一、行业背景随着Qwen3.5系列、GLM-5、Kimi K2.5等旗舰模型的密集发布开源社区呈现出参数规模膨胀与推理效率优化并行的双轨发展态势。MoE混合专家架构成为主流选择397B参数规模的Qwen3.5-397B-A17B与1T参数的Kimi K2.5同台竞技标志着大模型已进入万亿参数时代的前夜。与此同时量化版本GGUF/FP8的流行反映出市场对端侧部署和成本控制的迫切需求。二、核心数据模型生态动态全景整体格局Qwen生态 dominance 稳固量化模型异军突起本期监测的33个模型中Qwen系列占据TOP10中的5席形成绝对统治力。值得关注的是unsloth社区发布的GGUF量化版本表现亮眼Qwen3.5-35B-A3B-GGUF第6名和Qwen3.5-122B-A10B-GGUF第16名双双冲入前20证明小体积高效率路线正在获得市场认可。指标数据总模型数33个有效对比模型27个有两天完整数据排名上升11个40.7%排名下降14个51.9%排名不变2个7.4%新上榜3个掉榜3个排名变动剧烈洗牌中的结构性机会1上升明星逆势突围模型分析 最大黑马unsloth/Qwen3.5-122B-A10B-GGUF↑7位23→16这是本期上升幅度最大的模型。作为122B参数规模的量化版本它成功实现了大模型能力小模型成本的平衡。其成功因素包括精准定位填补了百亿参数级本地可部署的市场空白技术红利Unsloth Dynamic 2.0量化技术在保持精度的同时大幅降低显存需求生态协同与Qwen3.5官方版本形成互补覆盖不同应用场景 第二梯队unsloth/Qwen3.5-35B-A3B-GGUF↑5位11→6该模型直接冲入TOP6验证了中等规模MoE模型极致量化路线的商业可行性。3B激活参数的设计使其在消费级GPU上即可流畅运行成为开发者本地部署的首选。 其他值得关注的上扬曲线LiquidAI/LFM2-24B-A2B↑3位15→12边缘计算场景的专业化模型24B总参数/2B激活参数的高效比在AMD CPU上可达112 tok/sQwen/Qwen3-Coder-Next↑3位22→19代码专用模型持续升温反映AI编程助手市场的强劲需求Qwen/Qwen3.5-122B-A10B↑2位6→4官方版本与量化版本同步上升形成品牌势能2下滑警示头部模型面临挑战模型变动原因分析Qwen/Qwen3.5-397B-A17B-FP8↓6位18→24FP8版本定位尴尬既失去原版精度优势又不如GGUF版本易部署Zyphra/ZUNA↓5位12→17EEG专用模型受众狭窄难以维持热度Fortytwo-Network/Strand-Rust-Coder-14B-v1↓5位17→22Rust垂直领域模型生态壁垒限制增长空间nvidia/NVIDIA-Nemotron-Nano-9B-v2-Japanese↓4位21→25日语专用模型语言天花板明显核心洞察通用性 vs 专用性的博弈中本期通用大模型明显占优。垂直领域模型除非绑定特定商业场景如代码、TTS否则难以持续吸引社区关注。类型与热度文本生成仍占主流多模态模型需求爆发1模型类型分布类型数量占比代表模型text-generation1030.3%GLM-5, MiniMax-M2.5image-text-to-text927.3%Qwen3.5系列, Kimi K2.5text-to-speech26.1%Qwen3-TTS, MOSS-TTS其他audio/image/any-to-any等1236.4%-关键发现image-text-to-text类型强势崛起9个模型中7个进入前20多模态能力已成为大模型的标配而非加分项TTS赛道暗流涌动Qwen3-TTS-12Hz-1.7B-CustomVoice以103万下载量高居第13语音交互场景正在爆发2下载量与点赞数用户偏好分析下载量TOP5反映实际采用度moonshotai/Kimi-K2.5 — 1,382,433唯一破百万级Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice — 1,033,164Qwen/Qwen3-Coder-Next — 549,875nvidia/personaplex-7b-v1 — 537,707unsloth/Qwen3-Coder-Next-GGUF — 535,476点赞数TOP5反映社区认可度nvidia/personaplex-7b-v1 — 2,195moonshotai/Kimi-K2.5 — 2,119zai-org/GLM-5 — 1,542Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice — 1,186Qwen/Qwen3.5-397B-A17B — 1,049用户偏好洞察大模型崇拜仍在Kimi K2.5凭借1T参数规模稳居下载榜首说明用户仍倾向于能力边界更大的模型量化版本叫好不叫座unsloth的GGUF版本点赞数普遍低于官方版如Qwen3.5-35B-A3B-GGUF仅143 likes vs 官方版343 likes反映社区对量化版本的质量疑虑TTS模型高下载低点赞Qwen3-TTS下载量第2但点赞数第4说明语音合成需求刚性但用户忠诚度待培养新老交替新模型上榜与掉榜模型问题分析 新上榜模型3个排名模型类型亮点18unsloth/Qwen3.5-27B-GGUFimage-text-to-text27B参数的甜点级量化版本平衡性能与成本28Qwen/Qwen3.5-35B-A3B-Baseimage-text-to-text官方基础版本为下游微调提供底座30jinaai/jina-embeddings-v5-text-small-嵌入模型首次入榜RAG/检索场景需求显现新上榜信号嵌入模型jina-embeddings-v5的出现值得关注标志着大模型生态从生成向检索增强延伸RAG架构正在成为企业级应用的标配。❌ 掉榜模型3个原排名模型问题诊断24OpenMOSS-Team/MOSS-TTSTTS赛道同质化严重被Qwen3-TTS分流用户28deepgenteam/DeepGen-1.0新兴团队缺乏品牌背书难以对抗大厂模型30unsloth/Qwen3.5-397B-A17B-GGUF397B量化后仍过大本地部署不现实云端不如用原版三、深度洞察模型生态的3个核心趋势 趋势一量化即服务成为新战场Unsloth社区的崛起绝非偶然。随着模型参数规模突破百亿如何让用户用得起比如何训练更大模型更紧迫。GGUF/FP8等量化技术正在从边缘优化变为核心能力预计未来将出现更多官方模型社区量化版的双轨发行模式。商业启示量化技术提供商如Unsloth可能复制HuggingFace的成功路径成为连接大模型能力与终端用户的关键中间层。 趋势二多模态能力从旗舰专属走向标配普及本期9个image-text-to-text模型中中小规模模型如Qwen3.5-27B/35B已具备与旗舰模型接近的视觉理解能力。早期多模态是GPT-4V、Gemini Pro的专属标签如今已成为开源模型的标准配置。技术预判视觉编码器Vision Encoder的轻量化如MoonViT 400M参数和高效化将使全模态能力在10B级模型上实现彻底打破多模态大参数的等式。 趋势三语言/场景专用模型的玻璃天花板效应日语模型Nemotron-Nano-9B-Japanese、Rust代码模型Strand-Rust-Coder、EEG模型ZUNA本期全部下滑揭示一个残酷现实在通用大模型能力快速泛化的背景下垂直模型的护城河正在变浅。除非绑定特定数据壁垒如医疗、法律或硬件生态如NVIDIA的CUDA优化否则通用大模型提示工程正在侵蚀垂直模型的生存空间。四、结语2026年2月的模型榜单是一面折射AI产业焦虑与希望的镜子。一方面Qwen、Kimi、GLM等国产模型已形成对国际巨头的局部优势另一方面量化技术的崛起、多模态的普及、垂直模型的困境都在提示我们大模型竞赛已进入下半场——从比谁更大转向比谁更可用。对于开发者本期最大的 actionable insight 是关注unsloth/Qwen3.5-122B-A10B-GGUF和Qwen3.5-35B-A3B-GGUF这两个量化版本它们可能是当前能力-成本最优解的代表。而对于模型厂商如何在保持技术领先的同时构建起量化、部署、运维的全栈服务能力将决定下一个周期的排位座次。下期关注Kimi K2.5的1T参数规模能否持续领先Qwen3.5的更小量化版本如7B级是否会发布TTS赛道会否出现新的颠覆者让我们拭目以待。报告生成时间2026-02-26数据来源HuggingFace Trending Models更多内容关注公众号快乐王子AI说