阿里巴巴与 Google 的模型竞赛逆转：Qwen 下载量突破 30 亿

据报道，阿里巴巴在六个月内录得超过 30 亿次 Qwen 下载量，在开放模型市场上超过了 Google 和 Meta。如今，阿里巴巴与 Google 的对比呈现出显著逆转：一家中国科技公司已成为这一领域的分发领军者，而这个领域曾长期由美国实验室主导。

根据 Bloomberg 的报道，Google 在统计期内录得 4.18 亿次模型下载，Meta 为 2.27 亿次。尽管不同代码库和模型家族的下载统计方式有所不同，这些数字仍显示两家公司明显落后于阿里巴巴。

这一结果并不能证明 Qwen 拥有最多用户、最高收入或最多生产环境部署。但它确实表明，开发者正以无可匹敌的速度拉取、改造并再分发阿里巴巴的模型。这一变化给 Meta 的 Llama 战略和 Google 的 Gemma 系列带来压力，同时也巩固了阿里巴巴在全球开发者市场中的地位。

阿里巴巴 30 亿下载量领先，改写了排行榜

阿里巴巴已将模型分发转化为一项可衡量的优势，尽管下载量仍是不完美的真实采用度指标。

报道称，这一总量涵盖阿里巴巴过去六个月的开放权重模型。开放权重意味着开发者可以下载运行或修改模型所需的已训练参数。但这并不总是意味着训练数据、代码和每一项开发细节都对外公开。

这一区别很重要，因为公众常常将开放权重与开源 AI 视为同义词。Open Source AI Definition 要求更广泛的访问权限，包括足以研究和修改系统的信息。许多广泛分发的模型提供了权重，却未满足该标准的全部要求。

即使按照较狭义的开放权重定义，Qwen 的分发速度也颇为惊人。30 亿次下载相当于 Google 报告总量的八倍以上，也是 Meta 的 13 倍以上。考虑到 Meta 凭借 Llama 更早进入市场，这一规模尤其值得注意。

Meta 于 2023 年 2 月推出最初的 Llama 研究模型。阿里巴巴则在当年晚些时候开始发布 Qwen 模型。到 2024 年 12 月，Meta 表示 Llama 及其衍生版本的下载量已超过 6.5 亿次。

随后，Meta 宣布 Llama 到 2025 年 4 月已突破 10 亿次下载。其当前开放 AI 页面显示，累计下载量已超过 12 亿次。这些数字覆盖的时间跨度更长，因此无法与 Bloomberg 的六个月快照直接比较。

阿里巴巴自身的里程碑显示了格局变化之快。2025 年 4 月 Qwen3 发布时，阿里巴巴称该模型家族下载量已超过 3 亿次。公司还表示，开发者已在 Hugging Face 上创建超过 10 万个 Qwen 衍生模型。

根据阿里巴巴后续的财务披露，2026 年 1 月，Qwen 在 Hugging Face 上的累计下载量突破 10 亿次。据报道，六个月内跃升至 30 亿次，表明在 Qwen3.5 和后续版本扩充模型家族后，采用速度有所加快。

下载行为可能来自开发者、自动化部署系统、云端缓存、研究流水线或重复更新。一个开发者可以产生多次下载；一项生产服务也可以重复利用缓存模型，而不会产生新的下载记录。

因此，这一总量并不代表 30 亿人。它反映的是分发层面的活跃度。这种活跃度之所以重要，是因为当开发者反复测试、打包模型，并围绕其构建兼容软件时，模型便会获得影响力。

一次下载可能转化为量化版本，即通过压缩模型以降低本地运行成本。它也可能成为针对特定任务训练的微调模型。每一次改造，都会让另一位开发者更容易采用原始模型家族。

这种乘数效应有助于解释，为何一个模型家族的增长速度可能快于其直接代码库总量所显示的水平。受欢迎的基础模型会催生衍生版本、部署模板、评测结果和社区支持。这些资产降低了下一个项目所需的工作量。

这也改变了本文的核心问题。问题已不再是阿里巴巴能否在开放模型领域与 Meta 和 Google 并肩，而是这两家美国公司能否匹配阿里巴巴的发布广度与下游开发活跃度。

阿里巴巴与 Google 的差距为何迅速拉大

Qwen 的增长源于阿里巴巴提供了多种模型规模、模态和部署选项，而非依赖单一旗舰版本。

阿里巴巴已发布面向通用语言任务、编程、推理、图像、音频、视频和多模态应用的 Qwen 变体。这种广度让开发者可以在不同使用场景之间切换，同时留在同一模型家族中。

Qwen3 在 2025 年 4 月确立了这一模式。该版本包括六个稠密模型，即每个参数都会参与计算，参数规模从 6 亿到 320 亿不等；还包括两个混合专家模型。

混合专家模型每次请求只激活网络中的一部分。该方法可以在不为每个 token 使用全部参数的情况下提供更高的总容量。若实现高效，这种结构可降低推理需求。

阿里巴巴的 Qwen3 发布公告 提供了总参数量为 300 亿和 2350 亿的模型，分别激活 30 亿和 220 亿参数。该模型家族支持 119 种语言和方言。

阿里巴巴还为 Qwen3 提供了两种运行模式。思考模式会为多步骤推理投入更多计算资源；非思考模式则优先为一般请求提供更快响应。开发者无需更换模型家族，即可在这两种行为之间选择。

后续版本将这一战略扩展到文本之外。Qwen3.5 将文本、图像和视频理解能力与面向智能体的功能结合。阿里巴巴表示，旗舰模型能够分析最长两小时的视频，并与计算机界面交互。

该公司还强调了小型模型和高效推理。这一点很重要，因为多数组织无法为每个 AI 应用投入大型集群。它们需要能在可预测的延迟、内存和运营约束内运行的模型。

Qwen 模型分布在 Hugging Face、GitHub、阿里巴巴的 ModelScope 平台和 Alibaba Cloud Model Studio 上。这一组合同时服务于自托管开发者，以及偏好托管式应用程序编程接口的客户。

ModelScope 增加了另一条分发渠道，尤其面向中国开发者。Hugging Face 仍是核心的全球模型代码库。通过两个平台发布，Qwen 扩大了触达范围，也降低了对单一社区的依赖。

Google 也通过 Gemma 采取了类似方式，提供专为定制和本地部署设计的轻量模型。其分发覆盖面依然可观。报告中的 4.18 亿次下载量证实，开发者仍在大规模使用 Google 的开放模型。

不过，Google 的开放模型定位与其更庞大的 Gemini 业务形成竞争。Gemini 主要通过托管产品和云服务分发。Gemma 服务于需要可下载权重的开发者，但它并非 Google 进入市场的唯一途径。

这种分流可能削弱公众叙事的清晰度。评估 Google 的开发者必须在 Gemini API、Gemma 权重、专用模型和各类部署产品之间做出选择。Qwen 则越来越将自己呈现为一个同时覆盖可下载与托管使用场景的广泛模型家族。

因此，关键词层面的阿里巴巴与 Google 之争掩盖了产品组合结构上的差异。Google 将开放模型作为更大 AI 平台的一部分；阿里巴巴则将开放权重分发作为推动开发者采用和云服务需求的核心路径。

阿里巴巴可以免费提供权重，同时从推理、微调、存储和部署中寻求收入。起初在本地使用的开发者，日后可将工作负载迁移至 Model Studio。开放发布由此成为 Alibaba Cloud 的获客渠道。

这一战略类似 Meta 最初对 Llama 的逻辑。Meta 可以削弱那些出售专有模型访问权限的竞争对手，同时受益于社区改进。如今，阿里巴巴似乎正在捕捉更多这种社区动能。

时机也有利于 Qwen。开发者越来越希望在自有基础设施上运行模型。数据控制、延迟、区域可用性和可预测的部署成本，已成为切实的采购考量。

构建私有助手的团队，可能会将可下载模型与可搜索知识库结合。这种设计让检索数据处于组织控制之下，同时允许模型层随时调整。

Qwen 的广度让此类实验更为容易。开发者可以先在工作站上测试小型模型，再评估更大的变体，随后使用托管端点。每次测试都可能带来新的下载记录，但并不保证形成商业部署。

这一限定并未抹去分发优势，反而解释了其背后的机制。阿里巴巴以足够多的形式提供 Qwen，使下载 Qwen 模型成为许多不同 AI 工作流中的常见步骤。

Qwen 逆转了 Meta 的开放模型优势

真正的逆转并非阿里巴巴超过 Google，而是 Qwen 从 Meta 的 Llama 生态系统手中夺走了分发领先地位。

Meta 多年来一直将 Llama 打造成可下载大型语言模型的默认参照。公司获得了云服务商、芯片制造商、软件供应商和企业平台的支持。这一网络帮助开发者几乎可以在任何地方运行 Llama。

2024 年 12 月，Meta 表示 Llama 及其衍生版本的下载量已超过 6.5 亿次，且这一总量在三个月内翻了一倍。Meta 还将许可证申请和合作伙伴需求视为采用范围扩大的证据。

到 2025 年 4 月，该公司下载量已突破 10 亿次。Meta 在 LlamaCon 上展示了这一里程碑，同时预览了其 Llama API。该 API 试图将托管服务的便利性与开放模型相关的灵活性结合起来。

Meta 仍在其开放 AI 网站上报告 12 亿次下载量。公司还重点展示了其在医疗保健、新闻、求职和科学研究中的应用。这些案例表明，Llama 依然拥有重要的机构采用度。

然而，Bloomberg 报道的六个月对比显示，Meta 的下载量为 2.27 亿次。若采用一致的统计口径，在该时间窗口内，Qwen 每获得一次 Llama 下载，便对应超过 13 次 Qwen 下载。这意味着相对发展动能出现重大流失。

这一差距并不意味着 Llama 已停止运行，或从生产环境中消失。既有部署可在不产生新下载的情况下持续活跃。成熟的软件通常比快速扩张的模型家族产生更少可见的代码库活动。

不过，模型生态系统竞争的既是下一项目，也是既有工作负载。开发者往往会重复使用熟悉的格式、工具和评测实践。Qwen 实验热潮可能影响未来的基础设施决策。

社区衍生版本进一步放大了这一效应。开发者经常将模型压缩为低精度格式、针对特定领域进行微调，或为消费级硬件优化。这些项目扩大了可访问入口的数量。

一项针对 Hugging Face 生态系统的独立研究，在最新里程碑出现之前就记录了这一更广泛的变化。其开放模型研究考察了截至 2025 年 8 月的 85.1 万个模型和 22 亿次下载。

研究人员发现，Google、Meta 和 OpenAI 的合计影响力已从早先的峰值回落。他们还发现，中国开发者在 2025 年获得了显著的下载份额增长。DeepSeek 和 Qwen 引领了这一变化。

在该研究最新的年度统计期内，中国的份额达到 17.1%。美国占 15.7%。DeepSeek 和 Qwen 合计占据了近期下载量的 14%。

这些数字早于最新报道的 30 亿总下载量。它们表明，Alibaba 的崛起并非某一周的异常现象。开发者的注意力早已开始转向中国开放权重模型家族。

该研究还发现了一个不断壮大的中间层。社区开发者越来越多地对主流模型进行适配、量化和重新打包。这些中间方能够决定哪些模型在特定设备和推理系统上更易于使用。

Qwen 受益于这一层生态。一旦模型获得足够多的社区关注，每次官方发布都会催生适用于不同硬件和软件的非官方版本。这种可用性会吸引更多用户，继而催生更多工具和变体。

因此，Meta 面临一个战略问题。它可以加快发布节奏、扩展 Llama 的模型范围、改善许可条款，或将重心放在托管服务和 Meta AI 上。每一种选择都会改变其开放模型承诺的含义。

若要逐次发布都与 Alibaba 匹敌，Meta 需要持续投入研究和工程资源。Meta 无疑拥有这些资源。更棘手的问题在于，开放权重领域的领导地位是否仍是其业务优先事项的核心。

Alibaba 缺少退缩的理由。Qwen 可以支持云业务增长、国内平台需求、国际开发者认知，以及 Alibaba 自身的应用。同一笔模型投资服务于多项战略目标。

Google 面临类似选择，但它并非这次逆转中的主要对手。其 Gemini 产品为它提供了强大的专有渠道。Meta 则更多地围绕 Llama 的开放分发领导地位来构建其面向开发者的论述。

因此，Qwen 的崛起挑战了一项具体承诺：Meta 的先发优势和合作伙伴网络将使 Llama 成为开放 AI 的长期中心。下载数据如今表明，至少就当前模型活动而言，这一中心已经转移。

30 亿次下载并不能证明什么

这个数字衡量的是分发活动，而非独立用户数、应用质量、安全性、收入或长期生产采用情况。

Hugging Face 的下载量通常被视作软件安装总量。这种类比很诱人，但并不完整。模型文件是大型资产，自动化系统可能在测试、部署和缓存刷新期间反复请求这些文件。

不同仓库也可能采用不同的计数规则。一个模型家族可能包含官方检查点、社区衍生版本、量化副本和特定任务适配版本。汇总这些类别可能产生非常庞大的总量。

Bloomberg 将这项六个月对比归因于一份 Hugging Face 开放模型状况报告。因此，这些头条数字应被视为平台层面的衡量指标，而不应被换算为关于独立开发者数量的说法。

这项独立开放模型研究还采取了额外措施，对内部下载数据进行去重。其作者指出，公开仪表盘得出的结果略有不同，因为公开计数器的精确度较低。

这一方法论警告很重要。Alibaba 报告中的领先幅度过大，不能简单视为细微的计数差异。不过，Qwen、Google 和 Meta 之间的确切比例取决于一致的定义。

该对比也未衡量通过私有云或托管 API 的使用情况。一家公司可以通过专有端点处理数十亿次请求，而不会产生公开模型下载。Google 的 Gemini 业务便说明了这一局限。

同样，Meta 可以在 Facebook、Instagram、WhatsApp 及其硬件产品中运行 Llama，而不会产生 Hugging Face 下载事件。Alibaba 也可以在相同条件下将 Qwen 运行于自有服务中。

因此，下载量领先描述的是开放分发市场，而非整个 AI 市场。尽管主要通过托管服务分发领先模型，OpenAI 和 Anthropic 依然具有影响力。它们未居下载榜首，并不能说明 API 需求不高。

性能则是另一个独立问题。模型可能因为体积小、新颖、兼容性好，或许可条款有利而吸引下载。这些条件都不能保证其在每项任务上都具有更高准确性。

Alibaba 会发布 Qwen 各版本的基准测试结果，但公司基准测试需要独立复现。测试数据污染、提示词选择、硬件设置和评估设计都可能改变排名。生产环境表现取决于每个应用的数据和约束条件。

许可同样值得关注。许多 Qwen 版本使用 Apache 2.0 许可证，允许广泛修改和商业使用。更大生态系统中的其他模型可能附带不同限制。

开发者必须核实计划部署的确切检查点所适用的许可证。他们还必须评估数据治理、出口管制、安全要求和特定行业规则。热门模型并不会自动适用于受监管的工作负载。

透明度仍是整个行业更广泛的关切。开放模型研究发现，披露训练数据信息的已下载模型比例，从 2022 年的 79.3% 降至 2025 年的 39%。

研究人员得出结论，开放权重模型的下载量已经超过符合更完整开源标准的模型下载量。这一发现使“模型可用性提升必然带来更高透明度”的说法变得复杂。

权重允许检查、修改和本地运行，但并不会揭示每一个训练来源或过滤决策。组织仍需针对偏见、隐私泄露、不安全行为和对恶意提示的脆弱性进行评估。

安全团队也应谨慎对待社区衍生版本。非官方量化版本或微调版本可能与原始检查点不同。其创建者可能修改配置文件、嵌入代码或模型行为。

官方仓库可以降低部分供应链风险，但无法消除模型层面的风险。在允许模型接触敏感系统之前，企业需要进行校验和验证、保留来源记录、采用受控加载流程，并完成内部评估。

对 Alibaba 而言，商业转化仍是最大的未解问题。下载带来关注度和潜在云客户，但并不能显示 Alibaba 从这些用户身上获得了多少收入。

Alibaba 报告称，在 AI 投资的推动下，其云业务动能有所增强。其 2026 财年披露显示，Alibaba Cloud 收入增速在最后一个季度达到 40%。同期，AI 相关产品占云收入的 30%。

这些业务数据支持这样一种观点：AI 需求正在促进云业务增长。但它们并未单独说明其中有多少收入来自最初下载 Qwen 的开发者。若能证明这种联系，将更清楚地验证 Alibaba 的分发策略。

因此，审慎的解读很直接：Qwen 赢得了一项重要的开发者活动指标，但该指标无法决定更广泛的市场竞争。与持久的经济价值相比，它更直接衡量的是关注度和生态系统活跃度。

这种不确定性应当影响企业的应对方式。团队不应仅因为 30 亿听起来具有决定性就选择 Qwen。它们应将 Qwen 纳入评估，因为其周边工具、部署选项和社区知识已变得难以忽视。

Alibaba 与 Google 的 AI 竞争接下来会怎样

下一阶段将取决于持续的下载份额、有竞争力的发布，以及 Alibaba 将社区使用转化为云需求的能力。

第一个信号是当前发布周期稳定后 Qwen 的下载份额。新模型往往会在开发者测试检查点、自动化服务获取文件时形成短期激增。持续领先才更有分量。

关注官方仓库和主要衍生版本中 Qwen 的月度总量。使用相同时间窗口与 Google Gemma 和 Meta Llama 进行比较。稳定领先将强化这样一种判断：开发者已改变其默认模型家族。

若出现急剧下滑，这一结论就会被削弱。这将表明，30 亿这一数字反映的是异常活跃的发布期。对于软件供应商而言，持久的平台转变与暂时性激增之间的区别至关重要。

第二个信号是 Meta 和 Google 的回应。Meta 下一次发布 Llama 将表明它是否仍寻求开放权重领域的领导地位。模型规模、许可条款、部署效率和发布时间都会影响开发者的关注。

一个覆盖范围更广、且更易于本地部署的 Llama 家族将直接挑战 Qwen。若更强调托管的 Meta 服务，则表明 Meta 更看重消费者分发，而非仓库层面的领导地位。

Google 的回应将揭示其如何平衡 Gemma 与 Gemini。更多 Gemma 尺寸和专用变体将缩小 Alibaba 的产品组合优势。有限的投入会让 Qwen 在自托管开发者中拥有更多空间。

Google 无需在下载量上击败 Qwen，也能维持强大的 AI 业务。但如果它希望影响开放部署标准，就需要一个可信的可下载模型家族。这正是 Alibaba 与 Google 竞争的重要断层线。

第三个信号是 Alibaba Cloud 的商业转化。未来的财报应显示，AI 相关云收入是否会随着 Qwen 分发同步持续增长。客户案例和国际采用情况将提供额外证据。

如果云需求上升，同时 Qwen 仍保持下载量领先，Alibaba 的战略将显得协调一致。免费权重将为付费基础设施、托管推理和企业服务带来需求。

如果下载增长却没有带来相关云需求，Qwen 仍可能塑造技术标准。然而，Alibaba 将在补贴一个直接回报有限的生态系统。这种结果最终可能考验该公司的发布承诺。

开发者还应关注官方发布与社区衍生版本之间的平衡。健康的生态系统会产生工具、优化和专用模型，同时不破坏兼容性。过度碎片化会使质量和安全更难评估。

企业采购方应专注于可复现的评估。针对相同任务、数据政策、延迟目标和硬件测试 Qwen、Llama、Gemma 以及托管替代方案。仓库热度应决定哪些模型进入测试，而非自动决定谁胜出。

知识工作者将间接受到影响。更多可下载模型意味着更多私有助手、本地转录工具、编程系统和文档应用。即使用户自己从不下载检查点，竞争也能改善选择空间。

这一已报道的里程碑已经改变了一项假设。美国公司不再在全球开放模型分发中拥有天然优势。Alibaba 已建立足够丰富的模型多样性和开发者动能，从而取得领先。

如今，对 Alibaba 与 Google 的比较必须超越头条本身。Qwen 能否在发布热度消退后保持其份额？Meta 和 Google 会否以更强劲的开放发布作出回应？Alibaba 能否将社区活跃度转化为可持续的云业务？

这三个信号将决定，30 亿次下载究竟意味着影响力的长期转移，还是一个波动市场中的戏剧性时刻。目前，开发者应将 Qwen 视为领先的平台，同时根据自身工作负载验证每一项说法。