最近打开 HuggingFace 的全球模型趋势榜，排在前面的两个项目，一个是月之暗面的 Kimi K3，一个是百度的 Unlimited OCR。

全球最大的 AI 开源社区里，热度最高的两个模型，都来自中国，这个组合被不少开发者称为中国开源模型双子星。

虽然听起来好像就是个榜单排名的事，但往深了想一步，会发现事情远没那么简单。

1Kimi K3 是月之暗面开源的大模型，2.8 万亿参数，单 token 激活 1040 亿，原生多模态 MoE 架构，支持百万 token 上下文。

发布之后 30 分钟就冲上了 HuggingFace 趋势榜榜首，直接刷新了平台的增长纪录，连 HuggingFace 的 CEO 都专门发了一条帖子表示关注。

Vercel 创始人兼 CEO Guillermo Rauch 更是在网页工程评测里直接点名说，K3 综合表现排第一，代码任务成功率 92%，这是第一次有开源模型在这个榜单上超过所有海外闭源模型。

2百度 Unlimited OCR 则走的是另一个路数，这个模型我之前也给大家分享过。

它是一个只有 30 亿参数的端到端 OCR 模型，但它做到了一件以前大家觉得很难的事：一次推理连续解析数十页文档，从头到尾不断不丢。

举个例子，你拿一本 100 页的 PDF 去做文字识别，传统 OCR 的做法是一页一页切开处理，最后再拼回去。

但问题是，跨页的表格会断掉，前后文的阅读顺序会乱，页与页之间的上下文全丢了。

更麻烦的是，随着页数增加，模型需要记住的信息越来越多，推理速度直线下降，显存成本也跟着飙升。

百度提出了一个叫 R-SWA 的机制来解决这个问题，让模型像人翻书抄写一样工作：眼睛始终盯着原文内容，手边只保留最近写过的那段作为参考，不去死记硬背前面所有抄过的东西。

这样一来，不管文档有多长，模型在解码阶段的 KV Cache 始终保持恒定规模，计算成本和显存占用不会随着输出长度无限膨胀。

就这么一个看起来不大的模型，发布第二天就拿下了 GitHub Daily Trending 总榜和 Python 榜的双料第一，GitHub Star 五天破万，HuggingFace 全球模型总趋势榜和多模态模型趋势榜也同时登顶。

四个榜单，全部第一。目前 GitHub Star 已经突破 1.97 万，HuggingFace 下载量达到 265 万。

而且发布一个多月之后，Unlimited OCR 的热度不降反升，又一次冲回了 HuggingFace 全球趋势榜前列，连图灵奖获得者杨立昆都亲自转发推荐。

知名 AI 工具制作人 RodmanAi 说了一句话，大意是中国直接终结了 OCR 这个赛道的竞争。

3两个中国项目同时占据全球开源社区的头两把交椅，这在以前其实是很少见的。

如果只看单个项目，Kimi K3 登顶或者 Unlimited OCR 霸榜，你可能觉得就是一次正常的技术发布带来的流量高峰。

但这两件事在极短的时间窗口内连续发生，形成了一种叠加效应，才让全球开发者社区真正开始集体讨论一个话题：中国开源 AI 到底发生了什么？

HuggingFace 今年春天发布过一份全球开源 AI 生态报告，里面提到一个数据：过去一年，平台上 41% 的大模型下载量来自中国研发的模型。中国已经成为全球开源大模型供给最活跃、增长最快的地区之一。

全球那么多国家和机构在做 AI，中国一个地区的贡献就占到了接近一半，说明什么？

中国的 AI 公司在开源这件事上的投入力度和产出效率，已经走到了一个不容忽视的位置。

如果你平时关注海外 AI 行业的动态，其实会发现一个很清晰的趋势。大洋彼岸的头部公司，走的基本是闭源加订阅的路线，模型能力锁在 API 后面，用多少付多少，这条路当然有它的商业逻辑。

但中国这边的打法明显不太一样。

越来越多的模型公司选择把核心能力开源出来，让全球开发者都能用、都能改、都能在自己的场景里落地。

Kimi K3 开放权重，Unlimited OCR 完全免费本地运行，都是这个思路的体现。

不是说哪条路更好，但从结果来看，中国开源模型正在用实际的社区影响力和下载数据，证明了一件事：当你真的把好东西拿出来、放到台面上，全世界的开发者是会用脚投票的。