RESEARCH

2026 年 4 月，Nathan Lambert 和 Florian Brand 發(fā)布了 The ATOM Report，一份關于開源語言模型生態(tài)的綜合采納度快照。這份報告追蹤了約 1500 個主線開源模型的下載量、衍生模型、推理市場份額和性能數(shù)據(jù)，覆蓋 2023 年 11 月到 2026 年 3 月

核心結論很直白：中國開源模型在 2025 年夏天超過了美國，之后差距持續(xù)擴大。到 2026 年 3 月，中國模型的累計下載量達到 11.5 億 次，美國是 7.23 億次，差距超過 4 億

ATOM Report Figure 1：按地區(qū)劃分的開源模型累計下載量

這份報告是誰做的，在做什么

ATOM 是 Interconnects AI 主導的項目，Nathan Lambert 此前在 Hugging Face 工作，后來創(chuàng)辦了 Interconnects AI。數(shù)據(jù)來源是 Hugging Face 下載量和衍生模型數(shù)據(jù)、OpenRouter 推理 token 份額、Arena Elo 評分、Artificial Analysis 智能指數(shù)

追蹤的是「主線開源語言模型」，不包括 embedding 模型、文生圖擴散模型或其他非生成式架構。約 1500 個模型在研究期間累計產(chǎn)生了超過 30 億 次下載

報告不做政策建議，只做數(shù)據(jù)呈現(xiàn)。政策建議在 ATOM Project 主站 atomproject.ai 另外發(fā)布

Qwen 一家比其他所有頭部組織加起來還多

到 2026 年 3 月，Qwen 的累計下載量達到 9.42 億 次，是 Llama（4.76 億）的將近兩倍。2026 年 2 月，Qwen 單月下載 1.536 億次，超過 Meta、DeepSeek、OpenAI、Mistral、NVIDIA、Zhipu AI、MiniMax、Moonshot AI 八家加起來的 7120 萬次

按組織劃分的累計下載量：Qwen 遙遙領先

更極端的對比：Qwen3 系列中 6 個小模型（0.6B 到 8B）的月下載量，跟 Zhipu AI、MiniMax、Mistral、Moonshot AI、NVIDIA、OpenAI 六家組織的全部模型加起來差不多

Qwen3 小模型 vs 六家組織 + DeepSeek vs Qwen 按模型大小

唯一的例外是 250B+ 超大模型，DeepSeek 以 47% 的下載份額領先，Qwen 優(yōu)勢集中在 10B 以下（44%）。報告稱之為「互補性專業(yè)化」

三個維度都指向同一個結論 衍生模型份額

中國從 2023 年 11 月的 10% 上升到 2026 年 2 月的 70%。歐洲從峰值 58% 跌到 4%

推理 token 份額

OpenRouter 數(shù)據(jù)。中國模型從 2024 年 11 月的 2.8% 上升到 2026 年 1 月的 72.7%。中美完全互換了位置

性能前沿

Arena Elo 和 Artificial Analysis 智能指數(shù)都顯示，中國最佳開源模型在 2024 年底超過了美國，之后保持領先

衍生模型份額（上）+ 推理 token 份額（下）

Arena Elo（上）+ Artificial Analysis 智能指數(shù)（下）

性能上的小幅領先可以創(chuàng)造采納度上的大幅領先，因為用戶默認會選最好的那個

整個開源模型生態(tài)的增長速度本身就很驚人。2025 年 3 月到 2026 年 3 月，累計下載量從 3.39 億增長到 20.4 億，同比增長 6 倍。其中中國同比增長 11.9 倍，美國 4.1 倍，歐洲 2.5 倍

RAM：一個新的采納度指標

報告提出了 Relative Adoption Metric（RAM），解決一個老問題：1.5B 小模型天然比 400B 大模型下載量高出 10-50 倍。簡單比較下載量沒有意義

RAM = 某模型發(fā)布后第 t 天的累計下載量 / 同參數(shù)量級 top 10 模型在同一時間點的中位數(shù)。1.0x 是持平，高于 1.0x 是跑贏

RAM 軌跡：100-250B 和 250B+ 區(qū)間

GPT-OSS 120B 發(fā)布 7 天后 RAM 達到 20.45x，180 天后仍然 15.35x，是 100-250B 區(qū)間的絕對異類。Nemotron Super 120B 開局 7 天 18.03x

250B+ 區(qū)間，GLM-5 表現(xiàn)不錯（30 天 8.99x），但 DeepSeek V3.2 和 GLM 4.7 全程低于中位數(shù)。Kimi K2.5 有一個有趣的加速曲線，從 7 天 1.38x 到 60 天 7.42x

RAM 揭示了下載量看不到的現(xiàn)象：美國模型在中大型參數(shù)區(qū)間的相對采納度依然很強

GPT-OSS 和 Nemotron 的 RAM 遠高于大多數(shù)中國模型，說明在絕對數(shù)量被碾壓的情況下，美國個別模型仍然能在特定尺寸段獲得不成比例的高采納度

幾個讀者可能想知道的 Meta 的處境

Llama 累計下載量排第二（4.76 億），但在推理平臺上已經(jīng)從 2025 年 1 月 37.4%% 的峰值跌到了零。Llama 4 發(fā)布后沒有扭轉趨勢

OpenAI 作為新進入者

GPT-OSS 從 2025 年 9 月才開始發(fā)布，到 2026 年春季月下載量已超過 Mistral 全部歷史模型組合。RAM 顯示 GPT-OSS 120B 可能成為有史以來下載量最高的模型之一

歐洲的衰落

Mistral 曾是開源生態(tài)先驅（2023 年 12 月衍生模型份額 57%%），但累計下載量從未加速到 Qwen 或 Llama 的水平

報告的局限性

HuggingFace 不是唯一分發(fā)渠道（中國還有 ModelScope），下載量不等于活躍使用。但報告的立場是：所有可用使用數(shù)據(jù)都跟 HuggingFace 下載量趨勢高度相關

參考材料

The ATOM Report
https://atomproject.ai/report

The ATOM Project
https://atomproject.ai/

Nathan Lambert 推文
https://x.com/xeophon/status/2041889677343343014