一提到“大模型”，很多人的第一反應往往是那個既能聊天，又會寫代碼、畫畫的“模型本身”。但其實，大模型遠不止是一個“能輸出結果的程序”這么簡單，其背后有一整套復雜而龐大的技術體系作為支撐：從大規(guī)模、高質(zhì)量、多樣化的數(shù)據(jù)，到先進的模型架構與訓練策略，再到推理部署、資源調(diào)度等支撐落地的系統(tǒng)能力，以及不可或缺的科學評測機制。大模型更像是一個由模型、數(shù)據(jù)、系統(tǒng)、評測平臺等多要素構成的“技術共同體”，而非單一模塊的堆疊。

如今在閉源技術壁壘與高昂商用門檻的對比下，開源大模型正迅速崛起，成為推動 AI 技術普惠化的重要力量。但面對層出不窮的開源 AI 模型技術，我們該如何選型？不同的模型技術體系又各有怎樣的優(yōu)勢與短板？

在這一背景下，為系統(tǒng)呈現(xiàn)全球大模型生態(tài)的開源發(fā)展現(xiàn)狀，CSDN 聯(lián)合多家機構于 4 月 18 日在 2025 全球機器學習技術大會（ML-Summit 2025）現(xiàn)場重磅發(fā)布《AI 大模型技術體系綜合開源影響力榜單》，全面評估全球范圍內(nèi)開源大模型技術體系的貢獻與影響力，旨在為行業(yè)提供參考坐標，推動開源創(chuàng)新持續(xù)前行。

注：這里大模型是指

主要包括 decoder-only 以來的模型結構，包括使用了大模型技術訓練的小尺寸模型，不包括 Bert 類模型。

覆蓋模型、數(shù)據(jù)、系統(tǒng)、評測四大維度的大模型技術體系

這份榜單的獨特之處在于，它并不是只關注大模型本身，而是從“模型—數(shù)據(jù)—系統(tǒng)—評測平臺”四個關鍵環(huán)節(jié)出發(fā)，對整個大模型技術體系的開源生態(tài)進行了全景式評估。之所以選擇這四個維度作為核心，是因為它們共同構成了大模型發(fā)展的基本支撐：

• 第一，模型是整個體系的核心所在。開源大模型的種類越豐富，支持的模態(tài)越多，能覆蓋的應用場景就越廣，社區(qū)的技術創(chuàng)新也會隨之加快。評估模型維度，可以衡量技術生態(tài)的創(chuàng)新能力和實際應用上的表現(xiàn)。

• 第二，數(shù)據(jù)是大模型的基礎。模型表現(xiàn)好不好，很大程度上取決于數(shù)據(jù)的質(zhì)量和多樣性。而現(xiàn)在，高質(zhì)量數(shù)據(jù)愈發(fā)稀缺，數(shù)據(jù)的開源不僅能降低模型訓練門檻，也方便不同機構之間資源共享，讓模型“吃得更好、長得更快”。所以，評估各家機構在開源數(shù)據(jù)及數(shù)據(jù)處理技術方面的覆蓋廣度、數(shù)量多少和實際應用情況，能夠直觀反映其在大模型生態(tài)中構建基礎設施能力的成熟度。

• 第三，系統(tǒng)是整個體系的底層支撐。一個好的開源系統(tǒng)，不僅能適配不同的芯片平臺，尤其是國產(chǎn)芯片，還能幫助模型更高效地訓練與部署，提升整個生態(tài)的靈活性與可用性。

• 第四，評測平臺則是檢驗模型效果的“試金石”。開源評測工具和排行榜越完善，就越能幫助研究者和開發(fā)者科學比較、快速迭代，提升模型的可靠性與實際應用價值。

這四個環(huán)節(jié)環(huán)環(huán)相扣，缺一不可。正因為如此，這次發(fā)布的榜單正是以“模型、數(shù)據(jù)、系統(tǒng)、評測平臺”為骨架，設置了共 53 項核心評估指標，包括模型使用量、模型模態(tài)覆蓋度、模型適配的芯片數(shù)量、貢獻者活躍度、數(shù)據(jù)集的覆蓋情況、數(shù)據(jù)處理工具、開源 AI 編譯器、通信庫、評測工具等，力求全面、客觀地呈現(xiàn)出各大機構在大模型開源生態(tài)中的綜合技術實力。

在數(shù)據(jù)采集方面，榜單共分析了來自 Hugging Face、ModelScope、GitHub、GitCode 等全球 17 個主流開源平臺，分析了 11673 個鏈接中的多種指標數(shù)據(jù)，覆蓋了全球范圍內(nèi)有代表性的模型機構、研究團隊和平臺所發(fā)布的公開資料，數(shù)據(jù)采集周期為 2025 年 1 月-4 月。為確保評估結果的科學性與可比性，榜單在模型、數(shù)據(jù)、系統(tǒng)、評測平臺四個維度分別制定了明確的統(tǒng)計方法和篩選標準：

• 數(shù)據(jù)指標：同一項目的多個倉庫 ，根據(jù)倉庫README文件及關聯(lián)論文劃分每個數(shù)據(jù)倉庫所屬的模態(tài)、生命周期。
  

• 模型指標：統(tǒng)計各個機構下屬所有子機構/組織的倉庫，僅統(tǒng)計月下載量大于 50 的模型，僅統(tǒng)計 Transformer 之后的架構的大模型，排除 CNN/RNN 等傳統(tǒng)深度學習模型，排除參數(shù)量小于 500M 的語言模型。
  

• 系統(tǒng)指標：支持異構訓練、接入訓練芯片廠商數(shù)量、大模型生命周期支持程度均通過從 GitHub、GitCode、PaddlePaddle、Mindspore 等網(wǎng)站獲取。
  

• 評測平臺指標：評測模型、評測數(shù)據(jù)數(shù)量從 2023 年后開始統(tǒng)計。僅統(tǒng)計公開可查的模型，為數(shù)據(jù)集發(fā)布而評測的模型不計其中。 僅統(tǒng)計保持更新的評測平臺，隨數(shù)據(jù)集發(fā)布而評測的榜單不計其中。評測模型以評測平臺上的數(shù)據(jù)為準。（下載量相關數(shù)據(jù)均為統(tǒng)計當月下載量，其他數(shù)據(jù)為統(tǒng)計當月的截止值。）

DeepSeek 榮登百億級語言模型榜首，五大技術分榜單齊發(fā)！

基于上述四個核心維度的評估方法，我們對全球開源數(shù)據(jù)進行了系統(tǒng)化收集與標準化處理，最終形成百億參數(shù)大語言模型、模型、數(shù)據(jù)、系統(tǒng)和評測平臺五個分榜單。

百億大模型下載榜出爐：DeepSeek 獨占四席，強勢躋身第一梯隊

當前，業(yè)界對“百億參數(shù)級”大模型（即參數(shù)規(guī)模在 32B 以上的模型）的關注日益升溫。這類模型在性能與通用能力之間找到了相對理想的平衡點，既能支撐復雜任務，又具備可控的部署和訓練成本，逐漸成為產(chǎn)業(yè)界和研究界爭相投入的焦點。尤其是在開源社區(qū)，百億模型正成為衡量機構技術力與實戰(zhàn)落地能力的重要標尺。

在這一細分賽道上，國內(nèi)機構正在加速追趕。在“百億參數(shù)大語言模型下載量榜單”中，DeepSeek 表現(xiàn)格外亮眼，前十名中獨占四席，顯示出強勁的用戶吸引力和產(chǎn)品號召力。其中，R1 模型以 954 萬次下載量位居榜首，V3 模型緊隨其后。這不僅體現(xiàn)了模型本身的實用性和穩(wěn)定性，也從側面反映了 DeepSeek 生態(tài)影響力正在迅速攀升。

模型分榜單：Meta、阿里巴巴穩(wěn)居前列，DeepSeek 強勢突圍

在“模型分榜單”中，評估參考了多個維度，包括模型的下載量、開源數(shù)量、是否覆蓋多種模態(tài)（如語言、視覺、語音、多模態(tài)、3D、蛋白質(zhì)、向量），以及社區(qū)活躍度（點贊數(shù)、討論數(shù)量、Issue 數(shù)），綜合衡量各機構在模型層面的開源影響力。

從多項指標得出的模型維度榜單來看，2025 年 1 月至 4 月期間，大模型的競爭格局呈現(xiàn)“強者穩(wěn)固，后秀崛起”態(tài)勢：Meta 連續(xù)四個月蟬聯(lián)榜首，阿里巴巴則穩(wěn)居第二，整體格局相對穩(wěn)固，展現(xiàn)其強大生態(tài)力。而 DeepSeek 則是今年的最大黑馬，憑借 V3、R1 等新模型的持續(xù)發(fā)布迅速上升，在模型維度榜單中排到第 4，成為最具成長性的國內(nèi)機構之一。

數(shù)據(jù)分榜單：Ai2 靠 C4 出圈登頂、Google 憑語音數(shù)據(jù)集加持不甘示弱

毋庸置疑，在大模型世界里，數(shù)據(jù)就是“食糧”。這份數(shù)據(jù)分榜單評估主要考察數(shù)據(jù)集的模態(tài)覆蓋度（語言、視覺、語音、具身等）、大模型生命周期支持情況以及配套數(shù)據(jù)工具的完整性。

從榜單來看，或許不少人對排名第一的 Ai2（Allen Institute for AI）這個名字還不太熟悉，但如果提到 C4 數(shù)據(jù)集，很多從事大模型訓練的從業(yè)者一定不會陌生。C4 是多個主流語言模型的訓練基礎，而發(fā)布它的正是 Ai2。這家由微軟聯(lián)合創(chuàng)始人保羅·艾倫在 2014 年創(chuàng)辦的研究機構，長期專注于“普惠”和“透明”的人工智能基礎研究。

在這次數(shù)據(jù)維度的開源影響力榜單中，Ai2 憑借 C4 數(shù)據(jù)集的廣泛使用和影響力，成功登頂。它的上榜雖然讓一些人感到意外，但從它在數(shù)據(jù)資源方面的積累來看，也可以說是實至名歸。

除了 Ai2，Google 在語音數(shù)據(jù)集方面表現(xiàn)出色，貢獻了不少關鍵性資源；而 Hugging Face 也憑借 FineWeb 等高質(zhì)量數(shù)據(jù)集保持了持續(xù)的開源活躍度。

在國內(nèi)機構中，BAAI 在語言和多模態(tài)數(shù)據(jù)集方向均有系統(tǒng)布局，如 CCI 系列語言數(shù)據(jù)集和 Infinity 多模態(tài)數(shù)據(jù)集表現(xiàn)搶眼。Shanghai AI Lab 則在視覺與多模態(tài)領域構建了優(yōu)勢地位。

整體而言，當前，語言類數(shù)據(jù)依然是主流，但多模態(tài)數(shù)據(jù)正在加速追趕，尤其是帶有“具身感知”特性的交互式數(shù)據(jù)集開始受到關注。這種變化也從下載量上得到了驗證。它說明大家對 AI 的期待正在從“讀懂文本”轉向“理解世界”，從語言走向?qū)嶓w交互應用。

系統(tǒng)分榜單：智源研究院突出，百度、華為躋身十強，打造最強大模型底座

系統(tǒng)維度聚焦的是 AI 模型背后的“底層支撐能力”，主要看哪些機構在開源核心技術工具方面下了功夫。這一維度的評估主要從并行訓練和推理框架、算子庫、通信庫、AI 編譯器以及深度學習框架五個方面展開。可以理解為這是構建和運行大模型的“工具箱”。

根據(jù)榜單結果顯示，目前還沒有哪家機構能在這五個指標上做到全覆蓋，但已有六家機構表現(xiàn)突出，覆蓋了其中的四項，它們分別是：智源研究院、百度、華為、Google、OpenAI 和微軟。

其中，智源研究院在通信庫和 AI 編譯器這兩個更偏向底層優(yōu)化的模塊上表現(xiàn)出色，逐漸走出一條差異化的技術路線。而 Meta 和 Google 在“多芯片支持”的算子庫和并行訓練框架方面領先優(yōu)勢明顯，擅長處理大規(guī)模算力調(diào)度。

這類“系統(tǒng)底座”能力雖然不容易直接被用戶感知，但卻是大模型性能、效率和可擴展性的關鍵。誰能在這些方面做好，誰就能為更強大的模型打下更穩(wěn)的地基。

評測平臺分榜單：上海人工智能實驗室、Hugging Face、智源研究院領跑大模型技術體系評測

在大模型評測領域，關鍵的評測維度包括評測工具、數(shù)據(jù)集的數(shù)量、支持的模態(tài)等因素。總體來看，雖然評測工具和方法在短期內(nèi)已逐漸穩(wěn)定，但對于評測覆蓋的模態(tài)和數(shù)據(jù)規(guī)模的擴展卻持續(xù)加速。

在這個維度中，Shanghai AI Lab 憑借其豐富的數(shù)據(jù)集和評測工具，位居前列。HuggingFace 則通過其平臺生態(tài)的強大優(yōu)勢，在參與評測的模型數(shù)量上遙遙領先，目前已提交了 4576 個模型進行評測。與此同時，BAAI 也不甘落后，依托其 FlagEval 平臺，在評測榜單上的模型數(shù)量緊隨 Hugging Face，顯示出較強的評測覆蓋能力。

隨著評測平臺不斷增加數(shù)據(jù)集和支持的模態(tài)，未來的評測將更全面，能夠覆蓋更多類型的模型和應用場景。這不僅幫助行業(yè)標準化，也讓模型開發(fā)者和研究者能更清楚地評估自己模型的性能，推動整個領域的持續(xù)發(fā)展。

綜合開源影響力榜單：四家中國機構躋身 Top 10，加速全球開源創(chuàng)新

最終，我們基于模型、數(shù)據(jù)、系統(tǒng)、評測平臺四大技術維度進行加權評分，其中模型維度占比 50%，其余三項均分剩余權重。根據(jù)此評估結果，我們正式發(fā)布——《大模型技術體系綜合開源影響力榜單》。

亮點解析

榜單顯示，Meta 憑借其在模型和系統(tǒng)兩大核心維度的深厚積累，位居總榜首位。要知道，Meta 在模型方面的領先地位幾乎無可撼動，其主導發(fā)布的 LLaMA 系列模型，從 LLaMA 1 到最新的 LLaMA 4，已成為全球開源語言模型的核心基座，并衍生出諸如 Alpaca、Vicuna 等多個流行模型，極大豐富了開源生態(tài)。此外，Meta 還是 PyTorch 框架的主要推動者，深度參與了分布式訓練工具 FairScale、FSDP 以及模型部署工具 TorchServe 的建設，構建了全球最為成熟的 AI 系統(tǒng)工具鏈。在數(shù)據(jù)方面，Meta 也在多模態(tài)與視頻數(shù)據(jù)領域有所突破，開源了 HOT3D、Ego-Exo4D、OMat24 等具有代表性的數(shù)據(jù)集，推動 AI 向更高維度感知發(fā)展。

緊隨其后的 Google 憑借輕量化大模型理念與完善的工具鏈生態(tài)，在本次評估中表現(xiàn)亮眼，排在第二位。其最新發(fā)布的開源語言模型 Gemma 3 展現(xiàn)出良好的性能與開放性，受到開發(fā)者社區(qū)廣泛關注。同時，TensorFlow 與 JAX 等核心系統(tǒng)工具，長期在業(yè)界保持領先地位，也為其在系統(tǒng)層面的綜合影響力加分不少。

在國內(nèi)機構中，北京智源人工智能研究院（BAAI）在數(shù)據(jù)、模型、評測平臺等多個維度均有不俗表現(xiàn)，在系統(tǒng)層面的突出優(yōu)勢尤其引人注目。這主要得益于其在底層 AI 框架、訓練平臺、推理加速等關鍵技術上的持續(xù)投入與開源落地。其打造的 FlagOpen（飛智）開源體系，不僅覆蓋了大模型訓練和部署所需的核心組件，還致力于構建一個支撐大模型技術演進的完整軟件棧，目標是成為大模型時代的一站式“開源底座”，類似于大模型領域的“Linux”。

阿里巴巴在綜合開源影響力總榜中排名第四。其主力模型通義千問（Qwen）系列在 Hugging Face 和 OpenCompass 等評測平臺上均表現(xiàn)優(yōu)異，并持續(xù)迭代更新。除模型外，阿里還在訓練平臺、部署框架、評測工具等多個系統(tǒng)維度構建了較為完善的開源體系。

憑借在數(shù)據(jù)維度上的顯著優(yōu)勢，Ai2 在綜合影響力榜單中排名第六。盡管它不像 OpenAI 或 Google 那樣頻繁推出大語言模型，但在數(shù)據(jù)開源領域，Ai2 的影響力不可小覷——它是全球最活躍的數(shù)據(jù)集開源貢獻者之一。其發(fā)布的 C4 數(shù)據(jù)集被廣泛用于主流語言模型的訓練，成為重要的資源之一。此外，Ai2 還推出了訓練數(shù)據(jù)集 OLMo-mix-124（https://huggingface.co/datasets/allenai/olmo-mix-1124），進一步鞏固了其在自然語言處理領域的研究基礎。

另一家備受關注的中國機構是 DeepSeek，近來在大模型開源社區(qū)中持續(xù)活躍。其陸續(xù)發(fā)布的 DeepSeek Coder、DeepSeek-V3 和 R1 等系列模型，不僅在性能上表現(xiàn)亮眼，而且實現(xiàn)了完整開源，在 Hugging Face 等平臺上廣受關注。特別是在 MoE（專家混合）架構上的探索，展現(xiàn)了其在模型創(chuàng)新方面的深度實力。憑借模型質(zhì)量、系統(tǒng)架構和社區(qū)響應等多方面的快速提升，DeepSeek 本次成功躋身全球第九名，成為國內(nèi)新興 AI 力量中的現(xiàn)象級代表。

OpenAI 排名第十，本質(zhì)上屬于“有限開源”的代表，但其影響力仍不容小覷。雖然 OpenAI 核心模型如 GPT-4 和 GPT-3 并未開源，影響了其在模型維度的得分，但其早期開放的 GPT-2、Whisper 等項目，至今仍被廣泛應用于學術和工業(yè)界。

開源共建 AI 技術體系全生態(tài)

以上便是本次榜單的核心內(nèi)容。最后，為了進一步推動評估體系向行業(yè)標準化邁進，CSDN聯(lián)合多家機構起草《人工智能大模型技術體系開源影響力評估方法》白皮書，并計劃于 5月中旬，在 2025 年國家人工智能標準化總體組工作會議暨全國信標委“標準周”活動正式對外發(fā)表，敬請關注。

同時，隨著多模態(tài)技術的廣泛應用，模型能力邊界不斷擴展，數(shù)據(jù)來源日益多樣，評測標準也日趨精細，當前的評估權重設置可能難以全面反映最新技術演進。為此，我們也將持續(xù)對評估框架進行動態(tài)優(yōu)化，引入更科學的權重調(diào)整機制，更好適配多模態(tài)大模型與具身智能的發(fā)展趨勢，確保榜單體系具備公平性、合理性與前瞻性。

在此，本次評選所依據(jù)的“大模型技術體系開源影響力評估框架”已在 GitHub、GitCode 上開源：

GitHub地址： https://github.com/brucecui0120/OSIR-LMTS

GitCode地址：https://gitcode.com/brucec/OSIR-LMTS

我們鼓勵廣大參與者共同完善評估方法、推薦數(shù)據(jù)平臺或資源渠道，提升數(shù)據(jù)完整度與準確性，推動構建可信、可用的中國開源大模型生態(tài)基礎。

掃描下方二維碼，即可參與