2026 开放模型：Qwen 成基石，中美策略分化
State of Open Models: Summer 2026 Observations
2026 年夏季，开放模型生态呈现显著分化。中国实验室如 Moonshot、MiniMax 和 Qwen 频繁发布超大规模模型，参数规模屡破万亿，而美国实验室多聚焦于百十亿参数级产品。数据显示，关注度（点赞）与实际采用（下载）严重脱节，真正被广泛部署的仍是小型模型。Qwen 凭借全尺寸覆盖和 Apache 2.0 许可，已成为社区事实上的基础模型，衍生模型数量远超 Meta 的 Llama。随着 llama.cpp 等工具的发展，万亿参数模型也能在本地运行，开放权重的价值正从模型本身转向 API、硬件及生态位竞争。
点赞反映的是发布后的兴奋度，而下载揭示的是真正被集成到工作流中的依赖关系。
- cl42
我最近读了几篇文章，指出 harness 才是 LLM 成功应用的关键因素，真希望这篇帖子也能讨论一下。
我用过 GLM-5.3、Qwen3.8、Claude（全系列）、GPT Sol/Luna/Terra，既通过直接 API 调用，也在能用的地方跑本地模型（128GB MacBook Pro）…… harness 的质量，以及模型或底层系统提示词是否懂得如何高效利用迭代式 LLM 调用，带来的差异巨大。
举个例子：针对某个新闻话题写一次性文章（比如“更新一下美加关系”），所有模型的结果都差不多……但如果是“先做网页搜索，从三个角度写一份观点草稿，并围绕它整理数据”，除了 Claude 和 GPT，其他模型都会很吃力。
- AnodicElegy
数据和图表很棒，但如果正文和标题是由人类撰写的，这份报告的质量会高得多。
- john_rood
harness 的占比是这里最有意思的新数据，但原始请求量可能会产生误导。一个噪声大、工具循环广的 agent，其 Hub 调用量可能是更高效 agent 的 10 倍。我很想看到按 harness、任务类别、模型和工具错误率细分的“每 1000 次 agent 标记调用对应的成功结果数”。否则，这只能告诉我们哪些客户端很忙碌，而不是哪些真正有效。