学习地图
数据集成工具
Flink CDC
Flink CDC 是一个基于流的数据集成工具，旨在为用户提供一套功能更加全面的编程接口（API）。
SeaTunnel
Apache SeaTunnel 是新一代高性能、分布式、海量数据集成工具，支持上百种数据源 ( Database/Cloud/SaaS )， 支持海量数据的实时 CDC 和批量同步，可以稳定高效地同步万亿级数据。
DataX
DataX 是阿里巴巴集团内被广泛使用的离线数据同步工具/平台，实现包括 MySQL、Oracle、SqlServer、Postgre、HDFS、Hive、HBase、OTS、ODPS、MaxCompute(原ODPS)等各种异构数据源之间高效的数据同步功能。
Kettle
Kettle 是一个开源的数据集成工具，它提供了一组工具和库，可以用来构建各种类型的应用程序，包括数据集成、数据转换等。
开源数据库
Doris
Doris 是一个基于 MPP 架构的高性能、分布式、列式存储的 MPP 数据库。
Apache Doris 5.0 多模湖仓
Apache Doris 5.0 定位"统一的多模湖仓实时分析平台"：把 Iceberg、Paimon、Lance、Fluss 四大开放格式的查询与 Variant、向量、全文检索收敛到同一条 SQL 链路。当前 GA 为 4.1.3，4.2（Iceberg/Paimon/Lance）预计 2026 年 9 月底发布，5.0（Fluss、ADBC Catalog）预计 2026 年底发布。已服务快手、美团、小米、网易、腾讯音乐等上万用户。
Apache Iceberg
Apache Iceberg 是一种开放的数据湖表格式，为海量分析型数据集而设计，支持隐藏分区、Schema演进、时间旅行和ACID事务，2026年V3规范已生产可用，是数据湖仓的事实标准。
Apache Iceberg 1.12.0：把 JSON 和经纬度扶正
Apache Iceberg 1.12.0 于 2026 年 9 月 29 日发布，777 次提交、142 位贡献者：Variant 向量化读取与 shredding 规则收紧、geometry/geography 地理类型端到端落地（Spark 4.1）、Flink ConvertEqualityDeletes、希尔伯特曲线聚类、REST Catalog 读限制，是 V3 规范从"写明白"到"真跑通"的一版。
Apache Fluss
Apache Fluss 是阿里开源、2026 年 8 月刚毕业的 Apache 顶级项目（Flink Unified Streaming Storage），湖仓原生的流式存储，把消息队列、在线 KV、流状态后端与湖仓冷存储收敛为同一底座，亚秒级新鲜度，已在淘宝闪购、小红书、京东等千亿级流量场景生产落地，是实时 Lakehouse 的开放数据底座。
Paimon
Apache Paimon是一种流批统一的湖存储格式，支持高吞吐的写入和低延迟的查询。
StarRocks
StarRocks 是一个 MPP 架构的极速 MPP 数据库，支持超大规模数据。
DuckDB
DuckDB 是一个开源的 SQL 数据库引擎，它拥有非常低的资源消耗和极快的查询速度。
DuckDB 2.0 预览版
DuckDB 2.0（代号 Cyanoptera）预览版发布，原生客户端/服务器模式、Quack 协议与 CONNECT 语句、异步 IO、稳定扩展 ABI，递归 CTE 提速约 40 倍，正式版预计 2026 年秋季发布。
Polars
Polars 是一个用 Rust 编写的开源 DataFrame 库，基于 Apache Arrow 内存模型，支持惰性求值和多线程并行。在 TPC-H 基准测试中比 pandas 快 30-94 倍，85k Star，是下一代数据分析引擎。
Hive
Hive 是一个基于 Hadoop 的数据仓库基础架构。它提供了一系列的工具，可以用来进行数据提取转化加载（ETL），这是一种可以存储、查询和分析存储在 Hadoop 中的大规模数据的机制。
ClickHouse
ClickHouse 是一个用于联机分析 (OLAP) 的列式数据库管理系统 (DBMS)。
OcenBase
OceanBase 是一个分布式数据库系统，由蚂蚁集团开发。它支持高并发、高可用、高性能的数据存储和处理。号称：为关键业务负载打造的分布式数据库
TiDB
TiDB 是由 PingCAP 开发的开源分布式 SQL 数据库，兼容 MySQL 协议，支持水平扩展、强一致事务与 HTAP 实时分析，是 MySQL 扩容瓶颈时的顺滑升级路径。
RisingWave
RisingWave 是用 Rust 编写的开源流数据库，兼容 PostgreSQL，用一条 CREATE MATERIALIZED VIEW 替掉 Debezium+Kafka+Flink+Redis 四件套。增量计算带来亚 100 毫秒新鲜度，3.0 版本转向 Agentic AI 实时上下文层。
分布式存储
Hadoop
Hadoop 是一个分布式系统基础架构，由 Apache 基金会开发。通俗来讲，Hadoop用来解决海量数据的存储和大规模数据的计算问题。
MinIO
MinIO 是一个高性能的、S3 兼容的分布式对象存储系统。 它专为大规模 AI/ML、数据湖和数据库工作负载而构建。并且它是由软件定义的存储，不需要购买任何专有硬件，就可以在云上和普通硬件上拥有分布式对象存储。并且 100% 开源，主要许可证是 GNU AGPL v3。
RustFS
RustFS 是用 Rust 从零重写的开源分布式对象存储，100% 兼容 S3、Apache 2.0 协议，官方称 4KB 小对象吞吐达 MinIO 的 2.3 倍，支持直接替换 MinIO 二进制原地迁移。2026 年 9 月 16 日发布 1.0.0 正式版，3.2 万+ Star、167 位贡献者，已加入 NVIDIA Inception 计划并推进 RDMA 与 DPU 卸载，是信创与 AI 数据存储场景最热的 MinIO 平替。
任务调度工具
DolphinScheduler
Apache DolphinScheduler是一个分布式易扩展的可视化DAG工作流任务调度开源系统，旨在解决复杂的大数据任务依赖关系，并为应用程序提供数据和各种 OPS 编排中的关系。
Airflow
Apache Airflow 是一个开源的、可扩展的任务调度工具，它可以帮助用户自动化、监控和调度各种任务。
数据可视化工具
Grafana
Grafana是一个开源的数据可视化和监控平台，可以通过创建仪表盘和图表来实时监控、分析和可视化各种数据源的数据。
Superset
Apache Superset 是一个现代的企业级商业智能Web 应用程序。它快速、轻量、直观，并加载了各种选项，使所有技能的用户都可以轻松探索和可视化他们的数据，从简单的饼图到高度详细的 Deck.gl地理空间图表。
Seaborn
Seaborn是基于Python的可视化库。Seaborn在Matplotlib的基础上，进行了更高级的封装，使得制作图形更加方便快捷，同时也更加美观。
图数据库
Apache HugeGraph
Apache HugeGraph 是一个分布式、可扩展的图数据库，它提供多种语言的 API，包括 Java、Python、Go、RESTful API 和命令行接口 (CLI)。
Apache TinkerPark
TinkerPark 是一个基于 Apache TinkerPark 的图数据库，它支持图数据库的图查询语言 (GQL) 和图查询引擎 (GPE)。
Neo4j
Neo4j 是一个高性能的、开源的图形数据库，它将结构化数据存储在网络上而不是表中。Neo4j 是一个用于处理关系数据库的替代方案。
ArangoDB
ArangoDB 是一个高性能的、开源的、分布式的 NoSQL 数据库，它支持文档、图和 JSON 数据模型。
OrientDB
OrientDB 是一个开源的、高性能的、面向文档的、分布式数据库。
Agent开发工具
LangChain
LangChain 是一个用于构建基于 LLM 的应用程序的框架。它提供了一组工具和库，可以用来构建各种类型的应用程序，包括聊天机器人、代码生成器、文档生成器等。
LlamaIndex
LlamaIndex 是构建上下文增强 LLM 应用（RAG/智能体）的开源数据框架，5 行代码连接你的私有数据，检索质量业界领先，已被 Experian、NTT DATA、Jeppesen 等用于生产。
vLLM
vLLM 是高吞吐、低显存的开源大模型推理与服务引擎，以 PagedAttention 管理显存，已成为生产环境跑开源大模型的事实标准。
vLLM 0.31.0：秒级重启与 DeepSeek-V4.1-Flash 加速
vLLM 0.31.0 于 2026 年 10 月 5 日发布，717 次提交、307 位贡献者：新增 vllm preload 权重常驻显存把引擎重启从分钟级压到秒级，DeepSeek-V4.1-Flash 在 Blackwell 上默认启用 FlashMLA mega attention + NVFP4 压缩 KV cache，Model Runner V2 补齐投机解码，并堵上前缀缓存的 LoRA 碰撞问题。
SGLang
SGLang 是 LMSYS 开源的高性能大模型推理服务框架（Apache 2.0），以 RadixAttention 基数树跨请求自动复用 KV 缓存前缀，专治多轮对话、RAG 与 Agent 场景的重复计算。最新 0.5.18（2026-08-22），全球部署超 40 万张 GPU，xAI、Cursor、LinkedIn、阿里、腾讯等在用，也是主流 RL 后训练框架的 rollout 引擎。
veRL
veRL（Volcano Engine Reinforcement Learning for LLMs）是字节跳动 Seed 团队开源的大模型强化学习后训练框架，HybridFlow 论文（EuroSys 2025）官方实现，Apache 2.0 协议、2.3 万+ Star。以混合控制器编程模型把 RL 控制流与计算流解耦，训练侧接 FSDP / Megatron / VeOmni、推理侧接 vLLM / SGLang，3D-HybridEngine 消除训练与生成切换时的权重重分片开销。豆包 1.5-pro、DAPO（AIME 2024 拿 50 分）、Mind Lab 万亿参数 GRPO LoRA 均由其驱动。最新 v0.9.0（2026-08-14）统一 V1 Trainer 默认启用，权重同步提速最高 3.1 倍，并联合智源 FlagOS 在沐曦、天数智芯、寒武纪上跑通"一次开发、多芯片运行"。
openPangu 2.0
openPangu-2.0 是华为开源盘古大模型的 2.0 系列，2026 年 9 月 28 日把预训练、SFT 与后训练 RL 代码全部开源（Apache 2.0），补齐"权重 + 推理 + 算子 + 训练"七件套的最后一环。Pro 为 505B 总参数、每 token 激活 18B、512K 上下文的 MoE（28:1 稀疏），全程在昇腾 910B 上训练、零 A100/H100；Flash 为 92B/6B。openPangu-2.0-Training 提供从预训练到 SFT 的一体化训练能力（多维分布式并行、高效数据流水线、混合精度、自定义算子优化、高可用训练），openPangu-2.0-RL 以 VERL 为编排内核、靠 VERL_USE_EXTERNAL_MODULES 运行时补丁非侵入式适配昇腾，支持 GSPO / GRPO 与数学推理、代码生成（ReAct 多轮 Rollout）。官方技术报告口径：昇腾单卡吞吐 2 倍于主流开源模型、超节点训练效率 +30%、512K 长序列训练吞吐 +50%、训推一致性 >99%。注意：整套栈为昇腾深度优化（需 CANN + torch_npu），NVIDIA 环境基本无缘；Training 仓库 2026-09-25 才创建、RL 仓库同日更新，社区与第三方复现数据尚缺。
Olmo-core 3
Olmo-core 3 是 Ai2（艾伦人工智能研究院）于 2026 年 10 月 1 日开源发布的大模型训练框架 v3.0.0（Apache 2.0），专为大规模 MoE（混合专家）重写。最大改动是把 MoE 实现从 FSDP 换成 DDP 思路——专家常驻 GPU、把数据路由过去，省掉每个 micro-batch 反复搬运权重；47B MoE 在 8 张 B300 上吞吐达 52,000 tokens/s/GPU（旧实现 19,400，约 2.7 倍）。官方 benchmark：专家池 8 → 128 每 token 仍选 4 个、激活参数约 3.2B 不变，总参 4.6B → 47B 而吞吐掉不到 5%；MXFP8 低精度较 BF16 吞吐 +21%、峰值活跃显存 103 → 95 GiB；512 张 B300 验证 1.2 万亿参数（每 token 激活 583.6 亿）模型，观测最高 858 TFLOP/s/GPU。配套专家并行 / 流水线并行 / 分布式优化器三件套，加 rowwise 专家并行（NVSHMEM，专家并行全程无同步）、GPU-resident routing、grouped GEMM 三项路由优化，拓扑无关 checkpoint 支持换集群续训。它不是模型权重，而是下一代 Olmo（确定转 MoE）的训练底座，也是目前 Megatron-Core 之外少有的开放 MoE 训练栈。技术报告里公开了 token gerrymandering（负载均衡分数变好而实际分布变差）等负面结果，值得一读。注意：万亿规模测试用随机路由，只证明系统性能不代表模型质量；未发布与 Megatron-Core 的正面对比；完整体验需多张高端 GPU（官方基准跑 B300），依赖 NVSHMEM 与 RMA-capable NCCL；MoE 参考脚本见 src/examples/olmo_ddp。
Kolibri
Kolibri 是德国 AI 公司 Aleph Alpha 于 2026 年 10 月 3 日发布的开源权重英德双语 MoE 大模型（Aleph-Alpha/Kolibri-1，Apache 2.0）。78.1B 总参数、每 token 仅激活 3.46B（50 层，每层 384 个路由专家 + 1 个共享专家，每 token 选 6 个）；原生 262,144 上下文，验证可扩展到 1,048,576 token。三大差异化设计：自研 UniBPE 分词器（128k 词表，官方称处理德语比 GPT-5 分词器少 11.2% token，第三方实测省约 15%，英语打平）；混合注意力（50 层中 40 层用 512 token 滑动窗口，每 5 层做一次全注意力，位置编码只加在滑动窗口层，故无需额外插值即可拉长上下文）；Merlin-Arthur 弃权训练协议（AA-Omniscience 非幻觉率 44.0%，前代 Kolibri Origin 仅 14.8%）。约 24 万亿 token 训练、德语占 21.3%，跑在 768 张 NVIDIA B200 上，主打欧洲主权 AI 与数据不出域部署。官方自测 AIME 2025 96.9、GPQA Diamond 84.3、LiveCodeBench v6 85.9、SWE-bench Verified 66.4。注意：FP8 下权重约 78 GB，最低需 2 张 A100/H100 80GB 或单张 H200/B200/B300，消费级显卡无缘；仅支持英语与德语；BFCL v4 多轮工具调用 39.8、Terminal-Bench 2.1 27.7 明显落后同尺寸模型，不适合做编码 Agent；闭包问答垫底（RGB 51.0）——给它文档极靠谱，凭记忆回答则常摊手。Apache 2.0 只覆盖权重与配置文件，训练代码未开放；依赖 aleph-alpha-inference vLLM 插件且同一时间仅支持一个 vLLM 版本；发布首日无第三方复现、无云厂商托管。
Cloudflare Clef
Cloudflare Clef 是 Cloudflare 于 2026 年 10 月 1 日发布的开源权重决策模型（Apache 2.0），27B 的 Clef 与 9B 的 Clef-flash 不生成任何文本，只返回每个选项的概率：单次 prefill 前向 + joint schema head 并行打分，noul/choice/score 三类问题一次最多 64 个。Clef-flash 中位延迟 38.8 ms（Jev 524.1 ms，快 13 倍），10 项决策基准 7 项第一，64K 上下文且带视觉编码器支持图片视频输入，Jev-API 兼容可无痛切换，专治 Agent 工作流里又慢又贵的路由判断。注意：官方通稿称 open-source，但训练数据集不公开，实为 open-weight；benchmark 与延迟均为 Cloudflare 自测、尚无第三方复现；$0.24/M 输入 token 约为 Jev 的 6 倍；Clef-flash 在 CLINC150+OOS 上仅 66.77（Clef 97.43），不能无脑平替；自部署需 41 GB（flash）/ 85 GB（Clef）显存。
Mellum 2.1
Mellum 2.1 是 JetBrains 于 2026 年 10 月 8 日开源的编码智能体模型（Apache 2.0），12B 总参数 MoE、每 token 仅激活 2.5B，131,072 上下文。架构自 6 月的 Mellum2 起一行未改，全部工作量压在后训练：RL 从收尾环节升级为训练主体，在数千个自建真实环境里跑了数百万次沙盒，测试跑通才给奖励。SWE-bench Verified 从 2.0 飙到 47.0，LiveCodeBench v6 82.0、HumanEval+ 91.5、BFCL v4 62.3、AIME 25/26 83.3；单张 H200 高负载吞吐接近 Qwen3.5-9B 两倍，MTP 让单请求再快约 1.6 倍。官方 GGUF 已上线（Q4_K_M 仅 8.1 GB），vLLM 用 --reasoning-parser qwen3 即可起。定位是 Agent 系统里的执行者与子智能体，代码可完全不出机房（已上线 NVIDIA NIM 与 Amazon Bedrock Marketplace）。注意：所有跑分为 JetBrains 自报、尚无第三方复现；SWE-bench Verified/Pro、Terminal-Bench 与 GPQA 上 Qwen3.5-9B 仍领先，属"赢短任务、输长任务"；1.6 倍那档加速依赖尚未发布的 MTP head；无托管 API、无定价，BF16 约 24GB 显存。
Dify
Dify 是一个基于 LLM 的开源框架，它提供了一组工具和库，可以用来构建各种类型的应用程序，包括聊天机器人、代码生成器、文档生成器等。
Stable Diffusion
Stable Diffusion 是一种免费、开源的AI绘画生成工具。
Midjourney
Midjourney是一款AI制图工具，只要关键字，就能透过AI算法生成相对应的图片，只需要不到一分钟。
ComfyUI
ComfyUI 是一个基于节点工作流式的 Stable Diffusion 算法的另一种 WebUI。通过将Stable Diffusion的流程拆分成节点，实现了更加精准的工作流定制和完善的可复现性。
NVIDIA PAIR
NVIDIA PAIR（Personal AI Router）是 NVIDIA 于 2026 年 9 月 3 日 IFA 2026 发布的开源虚拟推理路由器（Apache 2.0，当前公开 Beta）。它不跑模型，只代理 Ollama 与 LM Studio 的现有接口，把局域网内多台 RTX PC、DGX Spark、Mac 的闲置算力调度成一个本地 AI 入口，上层 Agent 零改动。官方演示中 5 子智能体任务从单机 18 分钟压到 3 节点 8 分 48 秒。
Open WebUI
Open WebUI 是开源大模型时代最火的自托管 AI 界面（14.7 万+ Star），可完全离线运行，支持 Ollama、vLLM 等任意 OpenAI 兼容后端，内置 RAG 知识库、联网搜索与企业级权限，让你在本地拥有自己的"ChatGPT"。
Xinference
Xinference（Xorbits Inference）是开源大模型一键部署与推理服务平台，一条命令拉起 LLM、Embedding、Rerank、多模态模型，提供兼容 OpenAI 的统一 API，支持单机到多机分布式集群（supervisor + worker），是 Dify、RAGFlow、MaxKB 等私有化知识库平台常用的模型后端。最新 v3.2.0（2026-08-15）新增 MiniMax-M3、Ling 3.0、DeepDoc/OvisOCR2 文档解析、按副本弹性扩缩容等能力。
DeepSeek Harness
DeepSeek Harness（dsh）是 DeepSeek 于 2026 年 8 月开源的 Agent 运行框架，以 Cordis 为底座「一切皆插件」，MIT 协议，一条 npx @deepseek-ai/dsh web 即可在浏览器里跑起会读文件、跑命令、派子任务的开源智能体。
Codex Harness
Codex Harness 是 OpenAI 于 2026 年 8 月开源的 Agent 运行框架（Apache-2.0），放出 Codex CLI、官方 Codex SDK 与 app-server 三件套，把智能体循环嵌进你自己的产品；同一模型换套 Harness，ARC-AGI-3 直接从 13.3% 飙到 38.3%。
Mantis
Mantis 是 Google 于 2026 年开源的 AI 安全审计 Agent 框架（Apache-2.0），用 critic/review 多智能体加沙箱复现把漏洞全生命周期自动化，专治 AI 代码扫描真阳性率不足 7% 的顽疾；分层安全摘要树把 token 开销砍掉 85% 以上，兼容 Gemini CLI、Antigravity CLI 与 Google ADK。
OpenViking
OpenViking 是字节跳动火山引擎于 2026 年开源的 AI Agent 上下文数据库（Apache-2.0），用 viking:// 虚拟文件系统统一管理记忆、资源与技能，以 L0/L1/L2 三层加载和目录递归检索把输入 Token 成本压低 83%~96%、任务完成率提升 43%~49%，让 Agent 越用越聪明。
OpenClaw
OpenClaw 是 GitHub 星标最多的开源 AI 助手（34.6 万+ Star，MIT 协议，OpenClaw Foundation 维护），以统一 Gateway 连接模型、工具与 WhatsApp / Telegram / Slack / iMessage 等聊天渠道，跑在你自己的设备上替你干活。2026 年 8 月 30 日发布 2.0（v2026.8.1）：933 名贡献者、16,000+ PR，Control UI 启动从 1.6s 降到 575ms、首屏请求从 140 砍到 45，新增共享云会话、会话搜索与回溯分叉、本地 llama.cpp 64K 上下文，并拦停一切无认证的网络安装。
AnyJev
AnyJev 是诺基亚应用研究院（Nokia Applied Research）于 2026 年 9 月 23 日发布的开源 Python 库（Apache-2.0，v0.1.0），不微调、不训练、不用标注就能把你已在跑的开源大模型变成输出真实概率的决策模型。它支持 choice / noul / score 三类问题，从 next-token 分布直接读概率；默认 L0 以 K 次循环移位 + batch 先验校正消掉位置偏置与标签偏置，Qwen3-8B 在 BANKING77 20 分类上把选项倒序翻答案率从 0.230 压到 0.073、准确率 0.747→0.803；L1（100~500 条标注）把 ECE 从 0.240 降到 0.095，误差 ≤5% 可自动决策流量从 7.7% 涨到 52.0%。新增 L2 用闭式解头部（shrunk LDA / ridge）在 2/3 深度截断前向，成本仅一次普通前向的 0.68×，Qwen3-4B 的 0.786 打平微调过的 Laya，头部约 100KB 且能靠 30 条无标注请求自我重居中。适合工单路由、Agent 工具调用风控、审核分流与任务完成度打分。限制：vLLM / SGLang 后端尚未支持（仅 transformers），字母读取法最多 26 个选项，L2 按问题与模型绑定且目前只发 Qwen3 头部。
Hindsight
Hindsight 是 Vectorize（vectorize-io）于 2025 年 10 月开源、2026 年 9 月 25 日登顶 GitHub Trending（单日 +1668 Star、总数约 27.8K）的 AI Agent 长期记忆系统，MIT 协议，最新 v0.10.0（2026-09-14，PyPI 上 hindsight-api 已到 0.10.1）。核心是 retain / recall / reflect 三原语，加 TEMPR 四路并行检索（语义 + BM25 关键词 + 实体图谱 + 时间）经 RRF 融合与 cross-encoder 重排；记忆分 world / experience fact、observation（自动巩固、带证据追踪与 proof count）与 mental model 四层。LongMemEval-S 94.6%、LoComo-10 92%、BEAM 10M 64.1% 均自称第一（对比：Mem0 开源版 LongMemEval 仅 49.0%、Zep 63.8%）。60+ 集成覆盖 Claude Code / Codex / Cursor / Copilot / Cline 等编码 Agent、LangChain / LlamaIndex / CrewAI / Dify / n8n / OpenAI Agents SDK，以及 Vapi、Pipecat、Obsidian、ChatGPT、Perplexity；每个服务自带 MCP 端点。部署支持 Docker 一条命令、pip（hindsight-api / hindsight-all 嵌入式）、Helm 上 K8s，底层 PostgreSQL + pgvector。注意：官方看板只列自家分数、README 与看板数字不一致（91.4% → 94.6%），Honcho 质疑 Gemini-3 Pro 裸跑 92.0% 更强；Mem0 官方对比页指其每次检索约 27K token、为 Mem0（~7K）的近 4 倍——选型请务必用自己的数据与账单验证。
Quail
Quail（QUery-Aware Inference Layer）是 Full Stack Data Lab 与 Modal 于 2026 年 9 月 24 日开源的 AI-SQL 推理引擎（MIT 协议，quail-engine 0.1.0），把 SQL 查询计划与 LLM 推理联合优化：KV 缓存回退复用、Join 共享前缀树注意力、Triton 融合 kernel、输出头只算 TRUE/FALSE。单张 H100 跑到每分钟 10 亿 token，医疗报告 Join（QUAIL-B 的 BIO-4）从 vLLM 的 6.84 小时压到 29.3 分钟、14.04 倍，成本 $27.03 降到 $1.93；29 个查询全集几何平均 1.84x。支持 Snowflake / BigQuery 两种 AI.IF 拼写。注意：当前仅支持 AI 过滤、AI Join、投影与 LIMIT（无聚合），尚不支持跨行前缀缓存（Agent trace 类查询会输给 vLLM），属研究型项目。
Univer
Univer 是原 Luckysheet 团队（上海梦数科技，创始人刘洋为前飞书电子表格技术负责人）开源的 Office SDK，定位「The Office Harness for AI Agents」，2026 年 9 月 24 日发布 1.0（v1.0.0/1.0.1/1.0.2 同日连发），Apache 2.0 协议可商用，GitHub 主仓库 1.7 万 Star、家族累计 3 万+。表格、文档、幻灯片、白板 Boards、多维表 Bases、PDF 六大编辑器共用同一插件与命令系统与各编辑器 Facade API，可嵌入到最后还能继续编辑；同步推出 Server SDK（协同与文件转换）与 AI SDK（Agent 读写文档、改公式、生成图表并可视自查），配套 univer-mcp 与 univer-sdk-skills。SpreadsheetBench 真实表格任务准确率 68.86%（pass@1）登顶，超 Bluebox 62.9%、Shortcut.ai 59.25%、Copilot in Excel Agent Mode 57.2%，距人类 71.3% 仅 2.44 点；官方口径 Rust 公式运行时、500+ 函数、百万公式秒级算完、千万单元格流畅滚动。注意：官方 README 能力矩阵把实时协同、导入导出、打印、图表、透视表等标注在 Univer Pro 商业层，且 0.25 → 1.0 属破坏性升级需读迁移指南。
ZCode
ZCode 是智谱（Z.ai / Zhipu AI）于 2026 年 7 月发布、2026 年 9 月 20—21 日开源的 AI 编程工作台 ADE（Apache-2.0，仓库 zai-org/ZCode，当前 v3.14.3），一次放出桌面应用（Electron）、Web 客户端、后端服务与 Agent CLI / TUI 全部源码，约 6.8k Star、2k Fork。核心是 Goal Mode（/goal make pnpm test pass 给 Agent 一个可自查的完成条件，跑不通就再来一轮，直到通过、暂停或用完预算）、Ask before changes / Edit automatically / Plan / Full access 四档执行模式、桌面内置浏览器自动化、SSH / WSL / Docker 远程开发，以及 Subagent 与可运行时调并发的动态多智能体工作流。扩展走 Plugins / Skills（SKILL.md）/ Commands / MCP（stdio、HTTP、SSE，可从 Claude Code、Codex CLI、OpenCode 直接导入配置）/ Hooks，模型可接 GLM Coding Plan、Z.ai 与 BigModel、Anthropic、OpenAI、OpenRouter、Moonshot、MiniMax、小米 MiMo 及任意兼容端点，依托 1M 长上下文支撑规划到迭代全流程。技术栈 TypeScript + pnpm monorepo，Node.js 24.14.0 + pnpm 10.33.2 版本钉死。注意：应用免费开源但模型按所接账号/API 计费；浏览器自动化仅桌面版；开源源于 9 月 19 日 Repo Wiki 代码上传争议后的整改（v3.14.0 已移除该链路，中国信通院与绿盟科技审计确认 zcode-prod 桶零数据），仓库初期仅数个 commit、文档以中文为主，构建链对新人不算友好；旧 Lite 用户需手动迁移。
OpenHands
OpenHands（前身 OpenDevin）是 MIT 协议开源的 AI 编码智能体平台，2026 年 10 月 6 日发布 v1.25.0。主打形态 Agent Canvas 是"自托管的开发者控制中心"：前端控制台可同时连多个 Agent Server（REST 服务，一台机器上跑多个智能体），靠 ACP（Agent Client Protocol）把 OpenHands、Claude Code、Codex、Gemini CLI 或自研 Agent 统一接进来，运行时可选本机、Docker 沙箱（支持每会话一个隔离容器）、虚拟机、云沙箱或企业 VPC。自动化是其重心，支持 GitHub、Slack、Jira、Linear、定时与 webhook 触发，官方模板覆盖 Slack 频道监听、站会摘要、PR 评审、Linear / Jira 分诊、CI 失败自愈、安全告警修复、事故复盘。v1.25.0 新增 LLM Profiles 批量添加、Model Router 直连提示词与"会话开始时运行"开关（默认 router 改名 Pro / Flash）、Agent Profiles 可挑服务端全部工具并配 persona、聊天语音转写、自动化模板与原生 Git 集成，并按 event id 重构 Canvas 事件流。官方口径 8 万+ GitHub Star、900 万+ 次下载；AMD Lemonade Server 已集成，NVIDIA Nemotron 3.5 Lightning 已支持并加入 NVIDIA 牵头的 Open Secure AI Alliance。注意：核心框架（含 openhands 与 agent-server 镜像）为 MIT，但 enterprise/ 目录仅源码可见，商用超一个月需购买授权；无沙箱本机运行会授予 Agent 整个文件系统权限；笔记本合盖即停，长期跑需放服务器。
大语言模型
Mistral Large 4
Mistral Large 4（简称 ML4，代号 le Chonk）是法国 Mistral AI 于 2026 年 10 月 6 日发布公开预览的旗舰模型，官方口径 1.05 万亿总参数、每 token 仅激活 490 亿的稀疏 MoE，外加 16 亿参数视觉编码器，原生多模态（文本+图像输入、文本输出），官方标称 1M 上下文。在 Mistral 自建的欧洲数据中心用 3,800 块 NVIDIA Grace Blackwell GPU 从零训练，语料覆盖 160+ 种语言、含欧盟全部官方语言，提供由 Mistral 端到端自营、受欧盟法律管辖的欧洲部署。官方称其为中国之外最强的开放权重模型，并称在网络安全、金融、法律等企业负载上达到开源 SOTA：Artificial Analysis Cyber Index 全球前五、"复现真实漏洞并修复"子项 82%（所有模型最高，Claude Opus 5.5 与 GPT-6 Astra 因拒答接近 0 分）、Cybench 93%；DeepSWE v1.1 61.7、SWE-Atlas-QnA 59.4、Terminal-Bench 4.0 28.3、Coding Agent Index 49.8，AutomationBench（657 个业务工作流）59.9，Dense 200 视觉定位 42% 略超 GPT-6 Astra（41%），Surge AI 双盲人工评测 3.74/5 排第二（Claude Opus 5 为 4.22）。API 定价每百万 token 输入 $1.36、输出 $4.18、缓存 $0.14，预览期促销半价（$0.68 / $2.09 / $0.07）。已服务 Airbus、ASML、HSBC 等 125+ 家企业，训练用的是其 Mistral Forge 卖给客户的同一套训练/定制/RL 环境。注意：目前仅 Mistral Studio 预览 API 可用，权重预计 2026 年 10 月底（有报道称 10 月 27 日）开放，开源协议尚未公布；所有跑分均为厂商自报，尚无第三方复现；社区估算自托管约 240GB、至少 8×A100 80GB。
Beam
Beam 是 Reflection AI 于 2026 年 10 月 5 日发布的首个开放权重模型，5010 亿总参数、每 token 仅激活 230 亿的稀疏 MoE（52 层），100 万 token 上下文，只做纯文本。预训练 23.8 万亿 token 跑在 6,144 张 NVIDIA GB300 上（不到 4 周），再用 10,500 张 GB300 跑 4 周强化学习、生成超 1 亿次 rollout、消耗约 13 亿个沙箱。官方自报 SWE-bench Verified 80.9、SWEBench Multilingual 78.0、SWE-bench Pro v2-Hard 77.2、MCP Atlas 78.7、AIME 2026 97.8、GPQA Diamond 90.5，但 HLE 无工具仅 36.2、SciCode 49.7、Terminal-Bench v2.1 80.1（落后除 Inkling、Nemotron 3 Ultra 外所有对比对象）。核心卖点是效率而非绝对能力：官方称对标 GLM 5.2 只需 1/3~1/4 推理算力，并承认 Kimi K3 在原始能力上仍领先；提供 reasoning effort 旋钮按任务难度控成本。注意：所有跑分均为厂商自报、对比表含大量 NR；权重尚未释出，Apache 2.0 权重、技术报告与模型卡官方称 2026 年 10 月内放出，当前仅 waitlist + API（模型名 Beam-501B-A23B，定价未公开）。 落地层面目前无已上线客户案例，公开的是韩国新世界集团 250MW 主权 AI 工厂 MOU、美国能源部 Genesis Mission 参与计划，以及美英两家机构（CAISS、UK AI Security Institute）正在评估；创始人 Misha Laskin 与 Ioannis Antonoglou 均为前 DeepMind 研究员（后者为 AlphaGo 核心成员），公司估值约 250 亿美元，NVIDIA 单独投资 8 亿美元。
MiMo-V2.6
MiMo-V2.6 是小米于 2026 年 9 月 22 日发布并开源的新一代原生全模态大模型系列，Pro 为稀疏 MoE 总参数 1.02 万亿、每 token 仅激活 420 亿（约 4.1%），Flash 为 309B/15B，均为 1M 上下文、原生支持文本/图像/视频/音频四模态输入，MIT 协议可自由商用（权重已在 Hugging Face 与 ModelScope 上架）。Artificial Analysis 智能指数 v4.3.2 拿下 46 分（官方口径 46.32），超过 GLM-5.3（45）与 Kimi K3（44）成为该榜单开源权重最高分，每 AA 任务成本约 $0.13；定价维持 V2.5 不变（Pro 3 元/百万输入、6 元/百万输出，Flash 1 元/2 元，UltraSpeed 为 Pro 的 10 倍价换最高 20 倍速）。最大看点是过程透明：6 天 30 个 RL step、约 75 万条轨迹的训练全程直播（Pro 训练成本约 262 万美元），并开源基于 verl 的 RL 框架、7000+ 训练环境、技术报告与 Distill-Qwen-9B；方法层面给出 GRPO / GRS / GAR / MOPD2 四件套。场景覆盖 3D 与 Blender 建模、Computer Use 控制 Franka Panda 机械臂、设计与前端、视频与音乐作曲，以及科研（PFAS 吸附用 MOF 候选设计、《周期三蕴含混沌》主定理的 6000+ 行 Lean 4 形式化通过内核验证）。短板明确：DeepSWE v1.1 官方表 71.9 落后 DeepSeek V4.1 Flash（74.2）与 Claude Opus 5（74.0），Terminal Bench 4.0 仅 34.9，第三方实测在 Agent 场景存在长考与反复翻目录的问题。
Step 5 Preview
Step 5 Preview 是阶跃星辰（StepFun）于 2026 年 9 月 20 日发布的旗舰基座模型，跳过 Step 4.x 直接命名，稀疏 MoE 总参数 600B、每 token 仅激活 27B（4.5%），1M 上下文，原生支持文本/图片/视频输入、最大输出 64k。Artificial Analysis Intelligence Index 44 分追平 Kimi K3（第三方实测），官方称单任务成本约为 Claude Opus 5 的八分之一；官方定价 7 元/百万输入、缓存命中 0.35 元、20 元/百万输出。金融是重点场景（第三方 FrontierFinance 66.4 超 GLM-5.3 与 Kimi K3），长程执行给出可复现实验：24 小时把 MLA GPU Kernel 优化到 508 TFLOPS、把 Qwen3-30B-A3B 的 AIME24 从 53.3% 提到 60%、宝可梦红连续 3000+ Turns 打到第三枚徽章。短板同样公开：Terminal-Bench v4 仅 33.3、长 PDF 理解 GDP.pdf 仅 14.8。权重官方称 10 月 15 日开源，目前仅 API 可用，暂无可自托管产物。
DAMO RADAR
DAMO RADAR 是阿里巴巴达摩院联合浙江大学医学院附属第一医院等机构于 2026 年 9 月 18 日登上《Science》（卷 393 期 6817，文章号 eaec6129）并于同日开源的通用医学视觉语言模型，面向腹部增强 CT，单次通过覆盖 18 个器官、146 种病变（含肝癌、胰腺癌、胃癌、结直肠癌等恶性肿瘤）。在 424,911 例增强腹部 CT 检查上训练出 1500 万+ 器官级图文对，核心创新是「器官级细粒度对齐」+ 自适应对比建模，直接读临床报告学习、无需任何额外人工标注。近 4 万例真实世界检查平均 AUC 0.913（同类最强通用 VLM 为 0.776），未训练过的急腹症场景 0.904，8 家外部独立中心 0.895；26 名放射科医生（11 名资深 + 15 名初级）进行 300 例对照，模型平均准确率超过其中 23 名，作第二阅片人时医生检出敏感度提升约 10%、阅片耗时缩短 30.7%，低年资医生可达高年资水平。注意：代码为 Apache 2.0，但权重采用 CC BY-NC-SA 4.0（非商用需另议），且尚未取得任何监管审批，属研究工具而非临床产品。
Qwen3.8-Omni-Flash
Qwen3.8-Omni-Flash 是阿里千问团队于 2026 年 9 月 18 日发布的原生全模态模型，一个模型同时吃进文本、图像、音频、视频四路输入，1M 上下文，输出文本与语音（ASR 支持 74 种语言 + 39 种中国方言）。最大创新是 Agentic 长音视频理解：从问题出发由粗到细按需取证，OmniVideoBench 准确率从 63.4 升到 67.8、单次 token 从 145,736 降到 79,117（-45.7%），LVOmniBench 从 63.3 涨到 73.6 反超 Gemini 3.8 Flash 拿下最佳；AliMeeting 说话人识别 DER / cpWER 从上代 88.11 / 89.61 降到 3.35 / 17.18，音视频每小时 API 价格下降 93%~98%。29 项评测平均较 Qwen3.5-Omni-Plus 提升超 25%，文本（SWE-bench Pro 63.3、LiveCodeBench v6 92.6）与视觉（AndroidWorld 87.1）均未因全模态训练掉队。注意：模型权重未开源，仅通过千问 AI 平台与阿里云百炼 API 提供服务；Apache 2.0 开源的是配套工具链 Qwen-MM-Plugins（core / api / omni-chatcut / omni-video2note / omni-skill-creator / omni-memory，以 Skill + MCP 形式适配 Claude Code、CodeBuddy、Codex、Qoder、OpenClaw、Qwen Code、Gemini CLI）与实时运行时 Qwen-Live Harness。另有 Qwen3.8-Omni-Flash-Realtime 支持约 591ms 首 Token 延迟的实时音视频对话与空间声波源定位。
星辰 Xing4.0-29B-A4B
星辰 Xing4.0-29B-A4B 是中电信人工智能科技有限公司（中国电信旗下）于 2026 年 9 月 17 日开源的轻量级代码智能体大模型，29B 总参数 MoE、每 token 仅激活 4B，mHC + MLA + MTP 架构（40 层、64 路由专家 + 1 共享专家），原生 256K 上下文可扩展至 512K。最大看点是全程基于昇腾 910C 集群与昇思 MindSpore/MindFormers 训练，通过细粒度 MoE 通信优化、选择性重计算、DVM 自动图算融合与 Ascend C 融合算子把训练吞吐较开箱状态提升约 96%，是国内首个全栈国产算力训成的百亿参数开源大模型。SWE-bench Verified 75.0、Terminal-Bench 2.1 57.5、AIME2026 90.0、Claw-Eval 76.55，整体与 Qwen3.6-35B-A3B 相当；低比特量化后消费级显卡可跑，生态兼容 LLaMA-Factory / MindFormers 微调与 SGLang、vLLM、KTransformers 推理，并已适配 OpenCode、Claude Code、OpenClaw、Hermes 等 Agent 框架。同门 TeleAgent 注册用户已破 118 万、Skill 超 5 万个。
Atria Dawn Preview
Atria Dawn Preview 是上海人工智能实验室 Atria 团队于 2026 年 9 月 11 日"零发布会"开源的智能体基础模型，构建在 7440 亿参数 MoE 基座 GLM-5.2 之上，每 token 激活约 400 亿（8 个专家），256K 上下文，MIT 协议可自由商用。核心是"可验证经验流水线"——把工具调用接进真实可执行环境、用外部信号（测试是否通过、指标、文件状态、信源）判定结果，让奖励来自"有没有跑出可核验的产出"而非"回答看起来对不对"。16 项基准中 5 项拿到最高分：DeepSearchQA 96.0、BrowseComp 92.5、CyberGym 86.5、MLE-bench Lite 86.2、BFCL v4 77.0；官方同时贴出短板（SWE-bench Pro 59.6、JobBench 50.3、Terminal-Bench 2.1 78.3），画像是"研究探索强、工程交付弱"。纯文本不吃图像，FP8 权重约 756GB 起，支持 SGLang v0.5.13.post1+ / vLLM v0.23.0+ 自托管。
LongCat-2.0
LongCat-2.0 是美团于 2026 年 6 月 30 日开源的新一代万亿参数 MoE 大模型，总参数 1.6 万亿、每 token 动态激活 330~560 亿（平均约 480 亿），原生 100 万 token 上下文，MIT 协议可免费商用。架构上提出 LongCat 稀疏注意力（LSA，含流感知/跨层/层级化三项索引优化）、135B 参数的 N-gram Embedding 与 MOPD 多教师在线蒸馏后训练；预训练在 5 万余张国产算力芯片上跑完 35 万亿 token，全程无回滚、无不可恢复 loss 突刺，是业界首个完全依靠国产算力完成训练与推理全流程的万亿参数开源大模型。SWE-bench Pro 59.5、Terminal-Bench 2.1 70.8，深度适配 Claude Code、OpenClaw、Hermes；已支撑美团「智能掌柜」（130 万商家、860 万个问题）、「小团」（7 亿次响应）与 CatPaw（9 万员工、3 万个 Agent）。
DeepSeek V4.1 Flash
DeepSeek V4.1 Flash 是深度求索于 2026 年 9 月 10 日发布并开源的多模态 MoE 大模型，552B 骨干参数 + 196B Engram 条件记忆，MIT 协议。首创非对称 Causal-Encoder-Decoder 架构：40 层拆为 20 层因果编码器 + 20 层解码器，预填充每 token 仅激活 8B、解码激活 16B，精准匹配 Agent「读多写少」的负载特征。1M 上下文、384K 输出，全局 KV 缓存压到每 token 890 字节（V4-Flash 的 1/4、初代 V1 的 1/437），HBM 需求降至 1/4、SSD 降至 1/8。Terminal-Bench 2.1 拿下 90.6 超越 Claude Opus 5 与 GPT-5.6 Sol，DeepSWE v1.1 从 54.4 涨到 74.2。API 闲时输入 1 元/百万 token、缓存命中仅 0.02 元，WorkBuddy（含 CodeBuddy）与 OpenCode 已全量接入，并宣布有序下线 V4 Pro。
Qwen-Drive 1.0
Qwen-Drive-1.0-4B 是阿里千问团队联合华中科技大学于 2026 年 9 月开源的首个面向自动驾驶的视觉语言基础模型，Apache 2.0 协议。它完整保留 Qwen3.5-4B 原生多模态底座，仅外挂 BEV 感知头（3D 检测 / 语义占用 / 地图分割，0.5GB）与 Planning Expert（32 层扩散 Transformer、约 1.1B 参数，Flow Matching 生成未来 5 秒 50 个航点），统一 3D 感知、驾驶问答与运动规划。NAVSIM v1.1 PDMS 90.7（best-of-6 91.4）、WOD-E2E RFS 7.91、nuScenes 3D 检测 43.95 mAP，驾驶因果推理从基座 2.6 提升到 41.3；通用视觉能力仅掉不到 1 分。24GB 显存可跑，属研究开源项目而非量产方案。
EmbeddingGemma 2
EmbeddingGemma 2 是 Google DeepMind 于 2026 年 10 月 6 日发布的开源多模态 Embedding 模型（Apache 2.0，可商用），740M 参数把文本、代码、图像、视频、音频统一映射到同一个 768 维向量空间。它是模块化的——纯文本只需 270M（130M 骨干 + 140M 嵌入层），视觉编码器 170M、音频编码器 300M 按需挂载，不用就不加载。原生 768 维，靠 Matryoshka 套娃学习可在推理时截断到 512 / 256 / 128 维，官方称最高省 6 倍向量存储；注意降到 128 维时图片、视频、音频检索质量只剩满配约 75%，多模态请守在 256 维。上下文 8192 token（约为初代 4 倍，折合约 5.5 分钟音频、29 张图、58 帧视频），覆盖 100+ 语言。基于 Gemma 4 架构并与其共用分词器和音频编码器，因此在 Pixel 11 Pro 上量化后纯文本仅约 191MB、全模态约 567MB 活跃内存。Google 自报 MTEB Code 从初代 68.76 提到 78.68（+9.92），MTEB 多语言 v2 61.36 与初代 61.15 基本持平，并在 MIEB Lite 64.64、MMEB v2 Image 57.28、VisDoc 67.84、Video 50.67、MSEB Retrieval 69.54、MAEB 49.39 上自称亚 10 亿参数多模态嵌入模型领先。初代已被下载超 2000 万次。官方在 Google AI Edge Gallery 给出 Instant Media Search、Video Moments Finder、Foresight 三个端侧 demo，另通过 MediaPipe Decision Task API 支持实时分类与路由。生态覆盖 transformers、sentence-transformers（需 6.1.0+）、MLX、vLLM、llama.cpp、SGLang、Ollama、LM Studio、LiteRT 与浏览器端 transformers.js + WebGPU。注意：推理务必用 bfloat16 或 float32，用 float16 会因激活值超出其动态范围而得到 NaN 或静默退化的向量；Ollama 模型页标注的 256K 上下文有误，实际单次输入上限为 8192 token；文本输入需按任务加前缀（非对称检索查询加 task: search result | query:、文档加 title: none | text:，图片视频音频不加），省略不报错但检索质量会下降；发布仅三天，所有跑分与内存数据均为 Google 自报、尚无第三方复现与外部企业落地案例。
WeMM-Embedding
WeMM-Embedding 是腾讯微信视觉团队于 2026 年 9 月 4 日开源的多模态 Embedding 模型系列，2B / 4B / 9B 三档，Apache 2.0 协议，基于 Qwen3.5 原生多模态架构，把文本、图像、视频、视觉文档及任意交错输入编码进统一向量空间，支持 64–4096 的 Matryoshka 套娃维度。MMEB-v2 上 9B 以 80.6 分登顶第一，2B 以 77.9 分反超此前最强 8B 开源模型；已大规模部署于微信视频号、直播、公众号、电商与朋友圈，日调用量达 10 亿量级。
MiniCPM5-2B
MiniCPM5-2B 是面壁智能联合 OpenBMB 于 2026 年 9 月 8 日开源的高密度端侧语言基座模型，Apache 2.0 协议、原生 128K 上下文。Artificial Analysis Intelligence Index 以 23 分登顶全球 4B 以下开源模型第一，Agentic Index 拿下 20 分（同级普遍仅 2 分），真实任务评测 891 分（人类基线 1000）反超 Qwen3.5 9B 与 Gemma 4 12B。同步开源训练配方、Meshy 强化学习框架与 UltraData 数据集，英特尔、瑞芯微、Arm 三家 Day0 适配，已落地三星旗舰机与长安、吉利车机。
Occamy-1.0
Occamy-1.0 是 Accio-Lab 于 2026 年 9 月开源的高性价比 co-work（协同办公）智能体模型，基于 Qwen3.6-35B-A3B 后训练，35B 总参数、MoE 每 token 仅激活约 3B，原生 256K 上下文，Apache 2.0 协议。Claw-Eval 平均 82.20 分反超 GPT-5.6 Sol（81.80）与 DeepSeek V4 Pro（81.70），相对基座 69.50 提升 12.7 分；更关键的是更省更快——单轨迹 token 降 19.5%、耗时降 46.4%、执行成功率从 62.81% 提到 77.55%、超时率从 9.88% 压到 2.18%，站在能力—成本帕累托前沿的低成本拐点上。训练走 Marathon Expert（SFT→HDPO）加 Sprint Expert 双专家均匀合并再 SAO 微调，并开源 Dressage 多 harness 强化学习训练栈。
Granite PatchTST-FM-r2
Granite Time Series PatchTST-FM-r2 是 IBM Research 于 2026 年 8 月底发布的零样本时间序列预测基础模型，约 3.85 亿参数，上下文最长 8192 步、99 分位数概率预测、原生缺失值填补。把 Conformer block 从语音识别借进时序领域，GIFT-Eval 可复现零样本榜 CRPS 0.467 / MASE 0.6846 双榜第二、宽松许可类第一。Apache 2.0 与 OpenMDW 1.0 双许可可自由商用，是目前少有的能直接进生产的实现；IBM 已与 Confluent 合作把它塞进 Confluent Cloud 上的 Apache Flink 做流式预测与异常检测（Early Access）。
星火 X2.5
星火 X2.5 是科大讯飞子公司词元星火（XHToken）于 2026 年 9 月 1 日开源的端侧大模型系列，4B / 1.7B 双尺寸原生支持 100 万 Token 上下文，是目前端侧唯一原生百万上下文的开源模型，Apache 2.0 协议。采用 1 层全注意力 + 3 层滑动窗口注意力的混合架构，基于华为昇腾集群全流程训练、约 20 万亿 Token 预训练；AIME 2026 得分 90.7 反超两倍参数的 Qwen3.5-9B，BrowseComp 40.9 达其 5 倍，Domux 智能家居测试集端到端正确率 90.3%、响应仅 0.85 秒。
Hy4 preview
Hy4 preview 是腾讯混元 2026 年 8 月 28 日发布并开源的新一代大语言模型，770B 总参数、49B 激活、1M 上下文，Apache 2.0 协议不限商用。Gated DSA 稀疏注意力 + 内置 MTP 投机解码，Terminal-Bench 2.1 得分 85.4、DeepSWE 从 28.0 翻倍到 64.3；更硬核的是它首次参与自身研发全链路，自主做算子融合与通信优化，把端到端吞吐拉高 31.8%，是"递归自我改进"的第一个可查样本。
TimesFM 3.0
TimesFM 3.0 是 Google Research 于 2026 年 8 月 31 日发布的零样本时间序列预测基础模型，3.3 亿参数、在超 1 万亿时间点上预训练，首次原生支持多变量预测与"未来已知"协变量（促销排期、天气预报），以连续 Patch 掩码在单次前向传播中填满整个预测区间并输出 9 个分位数。在 fev-bench（100 任务）、TIME（50 数据集 / 98 任务）、GIFT-Eval 三大榜单均拿下第一。已集成进 BigQuery ML 的 AI.FORECAST、Google Sheets 与 Vertex Model Garden；注意代码为 Apache-2.0，但 3.0 权重为非商用许可。
Muse Glimmer
Muse Glimmer 是 Meta 于 2026 年 8 月开源的 30B 多模态智能体模型，采用 Apache 2.0 协议开放权重，由旗舰模型 Muse Spark 蒸馏而来。支持 128K+ 上下文与工具调用，4bit 量化后仅需 24GB 显存即可在单卡 PC 或 Mac 上本地运行。
GLM-5.3
GLM-5.3 是智谱 AI（Z.ai）于 2026 年 8 月 14 日发布的旗舰大模型，与 GLM-5.2 同基座、全部提升来自后训练：内部编程基准提升 50%，Terminal-Bench 3.0 从 4.6 飙到 28.3 拿下开源 SOTA，并涌现出开源第一的网络安全能力（CyberGym 84.5%），在 269 个开源项目中挖出 2436 个漏洞，支持 1M 上下文，权重于发布两周后开放。
通义千问 Qwen
通义千问 Qwen 是阿里巴巴通义实验室打造的开源大模型家族，2026 年 8 月开源的 Qwen3.8-Max 以 2.4 万亿参数、950 亿激活的 MoE 架构登顶全球下载榜，采用 Apache 2.0 协议开放权重，支持百万级上下文与文本/图像/视频原生多模态，是国产开源大模型的标杆。
dots3-note
dots3-note 是小红书 dots 模型实验室于 2026 年 8 月开源的多模态 MoE 大模型，总参数 280B、激活仅 16B，支持 512K 上下文与文本/图像/视频/音频全模态理解，采用 Apache 2.0 协议开放权重，是 IMO 2026 满分同系列模型，主攻长程 Agent 与真实生活任务。
DeepSeek
DeepSeek 是深度求索（DeepSeek）推出的开源大模型系列，从 V3 基座、R1 推理模型，到 2026 年 8 月发布的 1.6 万亿参数 V4 系列，以 MIT 协议开源、1M 上下文与地板级价格席卷全球，是国产开源大模型的标杆。
Kimi K3
Kimi K3 是月之暗面（Moonshot AI）于 2026 年 7 月开源的旗舰多模态大模型，总参数 2.8 万亿（MoE，896 专家激活 16），原生百万上下文 + 原生视觉，Arena 前端代码榜登顶全球第一，华为昇腾 0-day 适配，是"国产大模型开源潮"中体量最大的开放权重模型。
MiniMax H3
MiniMax H3（海螺 3.0）是稀宇科技于 2026 年 8 月 3 日开源的通用全模态视频生成模型，业界首个开源即可本地运行的音画一体生成模型：33.1B Omni Transformer，原生 2K + 原生 32kHz 立体声、4–15 秒一次生成，Artificial Analysis 视频编辑榜全球第一（Elo 1130），API 仅 0.8 元/秒，约为同类旗舰的十二分之一，发布当天 16 家芯片厂商完成适配。
ChatGPT
ChatGPT 是一个基于 GPT-3.5-turbo 模型的聊天机器人，它能够与用户进行自然语言交互。
Gemini
Gemini由Google DeepMind开发，号称谷歌最大，能力最强的人工智能模型。Gemini从一开始就为多模式构建——在文本、图像、视频、音频和代码之间无缝推理。
文心一言
文心一言（Wenxin One）是百度推出的一款大语言模型，它能够理解和生成自然语言文本，并具有强大的推理能力。
MTEB榜单
MTEB（Massive Text Embedding Benchmark）是衡量文本嵌入模型（Embedding模型）的评估指标的合集，是目前业内评测文本向量模型性能的重要参考。
Web 开发框架
htmx
htmx 是让 HTML 直接拥有 AJAX、WebSocket、SSE 能力的轻量级前端库（接近 4.9 万 Star），十几 KB、零依赖、无构建步骤。2026 年 8 月 28 日发布的 4.0.0 把底层从 XMLHttpRequest 换成 fetch() 带来真正的 HTML 流式渲染，内置 morph 交换与 <hx-partial> 多目标更新，官方真实案例代码量直降 67%、JS 依赖从 255 个砍到 9 个。
Django
Django 是一个由Python编写的开源免费的Web应用程序框架。它遵循了MVT（Model-View-Template）的设计模式，旨在帮助开发人员快速构建高质量、易维护的Web应用程序。
Flask
Flask是一个用Python编写的轻量的Web应用程序框架，基于Werkzeug WSGI工具包和Jinja2模板引擎。Flask 也被称为 “microframework”，因为它使用简单的核心，用 extension 增加其他功能。
FastAPI
FastAPI是一个用于构建API的现代、快速（高性能）的web框架。FastAPI 框架，高性能，易于学习，高效编码，生产可用。
GUI开发框架
Flet
Flet 是一个框架，允许使用您最喜欢的语言构建交互式多用户 Web、桌面和移动应用程序，而无需具备前端开发经验。
PyQt
PyQt 是一个基于 Python 的 GUI 开发框架，它允许开发人员使用 Python 语言来创建 GUI 应用程序。
高效开发工具
Apifox
Apifox 是集 API 文档、API 调试、API Mock、API 自动化测试多项实用功能为一体的 API 管理平台，定位为 Postman + Swagger + Mock + JMeter。旨在通过一套系统、一份数据，解决多个工具之间的数据同步问题。
PDManer
PDManer（全称：PDManer 元数建模）是一款多操作系统、开源、免费的关系数据库模型建模工具，支持Windows、Mac、Linux等操作系统。
DBeaver
DBeaver 是一个开源的数据库管理工具，它支持多种数据库，并提供了可视化的界面，方便用户进行数据库操作。
Postman
Postman 是一个功能强大的 API 测试工具，它可以帮助用户发送 HTTP 请求并测试 API 接口。
编程语言
Mojo
Mojo🔥是AI开发者专属编程语言，将Python的可用性与C的性能相结合，解锁了AI硬件无与伦比的可编程性和AI模型的可扩展性。
TileLang
TileLang（tile-lang）是架在 TVM 上的算子领域专用语言（DSL），Pythonic 语法写 GEMM、FlashAttention、MLA 等高性能 kernel，最新 v0.1.15（2026-09-30）、约 7810 Star，一条 pip install tilelang 即可上手。DeepSeek V4 系列训练中大部分算子由它实现，2026 年 9 月 30 日正式支持华为昇腾 950（新增 ascend 后端，原生代码生成 + 自动调度同步），同日 DeepSeek 一并开源 DeepGEMM-Ascend（BF16 达硬件极限 99.8%）、DeepEP-Ascend（EP8 dispatch 373–375 GB/s）、TileKernels v2.0.0、FlashMLA 与 DeepSelect（比 torch.topk 快 2～20 倍）昇腾六件套。后端覆盖 CUDA（SM70–SM120）、ROCm、昇腾 950、Apple Metal、LLVM CPU、WebGPU，生态适配器已延伸到沐曦、摩尔线程、海光、天数智芯。注意：0.1.x 迭代很快且 v0.1.13 移除过 legacy API，升级前务必读兼容性说明；昇腾后端需 Ascend 950 + CANN 9.2.0 并从源码构建。