Hugging Face 发布 2026 年夏季开源模型生态观察报告，基于 1 月至 8 月 Hub 上的实际数据。报告指出，尽管模型发布数量持续增长（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），但分布极度集中：85.6% 的模型累计下载量不足 200 次，1.5% 的仓库贡献了 99.2% 的下载量。

前沿模型进展加速，但地理格局已变。中国实验室跳过小模型直接发布超大模型，每月最大规模在 754B 到 2.78T 参数之间，而美国实验室七个月中有五个月自身最大模型低于 130B（例外是 NVIDIA 的 Nemotron 3 Ultra 561B 和 Thinking Machines Lab 的 Inkling 952B）。美国开源主力变成了硬件公司：AMD 和 NVIDIA 各发布 200+ 新模型，远超其他机构。美国前沿 (>100B) 的原创模型很少，多数基于中国模型做二次构建。中国模型则越来越多地针对国产芯片优化。

“注意力 ≠ 采用”是报告核心发现之一。按 2026 年累计下载量排名的 Top 25 和按喜欢数排名的 Top 25 模型，只有一个重叠。2026 年发布的新模型无一进入下载 Top 25，而 Top 25 中有 13 个来自 2022 年。例如 all-MiniLM-L6-v2 七个月被下载 15.5 亿次，但只有 5,156 个喜欢；Kimi-K3 每次喜欢对应约 60 次下载。喜欢代表前沿兴奋点，下载代表实际基础设施依赖。中国前沿实验室的下载集中在 70B 以上模型，而美国大厂的下载几乎全在 70B 以下。Moonshot 仅有 3,700 万次下载，而 Qwen 达到 20.45 亿次，相差约 55 倍。

开源权重许可远比想象中宽松。2026 年中国超过 20B 参数的 178 个模型中，59% 使用 Apache 2.0，22% 使用 MIT，没有任何一个使用非商业限制。DeepSeek 和 Z.ai 将 700B 到 1.65T 的模型以纯 MIT 发布。美国同规模下仅 29% 为 Apache/MIT，41% 为自定义条款。显然，这些实验室并不靠卖许可赚钱，而是通过 API、云业务、硬件生态或社区估值变现。

Qwen 已成为社区默认的基础模型。其衍生模型数量达 151,448 个，是 Meta 的 2.6 倍，Llama 的 4.7 倍，Google 为 82,506 个。Qwen 衍生每天新增 180–210 个，原因包括：一致性（持续发布）、覆盖度（从 1B 以下到 2.4T）、开放性（Apache 2.0）。值得注意的是，31,245 个 GGUF 转换中，Qwen 官方只发布了 54 个，其余由社区完成。

小模型仍是实际部署主力。参数小于 1B 的模型占所有历史下载量的 83%，大于 100B 的仅占 1%。2026 年数据同样：超过 70B 的模型仅占 3%。但 llama.cpp 使大模型本地运行成为可能：7 月其 GGUF 构建已支持 284B 的 DeepSeek-V4-Flash 和约 2.8T 的 Kimi-K3。GGUF 下载量 Qwen 每月 3,960 万次，远超 Gemma 的 2,080 万和 Llama 的 750 万。模型仓库增长 21.5%，但 gguf 库增长 464%，lerobot 194%，mlx 148%，而 transformers 仅 16%。基础设施层增长远快于建模核心。

Agent 首次成为 Hub 的第一大用户。2026 年 7 月新增的 agent-usage 数据集显示，Claude Code 占 44.4%，但 4 月曾占 67.8%，5 月骤降至 6.4%；Codex 从 10.4% 稳步升至 20.8%。近 1/4 流量来自未注册的客户端，新工具涌现速度超过任何注册表。Hugging Face 已为此做了适配：机器可读 Markdown、agent traces、agents.md 端点、MCP 服务器等。7 月还发生了首个自主 Agent 持续入侵事件，最终用量化开源的 GLM-5.2 完成分析。

展望：地理再平衡加速，但 AI 竞争是马拉松。一个覆盖广泛、被社区采纳的模型家族（如 Qwen）能形成正向循环，最终可能带来商业回报。下一次报告可能因 Agent 成为主要使用者而完全不同。