🤖 AI开源项目全景图

DeepSeek 第三代 MoE 架构大模型，671B 参数，激活仅 37B。在多项基准上超越 Llama 3.1 和 GPT-4o，训练成本仅为同类模型的 1/10。

深度求索推出的推理增强模型，通过强化学习训练，具备 Chain-of-Thought 深度推理能力。在数学和编程任务上表现出色。

Meta 开源的最新一代大语言模型系列，包含 Scout（109B）和 Maverick（400B+）两款 MoE 模型，支持 1000 万 token 超长上下文。

阿里云通义千问第三代模型，支持思考/非思考模式切换。0.6B~235B 全尺寸覆盖，在多语言和代码能力上表现优异。

法国 AI 初创公司推出的高效大模型系列，以 7B 参数量达到 13B 级别性能。擅长滑动窗口注意力和高效推理。

智谱 AI 推出的 GLM 系列第四代模型，支持多模态、长上下文和工具调用。中文理解和对话能力出色。

上海AI实验室推出的书生浦语大模型第三代，在数学推理、代码生成和指令遵循方面有显著提升。

Google DeepMind 推出的轻量级开源模型，2B/9B/27B 三种规格。基于 Gemini 技术，在同等规模中表现领先。

本地大模型一键运行工具，支持 llama3、mistral、qwen 等主流模型。像 Docker 一样拉取和管理模型，零配置体验。

纯 C/C++ 实现的 LLM 推理引擎，无需 Python 依赖。支持 GGUF 量化格式，在 CPU 上也能高效运行大模型。

高吞吐量 LLM 推理和服务引擎，采用 PagedAttention 技术，显存利用率提升 2-4 倍。生产环境首选。

统一的 LLM API 网关，用 OpenAI 格式调用 100+ 个 LLM 提供商。支持负载均衡、限流和费用追踪。

高性能 LLM 推理框架，支持 RadixAttention 前缀缓存。在多轮对话和结构化输出场景中性能领先。

本地 AI API 服务，兼容 OpenAI API 格式。支持 LLM、图像生成、音频转录等多种 AI 能力，无需 GPU 也可运行。

跨平台 LLM 部署引擎，支持在手机、浏览器、嵌入式设备上运行大模型。基于 TVM 编译优化。

NVIDIA 官方 LLM 推理优化库，基于 TensorRT 深度优化。在 NVIDIA GPU 上实现极致推理性能。

一站式大模型微调框架，支持 100+ 模型的 SFT/RLHF/DPO 训练。Web UI 可视化操作，零代码完成微调。

极速微调框架，训练速度提升 2-5 倍，显存节省 70%。支持 LoRA/QLoRA，手写 Triton 内核深度优化。

HuggingFace 官方的强化学习训练库，支持 SFT、RLHF、DPO、PPO 等对齐训练方法。

魔搭社区推出的轻量级训练框架，支持 300+ LLM 和 50+ MLLM 的微调。PEFT 方法全覆盖。

HuggingFace 核心库，提供数千种预训练模型的统一 API。NLP、CV、音频、多模态全覆盖，AI 基础设施级项目。

Meta 主导的深度学习框架，动态计算图 + Pythonic 设计。学术界和工业界的事实标准，几乎所有 AI 项目的基础。

LLM 应用开发框架的事实标准。提供链式调用、工具集成、记忆管理等核心抽象，生态最完整。

LangChain 团队推出的有状态多 Agent 编排框架。基于图结构定义复杂工作流，支持循环和条件分支。

微软推出的多 Agent 对话框架，支持 Agent 之间自主对话协作。可自定义 Agent 角色和对话流程。

面向多 Agent 协作的编排框架，模拟团队分工。每个 Agent 有专属角色、目标和工具，协同完成复杂任务。

Agent 工具集成平台，提供 200+ 应用的即插即用连接器。让 AI Agent 轻松操作 Gmail、Slack、GitHub 等外部服务。

端到端 RAG 引擎，深度文档解析能力突出。支持 PDF/Word/PPT 等复杂格式的智能切片和检索。

数据框架 for LLM 应用。提供数据连接、索引构建和查询接口，支持 160+ 数据源接入。

基于 LangChain 的本地知识库问答方案。开箱即用，支持多种文档格式，中文场景优化。

AI 原生开源向量数据库，嵌入式部署零配置。API 简洁优雅，适合快速原型和中小型生产环境。

高性能向量搜索引擎，Rust 编写。支持过滤、Payload 存储和分布式部署，生产级可靠性。

云原生分布式向量数据库，支持万亿级向量检索。LF AI 基金会毕业项目，企业级首选。

模块化 NLP/RAG 框架，支持灵活的 Pipeline 编排。可自由组合检索器、阅读器和生成器组件。

VS Code 中的自主编程 Agent。能读写文件、执行命令、浏览网页，像一个结对编程的 AI 搭档。

AI 软件开发 Agent 平台（原 Devin 开源替代）。能自主编写代码、调试、执行测试，完成端到端开发任务。

终端中的 AI 结对编程工具。直接在 Git 仓库中与 AI 对话修改代码，自动 commit，支持多种 LLM。

开源 AI 代码助手，支持 VS Code 和 JetBrains。代码补全、聊天、编辑一体化，可接入本地模型。

普林斯顿大学推出的自动修复 GitHub Issue 的 Agent。在 SWE-bench 基准上表现优异，学术研究标杆。

从零手把手训练一个微型 LLM 的教程项目。2 小时即可训练 26M 参数的 GPT，LLM 入门最佳实践。

节点式 Stable Diffusion 工作流引擎。可视化编排复杂图像生成流程，支持 ControlNet/IPAdapter 等插件生态。

开创性的文生图扩散模型。开源引爆 AI 绘画革命，催生了庞大的社区生态和无数衍生项目。

简化版 Stable Diffusion 前端，专注于易用性。一键安装，自动优化提示词，小白也能生成高质量图片。

为扩散模型添加精确空间控制。支持边缘图、深度图、姿态图等多种条件输入，AI 绘画精确控制的里程碑。

Black Forest Labs 推出的新一代文生图模型，图像质量和文字渲染能力大幅提升。SD 核心团队出走后的力作。

Ultralytics 推出的最新 YOLO 系列，支持检测、分割、分类、姿态估计。实时目标检测的行业标准。

阿里通义万相视频生成模型，支持文生视频和图生视频。开源版本质量媲美商业方案，中文生态友好。

Lightricks 推出的高效视频生成模型，推理速度快。支持文本到视频和图像到视频的流畅生成。

Colossal-AI 团队的开源 Sora 复现方案。致力于民主化视频生成技术，支持长视频和高分辨率。

一键生成短视频的 AI 工具。自动编写文案、匹配素材、添加配音和字幕，批量生成可发布的短视频。

OpenAI 开源的通用语音识别模型，支持 99 种语言。鲁棒性强，几乎能处理任何音频质量的转录任务。

Whisper 的 CTranslate2 加速版本，推理速度提升 4 倍。保持相同精度，大幅降低部署成本。

深度学习文本转语音工具包，支持多说话人和语音克隆。提供 XTTS 等高质量模型。

阿里通义实验室的语音合成模型，支持中英日韩粤多语言。零样本语音克隆效果出色。

Suno AI 推出的文本转语音模型，能生成高度逼真的人声。支持笑声、叹息等非语言声音和背景音效。

Suno 音乐生成 API 的非官方封装。通过文本描述即可生成完整歌曲，包含旋律、歌词和编曲。

通义千问视觉语言模型，支持图像理解、视频分析和 Agent 操作。能理解复杂图表和长视频内容。

上海AI实验室的多模态大模型，视觉理解能力领先。支持图文对话、文档解析、图表分析等任务。

智谱AI的视觉语言模型第二代，在视觉问答和图像描述上表现优异。支持高分辨率图像输入。

大型语言和视觉助手，开创性地将视觉编码器与 LLM 连接。多模态研究的重要基线模型。

开源工作流自动化平台，支持 400+ 集成。可视化编排复杂业务流程，AI 节点让工作流拥有智能。

开源 LLM 应用开发平台，提供 Agent 工作流、RAG 管道、模型管理和可观测性。从原型到生产的完整方案。

轻量级 ChatGPT/LLM 对话客户端（原 ChatGPT-Next-Web）。一键部署，支持多模型切换和 PWA。

现代化的开源 AI 对话框架，支持插件系统、知识库和多模态。UI 设计精美，开发者体验优秀。

让 AI Agent 操作浏览器的 Python 库。LLM 驱动的网页自动化，能完成填表、点击、导航等复杂交互。

一站式 LLM 私有化部署桌面应用。支持文档上传、向量化、对话，内置多种 LLM 和嵌入模型。

快速构建 ML 演示应用的 Python 库。几行代码创建 Web 界面，HuggingFace Spaces 的默认框架。

将任意 URL 转换为 LLM 友好的文本格式。网页内容提取利器，RAG 管道的重要组件。

MCP 服务器的精选列表，收录数百个社区开发的 MCP 实现。涵盖数据库、文件系统、API 等各类工具集成。

Anthropic 官方维护的 MCP 服务器参考实现。包含文件系统、GitHub、数据库等核心连接器。

开源 LLM 可观测性和评估平台。追踪每次调用的延迟、成本和质量，支持 Prompt 管理和 A/B 测试。

LLM 输出评估框架，提供幻觉检测、相关性评分、毒性检测等评估指标。像 pytest 一样写测试。

RAG 系统评估框架，自动评估检索质量和生成质量。无需标注数据即可衡量 RAG 管道表现。