2026年AI开源核心项目全解析：多模态模型与智能工具

近期开源AI领域推出多款全新项目，覆盖智能体开发、机器人操作、多模态模型与工作流工具等多个关键方向，以下为各项目的详细解读：

🛠️ 开发工具与运行框架

① deer-workflow

deer-workflow是一款开源的动态工作流运行时工具，用于搭建可观测、可复用的智能体执行图谱。它采用代码优先的图工程实现思路，通过TypeScript定义合法的执行路径，由编码型智能体负责每个节点内的语义处理工作。该项目是DeerFlow 3.0的前导项目，内部代号为DeerWork。它将控制流、执行阶段、输入参数与失败处理逻辑都以可审查的TypeScript代码形式呈现，智能体模块支持灵活替换，默认搭载Codex CLI且内置Claude Code工具，执行过程可观测，同时支持交互式终端界面与JSONL事件流，非常适合构建自动化流水线任务。

② AG Kit

AG Kit是面向Google Antigravity运行时的智能体工程套件，为开发者提供了一套完整的智能体开发基础设施。项目通过.agents/工作区契约，集成了规则与技能发现、20种专家角色定义与智能路由、工作流编排、持久化上下文记忆、MCP配置指导以及原生安全钩子等多项核心功能。其最突出的特性是内置了PreToolUse安全门控机制，可以精准拦截根文件系统删除、磁盘格式化等高风险命令，同时不会影响正常的项目清理操作。

🏆 核心基座模型

① Kimi-K3

Kimi-K3是一款开源多模态智能体模型，总参数量达2.8万亿，激活参数规模为1040亿，是全球首个开源的三万亿参数级智能体模型。该模型采用全新的Kimi Delta Attention与注意力残差架构，原生支持文本、图像与视频的多模态理解，同时搭载了100万token的超长上下文窗口，在长周期编程、深度知识协作以及复杂逻辑推理场景中表现突出。

② Fara1.5

Fara1.5是一款专为浏览器操作设计的多模态计算机使用智能体，由相关团队开发。它无需访问网页的DOM结构或可访问性树，仅通过页面截图就能识别界面元素，并生成包含点击、输入、滚动等操作的结构化工具调用指令，替代用户完成网页任务。该模型基于Qwen3.5-27B进行监督微调，训练数据由多智能体流程合成，官方推荐搭配相关工具使用，以实现端到端的网页任务自动化流程。

③ LLaDA2.2-flash

LLaDA2.2-flash属于LLaDA2系列，是一款专为智能体场景设计的扩散语言模型。它创新性地将Levenshtein编辑机制引入扩散语言建模流程，通过DELETE和INSERT操作控制令牌生成，是该系列首次面向智能体应用的尝试。模型采用混合专家架构，非嵌入参数量达1000亿，上下文长度支持128K，核心能力涵盖长上下文工具调用、多轮交互以及高精度错误纠正，能够高效处理复杂的智能体任务。

④ τ₀-VLA

τ₀-VLA是一款面向长周期精细操作的分层机器人基础模型。其架构分为高低两层：高层策略借助记忆增强机制生成子任务，当需要额外推理时，会通过世界模型驱动的测试时计算来搜索备选方案，实现灵活的任务规划；低层则是通用执行策略，负责在不同机器人本体上完成选定的子任务，该低层策略融合了视觉-语言模型主干网络与基于条件流匹配训练的混合专家动作专家。模型在统一的40维状态/动作空间下，使用超过4万小时的异构真实世界机器人数据，通过多模态协同训练方法完成训练，展现出极强的泛化能力，项目同时开放了模型权重、源代码与示例数据集。