State of Open Models: Summer 2026 Observations

开源模型现状：2026年夏季观察

返回文章列表

[-1

]

[0

发布于2026年8月14日

GitHub更新

点赞

134

[

• +128

Adina Yakefu

AdinaY

关注

多模态AI艺术的Apolinário

multimodalart

Irene Solaiman

irenesolaiman

在AI领域，时间感被强烈压缩。在我们春季报告发布后数月，随着双年分析对生态系统的梳理，到今年夏天已观察到许多新发现。本报告呈现2026年1月至8月期间的观察结果，并附上每项发现的数据支撑。

Hugging Face平台上的模型和数据集正以惊人的速度增长。在统计周期内，公开模型仓库从243万增至296万，数据集从71.1万增至100万，Spaces从100万增至144万。底层分布依然极端，约85.6%的模型生命周期下载量低于200次，1.5%的仓库贡献了99.2%的总下载量。所有后续分析均基于这一分布形态。

1. 技术前沿进展迅速

过去存在清晰的演进路径：实验室通常从发布小型模型开始，逐步向高端发展。但2026年，多家中国实验室完全跳过了这一阶段。

2026年几乎每个月，中国实验室发布的最大且性能最强的开源模型都超过美国实验室的任何模型。中国每月模型参数上限在7540亿至2.78万亿之间；美国模型在七个月中有五个月参数规模低于1300亿，例外的是NVIDIA在5月和6月发布的Nemotron 3 Ultra（5610亿参数）以及Thinking Machines Lab的Inkling。

图表将实验室分为两类阵营。Moonshot、MiniMax、小米和Z.ai发布的模型几乎都在700亿参数以上，开发者首次接触这些模型时，往往面对的是超出其设备运行能力的超大规模模型。腾讯和通义千问则覆盖完整参数范围，从低于100亿到更高规模均有布局。

两个因素使第一类阵营成为可能：构建超大规模模型已不再是差异化优势。小米、蚂蚁集团和美团今年均突破万亿参数门槛，而十二个月前这些企业均未在开源权重领域具有知名度。同时，实验室无需再发布小型模型来实现可访问性，因为社区的量化层可在数日内使大型模型运行，这一依赖关系将在下文再次提及。

这使模型规模特征成为意图声明而非能力体现。专注前沿的实验室将所有赌注押在基准测试表现和API需求上；而覆盖全谱系的实验室则试图成为开发者标准化的首选。两者都理性务实，只是争夺不同类型的胜利。

美国并未缺席开源领域。

今年发布新开源模型最多的两家机构同时也是硬件制造商：AMD和NVIDIA。两家公司各自发布了超过200个新模型仓库，远超其他竞争者，LiquidAI以约100个排名第三。硬件厂商已意识到开源模型是销售芯片的有效方式：针对特定硬件优化且免费开放的模型，是最清晰的硬件效能证明。

当纳入小型模型和嵌入模型时，谷歌、微软、IBM Granite以及OpenAI早期的视觉和语音模型每年均带来数亿次下载量，美国开源AI生态正在加速增长。

更多硬件和基础设施组织（如NVIDIA）正在训练并开放权重的竞争模型。NVIDIA的Nemotron模型家族以高性能著称。长期领先者如Meta通过Meta的Muse Glimmer重新点燃开放理念。

在前沿领域，今年发布的部分参数规模超过100B的美国模型基于中国模型构建，或利用了中国实验室的成果，例如Thinking Machines的Inkling（952B）。主要的原创美国模型包括NVIDIA的Nemotron 3 Ultra（561B）、Nemotron 3 Super（124B）以及Arcee AI的Trinity-Large（399B）。

AMD在模型转换方面做出了诸多贡献。这项工作具有重要意义：它使万亿参数模型能够在美国硬件上高效运行。这代表了一种分布和优化层。

与此同时，中国开源模型正逐步针对国内芯片进行优化，形成反向竞争格局，即模型围绕特定硬件生态系统进行设计。

2. 注意力 ≠ 采用率

我们统计了今年累计下载量前25的模型仓库和点赞数前25的仓库。恰好有一个仓库同时出现在两个榜单中。

我们统计的是窗口期内的下载量而非终身总量，因此仅存在时间更长的模型不会被额外加分，控制年龄变量后这种差异更加明显。2026年发布的模型无一进入下载量前25，而前25中13个来自2022年。all-MiniLM-L6-v2在七个月内被下载15.5亿次，获得5,156次点赞；Kimi-K3的下载量约为点赞数的60倍。

这两个数字记录了不同行为。点赞表示某个发布物具有重要意义，通常出现在模型发布后的几周内。下载则表示某模型已被嵌入到定期运行的流水线中，长期积累于稳定的小型模型。点赞适合衡量领域关注点，下载更适合衡量实际依赖程度。将两者视为彼此的代理指标是我们在Hub相关报道中最常见的错误，包括我们之前的工作也是如此。这种差异在发布者层面同样存在。

中国前沿实验室是Hub上唯一重型模型下载量占主导的账户。实际上，MiniMax 2026年的所有下载量均来自70B参数以上的模型，Moonshot的88%、DeepSeek的55%以及Z.ai的39%也是如此。没有任何大型美国账户呈现这种特征：Google、Microsoft和IBM Granite的2026年下载量中，70B参数以上的模型占比几乎为零，NVIDIA和Meta仅有14%和9%。

在总下载量层面，这种差异更加明显。Moonshot的前沿模型组合全年记录了3700万次下载，而通义千问通过覆盖不同模型规模的广泛发布策略实现了20.45亿次下载（按声明参数量的仓库统计为20.61亿次，包含所有仓库），约为前者的55倍。从2.4T参数的Qwen 3.8 Max扩展到27B等更小版本，显示出对不同使用场景覆盖范围的持续关注。

时间因素也起着关键作用。大多数模型在发布后使用量会迅速下降，随后进入长期稳定活跃期。一个模型的采用率主要在发布后的最初几个月内确定。

这有助于解释为何当前的下载量往往由较新的发布物驱动，而非由少量已形成基础设施的模型主导。

如果前沿模型是一个授权业务，人们会预期最大的模型发布附带最严格的条款。然而，以下数据却显示了不同的情况。

今年参数规模超过200亿的178个中国模型中，59%采用Apache 2.0授权，22%采用MIT授权，几乎没有非商业限制。然而，最近几周我们开始看到超大模型的趋势变化，Kimi K3和Qwen 3.8 2.4T开始在其授权中加入非商业限制和收入分成要求。

DeepSeek和Z.ai在纯MIT授权下发布了7000亿至1.65万亿参数规模的模型。中国实验室对其最大模型的授权宽松程度与最小模型相当，甚至比美国实验室对同类规模模型的授权更宽松：在相同规模区间，美国模型中29%采用Apache或MIT授权，41%使用自定义条款，30%甚至未声明任何授权。

无论这些发布出于何种目的，都不是授权收入。模型权重以最宽松的条款免费提供。收益必须来自其他途径：API和云业务、硬件和平台定位，或生态系统本身的价值。例如，Z.ai和Kimi的估值表明其开源策略有效，正在社区中获得关注和增长机会。然而，未来行业可能转向更清晰的开源商业化路径。

4. Qwen已成为社区的基础模型

模型的生态系统地位不仅取决于自身发布，更取决于社区在其基础上构建的内容。如上所述，Qwen是少数获得关注和采用的例外案例。

来自Hugging Face的数据

按此衡量，Qwen已成为开源模型生态系统中最大的基础模型之一。基于Qwen的模型在Hub上已有151,448个衍生模型，是Meta总覆盖量的2.6倍，Llama仓库的4.7倍。Google紧随其后，有82,506个衍生模型。第三大来源是Unsloth，这是一个社区账户，发布量化和微调就绪的构建版本，其中许多进一步扩展了Qwen生态系统。

2026年前七个月，Qwen衍生模型每天新增约180至210个仓库，表明采用不仅由单次发布驱动。Qwen已成为开发者选择微调和部署模型的默认工作流程的一部分。

这一地位的形成源于多重因素。首先是持续性。Qwen保持了定期发布的节奏，持续更新其模型家族而非依赖偶发的旗舰发布。其次是覆盖面。它发布了广泛尺寸和使用场景的模型，使开发者无论需要小型本地模型还是大型部署模型，都能保持在同一个生态系统中。第三是开放性。Apache 2.0授权降低了修改、再分发和商业使用的摩擦成本。

这些因素相互强化。广泛的模型家族吸引更多开发者；更多开发者创造更多衍生模型；这些衍生模型又使生态系统对未来的用户更具吸引力。

这一地位主要由社区构建。151,448个衍生模型代表其他开发者创建的下游工作，而非Qwen自身发布的模型。即使在Hub上Qwen模型的28,531个GGUF转换版本中，Qwen仅发布了54个。

在声明参数数量的模型中，参数量低于10亿的模型占据了所有历史下载量的83%，而参数量超过1000亿的模型仅占1%。即使将范围限制在2026年积累的下载量，情况也没有变化：3%的下载量流向参数量超过700亿的模型。这是3月份最稳定的研究发现，原因与之前相同，因为只有小型模型才能在大多数开发者实际拥有的硬件上运行。

那么，万亿参数模型如何才能被任何人接触到？答案是通过llama.cpp。

2月份，ggml团队加入了Hugging Face，项目仍保持完全开源、社区治理和技术方向不变。变化的是，本地推理最重要的项目现在有了可持续的资源支持。

随着llama.cpp的发展，技术上限被重新定义。七月快照中包含了DeepSeek-V4-Flash约2840亿参数和Kimi-K3约2.8万亿参数的GGUF构建版本。本地推理曾经意味着在笔记本电脑上运行80亿参数的模型，现在则意味着在几台消费级机器上分布运行万亿参数的专家混合模型，这是一年前前沿领域尚未具备的替代路径，也是使前沿优先发布策略可行的根本原因。

这条路径在Qwen上运行：每月有396万次GGUF下载量，几乎是Gemma的208万次的两倍，是Llama的75万次的五倍多。Llama的差距并非供给问题，Llama衍生的GGUF仓库数量略微超过Qwen。同样的货架空间，流量却只有Qwen的五分之一。

这七个月内，模型仓库数量增长了21.5%。围绕它们的多个方面增长速度更快。

声明使用gguf库的仓库数量增长了464%，lerobot增长194%，Apple的mlx增长148%，而transformers和peft仅增长16%，diffusers增长21%。建模核心的增长速度大致与平台平均水平相当。决定模型可物理运行本地推理格式的层（如Apple芯片、机器人控制栈）增长速度是其三到七倍。

在十大模型家族中，这些模型背后的实验室发布的官方GGUF转换版本非常少。然而，开发者本地运行模型时经常使用的是GGUF版本。在发布时提供官方转换、记录量化选择并签署工件，只需有限的额外工作量。实验室无需内部维护此工作流，可以与现有生态系统贡献者（如Unsloth）合作。这样做将缩小模型创建者测试的权重与更广泛社区采用的版本之间的差距。

6. 代理是新时代的用户

我们三月份无法撰写这一部分，因为相关工具尚未出现。七月发布的代理使用数据集记录了编码代理通过huggingface_hub或hf CLI调用Hub时发送的agent/<name>标记——搜索模型、推送数据集、运行任务、创建空间。这是首次我们能够看到Hub接收到的代理流量及其来源。

Claude Code在七月以44.4%的占比领先，但一个月的数据掩盖了真正的发现：它在四月占67.8%，五月占64%，而Codex则稳步从10.4%增长到20.8%。这是一个没有既得利益者的市场，一个发布版本或一次默认设置的更改，可能在一个月内改变一半的流量。

第二项发现是未注册的流量行。7月份，近四分之一的代理标记流量来自尚未在数据集中命名的工具，而5月份这一比例高达59.8%。4月至7月期间，出现了十几个新的客户端标识符。新进入者正在以比任何注册机构命名它们的速度更快地涌现——这本身就是一项发现。

我们今年大部分时间都在为这个读者构建系统，而不仅仅是为人类浏览器。3月份开始，论文开始提供可被机器读取的Markdown格式。4月份，代理追踪作为一级数据集类型被引入，每个Gradio Space都新增了agents.md端点，使代理可以直接读取Space的API并直接调用。7月份，我们在MCP服务器上推出了hf_fs工具，通过不到一千个token的接口，统一暴露了仓库、存储、文档和论文，并附带了可附加的沙箱用于安全执行。协议层也发生了同样的整合，MCP迁移至Linux基金会的Agentic AI基金会。

随后在7月，一个代理从读者转变为入侵者。我们遭遇了首个有记录的自主代理自主发起持续入侵的案例。当团队试图使用前沿封闭模型分析捕获的攻击代码时，其安全防护机制拒绝了这项工作。最终，分析在运行于我们基础设施上的量化开源模型GLM-5.2上完成。我们发布了披露信息和完整技术时间线。

前景展望

与春季报告相比，权力的地理再平衡仍在加速。虽然美国开源模型仍保持竞争力，但几家中国前沿模型实验室之间的竞争正引起强烈关注。这些前沿模型获得的点赞数反映了社区最兴奋的领域，也为企业利用关注度进行估值提供了增长机会。

然而，AI竞赛不仅是短跑，更是马拉松；像llama.cpp这样的工具有助于在本地部署大模型，但广泛模型家族及其采用仍是关键，以在开发者、发布者和未来用户之间建立正向反馈循环。嵌入基础设施并成为生态系统组成部分的模型，可能最终带来商业上可行的退出路径。

最终，随着代理首次成为HF Hub的头号用户，下一份报告可能会呈现截然不同的面貌。

在AI领域，几个月的时间就足以重塑整个生态系统。

方法说明

本分析基于2026年前七个月在Hugging Face Hub上观察到的活动。

本报告使用的指标，包括下载量、点赞数、衍生模型和模型发布，代表了生态系统活动的不同方面。它们不应被解释为模型质量、商业采用或整体市场份额的直接衡量标准。

下载量反映了Hub生态系统内的使用情况，但无法捕捉API使用、私有部署或通过其他渠道分发的模型。

点赞数反映了社区的关注和兴趣，而衍生模型则提供了开发者在现有模型基础上构建程度的信号。

由于开源AI的采用涉及多个渠道，Hub活动应被视为生态系统发展的一个视角，而非对AI市场的完整衡量。

已修订

本文在8月初进行了编辑，加入了最新发布的模型信息。

本文提及的模型 4

本文中提到的数据集 1

本文中提到的集合 3

更多博客文章

research

community

agents

通过复现ICML的2,200篇论文我们学到了什么

93

2026年8月13日

evaluation

leaderboard

在Hugging Face模型页面上展示所有评估结果

• +3

52

2026年6月30日

社区

hurler98

6天前

[2

"今年发布的178个参数超过200亿的中文模型中，59%采用Apache 2.0协议，22%采用MIT协议，且没有任何模型包含非商业限制。这个说法不准确。Kimi模型不能由年收入超过2000万美元的公司提供服务，除非Moonshot明确授权。

查看翻译

🔥

1

+

回复

已删除

1天前

此评论已被隐藏

编辑

预览

可通过拖拽、粘贴或点击此处上传图片、音频和视频

点击此处上传图片

评论

· 注册或登录以发表评论

• +122