誰是開源模型一哥?Hugging Face揭2026下載榜單:中國Qwen突破20億次,比Google多5倍
誰是開源模型一哥?Hugging Face揭2026下載榜單:中國Qwen突破20億次,比Google多5倍

若以Hugging Face Hub在2026年前7個月的下載量與衍生模型數衡量,開源AI模型的領先者已是阿里巴巴的Qwen(通義千問)。

開源AI模型平台Hugging Face於8月14日發布《State of Open Models》夏季報告,指出Qwen已成為整個開源生態最大的共同基底之一:期間在平台累積下載逾20億次、衍生模型突破15萬個。

阿里巴巴更在給《彭博》的聲明中表示,Qwen過去6個月(截至8月中)全球下載量突破30億次,超越Meta、Google與中國本土同業,成為全球下載量第一的AI模型家族。

報告同時揭示美中開源版圖的位移:2026年幾乎每個月,中國實驗室當月最大開源模型的參數量都高於美國實驗室,美國的開源主力則換成賣晶片的輝達(NVIDIA)與超微(AMD)。

論下載量,Qwen約是Google的5倍

本文所謂的開源模型,沿用報告的「open models(開放模型)」廣義定義,涵蓋開放權重、但授權條件不一的模型;使用者能否修改、散布或商用,仍須依各模型的授權條款判斷。下載量方面,Hugging Face統計的是模型檔案的HTTP GET/HEAD請求次數(即檔案被抓取的次數),不是不重複的使用者、開發者或實際安裝數,也可能包含自動化流程,反映的是平台內模型檔案被存取與使用的活動訊號。

《彭博》指出,下載量與衍生模型數,也因此成為觀察美中AI競賽影響力的量尺之一。

榜單差距相當明顯。Hugging Face統計,Qwen在2026年前7個月於平台的下載量約20.6億次;其中有申報參數量的模型庫合計20.45億次,若含全部模型庫則為20.61億次。《彭博》引述同一份報告指出,Google為4.18億次、Meta為2.27億次,Qwen約是前者的5倍、後者的9倍。

2026 開源模型下載版圖
2026 年的數據顯示,中美 AI 實驗室在開源模型的需求上呈現不同趨勢。相較於美國機構的下載量高度集中在 1B 到 70B 的中小型模型,中國實驗室在 70B 以上的巨型模型市場展現了強勁的下載動能。其中,Qwen 以突破 20 億次的總下載量位居榜首。
圖/ Hugging Face

衍生模型(在原模型基礎上微調、改造後再發布的版本)的差距更大:Qwen系衍生模型達151,448個,是Meta整體的2.6倍、Llama系列的4.7倍,2026年前7個月平均每天新增180至210個。報告寫道:「Qwen已成為開發者決定要微調、部署哪個模型時,預設工作流程的一部分。」

值得注意的是,阿里巴巴自家聲明的口徑更大:已開源逾460個模型、生態系衍生模型逾30萬個,與Hugging Face的平台統計範圍不同,兩組數字不宜直接相比(見編輯附註)。報告的方法論附註也提醒,下載量反映的是平台內的使用活動,不應直接解讀為模型品質、商業採用或整體市佔率。

Qwen為什麼贏?小模型才是主戰場

報告歸納Qwen的3個勝因。其一是節奏:靠整個模型家族持續更新,而不是隔很久才放一次大招。其二是覆蓋:從10億參數以下的小模型,到2.4兆參數的旗艦Qwen3.8 Max全都有,開發者不論要在筆電上跑小模型,還是部署大模型,都不必離開同一個生態系。其三是授權:許多Qwen模型採用Apache 2.0(寬鬆的開源授權條款,允許自由修改、再散布與商用),降低商用門檻。

對照組是走「只出大模型」路線的月之暗面(Moonshot AI):2026年下載量約3,700萬次,Qwen約是它的55倍。差距的根源藏在硬體裡:在有申報參數量的模型中,10億參數以下的小模型佔平台歷史下載量的83%;超過1,000億參數的巨型模型僅佔1%。白話說,開發者手上的電腦跑得動什麼,什麼就會贏。

本地端執行的戰場同樣是Qwen的天下。GGUF格式(常用來承載量化權重、供llama.cpp等工具執行本地推論的模型檔案格式)的下載量,Qwen每月達3,960萬次,約是Google Gemma的2倍、Meta Llama的5倍以上。報告點出,Llama的GGUF版本數量還略多於Qwen,等於同樣的貨架空間,只拿到五分之一的流量。

美中版圖位移:美國開源主力變成晶片廠

報告的另一項發現,是模型尺寸上限的位移。在報告的中美比較中,2026年幾乎每個月,中國實驗室當月最大開源模型的參數量,都高於美國實驗室同期發布的任何一款;中國每月上限落在7,540億至2.78兆參數,美國7個月中有5個月不超過1,300億。少數例外如輝達的Nemotron 3 Ultra(5,610億參數),以及Thinking Machines Lab的Inkling(9,520億參數),後者還是以中國模型為基礎打造。

不過,美國並未在開源缺席,只是主角換人。

2026年在平台新增最多模型儲存庫的兩家美國組織,是晶片廠輝達與超微,各新增逾200個;其中超微有不少項目屬於格式轉換與硬體最佳化版本,讓超大模型得以在美系硬體上有效執行。報告分析,晶片廠已經想通「開源模型是賣晶片的方法」:一款針對自家硬體最佳化、又免費開放的模型,就是「硬體跑得動」最直接的證明。《彭博》也指出,Meta與輝達在報告發布前後數週接連推出新的開源模型,開發者爭奪戰正在升溫。

2026 年上半年各大科技巨頭全新自主研發模型(New Homegrown Models)增長趨勢
折線圖追蹤了從 2025 年 12 月 31 日至 2026 年 7 月 29 日期間,全球主要科技公司與 AI 機構在 Hugging Face Hub 上新增的模型儲存庫(New repos)數量的每週變化。AMD 在 2026 年 4 月曾有一波快速攀升,隨後在 7 月份出現了驚人的垂直爆發,最終以接近 240 個新模型的數量大幅超車,躍居榜首。
圖/ Hugging Face

至於「免費送權重」要怎麼賺錢?報告認為,回報來自API與雲端業務、硬體與平台卡位,以及生態系位置本身。下一個觀察點是授權風向:部分最新旗艦模型開始從標準的Apache/MIT授權轉向自訂條款。Kimi K3與Qwen3.8 2.4T仍允許廣泛使用與商用,但針對達到特定規模的模型服務、AI工作助理或大型商業產品,設有另行取得授權或標示模型名稱等要求;現行條款並未明定營收分潤。

資料來源:Hugging Face開源模型夏季報告、《彭博》、Hugging Face下載統計說明、Qwen3.8 2.4T授權條款、Kimi K3授權條款

本文初稿為AI編撰,整理.編輯/ 李先泰

關鍵字: #ai人工智慧
往下滑看下一篇文章
台灣數位安全發展協會揭打詐盲點:截圖難當證據,AI加b-JADE讓數位足跡可驗證
台灣數位安全發展協會揭打詐盲點:截圖難當證據,AI加b-JADE讓數位足跡可驗證

重點一:數位詐騙生命週期極短,打完一波就轉移陣地,「下架」只處理了眼前的內容,處理不了事後追查。

重點二:台灣數位安全發展協會以AI蒐集、分類詐騙廣告,九成以上工作可由AI完成,最終判斷仍保留人工背書。

重點三:透過司法聯盟鏈b-JADE,只把資料的「數位指紋」上鏈存證,原始資料另行保存,目標是降低被害人的訴訟舉證成本。

一則可疑的投資廣告被檢舉、下架,帳號也停權了,多數人以為事情就此結束。真正麻煩的是,廣告消失的那一刻,追查詐騙集團的線索也可能跟著消失。

為了補上這個缺口,台灣數位安全發展協會正與司法聯盟鏈「b-JADE」合作,替詐騙相關資料做存證。b-JADE是一套以區塊鏈為基礎的司法存證機制,只有通過程序認證的單位才能提供上鏈服務;資料一旦上鏈,任何改動都會留下痕跡。白話說,就是替數位證據貼上「封條」,讓證據從蒐集到進入法庭,都能驗證有沒有被動過手腳。

詐騙廣告下架,為什麼還不夠?

原因在於數位詐騙的生命週期太短,下架只能處理眼前的內容。台灣數位安全發展協會理事長劉彥伯指出,傳統電話詐騙一套劇本可以拉長到半年、甚至一年;數位詐騙則像打游擊,一波結束就移往下一個平台,從廣告、社群到另一個App,一路跨平台引導被害人。

更大的問題是證據跟著斷線。被害人發現受騙時,可能已是半年後,手上通常只留得住最末端的匯款與聯絡紀錄,最初看過哪則廣告、點進哪個網站,早已消失。等到一、兩年後警方抓到詐騙集團,對方就能在法庭上反問「你怎麼證明我投過這則廣告?」劉彥伯以假設情境說明,一個集團原本可能詐騙了30億元,最後因證據不足,認定金額只剩幾千萬甚至幾百萬元。

不過,詐騙活動都會留下數位足跡,包括投放帳號、代理商、投放時間、運作國家與網址註冊紀錄,只要事先保存,日後調閱就「有憑有據」。

台灣數位安全發展協會
台灣數位安全發展協會理事長劉彥伯
圖/ 數位時代

AI都這麼強了,為什麼還要先做資料治理?

台灣數位安全發展協會的核心主張是:好的資料分析,從好的資料治理開始。所謂資料治理,就是把散落在各平台、格式不一的碎片資料,整理成來源清楚、格式一致、可以互相比對的資料。協會先確認每筆公開資料的來源、時間、權限、版本與隱私,再標上事件分類、風險評估、曝光平台、投放者與網址等標籤,才能找出彼此關聯、還原詐騙網絡。

根據協會的實證簡報,系統在一段監測期間內掃描309.5萬則廣告,通報62.8萬則(約占20%),投放當日偵測率達99.21%。劉彥伯也提到,協會與資安院、數位發展部在打詐通報查詢網的合作中,判斷率接近百分之百。

那還需要人嗎?答案是需要。現行法律仍要求有人為判斷結果背書負責,加上詐騙劇本會隨被害人的回應即時調整,因此協會讓AI處理九成多的工作,最後由人做判斷。

截圖不能當證據?b-JADE如何替詐騙證據貼上「封條」

在AI改圖越來越容易的今天,單純截圖很難在法庭上證明自己沒被竄改過。劉彥伯的比喻是:截圖比較像「我那天真的看過,還拍了一張照片」;可信存證則是把證物放進有封條、有時間、有編號、有保管紀錄的證物袋,「重點不是有沒有留下東西,而是未來能不能驗證這是不是當時那一份」。

這也是b-JADE派上用場的地方,但並不是把所有資料都放上區塊鏈。協會把原始資料與AI分析結果,保存在權限受管控的系統裡,只把每份資料的「數位指紋」交給b-JADE存證。數位指紋的特性是,內容只要有任何改動,指紋就會完全不同,因此能證明資料沒被動過;需要時,再經授權調閱原始資料,兼顧隱私與驗證。依b-JADE規範盤點,協會既有流程已符合19項要求,其餘7項缺口也逐步補強,例如存證時間改採具公信力的標準時間來源,不再依賴電腦本機。

防詐能從事後追查走向事前預警嗎?

可以,協會正把存證從被害人受騙後,往前推到「主動式上鏈」:AI判定高風險的內容,先一步蒐集存證,不必等到有人受害。

小農是第一個場景。許多消費者在網路上支持小農,錢最後卻流進冒名的詐騙集團。協會因此與農業部合作推出「農本人」系統,讓小農自行登錄銷售管道與社群帳號形成白名單,再結合AI蒐集的黑名單,一旦遭冒名就能第一時間發現並報案。這套模式未來也可延伸至網路霸凌、性私密影像等案件。

制度面也在加速。2026年8月,司法聯盟已開設認證專班,邀集司法院、法務部、高檢署、調查局與警政署相關人員受訓,相關存證應用預計明年正式推出,時程仍待聯盟拍板。

劉彥伯坦言,目前從蒐集、分案到下架的流程仍然冗長,技術正好能在保留人為背書的前提下縮短流程。他在《數位關鍵字》節目尾聲留給聽眾的一句話是:「數位安全不只是技術工具,也涉及資料的可信、法遵治理與跨領域合作。」當AI幫人更快找到線索,經得起驗證的資料,將讓每一位被害人在法庭上多一分底氣。

台灣數位安全發展協會
台灣數位安全發展協會理事長劉彥伯認為,可信存證的重點不是留下東西,而是未來能被驗證。
圖/ 數位時代

常見問答
Q1:詐騙廣告被下架後,還能當作證據嗎?
A:若事前沒有保存,下架後就很難追溯。台灣數位安全發展協會建議在內容消失前,保存投放帳號、代理商、投放時間、運作國家與網址等數位足跡,日後才能據以向平台請求調閱。

Q2:手機截圖可以當作詐騙證據嗎?
A:截圖只能證明「看過」,難以證明未被竄改。在AI改圖越來越容易的情況下,透過數位指紋與具公信力的時間紀錄進行可信存證,才能在日後驗證資料是否為當時的原始版本。

Q3:什麼是b-JADE司法聯盟鏈?
A:b-JADE是以區塊鏈為基礎的司法存證機制,只有通過程序認證的單位才能提供上鏈服務。台灣數位安全發展協會的做法是只將資料的數位指紋上鏈,原始資料另行保存在權限受管控的系統,兼顧隱私與驗證,目標是降低訴訟舉證成本。

Q4:AI可以完全取代人工判斷詐騙嗎?
A:目前不行。依台灣數位安全發展協會的做法,九成以上的蒐集與分類工作可由AI完成,但現行法律仍要求由人做最終判斷,並為結果背書負責。

Q5:小農要如何預防被冒名詐騙?
A:可登錄台灣數位安全發展協會與農業部合作的「農本人」系統,自行提交銷售管道、粉絲專頁與LINE帳號建立白名單,搭配AI主動蒐集的黑名單,遭冒名時能第一時間發現並報案。

完整對談請收聽《數位時代》Podcast《數位關鍵字》EP264。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓