全球最大开源 AI 平台 Hugging Face 在 8 月中旬发布《开放模型现状：2026 年夏季观察报告》，给出一个颠覆性结论：2026 年以来大部分月份，中国 AI 企业发布的最大开源模型在参数规模上已显著超越美国同行；更关键的是，美国今年发布的千亿参数以上开源模型，多数是拿中国模型当"底座"做的微调、量化和格式转换。
参数规模：7540 亿对 1300 亿
报告给出了两组对比强烈的数据。中国团队开源模型的月度最大参数规模，介于 7540 亿到 2.78 万亿之间；而美国团队过去 7 个月里，有 5 个月公开的最大模型都低于 1300 亿参数。这是一个数量级的差距。
具体到公司，月之暗面、MiniMax、小米、智谱几乎不再发布参数低于 700 亿的模型；小米和美团今年甚至都发布了参数超过 1 万亿的模型。而就在一年前，这几家公司在开放权重模型领域还几乎无人知晓。
另一边，腾讯和阿里通义千问走的是另一条路线——从不到 10 亿参数的小模型，一路覆盖到超大规模模型，目标很明确：让开发者默认使用自己的"模型家族"。
下载量与许可证：Qwen 成最大赢家
规模只是表象，真正的护城河在生态。报告显示，Qwen 家族的总下载量达到 20.45 亿次，而走"大模型优先"路线的月之暗面只有 3700 万次，前者约为后者的 55 倍。两种策略的差距一目了然：只瞄准排行榜和 API 需求的公司，下载量远不如把模型做成基础设施的玩家。
许可证方面，中国模型的开放程度同样更高。今年发布的参数超过 200 亿的 178 个中国模型里，59% 采用 Apache 2.0 协议，22% 采用 MIT 协议；DeepSeek 和智谱甚至用 MIT 协议公开了参数在 7000 亿到 1.65 万亿之间的大模型。相比之下，美国同等模型的授权更分散：只有 29% 采用 Apache 或 MIT，41% 是自定义条款，还有 30% 根本没标注许可证。
放弃一次性授权费，换来的 API 服务、云计算、硬件适配和生态影响力的长期价值。这条账，中国公司越算越清楚。
美国为什么反过来"抄作业"
报告里最扎心的一条是：美国今年发布的 1000 亿参数以上开源模型中，多数基于中国模型进行微调、量化、格式转换或硬件适配。换句话说，美国的超大模型，正在拿中国的开源模型打地基。
这背后是社区量化技术的成熟。过去 7 个月，Hugging Face 上模型仓库增长 21.5%，但声明使用 GGUF 格式的仓库增长 464%。GGUF 让超大模型量化后能在本地运行，配合 llama.cpp 等工具，开发者用多台消费级设备就能跑起混合专家模型。2026 年 7 月的快照里，已经出现 DeepSeek-V4-Flash 约 2840 亿参数、Kimi-K3 约 2.8 万亿参数的 GGUF 构建。
正是有了这条路，"大模型优先"策略才成立——一个万亿参数模型发布后，社区几天内就能把它量化到本地可运行，门槛被迅速抹平。
生态的另一头：芯片厂商接棒
美国开源模型的主力，正从谷歌、Meta 这些模型实验室，转向英伟达和 AMD 这两家芯片厂商。今年美国发布新开源模型最多的两家公司，不再是谷歌和 Meta，而是 AMD 和英伟达，各自发布的模型都超过 200 个。
对芯片厂商来说，开源模型是卖硬件的抓手：英伟达用 Nemotron 系列展示 GPU 的协同能力，AMD 更多做模型转换和性能调优。开源模型成了芯片的"说明书"和"性能演示"。而中国开源模型也在同步针对国产芯片做优化，两边的算力生态都在抢开发者。
冷思考：模型多了，用起来的很少
报告也泼了一盆冷水。今年前 7 个月，公共模型仓库从 243 万个涨到 296 万个，数据集突破 100 万个，Spaces 突破 144 万个。但 85.6% 的模型终身下载量不足 200 次，只有 1.5% 的仓库贡献了 99.2% 的下载量。参数 10 亿以下的小模型，占了历史下载量的 83%。
模型数量的繁荣，和实际采用之间存在巨大鸿沟。对开发者来说，选模型不看谁最新最大，而看谁真正进了生产流程。
报告还抛出一个前瞻判断：AI 智能体正在成为模型调用的新"用户"。过去是开发者手动调用 API，未来会有越来越多的模型调用由智能代理自动完成——一个 Agent 在处理任务时，可能同时拉起十几个模型做检索、翻译、代码生成。这意味着，模型服务的客户结构正在从"人"转向"机器"，谁能被智能体优先调用，谁就握住了下一波流量的入口。这也解释了为什么中国公司如此看重开源授权和生态：只有开放到让智能体开发者毫无顾虑地接入，才能成为 Agent 时代默认的模型供应方。
给 AI 创业者的三条提示
第一，选底座看生态，不看参数。Qwen 20 亿次下载、超 15 万个衍生模型，意味着你踩过的坑大概率有人踩过、有人修过，社区问答、微调脚本、量化版本都是现成的。用生态最大的底座，试错成本最低。
第二，盯住量化带来的本地化机会。GGUF 仓库 464% 的增长说明，能把大模型压进本地设备、压进边缘场景的团队，正在拿到新的增量。这对应私有化部署、数据安全、离线场景三类付费需求。
第三，如果你自己做模型或工具，许可证策略本身就是产品策略。Apache 2.0 和 MIT 的开放，换来的不是一次性授权费，而是开发者飞轮——越多衍生模型，越多召回场景，越多 API 和云的潜在客户。中国公司的这套打法，值得工具创业者和内容创业者认真琢磨。
开放生态的牌桌，已经从"美国实验室出模型、中国公司跟随"，翻成了"中国模型当地基、全球开发者一起盖楼"。接下来真正值得盯的，是谁能把这些地基上的楼，盖成能收费的建筑。