文章全面介绍阿里系开源大模型项目，包括达摩院的具身智能三大件、视频多模态模型，通义实验室的Qwen2.5/Qwen3系列，以及蚂蚁集团的AI原生数据、扩散语言模型与多智能体项目。提供选型指南，帮助开发者构建基于Qwen大模型的AI应用系统。

(说明：本文仅收录了阿里系部分开源项目，且部分信息可能存在更新不及时的问题)

💡 为什么阿里系开源火力拉满？

过去一年里，阿里系在开源上的“火力”明显拉满：
✅ 一方面，Qwen2.5 / Qwen3 系列大模型持续迭代，基本构成阿里系所有 AI 开源工程的“地基”
✅ 另一方面，从具身智能三大件、视频多模态大模型，到数据库场景的 AI 框架、多智能体（Multi-Agent）平台、扩散语言模型，阿里系仍在不同垂直方向不断放出新项目

📌 一、达摩院：具身智能 + 多模态 AI 的“前沿实验场”

🔹 1. Rynn 系列：具身智能「三大件」

2025 年 8 月，阿里达摩院在世界机器人大会上开源具身智能三大核心组件：

（1）RynnRCP：机器人上下文协议
GitHub: alibaba-damo-academy/RynnRCP（约 117★）
定位：一套完整的机器人服务协议与框架，核心由两部分构成

• RCP framework：抽象机器人本体与传感器能力，提供统一接口，并适配不同传输层与模型服务

• RobotMotion：在“云端推理”与“机器人本体控制”之间搭桥，将离散、低频的推理指令转换为高频连续控制信号，同时提供 MuJoCo 仿真、真机调试与回放、轨迹可视化等工具

  代表价值：

• 将 MCP（Model Context Protocol）理念引入具身智能，提出面向机器人的 RCP（Robotics Context Protocol）

• 打通“传感器数据采集 → 模型推理 → 动作执行”闭环流程，解决开发碎片化、适配难问题

  活跃度：2025 年 8 月刚开源，配套论文与多篇深度解读持续出现，高度活跃

（2）RynnVLA-001：基于人类示范的 VLA 模型
GitHub: alibaba-damo-academy/RynnVLA-001（约 275★）
定位：视觉-语言-动作（Vision-Language-Action, VLA）模型
核心思想：先在 1200 万条第一人称操作视频上做视频生成 + 轨迹感知预训练，再迁移到机器人操作任务
技术特点：

• 三阶段训练：自我视角图像→视频生成预训练 → 关键点轨迹预测增强“动作意识” → 转化为 VLA 模型

• ActionVAE 将动作序列压缩到低维潜空间，降低输出复杂度

  效果：在多项抓取与放置任务中优于同类基线，在真实机械臂实验中表现稳定
  活跃度：2025 年 8 月发布后持续更新，处于快速扩散期

（3）RynnVLA-002：统一 VLA 与世界模型的「动作世界模型」
GitHub: alibaba-damo-academy/RynnVLA-002（约 829★）
定位：自回归 Action World Model，统一“视觉-语言-动作（VLA）”与“世界模型”
关键创新：

• 图像、文本、动作共享统一词表，在单一 LLM 架构中统一理解 & 生成多模态

• 世界模型用“动作＋视觉输入”预测未来图像状态，学习环境物理规律，反向增强动作规划

• 实现 VLA 与世界模型的“双向增强”：世界模型提升动作规划符合物理，VLA 提升场景建模

  性能亮点：

• LIBERO 仿真基准零预训练 97.4% 成功率

• 真实 LeRobot 任务成功率提升 50%+

  活跃度：2025 年 11 月公开论文和代码，Star 持续上涨，2025 年具身智能最热项目

（4）RynnEC：让 MLLM 真正“看懂”三维世界
GitHub: alibaba-damo-academy/RynnEC（约 384★）
定位：为具身认知任务设计的视频多模态大语言模型（MLLM），专注“世界理解”
能力与特点：

• 从位置、功能、数量等 11 个维度解析场景中的物体

• 进行空间关系推理（如判断移动物体是否会碰撞）

• 构建基于普通视频的数据生成流水线，大幅降低 3D 标注成本

  应用场景：辅助机器人完成空间理解、导航、物体操作等具身任务
  活跃度：2025 年 8 月发布，论文、模型与基准持续更新，高度活跃

🔹 2. VideoLLaMA3：7B 参数的视频理解 SOTA

GitHub: DAMO-NLP-SG/VideoLLaMA3（约 1.1k★）
发布时间：2025 年 2 月
定位：面向图像和视频理解的多模态基础模型，7B 参数主力版 + 2B 端侧轻量版
技术亮点：

• 以视觉为中心设计：先用高质量图像-文本数据打基础，再用少量视频-文本数据微调

• 任意分辨率视觉 Token 化（AVT），打破固定分辨率限制

• 差分帧剪枝器（DiffFP），压缩冗余帧，降低算力消耗

  效果：

• 通用视频理解、时间推理、长视频理解刷新同规模开源模型 SOTA

• 文档/图表理解、数学推理（MathVista）、InfoVQA 等图像基准表现突出

  活跃度：2025 年 2 月开源后持续有 Issue/PR 与衍生模型更新，高度活跃

🔹 3. WebAgent & DeepResearch：端到端 Web 智能体与“深度研究”助手

（1）WebAgent：自主搜索智能体体系
时间：2025 年 5 月开源
核心模块：

• WebDancer：端到端训练框架，实现多步信息检索

• WebWalker：Web 遍历与导航的 Benchmark

• WebSailor、WebShaper、WebWatcher：围绕数据合成、视觉-语言深度研究等场景

  Star & 活跃度：

• 整体框架 Star 突破万级（DeepResearch 仓库约 17.9k★）

• 入选“Top Agentic Project”榜单，极度活跃

（2）DeepResearch：长程“深度研究”智能体
GitHub: Alibaba-NLP/DeepResearch（约 17.9k★）
定位：通义实验室推出的“深度研究” Agent，支持多轮检索、多跳推理、长文档分析
模型规模：30.5B 总参数，每 token 仅激活 3.3B
特点：

• 基于 WebAgent 系列构建完整深度研究流水线

• GitHub Trending 长期霸榜，Star 破万

  活跃度：2025 年 9 月 Star 突破 17k，多语言实现持续更新，高度活跃

🔹 4. OpenAvatarChat：单机可跑的实时数字人对话系统

GitHub: HumanAIGC-Engineering/OpenAvatarChat（约 3k★）
发布时间：2025 年 4 月
背景：由阿里巴巴达摩院孵化
能力：

• 单台 PC 运行完整链路：ASR → LLM → TTS → 数字人表情驱动（延迟约 2.2 秒）

• 支持 2D/3D 头像、摄像头视觉分析、实时表情驱动

• 模块化设计，ASR/LLM/TTS/Avatar 可替换（如接入 MiniCPM-o、CosyVoice）

  应用场景：虚拟主播、在线客服、教育陪练、AI 助手
  活跃度：2025 年多篇部署教程、B 站官方教程、频繁 Release，高度活跃

🔹 5. FunClip：语音驱动的本地化 AI 视频剪辑工具

GitHub: modelscope/FunClip（约 5.3k★）
定位：完全开源、本地部署的自动化视频剪辑工具
功能亮点：

• 工业级中文 ASR（Paraformer-Large），支持热词定制、说话人分离

• 按文本片段/说话人批量剪辑，自动导出全视频/目标片段 SRT 字幕

• 集成多种 LLM（qwen 系列、gpt 系列）实现“语义级”剪辑

  活跃度：2024 发布，2025 持续功能迭代与生态扩展，高度活跃

🌐 二、通义实验室：Qwen2.5 & Qwen3，阿里开源版图的“地基”

通义实验室的 Qwen2.5 / Qwen3 系列是阿里系开源的“地基”：
从通用大模型到代码、多模态、长文本、Embedding、Agent 框架，几乎所有高星项目都围绕 Qwen 展开

🔹 1. Qwen2.5：从通用大模型到 Omni 多模态

发布时间段：2024 年 9 月起（2.5 主线），2025 年 1-3 月集中放量
代表仓库与 Star：

• Qwen2.5-Omni：约 3.9k★（端到端多模态，处理文本/图像/音频/视频输入）

• Qwen2.5-Coder：约 14.8k★（0.5B～32B 全尺寸代码模型）

• Qwen2.5-VL：约 6.5k★（3B / 7B / 72B 视觉-语言模型）

• Qwen2.5-Math：约 1.1k★（数学专用模型）

• Qwen2.5-1M 系列：支持 100 万 token 上下文（长文档处理领先）

  Qwen-Wan2.x系列：开放和高级的大规模视频生成模型

• 定位与价值：

• 统一架构覆盖语言/视觉/音频/视频/数学/代码/长文本七大方向

• Qwen2.5-1M 将上下文长度拉到 1M tokens，使超长文档处理成为现实

• Omni 模型实现“实时语音+视频对话”开箱即用能力

🔹 2. Qwen3：混合推理时代的“王炸开源”

发布时间：2025 年 4 月 29 日
核心仓库与 Star：

• Qwen3：发布首日近 20k★，入选“2025 年最热开源项目”

• Qwen3-Coder：约 14.8k★

• Qwen3-VL：约 17.7k★

• Qwen3-Omni：约 3.2k★

  技术与使用特点：

• “混合推理（Hybrid Reasoning）”架构：普通生成模式 + 思考模式（类似 DeepSeek-R1 的思维链）

• 全尺寸 MoE + Dense 开源：Qwen3-235B-A22B（激活 22B）对标 DeepSeek-R1

• 生态一体化：打包 Coder、VL、Omni、Embedding、RAG、Agent 框架等完整链条

🔹 3. Agent 与工具链：Qwen-Agent / Qwen-Code / Embedding 家族

（1）Qwen-Agent：大模型应用开发框架
GitHub: QwenLM/Qwen-Agent（约 10k–11k★）
能力：

• 封装指令跟随、Function Calling、MCP、Code Interpreter、RAG、浏览器控制

• 提供 GUI Demo、Chrome 插件、工具调用示例

  活跃度：2024 年 9 月至今多次迭代，GitHub Trending 常驻，高度活跃

（2）Qwen-Code：终端里的 AI 编程 Agent
GitHub: QwenLM/qwen-code（快速突破 10k★）
定位：开源、跨平台终端 AI 助手，针对 Qwen3-Coder 深度优化
能力：

• 理解重构大规模代码仓库

• 命令行中直接调用编辑器、运行测试、生成补丁

• 集成 VS Code、MCP 等生态

  价值：让“用开源大模型做日常开发”从概念落地实践

（3）Qwen3-Embedding / Qwen3-VL-Embedding

• Qwen3-Embedding：约 1.7k★（文本嵌入，MTEB 多语言榜单领先）

• Qwen3-VL-Embedding：约 300+★（文本-图像-视频统一检索）

  应用：被 RAGFlow、Milvus 等集成，用于企业级知识库构建

🐘 三、蚂蚁集团：AI 原生数据、扩散语言模型与多智能体

🔹 1. DB-GPT：AI 原生数据应用开发框架

GitHub: eosphoros-ai/DB-GPT（超 1.7w★）
定位：大模型+数据库的下一代应用基础设施
关键能力：

• 多模型管理（SMMF）、Text2SQL 强化、GraphRAG、Multi-Agents 协作

• 支持多数据源（数据库、数仓、文件）、多类型知识库构建

  应用场景：智能 BI、自然语言数据分析、企业知识助手
  活跃度：2025 年持续更新 GraphRAG、VSAG 集成，数千用户，高度活跃

🔹 2. LLaDA2.0：首个 100B 扩散语言模型

GitHub: inclusionAI/LLaDA2.0（约 218★）
发布时间：2025 年 12 月
特点：

• 16B/100B 双版本，MoE 架构

• 从 AR 模型“平滑转化”再训练，实现代码/数学/推理任务性能超越同级自回归模型

  活跃度：2025 年 12 月开源，Star 爬升中，周边工具持续更新

🔹 3. VSAG：高性能向量检索索引库

GitHub: antgroup/vsag（约 439★）
定位：专为相似度检索设计的 C++ 向量索引库
亮点：

• 内存占用及查询性能优化，优于传统 HNSW

• 已集成 DB-GPT 与蚂蚁自研图数据库

  活跃度：2025 年 11 月仍有 Release，Issue/PR 活跃，中高活跃

🔹 4. CodeFuse 生态：代码大模型工具链

代表项目：

• CodeFuse-CGM：图结构驱动的代码生成模型

• CodeFuse-Query：基于 Query 的大规模代码分析引擎

• CodeFuse-IDE：基于 CodeFuse + OpenSumi 的 AI Native IDE

  活跃度：2025 年 NeurIPS 等顶会新论文，GitHub 持续更新，生态活跃

🔹 5. AWorld：动态多智能体系统

GitHub: inclusionAI/AWorld（约 1.1k★）
定位：构建、评估和训练通用 Multi-Agent 系统
技术亮点：

• IM0 任务 6 小时内复刻 DeepMind 模型 5/6 道金牌解题结果

• 支持纯自然语言推理与 Workflow 组合构造协作策略

  活跃度：2025 年 8 月论文与 GitHub 同步发布，Star 破千，高度活跃

🔹 6. agentUniverse：面向金融的多智能体框架

GitHub: agentuniverse-ai/agentUniverse（约 2k★）
定位：大模型多智能体框架，服务金融与企业级复杂业务
特点：

• 提供多智能体协作编排组件，内置多种协作 pattern

• 支持“拿来即用”或自定义模式

  活跃度：2025 年持续 Release 与文档更新，活跃

🔹 7. EchoMimic 系列：让静态人像“对口型、带表情”

GitHub：

• antgroup/echomimic（V1，约 4.2k★）

• antgroup/echomimic_v2（V2，约 4.4k★）

• antgroup/echomimic_v3（V3，约 691★）

  定位：基于语音驱动的肖像动画生成系列模型
  技术演进：

• V1：可编辑关键点 + 语音驱动

• V2：效果提升 + 半身动作支持

• V3：1.3B 参数保真度突破

  生态：ComfyUI 插件、Jupyter Demo、Pinokio 脚本等
  活跃度：2025 年全年持续生态扩展，高度活跃

⚙️ 四、其它阿里系开源：联邦学习、Java Agent 框架等

🔹 1. FederatedScope：联邦学习平台

GitHub: alibaba/FederatedScope（约 1.5k★）
定位：支持大规模高效率异步训练的联邦学习平台
活跃度：2025 年仍被达摩院推荐，Repo 持续更新，活跃

🔹 2. Spring AI Alibaba：Java 世界的 Agentic AI 基础设施

GitHub 生态：

• spring-ai-alibaba/examples（约 2.2k★）

• spring-ai-alibaba/spring-ai-alibaba-admin（约 335★）

  定位：为 Java 开发者提供 Agentic AI 框架与运行时
  能力：

• 多模型接入（通义、第三方 LLM）

• Agent 工作流编排、观测与评估

  活跃度：2025 年 12 月仍有 Commit 活动，与 DeepResearch 集成持续更新，中高活跃

🔹 3. TePDist、EasyNLP 等基础设施项目

• TePDist：alibaba/TePDist（约 99★），HLO 级自动分布式训练系统

• EasyNLP：alibaba/EasyNLP（约 2.2k★），综合 NLP Toolkit

  活跃度：社区仍有使用与 Issue 互动，持续活跃

💡 五、整体观察与开发者选型指南

✅ 1. Star & 热度分布

• 万级 Star 阶梯：Qwen3 主线 / Coder / VL、WebAgent / DeepResearch、DB-GPT → 开源 LLM + Agent + AI 数据应用第一梯队
• 5k–10k 阶梯：EchoMimic 系列、FunClip、Qwen2.5-VL / Qwen-Agent、Qwen-Code → AI 应用层 + 工程支撑层爆款
• 1k 阶梯：Rynn 系列、VideoLLaMA3、AWorld、agentUniverse、VSAG、Qwen3-Embedding → 具身智能、视频理解、多智能体、向量检索关键基础设施

✅ 2. 2026 项目选型清单

✅ 3. 三个关键判断

• 从“模型竞赛”到“Agent 体系竞赛”：2025 年阿里系最热项目全在 Agent / Multi-Agent 方向（WebAgent、DeepResearch、DB-GPT）
• 具身智能从“Demo”走向“可复现系统”：Rynn 系列让论文可复现，工业界信号明确
• 数据管道是生死线：DB-GPT、VSAG 证明，没可靠检索基建，LLM 难落地

🌟 六、写在最后：2026 年做 AI 应用，阿里系开源“积木”怎么用？

“2026 年做 AI 应用，门槛不是‘能不能用大模型’，
而是‘能不能合理使用开源积木上搭出生产级系统’。”

最底层算力与模型底座

• 通用大模型：Qwen3 主线 / Qwen2.5 主线
• 多模态模型：Qwen3-VL / Omni、VideoLLaMA3、Rynn 系列
• 嵌入与检索：Qwen3-Embedding / Qwen3-VL-Embedding + VSAG

中间层工程基础设施

• 分布式训练：TePDist
• NLP/ML 工程支撑：EasyNLP、FederatedScope
• 数据 + RAG + Workflow：DB-GPT、AWorld、agentUniverse、Qwen-Agent

上层应用完整系统样板

• Web 智能体：WebAgent、DeepResearch
• 数据智能应用：DB-GPT + 企业自有数据
• 多智能体业务编排：AWorld / agentUniverse
• 数字人互动：OpenAvatarChat + EchoMimic / Qwen3-Omni

如何学习AI大模型？

如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！

第一阶段：从大模型系统设计入手，讲解大模型的主要方法；

第二阶段：在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段：大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段：大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段：大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段：以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段：以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

100套AI大模型商业化落地方案

大模型全套视频教程

200本大模型PDF书籍

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

LLM面试题合集

大模型产品经理资源合集

大模型项目实战合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓