草稿
大模型时代的开源生态
如果说前一章让我们了解了 AI 技术的理论与方法，那么这一章将目光投向大模型时代蓬勃发展的开源生态。在过去几年中，AI 开源社区涌现出大量令人兴奋的项目和成果，各种开源大模型纷纷问世，为开发者提供了丰富的选择。从全球的 Llama、Mistral，到国内的 ChatGLM、Baichuan、Qwen 以及新近崛起的 DeepSeek 等，本章会概览主流开源大模型，介绍它们的特色与用途。我们将按模型的应用领域分类讨论，比如哪些适合通用对话，哪些专长代码生成，哪些支持多模态等。同时，部署和推理的大模型工具生态也在快速演进，例如 Ollama、vLLM、llama.cpp 等，它们极大降低了使用开源模型的门槛。本章会对比这些工具的功能和适用场景。
此外，本章参考并整合了基于社区行为数据的全景与趋势洞察（例如采用 OpenRank 指标的生态全景分析）。这些数据表明：开源大模型生态在短时间内迭代极快——既有新锐项目迅速崛起，也有曾经的明星项目被迫出局；生态中的项目横跨 AI Infra、AI Agent、AI Data 等多个技术方向，且呈现出明显的语言层级分工（Python 在基础设施层占主导、TypeScript 在应用层活跃）。我们会在后续小节中结合社区活跃度、许可证趋势与技术走向，给出更具操作性的选择与部署建议。
除了罗列模型和工具，我们更关注如何做选择：面对众多开源模型，该如何根据需求挑选合适的？每种模型背后有哪些优缺点（性能、数据集、许可证…）？部署时要注意什么？针对这些问题，我们将在本章深入分析，为开发者提供决策建议。每节末尾依然会给出开发者贴士和避坑指南，帮助大家在拥抱开源大模型的同时，避免常见雷区、高效推进项目。