HF热榜盘点：DeepSeek-V4.1-Flash登顶，端侧与本地部署全面爆发

开源模型的竞争节奏正在加速。Hugging Face 模型总数已突破 301 万，8 月初刚跨过 300 万大关，短时间内又新增百万级模型托管，这个数字本身就说明了社区活跃度。而这份基于真实 API trending 返回的热榜，比人工挑选的榜单更能反映一线开发者的选择——前十里国产模型占了大半，从旗舰 MoE 到端侧小模型再到本地量化版，几乎覆盖了所有算力档位。

本文根据 B 站 UP 主「硬核AI实战派」的热榜盘点，梳理当前 Hugging Face 上最受关注的几个开源模型，并分析背后的三条明显趋势。

旗舰回归：DeepSeek-V4.1-Flash 登顶

榜首是刚刚发布的 DeepSeek-V4.1-Flash，凭 75.8K 日下载、1.69K 赞直接登顶。它的技术画像很清晰：552B 参数的 MoE 骨干，但激活参数只有 8B、输出时 16B，这意味着推理速度飞快而部署成本可控。

更关键的是它采用 MIT 协议完全开源，并原生支持多模态视觉，上下文长度做到 100 万 Token。官方口径称其性能超过 V4 Pro，但输出价格只有对方的七成。成本优化的核心在于 KV 缓存被压到每 Token 890 字节，仅为 V4 Flash 的四分之一——对本地部署和长上下文场景来说，这直接决定了显存能否撑得住。

把性能、成本、速度三者同时拉满，再叠加宽松的开源协议，是它能快速登顶的根本原因。对本地部署党而言，一个 8B 激活、MIT 授权的多模态旗舰，几乎是理想配置。

MoE（Mixture of Experts，混合专家架构）是理解这类模型参数数字的关键。传统密集模型每次前向推理都会激活全部参数，而 MoE 模型将参数分成若干「专家」子网络，每次推理由路由层动态选择其中少数几个专家处理输入。DeepSeek-V4.1-Flash 总参数 552B，但每次推理仅激活约 8B（生成时为 16B），这意味着其算力消耗与一个 8B 密集模型相当，却能调用 552B 参数所储存的知识容量。KV 缓存（Key-Value Cache）则是 Transformer 推理加速的核心机制：在生成长文本时，模型会缓存每一层的注意力键值对以避免重复计算，缓存大小与上下文长度和层数成正比。将 KV 缓存压缩至 890 字节/Token，意味着 100 万 Token 的超长上下文在显存中的占用从数十 GB 降至可接受范围，这对本地多卡部署或云端长上下文应用具有决定性意义。

端侧爆发：MiniCPM5 与 Qwen3.8 抢占落地场景

榜单第二是面壁智能的 MiniCPM5 2B，67.6K 日下载、1.17K 赞。作为 MiniCPM5 系列第二代密集模型，它主打端侧和边缘部署，128K 上下文，支持 Think/No-Think 双推理模式和原生工具调用，采用 Llama 标准架构，可被 vLLM 原生加载，单卡 TP=1 即可运行。

2B 这个体量能在编程、数学、长上下文和 Agent 任务上做到 SOTA，本身就是一个信号：端侧小模型不再只是玩具，2B 也能扛 Agent 任务，本地部署门槛正在快速下降。

占据下载量榜首的是 Qwen3.8 27B，756 万日下载、14.7K 赞，是全场下载量最高的模型。它支持 Image-Text-to-Text 多模态、中英双语，工具调用与结构化输出都很稳定。27B 这个档位在 16G 显卡量化后正好能跑，被称为本地部署的「性价比甜点」。Qwen3.8 从 Flash 到 27B 采用同一架构覆盖所有算力档，是它能形成规模化下载的关键。

本地部署真命天子：Qwen3.8 27B GGUF 量化版

如果说 Qwen3.8 原版是甜点，那么 Unsloth 提供的 Qwen3.8 27B GGUF 量化版就是本地部署党的真命天子——1133 万日下载、3.88K 赞，是量化版里下载量最高的。

量化成 GGUF 后，16G 显卡就能轻松跑起来，llama.cpp 可直接加载，从 4bit 到 8bit 多档可选，显存不够就往低档降。这种「拿来即用」的可运行版本，比理论性能更能打动实际动手部署的用户。热榜上原版和量化版同时高居前列，说明社区对 Qwen3.8 的需求横跨云端与本地两端。

GGUF（GPT-Generated Unified Format）是由 llama.cpp 项目引入的模型文件格式，专为本地 CPU/GPU 混合推理设计。它的前身是 GGML 格式，GGUF 在元数据管理、量化方案描述和跨平台兼容性上做了系统性改进。量化（Quantization）指将模型权重从 FP16/BF16 等浮点格式压缩为 INT8、INT4 甚至 INT2 等低精度整数表示，以牺牲少量精度换取显存占用和计算量的大幅下降。4bit 量化通常能将模型体积压缩至原始的约四分之一，27B 模型经过 4bit 量化后体积约 14-16GB，正好卡在消费级 16GB 显卡的承载上限。llama.cpp 支持显存不足时自动将部分层卸载至内存甚至硬盘（称为 offloading），进一步降低了硬件门槛，这是 GGUF 量化版在本地部署社区获得压倒性下载量的根本原因。

Agent 与视频生成：两条新兴赛道

榜单第四是上海创新研究院 NextAGI 的 NextN 2.5，一款 397B MoE、激活 17B 的 Agent 模型，专为计算机操作打造：读屏幕、点浏览器、看结果、自我纠正，262K 上下文，采用 Apache 2.0 协议，OS World 成绩达到 56.4（官方口径）。

需要提醒的是，它的权重目前还标着 Coming soon，只有免费托管端点可调用，等权重实际落地后还需在更广泛场景验证——这是单一来源信息，实际表现有待观察。

视频生成方面，Lightricks 的 LTX 2.5 以 167 万日下载、3.44K 赞上榜，是开源图生视频里最稳的选择之一，可直接接入 ComfyUI 工作流，适合做产品演示、知识分享等视频素材。它与 MiniMax H3 一同出现在热榜，说明开源视频生成赛道已经彻底起势，本地视频生成正在成为刚需。

OS World 是评估 Agent 模型操控真实操作系统能力的权威基准测试，任务包括在 Windows/Linux 环境中完成文件管理、网页操作、软件使用等复合型指令，模型需通过截图感知当前状态并输出鼠标键盘操作序列。该基准的难点在于任务链路长、环境状态随操作动态变化，且错误会累积——这与传统问答或代码生成任务有本质差异。56.4 的 OS World 成绩处于当前公开模型的较高水平，但由于 NextN 2.5 的权重尚未公开、仅提供托管端点调用，外部研究者无法独立复现测试结果，该数据目前仍属官方单方面披露。ComfyUI 则是面向本地部署的可视化工作流编排工具，用户可将图像/视频生成模型的各处理节点以有向图形式连接，LTX 2.5 支持直接接入 ComfyUI 意味着它能无缝嵌入现有的本地创作管线。

三条趋势总结

综合这份热榜，可以提炼出三条清晰的走向：

• 旗舰 MoE 多模态回归：DeepSeek-V4.1-Flash 用 MIT 协议加 8B 激活参数，把性能、成本、速度全面拉满，重新定义了开源旗舰的标准。
• 端侧小模型爆发：MiniCPM5 2B 证明了小体量也能承担 Agent 任务，本地部署门槛持续走低。
• 开源视频生成成为标配：LTX 2.5 等模型的高下载量，标志着本地视频生成已从尝鲜走向刚需。

从旗舰到端侧再到本地量化，这份榜单几乎覆盖了当下开源模型生态的全貌，也让「本地部署」这件事变得比以往任何时候都更触手可及。