Hugging Face报告：Qwen衍生模型破15万，中国开源反超

先给结论：全球最大AI开源平台Hugging Face最新发布的开源模型观察报告，把一件业内早有体感、但一直缺少权威数字的事情钉住了——在开源这条赛道上，中国模型已经从「追赶者」变成了「底座提供方」。

三个最硬的数字：Qwen在Hugging Face上的衍生模型达到 151,448个，是Meta系的2.6倍、Llama家族相关仓库的4.7倍；2026年中国实验室最大开源模型的月度参数上限在7540亿到2.78万亿之间，而美国同期多数月份低于1300亿；Qwen在Hugging Face Hub上2026年的下载量约20.45亿次，Google约4.18亿次，Meta约2.27亿次。

一、参数规模：不是百分比差距，是数量级差距

报告指出，2026年以来的大部分月份，中国AI企业发布的最大开源模型在参数规模上显著超越美国同行。这里要说清楚一件事：参数量本身不等于智能或效率，尤其在MoE（混合专家）稀疏架构下，模型可以有数千亿甚至上万亿总参数，但每次查询只激活其中一小部分。

但参数上限依然有意义——它反映社区能拿到的「底座厚度」。厂商敢把几千亿乃至万亿参数的权重开源，背后是算力成本和数据工程能力的双重支撑。美国那边开源模型参数偏小，更多是商业策略选择：闭源卖API更赚钱。

二、授权协议：中国模型的「宽松」是战略而非慈善

报告追踪的178个参数超200亿的中国模型中，59%采用Apache 2.0协议，22%采用MIT协议，超过八成属于宽松授权，允许企业和开发者二次开发与商业部署，且没有一个带非商用限制。

这条数据的商业逻辑很直白：中国AI企业更倾向于用开放权重吸引开发者，然后在API服务、云计算、硬件适配和生态影响力等维度获取长期价值，而不是主要靠模型授权收费。开源不是做慈善，是用开放权重换生态位——这条路的想象空间比卖License大得多。

三、15万个衍生模型意味着什么

阿里已开源超过460个Qwen模型，在全平台催生了超过30万个衍生模型，仅Hugging Face上就有151,448个（Google模型的衍生数为82,506个）。当一个基础模型被15万个开发者和组织拿去二次开发时，它已经不只是产品，而是基础设施——地位类似当年的TensorFlow和PyTorch。

生态一旦长成，迁移成本极高。开发者可以把开源模型针对特定行业和语言微调、压缩到PC或端侧设备运行、嵌入新应用。一个被广泛采用的开源模型，可以成为成千上万个下游产品的地基，哪怕原始开发方并不直接运营那些应用。

四、最反直觉的发现：美国开源新主力换人了

报告点出一个有意思的转向：今年美国推出新开源模型最多的两家公司，不再是Google和Meta，而是AMD和英伟达。

逻辑不难理解——对芯片厂商而言，开源模型是带动硬件销售最好的抓手。英伟达推出Nemotron系列，通过开放模型展示GPU的硬件协同能力；AMD更多参与模型转换和性能调优。发布模型、优化工具、做硬件适配，本质是在为自家GPU生态打广告。与此同时，中国开源模型开始针对国产芯片做优化，软硬协同的苗头出来了。

五、关键数据一览

注：Hugging Face的下载量口径只统计该平台，不含魔搭ModelScope等其他渠道，因此与Qwen全球累计超30亿次的口径不同。

六、小模型仍是应用主力，智能体成为新「用户」

报告还有两个容易被忽略但对做落地的人最重要的判断：

• 参数低于10亿的小模型占据绝大多数下载量。原因很实在：落地成本低、跑得快、好部署。榜单上的万亿参数模型是旗帜，真正在生产环境里干活的往往是小模型。
• AI智能体正在成为模型调用的新「用户」。未来大量调用可能由Agent发起而非人类直接触发，这会重塑调用量的分布形态和计费模型。

对做应用的人来说这是好消息：底层模型又大又强、上层小模型又快又省，选择空间空前之大。

七、我的三点判断

1. 开源AI的主导权正在重新分配。中国赢在参数规模和生态广度，美国芯片厂赢在硬件绑定。这场博弈比闭源榜单排名更有看头，因为它决定的是未来十年基础设施的归属。
2. 生态影响力是可以复利的资产。15万个衍生模型不是一个可以靠融资砸出来的数字，它是时间、开放度和开发者信任三者的乘积。
3. 对中国创业者是实打实的红利。拿一个Apache 2.0授权、参数上千亿、可商用的国产底座去做垂直行业，比三年前的起点高出一个数量级。剩下的问题不再是「有没有好模型」，而是「你懂不懂那个行业的活」。

FAQ

Q1：参数越大的开源模型就越强吗？

不能这么推。报告明确提醒，参数量本身不是智能或效率的度量，尤其在MoE稀疏架构下总参数可达数千亿至万亿，但每次查询只激活其中一小部分。参数上限更适合用来判断「社区能拿到多厚的底座」，而不是直接对标能力排名。

Q2：Qwen衍生模型15万个，这个数是怎么统计的？

指Hugging Face平台上由开发者基于Qwen派生出的模型仓库数量，精确值为151,448个，是Meta系衍生数的2.6倍、Llama家族相关仓库的4.7倍；Google模型的衍生数为82,506个。阿里已开源超460个Qwen模型，全平台衍生模型总数超过30万个。

Q3：为什么美国开源新模型最多的变成了AMD和英伟达？

因为对芯片厂商来说，开源模型是带动硬件销售的抓手。英伟达通过Nemotron系列展示GPU的硬件协同能力，AMD更多参与模型转换和性能调优。而Google、Meta的重心更多转向闭源商业化，开源竞争的焦点也从单纯的模型规模转向软硬结合与工程效率。

Q4：中国模型为什么能在成本上有优势？

公开分析主要指向三点：一是MoE稀疏架构的规模化应用，通过门控网络按需调用少量专家子网络，大部分参数处于休眠状态，在保障输出质量的前提下降低算力消耗；二是稳定的能源供给与规模化数据中心带来的单位算力成本下降；三是国产算力芯片持续适配与量产落地。需要说明的是，这些是产业侧的普遍解释，不属于Hugging Face报告本身的结论。