开放模型生态半年报：点赞与下载，只有一个仓库同时上榜

Hugging Face 用 Hub 前七个月的活动做了一次生态盘点。它值得读的地方不在排名，而在几处测量口径——这些口径决定了本站其他每一条信号里的数字该怎么读。

底色先摆出来：85.6% 的模型终身下载量不足 200 次，1.5% 的仓库占掉全部下载量的 99.2%。 下面所有结论都发生在这个形状里面。

点赞不等于下载，两张榜只重合了一个仓库

取今年累计下载量前 25 与点赞数前 25，恰好只有一个仓库同时出现在两张榜上。而且不是年龄造成的——统计的是窗口内下载量，控制年龄之后差距更明显：2026 年发布的模型没有一个进入下载前 25，而这 25 个里有 13 个来自 2022 年。all-MiniLM-L6-v2 七个月被拉取 15.5 亿次，只有 5,156 个赞；Kimi-K3 大约每收到一个赞被拉取 60 次。

两个数记录的是两件事：赞说明一次发布重要，集中在前沿模型发布后的几周；下载说明某个东西被接进了按计划运行的流水线，长年累月累积在小而稳定的模型上。报告自己写道，把其中任何一个当作另一个的代理，是他们在关于 Hub 的报道里见得最多的错误，包括他们自己早期的工作。

小模型仍然是实际使用的那一层

在声明了参数量的模型里，1B 以下拿走 83% 的历史下载量，100B 以上拿走 1%；只看 2026 年窗口，70B 以上占 3%。理由和上一份报告一样：小模型是唯一能在多数开发者真实拥有的硬件上跑起来的。

那万亿参数模型怎么触达到人？走 llama.cpp。ggml 团队今年二月加入 Hugging Face，项目保持开源与社区治理。七月的快照里已经有 DeepSeek-V4-Flash（约 284B）与 Kimi-K3（约 2.8T）的 GGUF 构建——本地推理从「笔记本上跑 8B」变成了「几台消费级机器上摊开一个万亿参数的混合专家模型」。

增长最快的也是这一层：模型仓库总量七个月增长 21.5%，而声明 gguf 的仓库增长 464%、lerobot 194%、Apple 的 mlx 148%，对照 transformers 与 peft 的 16%、diffusers 的 21%。决定模型能在哪里跑的那一层，增速是建模核心的三到七倍。

开源的重心从模型实验室挪到了硬件公司

今年发布新开放模型最多的两个组织是造硬件的：AMD 与 NVIDIA 各自发布超过 200 个新模型仓库，LiquidAI 以约 100 个排第三。谷歌与 Meta 在新发布数量上已经明显落在 NVIDIA 后面。

在 100B 以上这一档，美国今年的多数发布不是新模型，而是建立在中国模型之上的转换与优化——原创的只有 Thinking Machines 的 Inkling（952B）、NVIDIA 的 Nemotron 3 Ultra（561B）与 Super（124B）、以及 Arcee AI 的 Trinity-Large（399B）。

许可这一节，被自己的评论区纠正了

报告称：今年 178 个 20B 以上的中国发布里，59% 是 Apache 2.0、22% 是 MIT，且没有一个带非商业限制；同一尺寸档的美国发布里 29% 是 Apache 或 MIT，41% 是自定义条款，30% 什么都没声明。

但这条结论在评论区当场被质疑：有读者指出 Kimi 系列对年营收超过 2000 万美元的公司设有服务限制，需 Moonshot 明确授权。这类条款正是「没有一个带非商业限制」这句话最容易漏掉的形态——它不写在许可证字段里，写在补充条款里。统计口径读的是声明的许可证，不是完整的条款。 这条信号保留原文数字，同时把这处质疑一起带上。

Qwen 已经是社区的基座

Qwen 衍生模型在 Hub 上达到 151,448 个，是 Meta 全部足迹的 2.6 倍、Llama 仓库的 4.7 倍；谷歌以 82,506 个排第二。这些衍生模型几乎全部来自社区而非 Qwen 自己——Hub 上 28,531 个 Qwen 模型的 GGUF 转换里，官方只发布了 54 个。

GGUF 月下载量也是同一个形状：Qwen 3,960 万，Gemma 2,080 万，Llama 750 万。而 Llama 衍生的 GGUF 仓库数量还略多于 Qwen——货架一样宽，客流只有五分之一。

智能体成了第一大用户，而且没有在位者

这一节三月还写不出来，因为仪器不存在。七月发布的 agent-usage 数据集记录了编码智能体通过 huggingface_hub 或 hf 命令行调用 Hub 时带上的标识。

• Claude Code 七月占 44.4%，但单月数字掩盖了真正的发现：它四月是 67.8%、五月是 6.4%。
• Codex 从 10.4% 稳步爬到 20.8%。
• 近四分之一的七月流量来自数据集尚未收录的外壳，五月这个比例是 59.8%；四到七月新出现的客户端标识超过十二个。

也就是说这是一个没有在位者的市场：一次发布或一个默认值的改动就能在一个月内搬走一半流量。而「新进入者出现得比任何登记表更快」本身就是结论。

Hub 这一年也在为这个读者改造自己：三月起论文提供机器可读的 Markdown，四月把智能体轨迹变成一等数据集类型并给每个 Gradio Space 加上 agents.md 端点，七月在 MCP 服务器上提供 hf_fs 工具，用一千多个 token 暴露仓库、存储、文档与论文，并配可挂载的沙箱。

然后，七月，智能体从读者变成了入侵者——本站已经分三层记过这件事。报告里补了一个此前没写过的细节：团队想用前沿闭源模型分析捕获到的攻击代码，被安全护栏拒绝了；最终是在自己基础设施上跑的量化开源模型 GLM-5.2 完成的分析。

边界

全部数字只覆盖 Hub 上的活动，不包含 API 调用、私有部署与其他分发渠道；报告自己写明下载量、点赞数、衍生数与发布数衡量的是生态活跃度的不同侧面，不能直接当作模型质量、商业采用或市场份额。