LLM开源2.0主要更改：60 OUT，AI编码疯狂，TensorFlow死了

机器编辑器的原始心脏：《国王指南之王吴Xin》再次更新。这次还有一章。开放电流2.0：面部变化与整形手术相当。经过100多天的等待，悬念终于被揭示了。 9月13日上午，在上海集团的会议上宣布了蚂蚁集团开放设备（“开源技术增长”）和大型开放场地开发生态模型的2.0版和大型开放地点开发生态模型”。三个月前，“现实世界黑客的现场广播中的现场直播中仍然适用于当时的现场广播中，现在已经改变了电影，但现在已经发生了很多变化，但现在已经发生了很多事情，但是很多地方了，但很多地方，但是很多地方，但是很多地方，但是很多地方，但是很多地方，但是已经发生了很多事情更改了，但现在发生了很多变化。4个项目（少21个版本），涵盖22个字段，39个是一个新项目，有60个项目项目。 Pytorch，终于加入了世界。 “整个大型模型生态系统（包括被排除项目）的年龄仅是30个月的预期寿命不到3年，这是一个很小的丛林。特别是，在“ GPT Moment”（2022年10月）之后，包括12个新设备在内的62％的项目出生于2025年。这意味着您可以看到新玩家和最古老的玩家，几乎每四分之一的提取。 30,000，可以使用相同年龄的以前的开源项目。EAI，LLM，代理商和数据已成为最大，最明亮的词。大型模型生态关键字AI，LLM，代理，数据和学习的开发是第一个图形中列出的项目的关键领域。另一个重要的变化是全景图像的分类框架。我已经看过1.0版，所以当我第一次看到Panorama 2.0时，我最直观的感觉是，分类结构更具体和分散：从一个伟大的基础设施/应用程序中，Aeon在三个主要领域中演变为AI/基础架构/基础设施/AI数据，显然超过行业的关键点（常规代理）和技术的发展。如果Frame 1.0仍然保持传统的开源软件生态系统的阴影，则2.0已经揭示了“智力年龄”的气质。最后，从366,521的全球开发商来看，两名Hchinese和Americanéroes贡献了55％以上，并且仍然是该项目的绝对领导者，其中美国占据了第一名，关系为37.41％。在技​​术领域的细分贡献中，美国在AI基础设施和AI数据中具有明显的优势。例如，美国基础架构。它在AI数据中的主要优势也更为明显。中国在特定申请水平（人工智能代理商）的表现接近美国，两国的贡献分别为21.5％和24.62％，这与中国开发商在代理水平上的投资密切相关。我们为什么要首先DI图理论的演变scuss？答案很简单，哪些项目可以输入Panorama 2.0主要取决于变化和方法。版本1.0的方法是“以已知开始”。这是一个广泛讨论的卓越项目，例如CH，VLLM，Langchain，然后通过协作和依赖关系在外部扩展。但是起点决定了极限：开始的种子项目决定了可见的生态范围。当时，OpenNank的纳入阈值平均每月超过10个（由普通中国X-LAB正常大学制定的开源影响指标）。 2.0版直接导致GitHub全球项目的OpenNank分类，并排除了大型相关项目。结果，发现了更多的高调和高度活跃的项目，并且选择阈值也增加了，因此本月的50个开放。从这个角度来看，2.0符合“代码技术增长的蚂蚁的代码。在内部，它为公司决策提供了基础。在外部，阐明了开源世界的“公共国王”的指南。三个主要线索以这种新的方式脱颖而出。AI编码，模型服务，LLMOPS。接下来，它从应用程序层从应用程序层跟踪到一定的基础构造，从而使一定的一部分变化了。从“宝藏”等工具电池到类似于云计算的分层系统。低功率芯片，但创世纪是一种机器人模拟和一般使用物理。tform。接下来，我们将细分字段中的更改一一分解。 1。从疯狂到疯狂，AI编码的增长曲线继续突然增加。除了永久性的“主要”项目（例如Cline），包括Gemini，Marimo，Codex CLI等新面孔，Opencode继续出现。事实再次证明，“开发人员”仍然是最常见，最多的应用程序方案。 2025年的IA编码完成了其“互补代码”，跳到了“智能发动机的全生生周期”。完整的链接覆盖范围从开发到操作和维护等等。事情更聪明，支持多模式，上下文意识和团队合作。该报告预测，市场将发布巨大的商业可能性：付费订阅，SaaS服务和附加价值特征将成为新的利润模型。 AI的编码从“完成代码”演变而来，以使更多和MORE智能。在行业交流中，这种趋势尤其令人感到。在这次上海外滩会议上，客人坦率地说，AI编码工具太不可用了。另一位首席执行官深深地参与了AI编码，该公司透露，所有L The Le The Team成员的报销工具都超过200美元。几个月前，AI代码仍然需要许多手动更正。质量正在提高，因此需要较轻的变化。接下来，AI的编程可以从“写作代码”到“主导整个工作流程”。值得注意的是，Gemini和Codex Clis的受欢迎程度也发表了主要制造商的战略信号。它通过开源工具链吸引了开发人员，并将其阻塞在自己的封闭代码模型的生态系统中。这与Microsoft和Apple iOS + Swift的Windows + .NET完全相同。当今的巨人，以相同的方式重建新的开发人员生态系统回合。 2。聊天机器人知识管理High之后的合理回报聊天机器人是Genai应用程序的第一波，Cherry Studios，Web用户界面，中衣和Librehat的选择在2025年初达到了最大点，并受到了密切的关注和贡献。但是，它并不流行。自5月以来，聊天机器人进入了平台期间，并逐渐冷却。 Lobe-Chaat使用框架将“ ChatGpt风格对话”的维度减少到任何人都可以建立的体验。但是，当该功能完全接近时，用户还发现聊天机器人的中心价值仍然是“交互”，对话的生产力有限。 Cherry Studio将聊天机器人与知识库/笔记相结合，将其定位为“个人知识助手”，并打开了更接近其长期生产力需求的另一条路。这可能就是为什么它在列表中反对趋势的原因。它是新项目中第二个最活跃的活动，总体上将第七个分类。因此，冷却并不意味着经济衰退。中衣聊天仍然有64.7万星的大小，每日节奏并没有停止。但是，与更令人兴奋的地址（例如内存和代理商）相比，聊天机器人不再是唯一的方法，而是开始恢复理性。 3。代理商的工作流平台将作为真正的基础架构集成。当诸如GPT-5，Claude，Gemini Converge之类的顶级模型时，AI应用程序的区别越来越多地取决于“记忆”。这导致了许多抹布+代理项目，并已成为开源访问点。 Ragflow，MaxkB（以知识库的问题和答案为中心），FastGpt（轻布平台）和流动AI（以抹布为基础质量为QA的视觉工作流量工具）在此浪潮中很受欢迎。尽管趋势下降，但7月（141）8）仍远远超过PA的一月开始。相反，Dify的设计更加完整。不仅涵盖了抹布和代理工作流程，而且还提供业务级别，例如应用程序发布，使用R管理和可观察性，创建了一个从原型到生产的独特平台。同时，一项新的调查开始打破传统破布的极限。例如，Letta（尚未在列表中）试图引入“ OUT -LINE学习”，以便代理不仅相信搜索，而且可以真正地学习和改善经验。这意味着代理商的工作流程可以从“搜索的改进”转变为将来的“长期学习”，从而为应用程序打开更多的应用程序。 4。代理工具经常出现在流行产品中。代理工具针对大型模型故障，补偿缺陷，AI从“可以聊天”一个“可以做”的允许图。因此，该行业目前已成为最受欢迎的创新卡车，并且经常推出热产品。 litellm，suppabase，vercel，comfyui和mem0每层AI的功能限制，具有重要链接，推理，数据存储，备忘录RY管理和外部互动。例如，MEM0提供长期内存剂和上下文感知。 Suppabase已迅速成为Genai时代的数据基础架构，解决了缺乏真实时间信息和内存管理的问题。浏览器的使用在九个月内赢得了6万明星，使代理商能够真正与网页互动，并成为“最后一英里登陆”的创新项目。 5。在代理商框架的2.0版中，较高的较高减少属于代理商Eliza，Langchain，Llamaindex和Autogen的乐团。同时，这些主要项目已经雇用了社区的投资。同时，社区关注已将一般框架更改为应用程序的实施。内存，工具创新更多的颗粒状，例如呼叫，交互式接口等，将来将为更强大的自主系统奠定基础。但是，骆驼，克鲁伊，阿格诺和伊丽莎的出现。它指示“共同代理人”正在引起更多关注。 LiveKit代理是典型的，并且专注于实时的交互式阶段，例如几个人的语音和协作对话，并且过去主要是在地图上发现的。 AI Infra：模型服务仍然很着急，LLMOPS超出了MLOP。 MLOP远低于AI基础设施中代理层面的“生命的巨大爆炸”，但您可以看到一些峰值。 Serve 2.0版INFRA1版本，主要轨道模型仍然很热。在版本2.0中，只有AI编码的仅有的两件事是模型部分。推理效率，成本和安全性是实施大型模型的必然阈值。自2023年以来，该赛道一直在增加，并且仍然是AI基础设施的重要战场。高性能云推理解决方案（例如VLLM和SGLANG）仍然具有恒定的增长和社区影响。它仍然更受欢迎，尤其是由于其VLLM，稳定性和E物质益处。此外，主要制造商会尽一切可能增加投资，而Nvidia Tensorrt-Llm仍然很受欢迎。最近推广的Nvidia Dynamnte是计算机供稿的垄断。同时，位置正在蓬勃发展。 Ollama允许大型模型“沉浸在正常人的家中”，这使它们可以在个人计算机和移动终端中运行。最近几个月，这种受欢迎程度略有下降，但是Gpustack和Ramalama等新框架很快就填补了，这表明新玩家已经出现在“光优化 +云”的道路上。 。 2。模型操作和维护：除了AI和模型的一部分外，LLMOP还超过了MLOP。 LLMOPS也是自2025年以来增长最快的轨道。凤凰城，Langfuse，Opik，PromistFoo，1Panel，Dagger和其他项目涵盖了几乎所有方面，从监视到快速单词等级。这里的一个重要变化是版本2.0重新定义“模型的操作和维护”。 ORI内容分散在模型评估中，已与传统MLOP集成在一起，以完整的大型模型生命周期的完整管理。此外，该方法在“小型模型时代”中将训练和数据管的精度更改为“如何保证模型的稳定控制”。换句话说，LLMOPS Core专注于监视，单词，可观察性，安全性和可靠性的快速影响，为增强大型模型的真实世界应用提供重要支持。 3。模型训练与前两个轨道的高烧不同，当时年初降至水平以下。模型培训不仅放弃了增加，而且撤出了更多，不仅低于年初。不同的行业需要不同的“风味”模型。从头开始培训GPT-4级型号太贵了。社区更关心如何以低成本（例如集成的Qlora）来调整现有模型，该Qlora可以使用中端和低硬件执行。问题在于应用层现在是一个新的战场。它对开发人员来说是友好的，采用聊天机器人，代理商和工作流程工具的方法，并且有更多的贡献和创新空间。像Pytorch这样的训练框架已经成熟了很长时间，它们的增长已经达到了最大点。 Swift，Uncera和Llama-Factory引起了短期关注，但他们无法持续发展。 4。此外，雷还领先于分布式计算机市场。跨电动机，Deepep，Triton，必须适合LLM的专用核库（例如模块化品牌）的增加，因为从Python API到操作员的大型型号会生产自己的软件电池。我仍然担心AI的数据。将TOS与之前的两个变化区域进行了比较，AI数据字段似乎特别温和。来自洛杉矶对矢量数据库，搜索和上层应用程序框架的Beling，集成和治理，生态链已经非常完整，涵盖了数据处理的几乎所有链接。大多数项目是从2014年到2020年出生的传统项目，基本上它们出生于AI 1.0时代（传统自动学习）。 Chroma是为数不多的新秀之一，“赶上大型模型浪潮”，他在2022年的首次亮相在RAG应用程序中爆炸了。但是，在流行的水平上，AI的数据继续冷却。造成这种情况的部分原因是这些技术已经足够成熟，以至于不重现。媒介数据库（例如Eaviate和Elasticsearch Data Lakes），例如Iceberg，Delta Lake，Milvus和W，已成为“基本难题”中的长时间。经过重复验证后，缺失了新的进步。同时，IA数据倾向于业务层面的情况，这使开发人员感到直观地价值，而GitHub社区的关注很困难最终。但是焦虑常常带来更大的风暴。在伟大的本地模型时代，AI数据的真正挑战逐渐出现。例如，所有矢量化数据处理和多模式数据，并且可以预测数据平台将从专家通过专家从“仓库”演变为“中心”。因此，旧框架仍然稳定，但是接近其极限。已经开发了一种新一代的数据基础架构，该数据基础架构自然而然地生长到了重要的模型范式上，并且AI数据的下一个伟大仍然不活跃。在商业游戏中，“开源”逐渐更改。我注意到了2.0启动的全景图像，我注意到一些微妙的趋势。越来越多的大型项目不再使用开放式开源许可证，例如MIT和Apache 2.0，而是建议“开源许可协议”以吸引开放和控制之间的灰色区域。这种新类型的协议通常保留更多的程度干预权。例如，根据传统协议，CE获得许可证，许可证是不可撤销的。但是，在某些大型型号自动犯罪合同中，该限制将被取消，并且将留出很多空间来驾驶后验商业游戏。一些项目直接受用户量表的限制。如果每月活跃用户的数量超过一定数量，则必须分别协商并批准。巧合的是，Panorama 2.0数据证实了这一观察结果。新成立的项目许可证几乎是一种变化，就其是否被视为开源的辩论。例如，Dify采用BSL变体（商业起源许可证），首先打开代码，然后在几年内更改为宽松协议以保护商业利益。 N8N强调使用公平代码来“存储大型免费商业公司”，Cherry Studio清楚地确定了商业用途需要额外批准，这反映了针对商业模式的防御。另一个边缘来自Github。光标，克劳德代码甚至代码源的关闭等项目在Github中仍然非常受欢迎，这使其成为Windows，因此制造商收集了评论。 “开源社区”似乎受到这一巨大模型的挑战。附加章节：Big Model Battle Field是一个优势，版本2.0特别组织了从2025年1月到现在的主要和额外制造商的发射截止日期，其中包括开放和封闭的源模型，包括开放式和封闭式模型，找到了有趣的现象。该全景图像包括几家制造商之间激烈竞争的当前地址。它还标志着每个模型的重要信息，例如参数，方式和其他有用的信息。扩张。 1。差异路线：开源与中国的开源模式仍在花上，但主要的外国制造商继续押注封闭的来源。目标，他曾经与喇嘛SE的封闭酱汁营地作战RIES逐渐按下其开源节奏。扎克伯格在一封公开信中说：“我们将选择更小心的来源的那些。” Lama 4的声誉是滑铁卢，这使我对终点线的情况更加羞耻。这也称为上海乐队会议的开幕典礼上的阿里巴巴云的创始人王·简（Wang Jian），也称为Zhijiang Institute的董事。开源和塞纳达（Cenada）和晚餐的来源的选择成为塞纳达（Cenada）的来源，并已成为塞纳达（Cenada）的爆发，并已成为塞纳达（Cenada）的来源，并且是重要变量中的变量。 2. Moe的架构很受欢迎，其参数达到了数十亿个新旗舰，例如DeepSeek，Qwen，Kimi和Hybrid专家（MOE）的建筑。另一个冲动性能，但是训练和推理的计算机能量的消耗也达到了新的最高最高水平。 “快/慢思想”的混合模式，该模式使模型可以更改响应率。解决人类的任务。生态系统也在出现。诸如PPECAT，LIVEKIT代理和Cosyvouize之类的工具链快速完成设计。但是，在视频REA模式成熟甚至AGI实现之前，还有很长的路要走。 5。模型评估：多元化多模式的整体爆炸促进了评估系统的多元化。有些人仍然相信“投票”平台，例如设计竞技场和LMARENA来使用主观偏好来确定模型的优点和缺点。有些人评估客观测试集的得分，并使用标准响应来衡量模型性能。同时，由OpenRouter代表的API网关平台使用自然主导的呼叫数据来形成“数据投票”分类。 Litellm的活动继续拍摄，将来可以将呼叫统计数据转换为新的评估方法。
特殊声明：以前的内容（包括照片和视频（如果有），如果有）已收取ND由自动媒体平台Netease的用户发布。该平台仅提供信息存储服务。
注意：以前的内容（如果有照片和视频要包含在内）已由社交网络平台NetEase Hao的用户加载和发布，仅提供信息存储服务。