用大白话讲清开源 AI 模型
每个月都有新的、可以下载并在自己机器上运行的 AI 模型发布。我们跟踪其中重要的那些,对照一手资料核实事实,并讲清楚它们是什么、有多大、许可证允许做什么,以及你的电脑能不能跑。
开源模型到底有多大?
左右滑动查看完整图表
- 宽松
- 附条件
- 非商用
- 每个 token 激活的参数量
最新收录
查看全部| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| MiniMax H3-Image MiniMax | 33.1B | – | MiniMax H3-Image Community (附条件) | 155 GB 大内存台式机 | |
| Nex-N2.6 Nex-AGI | 35.1B – 1.6T | 256K | Apache 2.0 (宽松) | 24 GB 游戏显卡 | |
| LongCat-2.5 Meituan | 1.6T 激活 48B | 1M | MIT (宽松) | 1.1 TB GPU 服务器 | |
| ZONOS3-Mini Zyphra | 800M 激活 100M | – | Apache 2.0 (宽松) | 10 GB 笔记本或手机 | |
| Sophon-Realtime Adventists AI | 32B | – | Apache 2.0 (宽松) | 80 GB 工作站 | |
| Arete-27B Nous Research | 27.4B | 256K | Apache 2.0 (宽松) | 19 GB 游戏显卡 | |
| Mirage Cactus Compute | 51M | – | Apache 2.0 (宽松) | 0.0354 GB 笔记本或手机 | |
| ERNIE 5.5 Flash Base Baidu | 280B 激活 14B | 1M | ERNIE 5.5 Flash Base (附条件) | 193 GB 大内存台式机 |
从这里开始
三篇短文,帮你读懂本站的其他内容。
- 什么是开源 AI 模型?通俗易懂的入门指南
开放 AI 模型是你可以下载并自己运行的模型。了解“开放权重”和“开源”的含义、这些模型能做什么,以及如何安全地开始使用。
- 开放权重与开源 AI:到底有什么区别?
开放权重指模型训练好的参数可以下载。按 OSI 的定义,开源 AI 还需要公开代码和训练数据信息。本文讲清两者的区别,以及为什么它很重要。
- AI 模型许可证详解:开放模型可以商用吗?
用通俗的语言讲解开放 AI 模型的许可证:Apache 2.0、MIT、带营收上限的社区许可证、仅限研究的条款和需要授权的下载,并附发布产品前的检查清单。
按目标挑模型
查看全部- 2026 年最佳开源大模型
2026 年 11 月领先的开放权重语言模型,附参数规模、上下文窗口、许可证和所需硬件。
- 笔记本就能运行的最佳小型开源模型
参数规模从 1B 到 30B、能在笔记本或一张游戏显卡上运行的开放权重模型,附内存需求和许可证。
- 最适合编程和 AI 智能体的开源模型
为编程和智能体任务打造的开放权重模型,从手机就能运行的 121M 工具调用模型到万亿参数系统,附许可证和内存需求。
- 最佳开源图像和视频生成模型
可以在自己的 GPU 上运行的开放权重图像和视频生成模型,从 FLUX 到 Wan、LTX,对比内存需求和许可证。
- 最佳开源语音模型:语音转文字与文字转语音
可以自己运行的开放权重语音转文字和文字转语音模型,对比语言、内存需求和许可证。
- 按显存和硬件查找开源 AI 模型
找到适合你硬件的开放 AI 模型:按所需内存分组,从笔记本、游戏显卡到服务器和集群。
- 可以商用的开源 AI 模型
按许可证类型分组的开放权重模型:宽松、有条件和非商用。看看哪些可以放进产品,以及每个许可证对你有什么要求。
- 2026 年最佳开源 OCR 与文档解析模型
2026 年 11 月的开放 OCR 和文档解析模型,从 0.8B 的端侧模型到 5B 的多语言解析模型,附许可证和各自的设计目标。
- 2026 年最佳开源文字转语音(TTS)模型
2026 年 11 月的开放文字转语音模型:声音克隆、长篇语音、流式输出和微型端侧模型,并明确标出哪些许可证允许商用。
- 2026 年最佳开源语音识别(语音转文字)模型
2026 年 11 月的开放语音转文字模型,从 Whisper 到流式、长音频和微型端侧模型,附各自的语言、延迟和许可证。
- 2026 年最佳开源嵌入(Embedding)模型
2026 年 11 月用于搜索和 RAG 的开放嵌入模型:纯文本和多模态,参数从 47M 到 27B,附语言、上下文长度和许可证。
- 2026 年最佳开源多模态模型(图像、视频和音频)
除文本之外还能读图像、视频和音频的开放模型,从 1B 的端侧模型到万亿参数系统,附各自的许可证和上下文长度。
- 欧洲研发的开放权重 AI 模型
来自法国、德国、瑞士和荷兰开发者的开放权重模型,涵盖语言、图像、语音、OCR 和嵌入,附各自的许可证。
- 韩国研发的开放权重 AI 模型
来自韩国开发者的开放权重模型:为政府自主 AI 项目打造的四个语言模型、KRAFTON 的两个 Raon 模型,以及一个端侧语音模型。
- 2026 年最佳开源翻译模型
2026 年 11 月的开放翻译模型:从 0.8B 到 36B 的文本翻译模型、一个还能读取图片文字的模型,以及能翻译音频的语音模型,附许可证。
- 2026 年最佳开源重排序(Reranker)模型
2026 年 11 月用于搜索和 RAG 的开放重排序模型:纯文本和多模态,参数从 0.6B 到 8B,附语言、上下文长度、许可证和大小。
- 2026 年最佳开源音乐与音效生成模型
2026 年 11 月的开放音乐与音效模型:带人声的歌曲、实时乐器和音效,并写明硬件要求和许可证限制。
我的电脑能跑吗?
打开显存计算器决定性因素是内存。下面列出各类机器在 4 位量化下大致能装下什么。
| 硬件 | 内存 | 典型机器 | 示例模型 |
|---|---|---|---|
| 笔记本或手机 | 16 GB 以内 | 普通笔记本、手机、8 至 16 GB 显存的显卡 | FLUX 3 Image Klein , Nemotron 3.5 , MiniCPM5-2B , Gemma 4 (120 个模型) |
| 游戏显卡 | 16 至 32 GB | RTX 3090、4090 或 5090,32 GB 内存的 Mac | LFM2.5-24B-A2B , Qwen3.8-27B (39 个模型) |
| 工作站 | 32 至 96 GB | RTX PRO 6000(96 GB)、多张显卡 | 8 个模型 |
| 大内存台式机 | 96 至 512 GB | Mac Studio、AMD Strix Halo、NVIDIA DGX Spark | MiniMax M3.1 Flash , Reflection Beam , GLM-5.3-Flash , Qwen3.8-Flash-Next (28 个模型) |
| GPU 服务器 | 512 GB 至 1.5 TB | 8 卡 H100、H200 或 B200 服务器 | Mistral Large 4 , Muse Spark Open , DeepSeek V4.1 Flash , GLM-5.3 (13 个模型) |
| 多机集群 | 1.5 TB 以上 | 多台 GPU 服务器协同工作 | Kimi K3.1 Pro , Qwen3.8-Max (3 个模型) |
最新资讯
查看全部- Apertus 1.5:瑞士的完全开放模型学会了读图像和音频
苏黎世联邦理工学院、洛桑联邦理工学院和 CSCS 在 7 月 24 日发布了 Apertus 1.5:完全开放的 8B 和 70B 模型,支持图像和音频输入,上下文 262K,采用 Apache 2.0。音频理解仍处于实验阶段。
- Clef:Cloudflare 面向智能体工作流的开放决策模型
Cloudflare 以 Apache 2.0 发布 Clef 和 Clef-flash:27B 和 9B 的决策模型,基于 Qwen 后训练,不写文字,而是给你定义的每个选项返回一个概率。
- Cosmos 3:NVIDIA 面向机器人和自动驾驶的开放世界模型
NVIDIA 以 OpenMDW-1.1 发布 Cosmos 3:4B、16B 和 64B 的世界模型,能生成视频、图像和机器人动作,也能对视频做推理,面向机器人和自动驾驶。
快速问答
- 开源和开放权重有什么区别?
- 开放权重指训练好的模型文件可供任何人下载并运行。严格意义上的开源还要求采用经开源促进会(OSI)认可的许可证,例如 Apache 2.0 或 MIT,最好连训练代码和数据也一并公开。许多热门模型属于附带额外条件的开放权重,而不是完全开源。
- 开源模型可以免费商用吗?
- 有的可以,有的不行。采用 Apache 2.0 或 MIT 的模型几乎没有商用限制。许多较新的许可证会增加营收门槛、署名要求,或要求销售托管服务的公司另行签约。请查看每个模型上的许可证标签和许可证指南。
- 哪个开源模型最好?
- 取决于任务和硬件。最大的模型在高难度的编程和推理任务上领先,但需要服务器级机器;200 亿到 350 亿参数的中等模型能在单张游戏显卡上运行,足以满足大部分日常需求。我们的精选榜单按目标对模型分组。
- 我能在笔记本上运行这些模型吗?
- 小型和中型的可以。一个 270 亿到 310 亿参数模型的 4 位版本大约需要 16 到 24 GB 内存。超大模型则需要数百 GB。显存计算器会告诉你哪些装得下。