红利」

最后，在多模态数据治理技术的演化上，湖仓「四足鼎立」， 为大模型所依赖的非结构化海量数据提供更强的存储与管理能力。元数据治理也开始拥抱非结构化数据和 AI 资产管理。

不过，Data Infra 发展了二十年，发展得非常完善，有自己的方法论。而多模态原生数据 Infra 才刚刚开始，用新的方式再做一遍时，Data Infra 遭遇过的痛点可能会再度出现。

数据湖表格式项目 OpenRank 曲线变化

元数据治理项目 OpenRank 曲线变化

「撕拉片」的方法论

为什么要做这份报告？王旭回答很直接——

蚂蚁的开源团队其实不叫「开源办公室」，而是「开源技术增长」，一个立足架构层的技术中枢，希望通过对开源社区的长期观察，为蚂蚁内部的技术路径提供决策支持。

相比 Gartner 这样的传统商业分析，开源社区数据能更早、更真实反映技术的风向变化。

为构建这张「撕拉片」，团队以 PyTorch、LangChain、vLLM 等 AI 明星项目为起点，层层扩展其技术上下游，并邀请行业专家讨论，一步步收敛出百余个活跃度与影响力兼具的核心项目。

真正支撑判断的，是 OpenRank——由华东师范大学 X-lab 开发的开源影响力指标。这次入选门槛是：2025 年 1 至 4 月的 OpenRank 月均值 ≥ 10。太旧、太新的项目都可能被筛掉。为了观察趋势，团队重点对比了项目和赛道的 OpenRank 均值变化。

发布会上，王旭还透露报告将在下半年推出更新版本。届时，低代码平台是否还能保持狂飙？协议层会否冒出新变量？AI Coding 是否还有惊喜？......

这场黑客松直播，还在继续。