English(EN) We ranked the top 300 open LLMs by real downloads. 66% of them are Chinese.

中国 LLM 在排名前 300 的开源模型下载量中占据主导地位

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-15 09:24

对开源大型语言模型 (LLM) 的一项新分析显示，按近期下载量计算，排名前 300 的模型中有 66% 源自中国。该研究侧重于 Hugging Face 上最近 30 天的下载量，而非累计数字，并根据模型的训练来源而非上传者的组织来归属模型。这种方法突显了很大一部分流行的 LLM，特别是在用于本地执行的 GGUF 格式中，是中国开发的。 AI

影响凸显了中国开发的 LLM 在全球范围内的重要影响力和普及度，尤其是在本地部署方面。

排序理由对开源 LLM 下载数据的分析 [lever_c_demoted from research: ic=1 ai=1.0]

在 dev.to — LLM tag 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 44 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 对开源 LLM 下载数据的分析 [lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: model release, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

dev.to — LLM tag TIER_1 English(EN) · AI OpenFree · 2026-09-15 09:24

我们根据实际下载量对排名前 300 的开源大模型进行了排名。其中 66% 来自中国。

<h1> We ranked the top 300 open LLMs by real downloads. 66% of them are Chinese. </h1> <p>Every "top open model" list I could find ranks by cumulative downloads. Cumulative rewards age: a<br /> model from 2022 outranks one that is actually being used today. So we built the other …

本文如何被排名

报道来源 [1]

我们根据实际下载量对排名前 300 的开源大模型进行了排名。其中 66% 来自中国。

相关实体

相关话题