最近，Interconnects.ai 的一份報告，像在科技圈丟下一枚炸彈：截至 2025 年 8 月，中國開源大模型在 HuggingFace 上的下載量正快速趕上美國，幾乎已經超越了。

美國這2年在開源模型上的領先地位，似乎正在被反超。在鯨哥看來，這不只是一個數據酷炫，下載量說明大家真的在用，證明我們在模型質量、生態建設等方面都實現了反超。

很多人不理解意義，簡答說在移動互聯網時代，很多人都用的是安卓手機，開源的安卓統治了移動操作系統的過半壁江山。AGI時代，Meta也高舉開源大模型的大旗，很多國外企業采用Llama作為AI 引擎，輸出AI的消費級服務。

Llama差點成為新時代的安卓，現在 DeepSeek、Qwen等模型，改變了這一現狀。

國產大模型的高光時刻

具體說，是Interconnects.ai 在《ATOM Project》這份報告里，統計了 Meta、Google、Mistral AI、Microsoft、Alibaba Qwen 和 DeepSeek 等幾家主要大模型開放者，從它們在 HuggingFace 上的下載量和派生（fine?tune／派生模型）的情況做了歸類。報告里幾個關鍵點：

到 2025 年 8 月，美國領先的開源模型（主要是 Llama / Meta 系列）與中國領先的開源模型下載總量都在約 3 億次（~300M 次下載）左右。兩邊差距已經非常小。

中國模型下載量的增長速度明顯快于美國模型。每個月新下載量／新增派生模型的比例，中國那邊漲得更陡。

在派生／fine?tune 模型數量上，美國的留存領頭優勢在減弱。以前美國模型（主要是 Llama 系列）派生模型占比非常高，但到現在，中國模型（比如 Qwen 系列）一個月的新派生模型中可能占到40% 以上。美國 Llama 系列的派生比例從巔峰時的近 50% 下滑到大約 15%。

再看國產模型的一些動靜：

DeepSeek 的 V3 與 R1 模型，自從發布后震動不小。DeepSeek?V3 發布在 2024 年底／2025 年初，其在數學、編碼任務上的表現被業界認為“性價比高 + 推理 +成本比驚人”。

緊接著，阿里在 2025 年春節發布了Qwen 2.5?Max。幾個月后，阿里又發布了 Qwen 3 系列，帶 hybrid reasoning（混合推理）能力。

Qwen3包含235B和30B兩種MoE架構及6個Dense模型，覆蓋6B-232B的多種尺寸的8款系列模型。阿里的Qwen系列更新速度和更新范圍在全球都無出其右。

不只是DeepSeek和Qwen在充當主力軍，混元開放從 0.5B 到7B 的小尺寸模型，支持終端與低功耗場景落地。

Kimi K2 是一個 1T 參數總量、32B 激活參數的 MoE 模型，對 Agent 與 coding 任務友好，支持 128K 上下文，開源且免費商用。

GLM-4.5 融合了推理、代碼與智能體能力，是國產開源模型中的新標桿，在多個 benchmark 上為開源模型中表現最優，參數效率與成本效益顯著提升。

所以「下載量幾乎趕上 + 新模型速度 +派生／fine?tune 模型數目增多」這些都指向了一個拐點：中國開源大模型生態不再是追隨者，而是正式進入高速對抗＋超越可能的階段。

國外開源為何落后？

美國這邊落后的原因，不是因為人物不努力，而是結構 +生態 +方向 +部署門檻幾個地方被拉開了差距。Llama 4 是一個重要節點，可以重點說下。

Meta 在 2025 年發布了 Llama 4 家族（包括 Maverick、Scout 等版本），這個趕工版本出現了很多問題：

1.過載現象嚴重，應試的產物

有傳言Llama 4 在后訓練階段中，將多個benchmark測試集混入訓練數據。這讓模型的測試成績出眾，但在泛化任務中表現差強人意。實測很多任務的表現還不如GPT-4o。

2.派生 /開源自由度下降

雖然 Llama4 是開源權重模型（open?weight 模型家族），但在派生（fine?tune／第三方修改）社區里的活力相比之前有所下降。Interconnects 報告里提到，美國模型（Llama 系列）派生模型的比例從 2024 年底約 50% 高峰降到現在約 15%。意味著很多用戶／開發者在下載之后，不是“繼續改造／訓練／fine?tune”的機會變少了。

3.成本與部署門檻太高

DeepSeek 和 Qwen 在“低成本推理”“輕量版本 /蒸餾版／distill／量化支持”上動作快，用 GPU／硬件要求稍低的版本可用性更高。Llama4 在最強的版本可能需要更高算力／內存／成本，這在很多中小企業／開發者里是門檻。

而GPT和Grok開源速度又很慢，難以扛起國外的開源大旗。

OpenAI 在 2025 年 8 月 6 日推出自 GPT-2 以來的首批開源權重語言模型 gpt-oss-120b 與 gpt-oss-20b，性能堪比 o4-mini 和 o3-mini，可在高端筆記本和手機上運行。

不過，OpenAI 的主流模型如 GPT-4o、GPT-5 等仍然是閉源的。

8 月 24 日，xAI 開源了 Grok-2。Grok-2 在編碼、復雜問題和數學方面表現出色，還能生圖識圖，性能比肩當時的 GPT-4o。不過，Grok-2 的開源協議較為嚴苛，xAI 允許非商業與合規商業使用，但禁止用其訓練其他基礎模型，僅當關聯公司年收入低于一百萬美元時，才可用于商業用途，超過此門檻的商業用途需獲得 xAI 的單獨許可。

xAI 表示 Grok-3 將在 Grok-2 開源大概 6 個月內開源。

現在美國開源的大旗，已經看不到一個實力選手了。

開源未來之路探索

最核心的原因，是Meta的Llama4 發布的口碑，確實影響了其行業認可度。

尤其Llama4 雖然支持多模態，但在OCR／圖像 + 文本混合應用等細節優化，以及成本／延遲／部署資源要求上，用戶反饋并不是每個場景都能“拿來就用”。

最新消息傳言，新版本的Llama4X可能轉向閉源。

中國的 DeepSeek + Qwen 則多頻次推出新版本／升級，以及強勁的中國本土需求 +語言 +多模態場景，讓中國模型在下載量＋派生＋部署效率上增長非常快。

國產開源大模型每隔一段時間就有新版本／新變體／容量／多模態／OCR／混合模態之類的更新。這些頻率＋迭代讓用戶／社區“跟得上看到實際進步”的那種信心很強。

比如，最新的 Qwen?3 系列／Qwen?Next（有的媒體稱之為 下一代 Qwen，或者 Qwen3）被報道擁有混合推理能力（hybrid reasoning），更強的推理 + 對多模態 /實際應用場景的支持。

總結：這不是某一個模型的“反超”，而是生態拐點。
甚至a16z的合伙人Martin Casado說，預計80%的灣區初創公司，都在基于中國開源模型進行開發。

未來幾個月／一年里，我們可以重點看三件事：

1. Qwen?Next / Qwen3 等下一代模型的正式 benchmark +開源程度如何；

2. DeepSeek 后續版本將帶來多大程度的升級，R2或者V4帶來驚喜可期；

3. HugginFace／ModelScope 等開源模型托管／派生生態是不是繼續給中國模型更大的空間增長。

總結來說，中國開源模型的優勢不僅是“便宜”或“中文好”，而是“速度 +迭代 +社區生態 +部署門檻低”，這些組合在一起，構成了現在這個拐點。

參考資料：

https://www.interconnects.ai/p/on-chinas-open-source-ai-trajectory