1. 书生・浦语3(InternLM3)

GitHub Stars:58.2k
核心特性:

  • 全新 MoE 架构,总参数量 1T,激活参数 48B,推理成本仅为同规模 Dense 模型的 1/5
  • 原生支持 256K 长上下文,在“万卷・长文”评测中全面超越 GPT-4o mini
  • 内置代码解释器与多语言工具调用协议,Agent 任务成功率突破 92%
  • 开源即提供量化版、蒸馏版与全量权重,可在 8 张 4090 上直接部署

为什么重要:作为上海 AI 实验室的王牌项目,InternLM3 首次将“科学计算 – 符号推理 – 工具使用”三大能力统一到一个开源模型中,并配套了完整的对齐与评测开源工具链。它让全球开发者无需闭源 API 也能复现顶尖大模型能力,是 2026 年中国开源大模型“全家桶”中最具指标意义的一环。

GitHub 链接:https://github.com/InternLM/InternLM3


2. 通义千问3-VL(Qwen3-VL)

GitHub Stars:112k
核心特性:

  • 统一视觉-语言-音频-视频四模态理解,支持 4K 视频逐帧级推理和 24 小时连续音视频流分析
  • 端侧分支 Qwen3-VL-1.5B 可跑在手机 NPU 上,离线帧率高达 60fps
  • 升级的 Grounding 能力:能根据自然语言指令在视频中自动标注并追踪目标物体,支持毫秒级事件定位
  • 新增“视觉思维链”可解释性模块,输出每个判断步骤对应的图像区域与逻辑依据

为什么重要:Qwen3-VL 代表着中国多模态开源模型在“全感知”方向上的巅峰。它不再局限于静态图像,而是将真实世界的时空理解作为第一公民。配合阿里云提供的高效微调工具链,它已成为机器人、自动驾驶、智能安防等行业的默认基座模型之一。

GitHub 链接:https://github.com/QwenLM/Qwen3-VL


3. 智谱 CogAgent-2

GitHub Stars:34.7k
核心特性:

  • 自主 GUI Agent:基于屏幕截图直接操作电脑、手机与车机系统,无需任何 API 或辅助 DOM 信息
  • 新引入“规划-验证-回滚”循环机制,在 WebVoyager 基准上任务成功率 87.5%,比 SOTA 高 9.2 个百分点
  • 支持 Windows / macOS / Linux 三平台的跨应用操作,可直接替用户完成报销单填写、视频剪辑、PPT 制作等复杂工作流
  • 附带专用的“Screenshot-to-Script”数据集,覆盖 2 万多个真实软件界面,帮助开发者二次训练垂直 Agent

为什么重要:CogAgent-2 是“数字劳动力”这一概念最早的落地者之一。它让大模型不再只是回答问题,而是真正成为能够替代人工点击、输入、决策的完整执行体。开源策略使得个人开发者也能免费构建自己的“自动化办公机器人”,极大降低了 RPA 技术的使用门槛。

GitHub 链接:https://github.com/THUDM/CogAgent-2


4. 百川科学 Agent(Baichuan-Science)

GitHub Stars:19.3k
核心特性:

  • 专为科研场景设计的开源 Agent:集成了 MATLAB、Python、Mathematica 与多种仿真工具的自动调用接口
  • 内建“假设生成器”与“实验日志记忆库”,可自动记录迭代过程并生成可复现的代码与数据报告
  • 支持从论文 PDF 中提取数值结果并直接生成对照图表,错误率低于 0.5%
  • 与 arXiv / ChemRxiv / bioRxiv 深度联动,输入一篇新论文即可自动运行其方法部分并验证结论

为什么重要:科研自动化是 2026 年最受关注的 AI 应用方向之一,但之前大多数工具都闭源且绑定特定厂商。百川科学 Agent 将所有核心模块开源,让生物、化学、物理、工程领域的研究者都能用自然语言驱动复杂计算与仿真。它正在重新定义“科学发现”的协作方式——从“人推理,机器计算”变成“人提问,Agent 设计与执行实验”。

GitHub 链接:https://github.com/Baichuan-Research/Baichuan-Science