2026年夏季开源模型观察报告

开源模型生态正在经历一场深刻的结构性转变。Hugging Face 最新发布的《2026 年夏季开源模型观察报告》显示，截至今年 8 月，平台上的公开模型仓库数量已从年初的 243 万个增长至 296 万个，数据集从 71.1 万增至 100 万，Spaces 应用也从 100 万扩展到 144 万。但繁荣的表象之下，分布依然极端：约 85.6% 的模型终身下载量不足 200 次，而 1.5% 的仓库占据了 99.2% 的下载流量。真正值得关注的，是这场生态内部正在发生的权力转移。 最显著的变化发生在前沿模型领域。报告指出，2026 年中国实验室几乎每个月发布的最大开源模型，参数规模都超过美国实验室同期产品。中国厂商的月度上限在 7540 亿到 2.78 万亿参数之间波动，而美国厂商在七个月中有五个月的上限低于 1300 亿参数，仅有 NVIDIA 的 Nemotron 3 Ultra（5610 亿）和 Thinking Machines Lab 的 Inkling（9520 亿）例外。这种分化背后是两种截然不同的策略：月之暗面（Moonshot）、MiniMax、小米和 Z.ai 几乎不发布 70B 以下的小模型，开发者第一次接触它们时，面对的是本地设备根本无法运行的庞然大物；而腾讯和阿里 Qwen 则覆盖从 1B 到万亿参数的完整谱系。报告认为，这种"不做小模型"的策略之所以成为可能，一方面是因为"造大模型"本身已不再是差异化优势——小米和美团今年都突破了万亿参数，而十二个月前它们在开源权重领域还默默无闻；另一方面，社区的量化和蒸馏工具链已经足够成熟，一个大模型发布后几天内就能被压缩到消费级硬件上运行，因此实验室不再需要通过小模型来"触达"开发者。规模档位因此成了一种意图声明，而非能力证明：只押注前沿的厂商赌的是基准排名和 API 需求，而全谱系布局的厂商则在争夺"开发者默认选择"的生态位。 与此同时，美国在开源领域的角色正在发生微妙变化。虽然 AMD 和 NVIDIA 今年各自发布了超过 200 个新模型仓库，遥遥领先于其他机构（LiquidAI 以约 100 个排名第三），但这两家恰恰是硬件公司。硬件厂商已经意识到，开源模型是卖芯片的最佳方式：一个针对自家硬件优化且免费开放的模型，就是硬件性能最有力的证明。如果把小模型和嵌入模型也算进去，Google、微软、IBM Granite 以及 OpenAI 早期的视觉和语音模型每年仍能产生数亿次下载，美国在开源 AI 中的参与度其实还在增长。但重心已经偏移——Google 和 Meta 在新模型发布量上已远低于 NVIDIA，尽管它们才是过去几年定义开源模型发布的公司。Meta 转向闭源旗舰模型进一步印证了这一趋势。报告总结道：开源已经从模型实验室转移到了硬件和基础设施公司手中。在前沿规模上，美国今年发布的 100B 以上参数模型大多不是全新模型，而是基于中国模型二次开发的产物，真正原创的美国大模型仅有 Thinking Machines 的 Inkling 和 NVIDIA 的 Nemotron 系列寥寥数款。