新一代开源大模型发布即登顶热度榜，讨论热烈
面向高难度推理的开源旗舰模型：总参数 2.8T、每次只激活 104B，自建部署需多卡集群，适合有算力的团队本地化评估
Hugging Face Likes 1,550·+460 in 24 Hours
低比特量化
引爆官方直接以 FP8、8-bit、NVFP4 等低比特权重发布的开源模型
1,604 New GitHub Stars This Week1.1 万 New Hugging Face Likes This Week14 Projects Ranked268 Popular Articles
1,604
New GitHub Stars This Week
1.1 万
New Hugging Face Likes This Week
About
What It Is
一类以低比特权重形式发布的开源模型：发布方直接给出 FP8、8-bit 或 NVFP4 等压缩后的权重，而不是等社区事后量化，目的是在保住能力的同时压低显存占用与推理成本。成员覆盖数 T 参数的稀疏旗舰、数百 B 规模的通用模型与预览版模型，卡片中普遍标明了位宽与激活参数，说明位宽已成为发布规格的一部分。
Why It's Trending
参数越堆越高，全精度权重让部署成本难以承受，官方直接给低比特权重等于把「机器装不装得下」提前解决。对自建推理的团队来说，选型时位宽已和参数量一样成为关键指标，因而每有新旗舰发布，低比特版本都会单独获得一波关注与下载。
Hot Projects
14开源快速版大模型双平台上榜，关注度高
面向高吞吐调用的快速版开源大模型：总参数 763B，需多卡集群部署，适合承接在线问答与批量生成
Hugging Face Likes 5,368·+31 in 24 Hours
新发布的中大型模型预览版，快速起量
新发布的中大型开源模型预览版：64.8B 参数提供 BF16 与 NVFP4 两套权重，需多卡部署，适合团队先行评测
Hugging Face Likes 343·+54 in 24 Hours
国产稀疏大模型双平台在榜，热度平稳
面向高并发调用的稀疏大模型：总参数 286B、每次激活 14B，在响应速度与能力之间取平衡，适合企业自建服务
Hugging Face Likes 213·+21 in 24 Hours
稀疏新模型登上热度榜，关注度有待观察
稀疏开源模型（总参数 39.8B、每次激活 2.5B）：推理开销接近小模型，适合想用大模型能力又缺算力的团队。
Hugging Face Likes 1,362·+2 in 24 Hours
低比特量化版持续被本地部署用户采用
把开源 27B 模型转成低比特 GGUF 的版本：显存占用大幅下降，单张消费级显卡或笔记本即可本地推理
Hugging Face Likes 5,583·+24 in 24 Hours
Hot Articles
26865B 稠密开放权重刚放出：一份发布同时给到两档精度
Ripple-65B Preview 的发布页时间戳停在 2026-11-06 00:37 UTC。同一天下午，中文社区已经贴出本地集群跑通后的显存账；同一天，仓库里的 modeling_ricursive.py 头部注释记下了两批针对 DFlash2 投机解码和 KV cache 对齐的修复。对一个刚放出来的开放权重模型来说，这个节奏说明它并非提前几周就推演好的展示品，而是一个边发布边校准、由真实推理路径反推修正的工程产物。
286B 只激活 14B：文心 5.5 Flash 冲上热度榜前列，讨论全在问“扛不扛得住高并发”
ERNIE 5.5 Flash 的 base 权重在 2026 年 11 月 5 日放出，热度几乎是一夜之间起来的。真正让人兴奋的并不是又一个千亿参数模型，而是“280B 总量、每 token 只激活 14B”这组数字：如果激活开销真能压到这个量级，那么单位请求的显存与算力账单就该向 14B 模型看齐。于是社区讨论很快从“分数多少”转向了一个更工程化的问题：单发便宜是一回事，几十上百路并发同时压上来，这张账还能不能算得过来？
权重窗口刚到期就兑现：2.8T 的 Kimi K3.1 Pro 开源首日开箱清单
24 小时 +654 star 之后：FreeToken 凭什么把 290B MoE 塞进游戏本
一个 2026 年 7 月 20 日才建仓的项目，在 11 月初冲到 16,184 star，24 小时内净增 654，fork 数 1,591，open issues 470。同期中文技术社区里，“8GB 显存跑 35B”“RTX 4060 笔记本 39.3 tok/s”“3 次点击在游戏本上聊 290B”这类标题密集出现，连 InfoQ 这类媒体也下场做了转述。
刚开源数天就冲上热度榜前列：1.7B 端侧模型为什么被抢着试
1.7B 参数、4-bit 量化后约 1 GB 内存、256K 上下文、原生工具调用——这几个数字放在同一张模型卡上，足以让端侧开发者立刻点进下载页。Liquid AI 在 10 月 27 日放出 LFM3 家族，其中文本模型 LFM3-1.7B 是整条产品线的骨架：视觉、音频、Omni 以及两个决策模型 d1-2B / d1-Omni-2B 全部从同一个 LFM3-1.7B-Base 分支出来。中文技术媒体当天的标题很直接——“2B 小模型跑分追平 12B 大模型，还能本地跑”；而在更偏工程的社区里，讨论的重心不是跑分，而是“这东西能不能塞进我的 app 里跑 agent”。
刚开源就冲上热度榜前列：220.5B 总参只激活 23B，这次押的是什么
最近这半个月，AI 圈有点像过年。
4.1B 的端侧模型刚露面，讨论量的曲线比下载曲线先立起来
Spark-X2.6-4B 上架后 24 小时，仓库数据面板上出现了端侧小模型发布中不常见的节奏：点赞先到 358，下载才走到 482，而讨论热度按 1h 88 / 6h 18 / 24h 7 的曲线快速衰减。这条"讨论先行、下载滞后"的曲线，恰好是判断一款小模型能否走出冷启动窗口的第一份情报。本文结合发布物本体——仓库里的 config.json、modeling_spark.py、基准图与量化权重——把这三组数字拆开看：它说明用户先验证了什么、再下载什么，以及后续热度曲线大概率会怎么走。
权重刚开源，M3.1 Flash 先交出一份「三天百万亿 Token」的成绩单
10 月 23 日，MiniMax 把 M3.1-Flash 的完整模型权重开源到本仓库。但真正让开发者圈讨论起来的，不是权重本身，而是权重背后那份先跑出来的流量成绩单：官方口径，M3.1 Flash 上线后 72 小时内处理的 Token 超过 100 万亿（即「三天百万亿」）。这个数字出自上线初期的第三方报道，与 MiniMax 官方 10 月 19 日发布的模型信息可以互相印证——在亮明身份之前，它的早期版本还曾以匿名身份「Space Bunny」在 OpenCode 的公开调用榜上连霸 12 天日榜第一。
凌晨发布即刷屏：V4.1 Flash 1017 新版本到底更新了什么
2026 年 10 月 17 日，DeepSeek 在几乎没有预热的情况下将 V4.1 Flash 更新至 V4.1-Flash-1017 版本，网页端、APP 与 API 模型同步切换。没有新发布会，甚至 API 调用方式与价格都保持不变——但社区却炸了。原因在于这次"静默更新"的内容量级并不小：性能全面上扬的同时任务耗时与输出长度双双收缩，官方还重点强化了一项被媒体称为"许愿式编程"的能力——在提示词和素材参考极其有限的条件下，从零生成可运行的项目成品。
Perplexity 连夜开源 pplx-decider：底层竟是我们都在下的 Qwen3.8-27B
一个月前，闭源决策模型 Jev 抛出的"系统一模型"概念，还在让开源社区集体头疼怎么复刻。一个月后，Perplexity 直接把答案交了出来——不是论文，不是白皮书，而是一个开放权重的模型：pplx-decider-v1.1-27b。它不聊天、不写代码，只干一件事：读入一段文本或一张图片，按你预设的问题和候选项，直接吐出结果、概率与置信度，中间没有任何长篇大论。