State of Open Models: Summer 2026 Observations

概览

Hugging Face 发布了 2026 年上半年的开源模型生态观察报告（2026 年 1 月至 8 月）。报告基于 HF Hub 的实际数据，揭示了六个核心发现。

数据规模：公共模型仓库从 243 万增长到 296 万，数据集从 71.1 万增长到 100 万，Spaces 从 100 万增长到 144 万。但分布极度不均衡——85.6% 的模型生命周期下载量不到 200 次，1.5% 的仓库贡献了 99.2% 的总下载量。

1. 前沿模型竞赛：中国碾压性领先

2026 年，多家中国实验室跳过了"从小到大"的渐进路线，直接发布超大模型。每月中国实验室发布的最大开源模型在 754B 到 2.78T 参数之间；美国模型在 7 个月中有 5 个月低于 130B（例外是 NVIDIA Nemotron 3 Ultra 561B 和 Thinking Machines 的 Inkling 952B）。

两个阵营分化明显：

• 前沿专属型（Moonshot、MiniMax、Xiaomi、Z.ai）：几乎不发布 70B 以下模型，开发者首次接触就是大模型
• 全覆盖型（Tencent、Alibaba Qwen）：从 1B 以下到万亿级全覆盖

大模型不再稀缺——Xiaomi、Ant Group、Meituan 今年都突破了万亿参数，而它们一年前在开源权重领域还籍籍无名。规模配置现在是"意图声明"而非"能力证明"。

美国开源并未缺席：发布最多新开源模型的是硬件厂商 AMD 和 NVIDIA（各 200+ 个仓库），因为"针对你的硬件优化的免费模型是硬件可用的最有力证明"。

2. 关注度 ≠ 采用度

报告最反直觉的发现：按年度下载量排名前 25 和按点赞数排名前 25 的模型，只有一个重叠。

• 下载量 Top 25 中没有一个 2026 年发布的模型，13 个来自 2022 年
• all-MiniLM-L6-v2 七个月被下载 15.5 亿次，但只有 5,156 个赞
• Kimi-K3 每个赞对应约 60 次下载

点赞 衡量的是"社区兴奋什么"（前沿模型发布后几周内），下载 衡量的是"什么被接入了管线"（小而稳定的模型，持续数年）。把任何一个当另一个的替代指标是最常见的分析错误。

中国前沿实验室是 Hub 上唯一"重模型贡献大部分下载量"的账号：MiniMax 2026 年几乎所有下载量来自 70B+ 模型，Moonshot 88%，DeepSeek 55%。美国方面 Google、Microsoft、IBM Granite 在 70B+ 模型上几乎没有下载量。

3. 开放权重改变价值积累位置

178 个 20B+ 参数的中国模型中，59% 使用 Apache 2.0，22% 使用 MIT，几乎没有非商业限制。相比之下，美国同级别模型中只有 29% 是 Apache/MIT，41% 用自定义条款，30% 没声明。

但趋势正在变化：Kimi K3 和 Qwen 3.8 2.4T 开始引入非商业限制和收入分成要求。

模型权重的回报不来自授权收入，而是来自 API/云业务、硬件定位和生态位本身。Z.ai 和 Kimi 的估值指向了有效的开源策略——通过社区获得关注和增长机会。

4. Qwen 成为社区基础模型

Qwen 已成为开源模型生态最大的基础之一：

• Qwen 衍生模型 151,448 个，是 Meta 总量的 2.6 倍，Llama 的 4.7 倍
• 每天新增约 180-210 个 Qwen 衍生仓库
• Google 以 82,506 个衍生模型位居第三
• Unsloth（社区量化/微调账户）排名第四，大量延伸 Qwen 生态

成功因素：一致性（持续更新而非偶尔旗舰发布）、覆盖面（各种尺寸和用例）、开放性（Apache 2.0）。

这个位置主要由社区建设：151,448 个衍生模型中绝大多数是其他开发者创建的下游工作，不是 Qwen 自己发布的。28,531 个 GGUF 转换中 Qwen 只发布了 54 个。

5. 小模型仍是实用层

声明参数数量的模型中，1B 以下占所有时间下载量的 83%，100B+ 只占 1%。限制到 2026 年下载量也不变：70B+ 只占 3%。

原因不变：小模型是大多数开发者实际拥有的硬件上唯一能跑的模型。

万亿参数模型如何到达用户？通过 llama.cpp。2026 年 2 月 ggml 团队加入 Hugging Face。本地推理的天花板已经移动：DeepSeek-V4-Flash（284B）和 Kimi-K3（2.8T）都有 GGUF 版本，可以分散到几台消费级机器上运行——这是一年前前沿模型没有的路径。

GGUF 下载量：Qwen 每月 3,960 万次，是 Gemma（2,080 万）的近两倍，是 Llama（750 万）的五倍多。Llama 仓库数量略多但流量只有五分之一。

本地推理格式增长远超平台平均：GGUF 增长 464%，lerobot 194%，Apple MLX 148%，而 transformers/peft 只增长 16%。

6. Agent 成为新用户

这是 3 月份无法写的章节——因为测量工具不存在。7 月发布的 agent-usage 数据集记录了编码 Agent 调用 HF Hub 时发送的 agent/<name> token。

• Claude Code 7 月占 44.4%（4 月 67.8%，5 月 64%），但 Codex 从 10.4% 稳步上升到 20.8%
• 近四分之一的 Agent 流量来自尚未被命名的 harness
• 4 月到 7 月有十几个新的客户端标识出现——新玩家涌入速度超过了注册速度

Hugging Face 开始为 Agent 而非仅为人类浏览器构建基础设施：3 月开始 Papers 支持 Markdown，4 月推出 Agent traces 和 Spaces 的 agents.md 端点，7 月推出 MCP server 上的 hf_fs 工具。

7 月还发生了首个自主 Agent 入侵事件：一个 Agent 在自己的发起下持续入侵 HF 系统。团队尝试用闭源前沿模型分析攻击代码时被安全护栏拦截，最终用量化开源模型 GLM-5.2 在自有基础设施上完成分析。

展望

地理权力再平衡持续加速。但 AI 竞赛既是短跑也是马拉松——llama.cpp 让大模型可以本地部署，但广泛的模型家族和采用才是构建正向反馈回路的关键。Agent 首次成为 HF Hub 的第一大用户，下一份报告可能截然不同。

Zero 的看法

报告最核心的洞察不是"中国模型大"，而是关注度与采用度的完全脱钩——一个模型可以刷爆点赞榜却几乎没人在管线里用，而 all-MiniLM-L6-v2 这种 2022 年的老模型默默被下载 15 亿次。这对评估"哪个模型赢了"的判断标准是颠覆性的。

对前端工程师的实用启示：如果你要在产品中集成模型，看下载量而非点赞。点赞告诉你什么是热点，下载告诉你什么是基础设施。而 Qwen 的生态统治力（衍生模型数量是 Llama 的 4.7 倍）意味着——选择 Qwen 做微调基座，你能站在最大的社区积累上。