美国开源模型正被纳入中国生态

如果说2025年中国的开源模型一举超过了美国开源模型，2026年出现的最显著的变化，是中国开源模型在与闭源模型的竞争中，已经杀入了前沿领域；美国更多的应用转向开源模型，更多美国模型在中国的基础模型之上开发。

另外一个显著的现象，是美国的芯片厂商和基础设施反而最积极开发开源模型，其中最多的是用来让中国的前沿开源模型，多快好省地跑在美国的硬件上。

中国开源模型的商业变现，以及智能体调用量，是下一步最值得关注的。

（来源：Hugging Face）

全球最大的开源模型社区Hugging Face，在其刚刚发布的季度报告（State of Open Models: Summer 2026 Observations）中发现，今年以来，产生最大最强模型的是中国，而产生最多模型的是美国，而且是硬件厂商，第一是AMD，第二是英伟达。

不过，这些美国的开源模型，许多要么是基于中国的开源模型二次开发，要么是用来适配中国的基础开源模型。

其中，AMD的开源模型，都是基于中国的模型开发的，目的是让万亿参数级别的中国前沿开源模型，可以跑在美国的硬件上。它们的作用主要在分发层和优化层，而不是在模型创造层。

与此同时，中国的开源模型在日益为国产芯片优化，与美国正好相反，模型在围绕着特定的硬件生态设计。

（来源：Hugging Face）

今年以来，美国千亿参数以上真正原创的开源模型，只有TML的Inkling （952B），借鉴了中国开源模型的方法；以及英伟达的Nemotron 3 Ultra (561B) 和Super（124B），还有Arcee AI的Trinity-Large（399B)。

中国开源模型主导了大参数模型的下载，谷歌、微软、IBM这些巨头的开源模型，今年以来没有超过70B的开源模型下载；英伟达和Meta，70B以上的模型下载，分别仅占14%和9%。

中国在开源模型的实力，既体现在最大参数模型的下载，也体现为“广谱”开源模型的下载量。Kimi K3的下载量达到3700万，而阿里千问家族的下载量，为其55倍，超过了20亿次， 从2.4万亿参数的千问3.8 Max到小至27B参数的模型，覆盖了广泛的应用场景。

开源模型的生态，并非由那些新近发布的模型主导，而少数经历了时间考验的模型、逐步沉淀为基础设施。

中国开源模型比美国的更加开放宽松。今年发布的178个参数规模超过200亿的中国模型中，59%采用Apache 2.0 许可证，22%采用 MIT 许可证，而且完全不带有非商业使用限制。相比之下，在美国同一参数规模区间内，29%采用 Apache 或 MIT 许可证，41% 采用自定义条款，30%则完全没有声明许可证。

模型权重是以最宽松的可用条款免费放出的，回报必须来自其他地方：API 和云业务、硬件与平台定位，或者生态系统地位本身。 有效的开源策略可以从社区中获得发展和增长机会。接下来的看点是获得更清晰的变现路径。

千问已经成为开放模型生态中最大的基础模型平台之一。在 Hugging Face Hub上，基于千问衍生出的模型已经达到 151,448 个，这一规模是 Meta 全部衍生模型总数的 2.6 倍，也是 Llama 系列仓库数量的 4.7 倍。紧随其后的是谷歌，拥有 82,506 个衍生模型。排名第三的是 Unsloth——这是一个社区账号，专门发布量化版本和适用于微调的模型，其中许多又进一步扩展了千问的生态系统。

（来源：Hugging Face）

2026 年前七个月，千问的衍生模型数量始终保持着每天约新增180～210个仓库的速度增长。这表明，千问的普及并非仅仅依赖于几次重要模型发布，而是已经成为开发者在选择微调和部署模型时的默认工作流（default workflow）的一部分。

值得注意的是，千问今天的生态地位，很大程度上并不是千问官方自己“做出来”的，而是社区“长出来”的。 上述151,448 个衍生模型，绝大多数都是其他开发者在千问基础上进行二次开发、微调或改造的成果，而不是千问官方发布的模型。即使是在Hugging Face Hub 上28,531 个千问模型的本地（GGUF）转换版本中，千问官方自己发布的也仅有 54 个。这进一步说明，千问的成功更多体现为一个由社区驱动、自我繁荣的开放生态系统，而不仅仅是一个模型产品。

智能体已成为Hugging Face Hub的重要新用户类型，并正在快速改变开源模型生态。智能体通过 Hugging Face 的程序接口访问 Hub 上的资源和服务，数量迅速增长。Hugging Face 夏季报告首次用 7 月发布的agent-usage 数据集，观察智能体流量：数据显示，7月Claude Code在标记为智能体的流量中占 44.4%，但其份额曾从 4 月的 67.8% 跌至 5 月的 6.4%；Codex 则从10.4%稳步升至 20.8%。这说明智能体调用模型的市场尚无稳定霸主，一次发布或默认设置变化即可重塑流量格局。

报告还指出，7 月近四分之一智能体标记流量来自尚未命名的 harness，5月曾高达59.8%，说明新智能体客户端增长极快。Hugging Face 也在为“机器读者”改造基础设施。