美国智库向国会作证：中国开源模型已经领先，下载量两倍于美国、榜单前三都是中国模型

三个信号：下载、榜单、论文

下载量上，据 Lambert 的国会讲稿，中国的领先扩大到约 16 亿次，累计下载约 32 亿次，是美国总量的两倍。榜单上，Artificial Analysis 智能指数前三名分别是中国模型 GLM-5.3、GLM-5.3-Flash（均为智谱/Z.ai）与 Moonshot AI 的 Kimi K3，得分 45、42、44；美国领先的开源模型 Thinking Machines 的 Inkling/Inkling Small 与 Nvidia 的 Nemotron 3 Ultra 得分 26、23——差距明显。

图：Hugging Face 开源权重模型累计下载量，中国约 32 亿次、约为美国两倍。来源：Nathan Lambert 国会作证预备讲稿（Interconnects，2026-09）。

使用面上，中国模型在 OpenRouter 开源模型使用中的份额从约 70% 升至 80% 以上；OpenRouter 的开源模型流量从 2025 年 9 月的每周约 1 万亿 token 增至当前的每周约 80 万亿 token。学术上，Llama 在 AI/ML 论文中的占比在 2024 年秋见顶于约 23%、现为 21%，而 Qwen 从 7.5% 升至 30%；总体上，任何中国开源权重模型被超过 40% 的论文提及，高于美国的 30%。

图：Artificial Analysis 智能指数，中国开源模型前三分别为 45/44/42，美国最好为 26/23。来源：Nathan Lambert 国会作证预备讲稿（2026-09）。

对政企选型意味着什么

这份证词的价值不在「谁第一」，而在于它把「开源领先」从情绪变成了可核对的指标——下载量、榜单分、论文占比、推理市场流量。对准备本地化部署的单位，这意味着可选的国产开源模型池更大、生态更活跃、许可证更宽松。据 Hugging Face 2026 年开源模型报告，在 178 个 200 亿参数以上的中国模型中，59% 采用 Apache 2.0、22% 采用 MIT——这类宽松许可证正是「本地部署、可商用」的前提。

冷静的一半：下载量是代理指标，会被 CI/CD 流水线与镜像拉取放大；榜单领先也不等于在您的具体业务上表现更好。选型仍应「先测后用」——用自己场景与数据跑一轮，再决定用哪个模型；把「谁领先」放一放，先回答「我的任务、数据边界与管控要求是什么」。

机悟的建议：把「开源领先」换成一次本地实测

可核对的数据值得看，但替代不了在您自己机器上的吞吐、时延与效果测试。

从可核对的数据出发：下载量、榜单、许可证类型都可查，但它们是起点不是结论——最终要在自己的硬件与数据上验证。
模型池更大意味着议价空间更大：开源权重可本地部署、可商用，选型不必绑定单一厂商，也不被单家战略变化绑架。
把「谁领先」放一放：先确定任务、数据边界与管控要求，再在若干候选开源模型里跑基线，用结果回答选型问题。

来源：Nathan Lambert 美国国会作证预备讲稿（Interconnects，2026-09）；The ATOM Report（Lambert & Brand, arXiv:2604.07190, 2026-04/05）；Artificial Analysis 智能指数；Hugging Face 2026 年开源模型报告。本文仅转述公开数据与公开证词，不评判任何厂商与产品，数据以其原始来源为准。