理解每个数字的含义。

01

发布追踪

此快照查询 42 个 Hugging Face 组织 ID，读取 6,977 个仓库。保留至少 250 赞的 text-generation、image-text-to-text 及 any-to-any 模型，排除特定量化版本和衍生格式。

系列归并参数规模、精度、检查点和指定发布后缀。Flash、Pro、Coder、Vision 等产品层级分别保留。最早仓库创建日期用作发布日期近似值，系列中最高点赞数决定受欢迎程度分组。

这些是嵌套门槛，三个数不能相加。点赞反映受欢迎程度，不是能力。新发布模型积累点赞的时间更短；未扫描仅在 ModelScope 发布的模型；系列匹配使用启发式规则。月度图排除快照所在的不完整月份。

02

评估覆盖

审查参考模型卡、技术报告、发布文章和独立评估报告。每个已审查条目被赋予证据支持的最高公开等级。最高等级不描述该模型经历的所有评估。

T3独立评估

由独立方开展、方法公开的危险能力评估。这不代表测试全面，也不代表模型安全。

T2开发者评估

开发者开展的危险能力评估。开发者并非独立评估方。

T1开发者文档

有模型卡或常规安全披露，但来源审查中未找到符合标准的危险能力评估。

T0未找到评估

完成来源审查后，未发现符合标准的评估或安全披露。这不证明其不存在。

—尚未审阅

审查尚未完成。绝不计为 T0，也不计为缺少评估。

为什么是 42 个系列、40 条记录？

42 个高关注系列中，17 个进入记录、4 个不满足前沿范围规则、21 个待审查。19 条已编码记录包括 18 条具体发布版本与 1 条 Qwen3.6 系列；Gemma 4 有多个检查点记录。MiniMax-M2 现已正确列为待审查，不能继承 MiniMax-M2.5 的审查。

“独立评估”描述模型评估方：独立于开发者，公布方法与相关结果。“内部二次核查”描述记录审查：19 条记录中有 12 条于 9 月 1 日经 AI 辅助的第二次来源核查。两种标签均不代表数据集已获第三方审计。

V2 重新核查六条 T3 记录的定级报告及已编码记录的全部 57 个引用链接，修正了系列匹配、日期与重定向来源。此项工作仍属于内部审查，尚无外部审计签字；不完整的否定结论和检查点歧义继续明确标示。

03

成本估算

当前评估全包价格为 20 万美元，包含交付人员、算力、存储与传输、调查与约定复测，以及分摊运营成本和应急预算，确定于 2026 年 9 月 7 日。这是项目定价，并非供应商报价、实测均值或外部审计成本模型。

资金计划为 2026 年初期筹款 400 万美元、2027 年项目预算 1,200 万美元。这些是目标，并非已落实资助。详细分配、评估承载能力与资金结转正在核算。此前的直接工作负载区间已不再适用，不能作为全包成本明细的依据。下载数据中未知金额用 null 表示，而不是零。

04

术语

开放权重

可下载并运行的模型参数。访问与许可条款可能不同；“开放权重”不等于无限制的开源。

危险能力评估

测试模型是否会实质性促成严重伤害，例如生物、网络或自主任务领域。每项测试范围有限，不涵盖所有可能用途。

黑盒 / 白盒

黑盒测试使用输入和输出，通常通过接口进行。白盒工作还访问权重或激活等模型内部信息。

评估任务

围绕模型开展、范围明确的评估、复现和跟进工作。不同于发布系列、台账条目或 GPU 作业。

05

下载与引用

下载文件包含公开字段和来源链接，不含内部编码笔记。复用图表时请保留快照日期和方法说明。

• 编码规则与字段定义 ↓
• 证据记录 · CSV ↓
• 来源检查记录 · JSON ↓
• 评估预算假设 · JSON ↓

如需建议更正，请发送模型、拟修改的说法及一手来源至 [email protected].