Interconnects AI

Introducing our Artifacts Hub and Adoption Dashboard

8.5内容质量
Introducing our Artifacts Hub and Adoption Dashboard

TL;DR · AI 摘要

Interconnects AI 推出 Artifacts Hub 和 Adoption Dashboard，提供开源模型生态的深度分析与实时数据追踪。

核心要点

  • Artifacts Hub 覆盖 792 个近两年发布的模型，整合 Hugging Face 与 Open Router 数据。
  • Adoption Dashboard 每日更新，揭示 US-China 模型采用差距及新兴玩家动态。
  • 与 Project VAIL 合作开发 VAIL 相似性指数，量化模型生成内容关联性。

结构提纲

按章节快速跳转。

  1. §引言

    介绍 Artifacts Hub 和 Adoption Dashboard 的推出背景与目标。

  2. ·Artifacts Hub 功能

    展示模型覆盖范围、数据来源及核心分析指标（如 RAM、Intelligence Index）。

  3. ·Adoption Dashboard 特性

    说明地理分布分析、US-China 采用差距追踪及实时更新机制。

  4. ›合作项目

    与 Project VAIL 联合开发 VAIL 相似性指数以评估模型生成内容关联性。

  5. ·生态透明度价值

    强调通过数据共享帮助开源社区识别优势并推动生态发展。

思维导图

用一张图看清主题之间的关系。

查看大纲文本（无障碍 / 无 JS 友好）
  • 开源模型生态系统工具
    • Artifacts Hub
      • 模型覆盖（792 个）
      • 数据源（Hugging Face/Open Router）
      • 分析指标（RAM/Intelligence Index）
    • Adoption Dashboard
      • 地理分布分析
      • US-China 采用差距
      • 实时更新机制
    • 合作项目
      • Project VAIL（相似性指数）

金句 / Highlights

值得收藏与分享的关键句。

  • Artifacts Hub 当前覆盖 792 个模型，基于 Hugging Face 数据并整合 Open Router 推理指标。

    — 第 3 段

    ⬇︎ 下载 PNG𝕏 分享到 X
  • Adoption Dashboard 每日更新，揭示 US-China 模型采用差距及新兴玩家增长趋势。

    — 第 4 段

    ⬇︎ 下载 PNG𝕏 分享到 X
  • VAIL 相似性指数通过对比模型生成内容，量化模型间技术关联程度。

    — 第 5 段

    ⬇︎ 下载 PNG𝕏 分享到 X
#Artifacts Hub#Adoption Dashboard#开源模型#数据可视化
打开原文

介绍我们的工件中心和采用仪表板

扩展我们对开放生态系统的策展和测量能力

Nathan Lambert

2026年8月3日

##### 本文没有配音，但有一个简短视频版本在此处。

我们正在将开放模型覆盖范围扩展到独立项目，让您更深入地了解开放模型生态系统的现状。新的免费数据来源包括：

  • 工件中心 —— 对Hugging Face上热门模型的精选视图，突出显示通过Open Router的推理令牌、通过Artificial Analysis的模型智能，以及基于Hugging Face数据构建的定制化采用指标。
  • 我们的采用仪表板 —— 按地理位置和组织划分的下载量和衍生模型数量的实时仪表板。这突显了中美之间的差距以及开放生态系统中新兴力量的增长。

迄今为止，我们在Interconnects的主要工作集中在热门模型（如Kimi K3、GLM 5.2、DeepSeek R1等）的发布回顾，以及每月总结重要的开放模型（Artifacts Log）。我们正在在此基础上进行扩展，利用我们在其他项目（如The ATOM Project（及报告））中收集的工具和内部数据。这使我们能够捕捉开放模型的生态系统视图，开发理解巨型MoE模型采用情况的方法，并涵盖所有相关内容。我们免费分享这些内容，以帮助开放生态系统发现自身优势并实现增长。

访问工件中心

目前，工件中心涵盖了过去两年发布的792个模型，包括核心文本导向的语言模型和多模态生成模型。在Interconnects，我们追踪Hugging Face上每个模型的数据，分析核心的数千个LLM（此列表在GitHub上公开并定期更新），并手动精选这些核心的数百个模型进行进一步解释。

我们与Project VAIL合作构建了这个中心——一家AI验证初创公司，也是我们开放模型策展最忠实的粉丝之一，以此深入分析。

对于最受欢迎的模型，中心让您快速了解模型在前沿智能方面的落后程度（基于Artificial Analysis的智能指数），比较Hugging Face和Open Router与类似模型的采用情况，查看时间-规模归一化下载的相对采用指标（RAM）评分，或查看具有相关生成的模型的VAIL相似性指数。下图展示了您可能会看到的GLM-5.2的快照。

我们的另一个项目更为轻量，但早已应运而生。自我们撰写《The ATOM Project》以来，我们一直在AI生态系统中反复看到中美模型采用的对比图。我们会定期更新该图表，但频率不够。现在，我们正在通过每日更新的仪表板提供该报告和生态系统的关键数据。

访问我们的仪表板

在Interconnects，我们的使命核心是赋能开放生态系统。目前，当世界正在探索如何高效利用开放模型——特别是以具有成本竞争力的方式与前沿模型竞争时——提供更多的透明度是我们了解什么有效的方法。

我们很乐意听到您对如何改进的建议，请随时与我们联系。我们也对其他人如何利用我们策展的数据开发其他产品或开放生态系统中的研究感兴趣。请通过[email protected]与我们联系。

再次感谢 Hugging Face、Open Router 和 Artificial Analysis 团队的贡献，尤其是 Hugging Face 团队的付出。感谢 VAIL 为这些项目提供的动力和支持。

上一篇