開源AI開發生態大洗牌：低代碼平臺逆襲，傳統LLM框架日漸式微
終于！當前的大模型開發生態，被一份報告、完整全景圖譜講清楚了。
就在第十屆527螞蟻技術日上，螞蟻通過Coding范式、數據、模型部署等角度，對現有開源生態進行了全面完整的大剖析，從數據的視角揭示了大模型開源生態的演進規律，如果你是大模型開發者或者潛在的開發者，幾乎研究好這份報告可能就夠了。
但這還不夠，在報告出爐之前的周末，螞蟻還發布了2025大模型開源生態全景圖，涵蓋19個技術領域、135個項目，進一步給出了大模型開發生態的參考系。
報告+圖譜，也讓這句“大模型開發生態，是一場現實世界的黑客松”，在現場被開發者一遍遍討論。
是的，在介紹最新的開源生態報告時，螞蟻開源委員會副主席王旭，就是這么感嘆的——
大模型開發生態，是一場現實世界的黑客松。
大模型開源生態，為何是一場實時直播的黑客馬拉松？
在去年的QCon（全球軟件開發大會）上的報告和量子位的MEET 2025大會中，螞蟻對開源社區給出了這樣的判斷：
開源社區的數據可以說既不全面，也不超前于時代，但是，它是跳出公司的一個客觀視角。
今年的技術日上，螞蟻針對開源生態又發布了新的報告，以及新的開源生態全景圖。
這張全景圖涵蓋了一共19個技術領域的135個項目，從模型基礎設施層到智能體應用層全面覆蓋。
開源開發世界的一個很大的優點是，人可以從公開數據中看到開發者們的協作分布動向，以此模擬項目們在生態之中的關聯關系和生態位置。
所以，螞蟻選取了時下AI領域中大家最耳熟能詳的一些項目（例如PyTorch、LangChain、vLLM等），把它們作為種子節點，然后通過開發者在GitHub上的不同項目之間產生的協作關聯關系，不斷去探查生態的多個側面。
同時，為了呈現當下最頂尖的和最火熱的開源項目，螞蟻選擇了華東師范大學X-lab實驗室的OpenRank影響力評價指標作為一個重要的數據依據——只有今年的OpenRank月均值大于10的項目，才會出現在全景圖上。
除了這張全景圖，螞蟻還專門列出了2025年排名Top 20的項目，以及增長和下降最明顯的項目。
通過對這些項目的分析，螞蟻開源認為，現在的開源生態中存在著三個主導的技術賽道——模型訓練框架、高效推理引擎和低代碼應用開發框架。
- 在訓練上，PyTorch在全景圖中的所有項目中影響力位列第一；
- 在推理上，高效推理引擎vLLM和SGlang在過去一年都處于飛速迭代之中，分別位于OpenRank同比增長的第一和第三位；
- 在應用側，結合低代碼工具鏈和RAG知識檢索管理技術的Dify和RAGFlow，正在高速增長，而這兩個應用開發平臺都是從中國開發者社區中生長出來的強勢項目。
同時，通過這張全景圖，螞蟻開源也發現如今的AI技術擴散速度遠超預期，在這樣的環境下，大模型開發生態正演變為一場在真實世界發生的、實時公開直播的黑客松。
AI開源生態的七大趨勢
從這場“黑客松”當中，開源生態當中的一些趨勢也逐漸顯現，螞蟻開源一共總結出了七條，具體可以分為應用和基礎設施兩個層次。
首先，從應用層，或者說Coding范式上來看：
- Agent框架熱潮褪去，低代碼開發方式正成為新主流；
- 標準協議層，將成為兵家必爭的戰略要塞；
- Vibe Coding新范式雖然被“嫌棄”，但開發者已經紛紛“真香”。
雖然AI智能體是當下AI應用領域當之無愧的熱門，不過智能體的開發模式相比之前已經發生了很大變化。
具體來說，2025年，Dify、RAGFlow等平臺通過低代碼工作流和企業級服務的落地開始主導市場；而以LangChain和LlamaIndex為代表的傳統開發框架日漸式微。
而Dify一躍而起，成為當前最熱門的AI應用開發平臺，螞蟻開源認為其關鍵在于精準把握了企業級用戶的需求——
一方面通過直觀的可視化工作流編排大幅降低技術門檻，另一方面則提供完善的企業級安全管控方案。
據此，螞蟻開源認為，易用性、快速構建或許是當下應用開發框架的關鍵標簽。
框架之外，隨著大模型應用進入智能體時代，還需要模型與應用、模型與模型之間的通信標準。
2024年11月，Anthropic開源了MCP（模型上下文）協議，為智能體與工具之間的通信提供了標準化的接口，此后各個大模型都快速跟進并支持了MCP，使之成為了目前實現大模型Agent調用外部工具資源的事實性標準；
今年，Google又開源了智能體間協議（A2A） 協議，規定了不同Agent應用之間的交流和互操作范式，之后CopilotKit又推出智能體用戶交互（AG-UI）協議，用于標準化智能體后端調用的工具和前端用戶界面之間的交互層。
這些協議無疑是促進大模型應用標準化的重要推動力，但離真正形成完善的體系還有差距，需要原生協議創新。
主導標準制定的先行者，將可通過協議制定權在模型即服務（MaaS）時代構筑生態護城河。
這意味著，隨著大模型服務的加速演進，標準協議層會成為頭部玩家的戰略要塞。
工具層面，被程序員們嘴上嫌棄的Vibe Coding范式已經變成“真香”，并且，一些創業公司或三五人的小團隊能夠快速產出一個該領域的開源項目，迅速出圈。
并且，AI Coding也正在嘗試從一次性代碼生成，走向真實的軟件工程場景下的開發。
除了應用，螞蟻報告也從基礎設施一側分析了開源生態現狀，得到了以下四大結論：
- 向量索引與存儲技術，正在回歸理性的沉淀；
- 多模態時代，大數據和AI生態的融合還在路上；
- 模型服務部署與推理的混戰仍在持續；
- 大模型的訓練生態，仍然以PyTorch為核心。
可以說，螞蟻的這份報告，對當今的開源生態進行了鞭辟入里的分析，那么，它又能給從業者帶來什么樣的思考呢？
生態風云變幻，從業者該怎么做？
這些趨勢代表了開源生態的一些主流選擇，但是并不會憑空產生，其背后存在的共同驅動力依然值得探討。
從Chatbot到智能體，AI應用的形式變得越來越高端，功能越來越豐富，但基礎的技術卻在逐步普及化，應用開發門檻反而正在降低。
但技術難度降低帶來應用爆發的同時，也讓開發者之間的競爭變得更加激烈。
這樣激烈的競爭，也正在迫使開源從業者尋找新的差異化路徑。
對規模較大、已經掌握部分話語權的開發者來說，從單點工具轉向生態控制權，是在競爭中取勝的關鍵。
比如在七大趨勢當中，PyTorch一騎絕塵的核心奧義，正是幾乎牢牢把握住了整個模型訓練的入口。
趨勢中所指出的“探索新的原生標準化形式”，也是基于同樣的思路。
當然，生態并不是所有人都有能力建立，事實上，即便是Anthropic這樣的MCP提出者，也很難說擁有大模型應用生態的護城河。
那么一般的開發者又該如何獲得自己的競爭優勢呢？深耕場景、提升用戶體驗，是一種可行的路徑。
前面提到的Dify、RAGFlow等平臺，走的就是這一條路線，通過低代碼的方式降低了開發使用門檻，可謂是摸準了企業用戶的脈門。
更宏觀上看，開源生態的發展，也存在著許多“變與不變”。
變化的是，項目周期正在縮短，從業者的試錯門檻也在降低，開發模式從“厚積薄發”轉向“敢于試錯”。
但不變的是，開發者的目標始終是為用戶創造價值，而“簡化復雜性、提升效率”，就是具體的路徑。
總而言之，通過數據化的視角，螞蟻用135個項目的具體數據，準確捕捉了當前AI開源項目的特征。
通過對七大技術趨勢的分析，報告也揭示了大模型開源生態的演進規律，為理解整個生態的發展方向提供了重要參考。
對于具體的技術從業者，這份報告也提供了一個相對完整的大模型開源生態地圖，有助于技術選型和趨勢判斷。
這份報告的意義不在于預測哪個項目會成功或者值得押注，而在于可以幫助理解技術生態演進的內在機制。
也就說是，千遍萬遍，規律不變，而這份報告，講的就是大模型開源生態最底層的基本規律。
