AI 模型競爭過去常看 benchmark 排名或參數規模，但長期影響力也取決於多少開發者願意使用、微調與部署。
開源平台 Hugging Face 近日發布《State of Open Models: Summer 2026》，分析今年前 7 個月 Hub 上的模型活動。期間公開模型 repository 從 243 萬增至 296 萬個，但 85.6% 的模型終生下載量不到 200 次，僅 1.5% repository 就占所有下載量 99.2%。Hugging Face 從中歸納六項變化，顯示競爭正從模型能力延伸到生態、部署與商業模式。
中國模型衝向兆級參數，但最強不等於最多人用
第一項變化，是開放模型的技術前沿快速往中國移動。Hugging Face 統計，2026 年幾乎每個月，中國實驗室釋出的最大型開放模型都比美國同期更大，單月最大規模落在 754B 至 2.78T 參數。但中國廠商之間也出現不同策略，Moonshot、MiniMax 偏重大型前沿模型；Qwen、騰訊則涵蓋不同模型尺寸，試圖涵蓋更多裝置、成本與應用場景。
但第二項趨勢提醒，受到最多關注的模型，不等於真正被最多人使用。Hugging Face 比較今年 Likes 與下載量前 25 名模型，兩份榜單只有一個 repository 重疊，甚至沒有任何 2026 年新模型進入下載量前 25 名。Hugging Face 分析，Likes 較接近市場注意力，下載量則可能反映模型已被放進既有應用或開發流程。Moonshot 今年約有 3,700 萬次下載；Qwen 則超過 20 億次，相差約 55 倍。
模型權重越開放，競爭越往 API、硬體與生態移動
第三項變化，是開放模型的商業價值正在重新分配。今年中國發布的 178 個 20B 以上模型中，59% 採 Apache 2.0、22% 採 MIT 等相對寬鬆授權。當模型權重可以自由取得、修改與部署，業者要創造商業價值，就得往 API、雲端、硬體與平台生態移動。
這也解釋一個看似意外的現象。Hugging Face 指出，今年在其平台上發布最多新模型的公司並不是純模型公司，而是 AMD 與 NVIDIA，兩家公司都發布超過 200 個 model repository。Hugging Face 觀察，對晶片業者來說，讓熱門模型更容易在自家晶片上執行，也能帶動底層算力與工具的採用。
第四項趨勢則讓 Qwen 成為生態競爭最具體的案例。目前 Hugging Face 上已有 151,448 個以 Qwen 為基礎的衍生模型，是 Meta 整體衍生模型數的 2.6 倍、Llama 的 4.7 倍；今年前 7 個月，每天還增加約 180 至 210 個。
這些衍生模型可能來自微調、蒸餾、量化或針對特定用途重新封裝。值得注意的不是單一數字，而是當大量開發者選擇以同一模型家族為起點，周圍就會逐漸形成資料、工具、部署經驗與相容性。換句話說，開放模型的競爭標準正多出一項，除了誰能做出最強模型，還包含誰能成為最多人繼續開發的基礎。
兆級模型之外，小模型與 AI Agent 正改變下一場競爭
第五項趨勢與市場對超大型模型的關注形成反差。在有標示參數規模的模型中，1B 以下模型占歷史總下載量 83%；只看 2026 年，70B 以上模型也僅占 3%。這不代表大型模型不重要，而是模型真正進入實際部署後，企業與開發者仍必須面對記憶體、推論成本、延遲、裝置算力與隱私等限制。
真正成長更快的反而是讓模型跑起來的部署層。今年 Hugging Face 整體 model repository 增加 21.5%，但 GGUF repository 增加 464%，針對 Apple Silicon 的 MLX 增加 148%，機器人框架 LeRobot 也增加 194%。這反映，開放模型的下一階段競爭，還包含如何透過量化、不同執行框架與硬體最佳化，讓模型進入 PC、工作站、終端裝置甚至機器人。
第六項變化出現在使用者本身。Hugging Face 今年開始辨識 Coding Agent（寫程式 AI 代理） 對 Hub 的活動，包括搜尋模型、上傳 dataset、執行 Job 與建立 Space。7 月可辨識的 Agent 流量中，Claude Code 占 44.4%、Codex 占 20.8%。這不能直接視為 Coding Agent 市占率，但顯示模型平台未來的使用者，可能不只人類開發者，也包括會自行搜尋、取得資源的 AI Agent。
Hugging Face 也提醒，Hub 的下載量、Likes 與衍生模型數不能直接等同全球市場占有率或企業採用。不過六項訊號已描繪出 2026 年開放模型競爭的結構性變化：模型能力仍重要，但真正的勝負，正越來越取決於誰能進入開發者、硬體平台與 AI Agent 的工作流程。
【推薦閱讀】
◆ 【開源資安工具】用推翻結論減少誤報，Capital One 把漏洞檢測工具 VulnHunter 分享給全世界
◆ 開源 AI 取代 EDA？西門子 EDA：AI Agent 不會改變商用工具的價值
◆ 從開源 Llama 到付費 Muse Spark 1.1：Meta 如何用低價 API 搶攻 AI Agent 開發入口？
＊本文開放合作夥伴轉載，資料來源：Hugging Face、《Digital Trends》、《Financial Times》，首圖來源：Hugging Face
