在人工智能的世界中，时间感觉是压缩的。在我们的半年报告发布几个月后，关于生态系统的分析我们观察到许多发现，到这个夏天，这些发现逐渐浮出水面。本报告列出了从2026年1月到8月的这些观察结果，并展示了每个观察结果背后的数据。HF hub上的模型和数据集每天都在增长。在此期间，公共模型库从243万增长到296万，数据集从711,000增长到100万，Spaces从100万增长到144万。底层的分布保持极端，大约85.6%的模型终生下载量少于200，而1.5%的库占据了99.2%的所有下载量。以下所有内容都发生在这个框架内部。1. 前沿发展迅速 以前有一个清晰的进展路径：实验室会先发布较小的模型，然后逐渐向规模的顶部迈进。在2026年，几家中国实验室完全跳过了这个进程。在2026年的几乎每个月，中国实验室发布的最大、最有效的开放模型都大于任何美国实验室发布的模型。中国的月度上限在754B和2.78万亿参数之间；在七个月中，有五个月美国模型都保持在130B以下，例外的是NVIDIA的Nemotron 3 Ultra在5月和6月有561B，以及Thinking Machines Lab的Inkling。图表将实验室分为两类。Moonshot、MiniMax、小米和Z.ai几乎没有发布70B以下的模型，因此开发者第一次接触到它们时，是一个无法在任何他们拥有的设备上运行的模型。腾讯和阿里巴巴的Qwen则涵盖了整个范围，从不到1B到更高。两件事使得第一类得以实现。构建大型模型不再是一个区分点。今年，小米、蚂蚁集团和美团都突破了一万亿参数，而在十二个月前，它们并不是开放权重领域的知名品牌。而且，一个实验室不再需要发布小型模型才能被看到，因为社区的量化层会在几天内使大型模型能够运行，这一点在下面我们会回到。那就让大小特征成为意图的声明，而不是能力的体现。前沿策略只将所有赌注押在基准位置和API需求上。一个全谱投资组合是希望成为开发者标准化使用的模型。两者都是合理的，他们在争夺不同的奖品。美国并非没有参与开源。今年发布新开放模型最多的两个组织也是制造硬件的公司：AMD和NVIDIA。每个组织发布了超过200个新的模型库，远远领先于其他参与者，LiquidAI排名第三，大约为100个。硬件供应商意识到，开放模型是销售芯片的一种方式：一个为你的硬件优化且免费提供的模型是硬件工作最清晰的证明。当包括较小模型和嵌入模型时，谷歌、微软、IBM Granite和OpenAI的旧版视觉和语音模型每年产生数亿次下载，美国的开源AI正在增长。更多的硬件和基础设施组织，如NVIDIA，正在训练和开放权重竞争模型。NVIDIA的Nemotron模型系列表现优异。长期的领导者如Meta通过Meta的Muse Glimmer重新点燃了开放根基。在前沿规模上，今年美国发布的一些参数超过100B的模型构建在中国模型之上或利用了来自中国实验室的技术，例如Thinking Machines的Inkling（952B）。主要的原创美国模型包括NVIDIA的Nemotron 3 Ultra（561B），Nemotron 3 Super（124B）和Arcee AI的Trinity-Large（399B）。AMD贡献了许多转换。这项工作很重要：它使得一万亿参数的模型能够在美国硬件上高效运行。这代表了一个分布和优化层。同时，中国的开放模型越来越多地针对中国国内的芯片进行优化，形成了逆向竞争，模型围绕特定硬件生态系统设计。2. 注意力 ≠ 采用 我们选择了今年下载量累计最多的前25个模型库和按点赞数排名的前25个模型库。仅有一个库出现在这两个列表中。我们计算了在时间窗内的下载量，而不是终生下载量，因此没有因为仅仅存在时间更长而获得信用，控制年龄使得分割更加明确。2026年发布的模型中没有任何一个进入下载量前25名，而前25名中有十三个来自2022年。all-MiniLM-L6-v2在七个月内被下载了15.5亿次，而点赞数为5,156；Kimi-K3的下载次数约为其收到的每个点赞的60倍。这两个数字记录了不同的行为。一个点赞代表一个发布的重要性，并进入前沿模型，而下载则表明某个东西被集成到一个按计划运行的流程中，随着时间的推移积累到小型、稳定的模型。点赞是理解该领域激动不已的工具，下载则是了解目前依赖什么的工具。将任一者视为