大家好，首先祝大家圣诞快乐。作为一名小型AI开发者/爱好者来说，2025年真是令人惊叹的一年。我的意思是，我基本上每天都去huggingface.co/models网站看看。我想那里现在大约有200万个模型，都是开源的，而且其中许多都带有Apache 2.0许可证。因此，我们确实有幸拥有了开源模型、开源AI模型。所以，我要向所有在过去12个月里做出卓越工作的公司致以热烈的感谢。现在我们要对2025年的开源AI公司和模型进行排名。这完全是主观的，基本上是我喜欢的模型和我认为工作出色的公司。我列出了26家不同的公司。我在这里的一个排名网站上有一个模板，我会把链接留在下面，这样你也可以创建自己的列表。那么废话不多说，让我们开始吧。

这里没有包括 MLX，但它是一匹黑马。我认为这是因为它们正在逐步激活所有现有的 Apple 硬件，并使其可用于人工智能领域。因此，特别提及 MLX 团队，他们的工作绝对出色。Apple 也推出了 Fast VLM（快速视觉语言模型）。我想这些——Fast VM、ML Mobile Clip 以及他们发布的许多其他东西，将他们的排名从 C 提升到了 B。如果你想要关于 MLX 的视频，请告诉我。因为是的，这给了我一个深入挖掘它的借口。

接下来是 AIDC（阿里国际数字商业集团）。让我们看看这个团队，如果你不确定，他们构建了 Ovis VLM 的 GitHub。这些模型再次可以说是黑马。Ovis 2.5、OS 2，我知道当 Ovis 2 发布时，它是同类中最好的 VLM。在几乎所有基准测试中都优于 Qwen 2.5 7B，而且当我尝试使用时效果真的很好。但它尚未获得像 Qwen 模型那样的确切关注度，尽管在某种程度上与 Qwen 38B 相当。因此，向 Ovis 团队——即 AIDC AI（阿里国际数字商业集团）致以大大的谢意。

他们还发布了一个近期的模型，是 Ovisu，但总之，我总是喜欢关注 AIDC AI 的更新。接下来是 Mistral，当然也就是 STR（S-Tier）。他们是最初发布高性能 LLM 并使用 Apache 2.0 许可证的公司。在过去一个月左右的时间里，他们强势回归，在 2025 年底为我们带来了祝福。我们得到了 Mistral Large、MiniMistral 变体，这些都是高性能的多模态模型。因此，向 Mistral 团队致以大大的谢意。

非常感谢你们一整年的努力，也感谢你们成为首批倡导“人工智能应当是开放且强大”的公司之一，并采用 Apache 2.0 许可证。Mistral 团队在过去 12 个月里确实做了非常酷的工作。接下来是 Z.AI（智谱 AI）。如果按过去两个月的表现排名，他们会得到 S 级。但我将说他们在整个 2025 年是 A 级，不过最后两个月确实是 S 级。

如果你去 HuggingFace 查看模型，我们有 ZAI.org、Z-AI-Z-AI-Z-AI。在大约 20 个模型中，他们有六个位于前 20 名之列。我们有 GLM-4-V Flash、一个手机使用模型（图像文本到文本）、VLM 文本转语音。那里还有一个音频模型，自动语音识别。基本上涵盖了所有模态，Z.AI 团队提供了令人难以置信的模型。因此，非常感谢 Z.AI 团队在过去两个月的所有工作和杰出表现。

接下来是 Nvidia（英伟达）。当然，他们基本上每个月都会获得 S 级。Nvidia 发布了类似 Neotron 3 Nano 这样的模型，这是目前该重量级别的最先进产品，并且在吞吐量上也很快。但如果我们直接查看 Nvidia 的 HuggingFace 页面，所有这些集合在发布时基本上都是同类最佳。Nemotron V2、Parakeet 模型和 Canary 模型都非常出色，就在下面这里。

看看 Nvidia 现在有多少开源模型。说实话，Nvidia 曾有一段时间许可证让我感到困惑。Parakeet 模型用于语音识别，这些非常棒。Mamba Vision、Minitron、Radio 也是很好的模型，它们有点像 SigLIP 或 CLIP 模型。但 Nvidia 曾有一段时间许可证让我很头疼，每次我去看 Nvidia 的模型时……

他们最近通过发布如“Nvidia Open Model License”这样的许可证解决了这个问题。我去查看时发现它是开源的，但又是非商用的。这就像一个两难境地：如果是非商用，好吧，我可以在自己的数据上使用它。但这真的很麻烦（pain in the ass）。但现在，他们最近的发布使用的是 Nvidia 开源模型许可证，这使得操作容易得多。因此，向 Nvidia 团队致以大大的谢意，他们的发布绝对是 S 级。

接下来是 Tencent（腾讯）。Tencent 在 2025 年确实大幅提升了其 AI 开源输出。我要说他们可能处于 S 级水平，正在追赶像 Qwen 这样的公司。Tencent 团队的一些近期发布确实很好。但是可用性还稍显不足。当我尝试在 HuggingFace 上运行他们的几个模型时，基准测试确实存在，但可用性还差点意思。

像 Qwen 这样的模型通常在发布后一天内就能在大约 10 个不同的平台上运行。因此，向 Tencent 致以大大的谢意，你们进步很大。在 2025 年之前，我其实甚至没有注意到你们的任何动静。所以非常感谢你们付出的努力。这也是我给你们的建议：如果想在开源社区更加突出，一定要注重可用性。这大概是通用的建议吧？

发布一个高性能模型是一回事，让该模型可用则是另一门艺术。接下来是 Moonshot（月之暗面），他们发布了 Moonshot V3，这是对 Moonshot 2 的重大改进。但同样，我要给他们打 B 级。可用性再次稍显不足，当我将其与等效模型如 Qwen3 或甚至 Qwen2.5-VL-7B 进行比较时，Moonshot 模型在纸面上、基准测试中表现更好（我相信是 90 亿参数），但在实践中并没有完全符合那些基准。

所以要记住，是的，基准测试很适合快速浏览，但直到你在自己的问题上测试一个模型之前，它真的只是“纸面基准”。接下来是 ByteDance（字节跳动）。ByteDance 基本上也是，这家公司几乎每个月我都会给他们打 B 级。几乎每个月 HuggingFace 的首页上都有 ByteDance 的新内容。

我最喜欢的 ByteDance 模型是 SA2VA VL GitHub，它结合了 SAM 2（Segment Anything Too）与开源语言模型。这是我看到的第一个将两者结合的模型，你可以通过文本进行分割。我发现它在许多不同类型的数据源上开箱即用效果极佳。他们一直在缓慢升级这个仓库，当他们的第一个版本发布时，我认为它使用的是 Qwen2 作为骨干网络。

每当有新骨干网络推出时，他们都会将其添加到列表中。

所以，Quen 3VL、依次类推的3VL等等。如果你想尝试的话，去了解一下那个模型吧。Bite Dance的表现非常出色，我给它们打一个B分。它们在2026年拥有冲击A甚至S级的强劲潜力。接下来是微软，我不太清楚过去12个月里那里发生了什么，也许我给个B分。在过去几次发布中，它们推出了Fi系列，从FI 1、2、3到4。

F系列确实很棒，但说实话，我在2025年下半年没怎么看到它们的新动态。也许年初有一些东西发布？但每当我想到微软，我就去Hugging Face网站看看，基本上每天早上都去。所以我在顶部列表中看到微软的频率不如以前那么高了。当然，它们发布了很多开源项目，但我还是给它们在2025年打一个B分。

接下来是Gina（智谱）。同样，它们也会得到一个B分。它们是另一家经常发布极具实用性和高性能产品的公司。据我观察，Gina正逐渐成为语义数据库层。我的意思是，它们正在构建实用工具，例如嵌入搜索、视觉语言搜索以及针对现有数据库的语义搜索。

对于作为开源开发者的我来说，Gina的问题在于我知道作为一家公司发布此类产品非常困难。因为我几乎看到的它们发布的每一个模型都是非商业许可证。所以，当我作为开发者与合作伙伴合作或自己构建东西时，如果我看到这种情况，我基本上会觉得：“我想使用这个模型，但如果以后遇到麻烦……”

比如客户问我用的是什么模型，我说用了这个，而对方说：“我们要用于商业业务，我们不能用那个。”我往往会避开这种情况。我也理解在开源许可证下发布东西确实很难。我想中国公司倾向于将所有内容以Apache 2.0协议发布。这是真的吗？

我注意到西方公司通常像Meta那样，例如最近发布的视觉模型是非商业的。这是为了自保吗？还是中国公司根本不在乎？我不知道，也许吧。但还有像Mistral这样的公司，它们也发布Apache 2.0协议的模型。我们肯定在某处使用了相同的数据，对吧？大家都在抓取相同的互联网数据，不是吗？我不知道。

那么接下来是谁呢？这个标志有点被遮住了哦，好的，OpenAI。我本该把它放在白色背景上的。也许这是有原因的，你懂的。我要给OpenAI打一个C分。因为名字里有“OSS”（开源）。在GPT OSS之前，它们会得到一个硬F。

因为是的，OpenAI是现代人工智能的代表面孔，但如果你从2017年就开始关注并记得那篇关于“情感神经元”的论文——那是我读过的最早的人工智能论文之一——那么在开源领域，过去几年OpenAI有点让人失望。请记住，这里严格聚焦于开源；如果是针对商业产品，它们会是S级。

但我们给它们打C分，因为它们似乎发布了GPT OSS 20B和12B模型，感觉像是“哦，我们不得不这么做，不是吗？”对我来说就是这种感觉。不过这些模型确实性能很好。客观来说它们很棒，我喜欢它们，但周围的情绪我不确定。

感觉就像是“我想我们不得不这样做”。但从客观角度来看，根据我的经验，这些模型相当不错。它们是我看到的原生支持MX4 P或MX4 FP4（即使用浮点4精度或int4精度）的最早一批模型之一。这让我这个习惯于运行float 16精度的资深人士有点困惑。

那个20B模型，我想：“哇，这个20B模型在拥有24GB显存的RTX 4090上甚至无法使用。”但后来它可以在上面运行，因为它们使用了int4精度。或者实际上不，RTX 4090不能以四精度运行（注：此处原文口误或指代特定量化支持问题）。所以你需要5090或者H100。好吧，我有点跑题了。

OpenAI得到C分。它们达到了开源模型的标准。当然，它们绝对可以改进这个评级，甚至达到A或S级。如果他们说：“好吧，我们要升级GPT OSS，使其参数量从3B扩展到120B。你不需要超过120B，然后使其具备多模态能力。”我想它们大概会是S级吧？但让我们给它们C分。

今年它们通过了门槛。OpenAI，很期待看到你们的开源工作。接下来是Mettan（推测为Meta或特定公司名，按音译）。我相信这是它的发音。它们会得到一个B分，因为它们的近期模型再次出现在我的主页huggingface.com或.co/models上。

在过去几个月里，我看到它们有一个模型在Hugging Face的首页排名靠前，大概是过去6个月。所以如果我们去看看它们的页面，它们发布开源产品的时间相对较短，但它们发布的每一款作品都非常出色。

那是一个562B参数的模型，于9月发布。天哪，已经4个月了。它的表现与DeepSeek V3.1和Kimmy K2相当，后者也是杰出的开源模型。所以Mettan（音译），我相信我发音正确？如果不，请在评论区纠正我。B分。感谢你们所有的努力。

接下来是IBM，它们将获得A级评价。从Granite 1的首次发布开始观察IBM Granite系列一直非常出色，当时我想：“好吧，我们有了自己的LLM或SLM（小型语言模型）。”我目前倾向于使用它，并且非常喜欢微调小型语言模型以执行特定任务的能力。

一直到4.0系列，我们现在进入了这样一个领域：这是一个在商业环境中真正可用的模型。我认为这就是基准或大致范围——GPT直到4.0版本才变得真正可用。所以我们需要第四版或第四次迭代，这也是许多模型制造商的趋势。

开源变体的第三或第四个版本确实相当不错，非常棒。例如Mini Straw 3（推测为Mistral或其他），它们是杰出的模型，但IBM今年表现出色。非常感谢你们今年的努力。接下来是Black Forest Labs（黑森林实验室），它们将获得一个……

来自 Stable Diffusion 的模型。当 Stable Diffusion 发布其开源模型时，那是具有开创性的，对吧？图像生成曾经是一个行不通的技术，而他们让它实现了。所以这大概是我名单上漏掉的人或公司，比如 Able to Fusion，但我今年确实没怎么看到 Stability AI 在开源工作方面做了什么。如果我漏掉了什么，请在下方评论区留言。非常感谢稳定性.ai（Stability AI）团队，他们是节目的老朋友。

不过我们还有 Black Forest Labs 在 S 级行列中。嗯，别跳过他们。Flux 模型发布时，它们仍然经常占据首页。Flux One 模型在 Hugging Face 的模型页面封面上，但现在两个新模型已经发布，而且我相信这两个开源版本与 Nano Banana 相当，虽然还不及 Nano Banana Pro。那可能是刚刚发布的付费 API 版本 Flux 2 Max。Black Forest Labs 在图像生成领域做出了杰出的工作，而许多其他公司都在专注于大语言模型。这大概是我个人最喜欢的图像生成项目了。

接下来是 Google。Google 将获得 A 级或 S 级。我是说，如果 Meta 获得 S 级，Google 基本上也得是 S 级。我的意思是，每次 Google 在 huggingface.co/models 页面发布模型时，在过去12个月里，它在其类别中可能都是最好的。我们有 SigLIP 2、Gemma 3、嵌入式的 Gemma，还有 Gemma 3270m（实际上这是我个人在一个使用小型大语言模型的项目中使用的模型）。

还有时间序列 FM、可以在移动设备上运行的较小 Gemma 模型以及 MedGemma。基本上，在过去12个月里，Google 每次发布开源内容都表现出色。我迫不及待想看看 Gemma 4 会带来什么惊喜。所以，Google，谢谢你们。而且即使在非开源方面，Google 在2025年也表现得绝对出色。

每次发布基本上都在说：“是的，我们现在是黄金标准。”所以 Google 在2025年实现了巨大的回归。接下来是 DeepSeek，它当然也必须获得 S 级。嗯，我记得去年这个时候，DeepSeek V3（或者 DeepSync R1）发布时，感觉对所有美国大型 AI 公司来说都是红色警报。DeepSeek 似乎要接管一切了。

不，他们所做的其实是给所有人一记鞭策，仿佛在说：“嘿，我们可以发布杰出的模型。嘿，美国公司们，我们是一家中国公司，正在推出与你们一样好的东西，并且我们会把它放在 Hugging Face 上，让每个人都能下载并开始使用。”然后发生了什么？这引发了一场美国公司纷纷发布开源模型的雪崩效应。

作为一个消费者，我就坐在那里舔着嘴唇心想：“这太不可思议了。”对于2025年来说，简直就是模型雨。这就是我能描述它的唯一方式——真的是下着模型的雨。当人们说“哦，AI 竞赛，这一切的竞赛”时，我总喜欢暗自窃笑。因为对我来说，

AI 竞赛只是我在 Hugging Face 上看着模型点赞数上升以及获得各种好评的过程。这对消费者来说真是一个巨大的祝福。嗯，所以在我看来，我认为永远不会有一个单一的赢家。在任何阶段看，这些公司中的任何一家都曾拥有皇冠头衔。所以对我来说，这是健康的竞争。是的，

确实有一场竞赛，但它很有趣。它不是出于恶意，我就是这么看待它的。嗯，所以 DeepSeek 是 S 级，而且他们发表的研究论文也是如此。大约有十几篇研究论文让你可以从中汲取灵感并感叹“哇”。关于 DeepSeek 的 OCR 论文，他们研究的是图像压缩。

为了在 LLM（大语言模型）的上下文窗口中存储大量内容，你可以将其压缩到图像空间而不是令牌（token）空间。因为图像的压缩方式可以存储更多信息。嗯，我觉得这非常迷人，这也是我希望 OpenAI 也能发表的研究类型。我记得他们过去常发表的正是这种研究：“看，我们发现了这个很酷的东西，我们要把它写进一篇每个人都能阅读的文章中。”

我认为 DeepSeek 最近基本上取代了 OpenAI 的角色。最后，压轴出场但绝非最不重要的一位，再次在 S 级和 A+ 级之间摇摆不定的是来自月之暗面（Moonshot AI）的 Kimi K2。>> [发出嗤笑声] >> 我要说，如果你有过

一款最先进的开源模型——我相信 Kimi K2 在发布时在其规模和可用性方面是最先进的，并且在多个基准测试中作为开源模型可能仍然是最先进的——如果你拥有过一款在其类别中最顶尖的先进开源模型，那你基本上需要给它 S 级。所以就这样吧。嗯，这里可能还漏掉了一些

公司。也许我想起来了 InternLM（书生·浦语）。所以我绝对给他们……嗯，我觉得那是 opengm 之类的。我会把他们 PS 到这里。他们肯定会得到 A+ 级，因为他们有 InternVL 系列。但这就是我对2025年最佳开源模型公司的评级了。当然，这完全是我个人的主观看法，基于我自己的

所见、所用、喜好以及日常构建的内容。现在我们要颁发那个备受瞩目的奖项了。我本来应该为年度模型、开源年度模型准备一个小奖杯的。而现在，这非常带有偏见。再次强调，这是基于我个人喜欢使用且几乎每天都在使用的模型。所以，让我们来个小小的鼓掌声吧。

年度最佳模型是并列的。我知道我在 Quen 3 VL8B（我的最爱）和来自 Alan AI 的 Malmo 2 之间犹豫不决。Malmo 2 是这场竞赛中非常晚的参赛者。我想它大概是在3天前才发布的？为什么选它呢？因为根据我过去几天的使用体验，Momo 28B（注：此处口误或指代 Malmo）简直不可思议。

而且它不仅引入了一个全新的问题集，它不仅仅提供权重（weights），还附带了数据集。但它在指代方面非常出色，这在某种程度上是一个全新的概念——虽然不完全是全新，但在过去的一年左右的时间里是非常新的。在图像和视频中进行指代（pointing）。如果我们正在构建开源的 AI 模型，

这些模型将要与世界互动，想象一下作为人类的情况。比如能够

在视野中精准定位某个物体是一项极其有用的任务。因此，我要特别感谢 Alan AI 团队，他们在创建这一基准和任务方面付出了巨大努力。当然，该模型是基于 Qwen 3 LLM（而非 VLM-8B）构建的。而我最喜欢的非大语言模型年度作品是另一个压轴登场者——SigLIP 2。因为即便在我使用 SigLIP 2 之前，SigLIP 1 可能就已经是我当时最喜欢的模型了。

随后我们还有 SAM 3、SAM Audio 等，名单还在继续延伸，项目实在太多了。最后，我们有一些特别提及的奖项。这些模型不在等级列表之中，但我想借此机会感谢那些在 2025 年辛勤工作的人们。他们的工作并未被忽视，那就是 MV Noyen（希望我念对了名字），她是 Hugging Face 上的开源代表。如果你关注过 Hugging Face，你可能在 LinkedIn 上见过 MV 的身影。她在分享开源 AI 社区的卓越成果方面做得非常出色，因此我要向 MV 致以特别的感谢。

我们之前已经提过 MLX 团队，他们正掀起巨大浪潮，致力于让所有 Apple 设备在本地运行 AI 时表现更佳。这难道不是理所当然的吗？毕竟并非每个人都能拥有专用的 NVIDIA GPU。因此，如果我们能让现有设备在运行 AI 时表现更好，这是一件了不起的事情。我们还提到了 OpenCLIP 库，它基本上能在几天内集成任何新的 CLIP 风格模型（无论是 SigLIP 还是 Perceiver Encoder），并使其易于使用。

最后，我们还有 TIM（Torch Image Models）库。该库中包含超过一千个图像模型骨干网络。我相信，每当有新的骨干网推出或我需要创建小型图像模型时，我现在基本上都会使用 TIM。这里有一些特别提及的内容。如果我的圣诞祝福要倒下了（注：此处为口语化表达，意指语速快或情绪激动），请在下方留言。

如果有任何我遗漏的模型或公司，请告诉我。你今年最喜欢的模型和公司是什么？我要向所有在此被提及的人致以特别的感谢。作为一名开源 AI 开发者或使用开源 AI 模型的用户，这一年真是令人难以置信的一年。因此，我对 2026 年充满期待。圣诞快乐，新年快乐，我们很快再见。