云计算开源产业联盟：OpenCenter开源指数AI模型软件企业开源竞争力洞察报告2025年第4季度

AI模型、软件与企业竞争力洞察第1期（2025年第4季度）前言前言献”的实践路径上持续深化，安全、合规、供应链风化落地的核心约束。在技术与治理双重变量叠加的背景下OpenCenter指数体系正是在这一需求下形成与迭代。其基于OpenCe累与系统研究，围绕开源模型、开源软件、企业开源三类核心对象开展评估与洞察。需要强调的是，指数并非为了给出“单一的绝对答案”，而是希望提供一套可解释的量化坐标系：在清晰口径与可追溯数据来源的基础上，把复杂的技术与组织实践拆解为可观察、可讨论、可改进的指标体系。报告中呈现的结论既来自数据统计，也来自对行业实践的结构化分析。在编写过程中也在方法论上尽量保持透明：对数据来源、指标定义、评分口径、样本范围与适用边界进前言希望OpenCenter指数能够为三类读者提希望OpenCenter指数能够为三类读者提俊哲第一部分概述推进中心采用「理事会—专家委员会—行业/技术委员开源创新发展推进中心组织架构开源创新发展推进中心组织架构企业成员等级设置技术开源委员会工作组…开源安全开源合规开源人才数字公共产品…开源安全开源合规开源人才数字公共产品数据库操作系统语言云计算人工智能航天能源智能制造汽车通信金融5nn2025年Q4，OpenCenter开源指数库累计沉淀207家企业成员样本数据，覆盖金融、通信、软件、互联网、汽车、能源等关键行业。样本组织规模分布以500–5000人（36%）与5000人以上（34%）为主，为后续指标分析与行业对比提供基础。OpenCenter成员调研-行业分布情况OpenCenter成员调研-组织规模66第二部分AI趋势洞察8模型架构演进从“理解数字信息”迈向“理解物理规律”和“执行物理操作”）：OpenAIo1。传统的LLM是“快思考”GPT-3证明了“大力出奇迹”动规律（如重力、碰撞）。tTokenizeEverything(万物皆Token)，Transformer不再只是处理文本的架构，而是通用的序列建模架构架构演进的目标从“理解数字信息”迈向“理解物理规律”和“执行物理操作”叠参数和稀疏计算(MoE)提升效率面向真实应用对“更长上下文、工具使用、更强推理”的需求，模型侧在推理时计算、推理链、检索/工具协同等方向增强n自2017年Transformer架构提出以来，大模型技术路线大体经历了若干阶段性演进：从架构分化与规模化扩展，逐步走向多模态统一、长上下文与推理增强，并在部分前沿工作中延伸至面向物理环境交互的“世界模型/具身智能”方向。9nn领先的科技企业不再仅仅关注单一的模型或框架，而是致力于构建从底层硬件、系统软件、开发框架、模型、工具链到应用平台的“全栈式”AI生态系统。这种全栈布局旨在构建更高的技术壁垒，锁定开发者和用户，形成强大的生态向心力。115%全球人工智能开源项目增长率远超传统软件项目115%全球人工智能开源项目增长率远超传统软件项目040%43%31%34733%4251.526.1.21%25%2018201920202021202220232024202540%20%项目数（千万）增长率0186% 2152023年10月2024年10月2025年10月模型数(万）——增长率200%0%n全球人工智能开源模型增速远超传统软件。HuggingFace平台上开源模型数量超215万个，年度增长率115%，4倍于传统软件。与此同时，中国研发的开源模型全球下载量占比达到17.1%，Qwen系列开源模型的总下载量已超越Llama系列模型。中国已成为开源模型增长的主导力量，形成新的生态引力场0700%600%0700%600%500%2023年10月2024年10月2025年10月模型数(万）——增长率第三部分第三部分OpenCenter指数nOpenCenter开源指数体系基于nOpenCenter开源指数体系基于OpenCenter成员企业调研数据与公开生态数据，面向开源领域的技术演进与企业实践开展持续跟踪与系统评估，输出可量化、可对比的参考指标与趋势洞察，为产业决策与治理建设提供依据。开源模型指数开源软件指数企业开源指数01.开源模型指数02.开源软件指数03.企业开源指数nnOpenCenter开源模型指数是一套用于系统评估开源模型综合表现的指标框架，围绕五个维度构建：社区影响力、性能表现力、生态延展性、产业应用成熟度与开源透明度。其中，“产业应用成熟度”以模型家族为统计与评价对象（例如Qwen系列重点衡量其在OpenCenter企业成员中的应用覆盖与落地深度，而非针对单一版本进行结论推断。方法可复现性数据透明度方法可复现性数据透明度代码可获取性商业授权友好度技术前瞻认同度部署与推理友好度开发者采纳倾向业务结合深度场景覆盖广度模型被引用数模型衍生活跃度领域专业性智能体协作与规划编程与工程化能力指令遵循能力逻辑推理与知识储备模型总下载量近期活跃趋势社区关注热度开源模型综合效能评价框架三级指标得分范围为[0,10]，分值越高代表该项表现越优，部分指标采用归一化/标准化处理。数据来源：HuggingFace、ModelScope数据来源：OpenCenternnOpenCenter开源模型“性能表现力”评测体系基于业界常用且可复现的公开评测基准与工具构建（共16项覆盖五类能力维度：逻辑推理与知识储备、指令遵循、编程与工程化能力、智能体规划与协作、领域专业性。逻辑推理与逻辑推理与知识储备GPQADiamond（专家级知识）专家撰写并验证的高难理科问答子集，用于评估AIME2025（数学推理）作答能力。MMLU-Pro（综合知识与推理）于衡量综合知识与推理能力。11IMO2025（数学推理）IMO2025题目数据集，IMO2025（数学推理）IMO2025题目数据集，用于更高难度数学推理评估。被称为“人类最后的考试”，跨学科、多模态的高难度题集，用于检验前沿综合能力。22指令遵循能力长上下文多文档推理评测，强调跨材料整合与长链推理能力。可验证约束的“精确指令遵循”基准，评估模型对复杂输出约束的遵循与可控性。编编程与工程化能力SciCode（科学计算与编程）源自真实科研问题的代码生成评测，覆盖多学科科研计算场景。SWE-benchSciCode（科学计算与编程）源自真实科研问题的代码生成评测，覆盖多学科科研计算场景。SWE-benchVerified（编程能力）3LiveCodeBench（编程能力）持续更新的编程能力评测，强调新题、低污染与代码执行相关能力。智能体规划与协作智能体规划与协作44Terminal-BenchTerminal-BenchHard在沙盒终端环境中执行真实系统任务，衡量工具调用、环境操作与端到端执行能力。对话式客服场景的仿真评测框架，强调对话式客服场景的仿真评测框架，强调“与用户共同控制”的任务完成能力。ToolathlonToolathlon（Agent能力）跨多应用、多工具的长周期任务基准（32应用、604工具），评估真实工作流编排能力。源自医学考试的多项选择问答数据集，用于评估医学知识与临床推理基础能力。领域专业性领域专业性面向财务“开卷”问答的评测套件（官方开源样本为150条衡量财报理解与证据定位能力。5多任务法律推理基准，覆盖合同理解、条款解释等法律场景。nn开源透明度评测基准使用中国信通院《人工智能开源开放透明度等级划分》标准，依据开放内容、开放范围划分透明度等级，为人工智能模型开源实践提供透明度标尺，为用户选择、应用AI项目提供参考。>开放人工智能openAI：通过开放许可协议向公众或部分用户提供的AI系统或其部分，包括权重、代码、数据、文档等。开放开源开放许可协议openlicense：一种具有法律效力的格式合同，定义公众或部分用户复制、使用、修改或分发代码、权重、数据、文档、图片、音乐及其他信息的权利和义务，通常不以金钱给付或其他商业目的为对价。开放开源DCBA开开放内容开放用途人工智能模型应提供从0到1复现模型的必要材料并允许进行复现操作进行推理；足以使用户进行模型部署、优化操作的模型结构信息语言描述或其他相当信息；要材料，包括非通用工具和非默认配置信息等。d)训练数据集描述，包括但不限于数据来源、采集方式、数据量、数据格式（如图像、文本、结构化数据）、标签体系及数据分布特征（如类别均衡性）g)完整训练数据集，如原始数据文件，或数据获取方式（如下载地址）、生成方法或数据合成规则等支持生成具备近似训练效果的相当数据信息及详细合规指导;e)数据预处理方法，说明数据清洗、数据配比等步骤的具体实现方式；i)超参数设置信息，包括详细的超参数列表和超参数调整策略；f)标注规则和工具，对于有标注的数据，需明确标注规则和使用的标注工具；j)完整训练代码和脚本，包括但不限于完整训练代码及启动训练、分布式训练的脚本等；h)训练过程记录，如描述训练方法的论文、训练日志等文档说明或其他相当信息。k)环境配置信息，包括训练所使用的计算资源信息，如GPU型号、内存大小、存储类型等信息以及训练过程中所使用的软件栈信息。不应限制商业用途的部署对商业用途的部署有限制不应限制商业用途的部署AA-A可复现性Reproducibility可复现性Reproducibility在相同或相似的条件下，重复执行一个过程或活动，能够获得一致结果的能力。nn在本次纳入评估的108个开源模型中，DeepSeekR1以5.51分位居第一，Qwen3紧随其后；GLM、Kimi、MiniMax等模型在综合表现上具备较强竞争力。整体分布呈现明显“头部集聚、长尾分散”特征：TOP10模型平均得分4.68分，TOP50平均得分2.08分，全名次模型名称模型发布机构社区影响力-性能表现力-生态延展性-产业落地成熟度（模型家族）-开源透明度-1深度求索4.937.726.174.004.0022507阿里巴巴7.327.323A3B阿里巴巴7.327.324DeepSeekV3.2深度求索6.736.704.005GLM-4.62.434.964.706GLM-4.76.756.754.964.637gpt-oss-120BOpenAI7.796.036.904.618OpenAI9.759.754.828.368.364.549KimiK2Thinking月之暗面6.594.172.504.37稀宇科技6.224.742.874.14nn在性能表现力维度中，各模型呈现梯队分布。GLM4.7与DeepSeekV3.2处于领先位置，多款模型居中，表现稳健。第1名（6.75）与第20名（4.08）之间差距约40%，说明性能维度的头部优势仍较显著，中腰部模型整体表现更为接近。9876543210nn在性能表现力维度中，各模型呈现梯队分布。GLM4.7与DeepSeekV3.2处于领先位置，多款模型居中，表现稳健。第1名（6.75）与第20名（4.08）之间差距约40%，说明性能维度的头部优势仍较显著，中腰部模型整体表现更为接近。98765432104.964.874.824.794.544.394.194.08Thinkingnn从时间序列看，开源基础模型性能呈持续抬升趋势：早期Llama2模型的发布引领了开源模型的快速发展；随后Qwen与DeepSeek的迭代速度更快，性能提升更为显著。尤其在DeepSeek-R1发布这一重要时间点，模型性能相对同阶段Llama系列出现明显跃升。8640nn从产业落地成熟度评分来看，阿里千问系列模型表现突出：OpenCenter成员企业样本中，Qwen模型家族7.32分；DeepSeek以6.17分紧随其后。GLM处于中段。值得注意的是，LIama、gpt-oss系列在在OpenCenter成员企业样本中得分较低。9876543210nn在“性能表现力”与“产业落地成熟度（模型家族）”两个关键维度上的表现中，Qwen、DeepSeek、GLM系列在两项指标上更为均衡,KimiK2Thinking、MiniMax-M2则在性能表现力中处于相对优势位置。9876765443210001.开源模型指数02.开源软件指数03.企业开源指数主流开源软件项目评价体系指标设置的关键要素有哪些？评估体系CHAOSS指标体系CriticalityScore指标体系BRR指标体系Osspert指标体系………………TestCoverageAPI版本………………TestCoverageAPI版本软件许可证软件维护能力软件漏洞等级软件漏洞情况项目主体构成项目支持能力项目认可情况项目响应效率项目参与情况项目活跃情况nn开源软件综合效能评价框架：1）指标更完备：基于CHAOSS、Osspert等成熟方法与工具的基础上扩展合规与产业落地能力，评价范围更全面。2）指标更量化：除生态活跃度指标外，进一步纳入安全、合规、应用等可审计指标，使得项目竞争力评价更为客观。开源软件综合效能评价框架三级指标得分范围为开源软件综合效能评价框架三级指标得分范围为[0,10]，分值越高代表该项表现越优，部分指标采用归一化/标准化处理。项目流行度项目参与度项目响应能力安全保障能力合规应用能力产业落地能力安全漏洞补丁数量高危漏洞数量漏洞数量代码提交频率项目核心贡献者增长数量大象因素组织参与数量项目贡献者增长数量项目下载数量采纳预期度开发者体验高风险许可证类型数量高风险许可证数量k数量技术可替代性项目数量应用渗透度OsspertCriticalityScore数据来源：GitHub、GiteeOsspertCriticalityScore数据来源：GitHub、Gitee第三方工具数据来源：OpenCenter、第三方工具nn在OpenCenter指数样本池中，项目综合表现呈显著分化，不同梯队间竞争力差距明显。排名前100位的开源项目平均竞争力得分为7.21分，排名500位的项目平均得分降至3.96分。显示出头部开源项目在社区资源、开发者心智和产业应用方面具有巨大的虹吸效应。项目流行度-度-123搜索/数456789nn各技术领域开源项目在综合表现上呈现明显分化：头部项目优势突出，且由于不同领域的技术演进节奏、应用场景与生态结构存在差异,各领域在维度上呈现不同侧重，体现出开源生态的多元化发展特征。云计算力力力力人工智能操作系统中间件力力力力力力力力力力力力力力力力力力数据库力力力力01.开源模型指数02.开源软件指数03.企业开源指数nn从企业视角看，涉及的开源动作可分为“内外双循环”和“三步走”策略，分别是开源使用+对外开源（外循环）和内部开源（内循环）。对外汲取与贡献，对内协同与共享，激活技术资源流动。开源生态企业内部开源开源使用对外开源开源软件开放数据开放人工智能模型开放内容开放标准开源生态企业内部开源开源使用对外开源开源软件开放数据开放人工智能模型开放内容开放标准开放…提高技术竞争力，降本增效开源使用内部开源对外开源•基于优选开源项目建立内部可控的IT系统，防范技术、合规及安全风险，建立完备高效的引入体系•加强组织内部开源协同，推动内部统一的技术标准以及工具平台建设，减少重复投入，提高研发效率，降低研发成本•孵化优秀的内部开源项目并对外输出，链接外部开源生态，提高研发质量，推动技术创新，创造社会和商业价值nn企业开源综合效能评价框架是一套全面、系统的评估体系，旨在帮助企业科学、高效地衡量其在开源领域的各项活动。框架覆盖了企业对外开源、开源使用以及内部开源三大核心领域（每个领域指标分值为[0,10]）。框架依托标准分别为：《开源软件治理能力评价方法第1部分：自发开源企业》、《开源软件治理能力评价方法第3部分：成熟度》、《企业级内源治理能力成熟度模型》。01企业对外开源开源战略发布管理运营维护生态构建01企业对外开源开源战略发布管理运营维护生态构建企业开源使用管理组织职责划分开源管理流程合规策略存量管理执行引入测评开发运维退出规划策略02安全策略技术策略制度0303企业内部开源内源文化内源运营内源流程内源组织内部开源维度得分内部开源维度得分9876543210汽车行业023023注：圆圈大小代表企业对外开源维度得分nn下表汇总了OpenCenter企业开源指数数据池中出现频率最高的10项开源使用治理活动。这些活动在“开源使用”领域得分≥6.0的企业中更为常见，可视为较成熟治理实践的共性要素。若组织正在规划或完善开源使用治理体系，可优先评估并分阶段落地相关活动。建立覆盖引入、使用、维护与退出全生命周期的开对已引入开源组件的漏洞信息与许可证合规状态开展nn下表汇总了OpenCenter企业开源指数数据池中出现频率最高的10项内部开源治理活动。这些活动在“内部开源”领域得分≥6.0的企业中更为普遍，反映了内部开源治理的关键能力要素。建议组织在制定内部开源治理方案时，结合自身现状优先纳入并逐步完善。nn下表汇总了OpenCenter企业开源指数数据池中出现频率最高的10项对外开源治理活动。这些活动在“对外开源”领域得分≥6.0的企业中更常见，体现了组织在对外开源审批、合规与运营等方面的实践。建议组织在制定对外开源机制时，优先将其纳入制度与流程设计。建立并执行以企业名义开展对外开源（发布/贡献）的审批Q:贵公司本年度是否有明确的企业级开源战略规划？l洞察：总体来看，多数行业已将开源纳入企业级规划或年度重点，尤其在数字原生行业（互联网、软件与信息技术服务）表现更为突出；但在部分传统行业（如能源、汽车）中，企业级开源战略仍不够清晰，反映开源治理体系与资源配置仍有进一步完善空间。有明确规划无相关规划Q:贵公司是否有专门的组织和人员负责开源战略和治理？l洞察：从组织形态看，“兼职/虚拟组织”是最常见的开源治理承载方式，说明多数企业已开始配置治理职能但仍偏项目化、兼任化。