在AI领域，时间感是压缩的。几个月前的春季报告还认为开源模型格局稳定，转眼夏季报告就揭示了一场静默的权力转移。Hugging Face 于2026年8月14日发布的《State of Open Models: Summer 2026 Observations》，梳理了2026年1月至8月间的开源模型生态关键数据，揭示了一个与直觉相悖的结论：全球开源模型的发布重心，正从传统的模型实验室，迁移至硬件和基础设施公司。
中国实验室”跳过”小型模型阶段
2026年最显著的变化，莫过于多家中国实验室直接从零跳到了大模型顶端。报告数据显示，在2026年的绝大多数月份，中国实验室发布的最大且最具性能的开放模型，参数规模均超过了同期美国实验室发布的任何自有模型。具体而言，中国实验室的月度参数天花板在7540亿至2.78万亿参数之间波动，而美国实验室在七个月中有五个月的参数天花板低于1300亿参数。仅有英伟达的 Nemotron 3 Ultra（5610亿参数，5月和6月）以及 Thinking Machines Lab 的 Inkling 模型例外。
这些直接跨越小型模型阶段的中国实验室包括：Moonshot、MiniMax、小米和 Z.ai——它们的发布几乎不从70B以下参数起步。这意味着，开发者接触这些厂商的第一个产品，就是一台普通消费级硬件完全无法本地运行的模型。促成这一现象有两方面原因：其一，训练超大模型本身已不再是护城河——小米和美团均在2026年突破万亿参数大关，而一年前这两家公司几乎不为人知；其二，开源社区的量化工具链能在数天内将大模型压缩至可运行状态，实验室无需亲自发布”可跑的小模型”来建立存在感。
美国：从”定义者”变为”优化者”
有趣的是，美国并未缺席开源领域。报告指出，2026年发布新模型仓库数量最多的两个组织，恰恰是正在制造硬件的公司：AMD 和 NVIDIA，各自发布了超过200个新模型仓库，遥遥领先于其他参与者。LiquidAI 以约100个新仓库排名第三。
这一现象背后的逻辑很清晰：硬件厂商发现，针对自家芯片优化的开源模型，是展示硬件能力的最直接证明——一款经过优化、可自由获取的模型，就是芯片最好用的广告。AMD 虽未发布该规模的自研原创模型，但其大量转化工作使得中国万亿参数模型能高效运行在AMD硬件上，扮演了关键的”分发与优化层”角色。
与此同时，Google 和 Meta 这两家在几年前定义了开源模型发布范式的公司，2026年的新模型发布量已远低于 NVIDIA。Meta 向闭源旗舰模型转型，则进一步放大了这一变化。可以这样总结：2026年，美国在开源AI领域的参与方式，正在从”模型创造者”转变为”硬件受益者”。
Hugging Face 平台：数字里的生态繁荣
这场格局变迁的另一面，是整个生态的持续膨胀。Hugging Face Hub 上的模型仓库从年初的243万增长至296万，数据集从71.1万突破至100万，Spaces 从100万增长至144万。然而，分布极度不均：约85.6%的模型终身下载量不足200次，而1.5%的仓库占据了全平台下载量的99.2%。所有上述变化，都发生在这一极度分发的结构内部。
在商业应用层面，Google、Microsoft、IBM Granite 和 OpenAI 的旧版视觉与语音模型，每年产生数亿次下载，美国在开源 AI 生态中的参与度仍然在增长，只是增长的重心已经转移。
延伸：开源AI的下一波实践
开源模型的丰富，也催生了垂直领域的应用创新。就在上述报告发布的同一天，Hugging Face 还发布了 AWS 开源机器人框架 Strands Robots 的深度技术解析。该框架基于 LeRobot 数据集格式，开发者可以：记录机器人演示并直接同步至 Hugging Face Storage Bucket；流式传输数据集直接在云端训练，无需完整下载；用同一套 Robot() 代码将训练好的策略部署回物理硬件。整个数据闭环——从录制到训练再到部署——均运行在 Hugging Face 的同一套基础设施上，展示了开源生态在具体垂直场景的深度整合能力。
Storage Buckets 本身也是2026年3月发布的一种新型存储仓库类型，采用 Xet 技术，支持增量同步，让上述”每天录制-训练-部署”循环中的重复数据传输成本大幅降低。
写在最后
2026年夏季的开源模型格局，揭示了一个清晰的趋势：硬件公司正在成为开源 AI 的最大推动者，中国实验室在大模型领域取得了参数规模的持续领先，而传统模型实验室的旗舰产品正在走向闭源。对于开发者而言，这意味着获取模型的渠道更加多元，但也意味着优化与适配的工作，正从模型本身向硬件和工具链迁移。开源的版图没有缩小，只是主角换了一批。
数据来源：Hugging Face 官方博客《State of Open Models: Summer 2026 Observations》（2026年8月14日）；Hugging Face 官方博客《Record, train, and deploy from one place with Strands Agents, LeRobot, and Hugging Face Storage Buckets》（2026年8月13日）。