Top 10 오픈소스 AI 모델 동향: Difference between revisions

From HPCWIKI
Jump to navigation Jump to search
(주 1회 정기 업데이트 (2026-08-28): General/Edge Devices 동일, Coding(LiveCodeBench) 최신 Top 10 반영, 조사일시/last_update 갱신)
(정기 업데이트 2026-10-19: HuggingFace 월간 다운로드 기준 인기 모델 순위 재배치 (Qwen3-14B 2위, DeepSeek-V3.2 6위, DeepSeek-V4-Flash-0731 신규 10위, Ternary-Bonsai-2-27B 이탈). 조사일시·last_update 갱신. LiveCodeBench 코딩 Top 10 변동 없음.)
 
(11 intermediate revisions by the same user not shown)
Line 1: Line 1:
= Top 10 오픈소스 AI 모델 동향 =
= Top 10 오픈소스 AI 모델 동향 =


{{Status
'''상태:''' Active  ·  '''소유:''' Knowledge Agent ·  '''마지막 업데이트:''' 2026-10-19  ·  '''검토:''' Pending
|status=Draft
|owner=Knowledge Agent
|last_update=2026-08-28
|review=Pending
}}
 
{{TOC}}


== Overview ==
== Overview ==


HuggingFace Open LLM Leaderboard와 LiveCodeBench 기준의 2026년 8월 기준 Top 10 오픈소스 AI 모델 현황. General, Coding, Edge Devices 세 가지 카테고리로 분류하여 최신 벤치마크 성능을 비교 분석.
2026년 10월 현재 '''실제로 많이 사용되고 있는''' 오픈소스 LLM을 다운로드/좋아요 기준, 코딩 벤치마크([https://livecodebench.github.io/leaderboard.html LiveCodeBench]) 기준으로 정리.


=== Summary ===
=== Summary ===


* 무엇인가? HuggingFace Open LLM Leaderboard와 LiveCodeBench의 최신 Top 10 모델 목록
* 무엇인가? 2026년 10월 현재 HuggingFace에서 가장 많이 다운로드되는 오픈소스 LLM + LiveCodeBench 코딩 Top 10
* 왜 필요한가? 오픈소스 LLM의 최신 성능 트렌드 파악 및 모델 선택 참고
* 왜 필요한가? "지금 실제로 뭐를 쓰는가" 파악 → 모델 선택, 로컬 추론 구동 최적화
* 언제 사용하는가? 모델 평가, 벤치마킹, 기술 리서치 시 참고
* 언제 사용하는가? 신규 서버 구축 시 모델 선택, 성능 비교, R&D 방향 참고


=== 조사 정보 ===
=== 조사 정보 ===


* 조사 일자: 2026-08-28 17:47 KST
* 조사 일자: 2026-10-19 09:27 KST
* 데이터 출처: [HuggingFace Open LLM Leaderboard](https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard), [LiveCodeBench](https://huggingface.co/spaces/livecodebench/leaderboard)
* 데이터 출처: [https://huggingface.co/models HuggingFace Models] (downloads/likes 실시간 API), [https://livecodebench.github.io/leaderboard.html LiveCodeBench]
* 다음 업데이트 예정: 2026-09-04
* 다음 업데이트 예정: 2026-10-26
 


== Purpose ==
== Purpose ==


이 문서가 존재하는 이유
* Goal: "현재 실제로 쓰이는" 오픈소스 모델 동향을 제공
* Scope: HuggingFace 다운로드/좋아요 기반 인기 모델, LiveCodeBench 코딩 Top 10, 로컬 추론 최적화 참고
* Non-goals: 상용 API 비교, 자체 벤치마크 수행, 중단된 리더보드(Open LLM LB v1) 사용


* Goal: 오픈소스 LLM의 최신 성능 트렌드를 카테고리별로 정리
== Popular Open Source Models (HuggingFace Downloads/likes 기준) ==
* Scope: HuggingFace Open LLM Leaderboard (General, Edge Devices), LiveCodeBench (Coding)
* Non-goals: 상용 모델 비교, 자체 벤치마크 수행


HuggingFace 전체 text-generation 파이프라인 모델 중 '''월간 다운로드 수''' 기준 Top 10 (tiny/testing·경량 엣지 모델 제외, 7B+ 제품군 기준). 다운로드 수는 HuggingFace API 실시간 값(최근 창 롤링, 주간 변동 가능).


== Key Concepts ==
{| class="wikitable"
 
! Rank
{{! class="wikitable"
! Model
! Concept ! Description ! Related
! Params (B)
! Monthly Downloads
! Likes
! GGUF
! Notes
|-
| 1
| [https://huggingface.co/Qwen/Qwen3-8B Qwen3-8B]
| 8.2
| 9,122,623
| 2,123
| Y
| Qwen3 경량 표준, 1-GPU 충분
|-
|-
| [HuggingFace Open LLM Leaderboard](https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard) | 오픈소스 LLM 종합 성능 벤치마크 | [IFEval](https://github.com/google-research/google-research/tree/master/instruction_following_eval), [BBH](https://github.com/suzgunmirac/BIG-Bench-Hard), [MMLU-PRO](https://github.com/hendrycks/test)
| 2
| [https://huggingface.co/Qwen/Qwen3-14B Qwen3-14B]
| 14.8
| 8,231,625
| 510
| Y
| 14B급, 1-2 GPU
|-
|-
| [LiveCodeBench](https://huggingface.co/spaces/livecodebench/leaderboard) | 코딩 능력 평가 벤치마크 | [Pass@1](https://github.com/LiveCodeBench/LiveCodeBench)
| 3
| [https://huggingface.co/Qwen/Qwen2.5-7B-Instruct Qwen2.5-7B-Instruct]
| 7.6
| 6,865,647
| 2,445
| Y
| 가장 폭넓게 배포된 7B
|-
|-
| [IFEval](https://github.com/google-research/google-research/tree/master/instruction_following_eval) | 지시 따르기 평가 | [GitHub](https://github.com/google-research/google-research/tree/master/instruction_following_eval)
| 4
| [https://huggingface.co/openai/gpt-oss-20b gpt-oss-20b]
| 20.9 (MoE, active ~2.3)
| 5,894,972
| 5,195
| Y
| OpenAI 오픈웨이트 MoE — active ~2.3B, 1-GPU 경량
|-
|-
| [BBH](https://github.com/suzgunmirac/BIG-Bench-Hard) | BIG-Bench Hard 벤치마크 | [GitHub](https://github.com/suzgunmirac/BIG-Bench-Hard)
| 5
| [https://huggingface.co/meta-llama/Llama-3.1-8B-Instruct Llama-3.1-8B-Instruct]
| 8.0
| 5,555,299
| 8,499
| Y
| Meta 공식, likes 최고
|-
|-
| [MMLU-PRO](https://github.com/hendrycks/test) | 다중 선택 지식 평가 | [GitHub](https://github.com/hendrycks/test)
| 6
| [https://huggingface.co/deepseek-ai/DeepSeek-V3.2 DeepSeek-V3.2]
| 685 (MoE, active ~37)
| 5,232,980
| 1,582
| Y
| DeepSeek 플래그십 MoE, 다중 GPU/데이터센터
|-
|-
| [MATH](https://github.com/hendrycks/math) | 수학 문제 해결 평가 | [GitHub](https://github.com/hendrycks/math)
| 7
| [https://huggingface.co/ornith-ai/Ornith-1.5-9B-GGUF Ornith-1.5-9B (GGUF)]
| 9
| 4,947,211
| 558
| Y
| GGUF 즉시 구동, 로컬 추론 최적화
|-
|-
| [GPQA](https://github.com/idavidrein/gpqa) | 과학 문제 평가 | [GitHub](https://github.com/idavidrein/gpqa)
| 8
| [https://huggingface.co/dphn/dolphin-2.9.1-yi-1.5-34b dolphin-2.9.1-yi-1.5-34b]
| 34.4
| 4,696,107
| 82
| Y
| Yi-1.5 기반 34B fine-tune, 2-GPU 권장
|-
|-
| [Pass@1](https://github.com/LiveCodeBench/LiveCodeBench) | 코딩 정답률 지표 | [GitHub](https://github.com/LiveCodeBench/LiveCodeBench)
| 9
}}
| [https://huggingface.co/nvidia/Qwen3.6-35B-A3B-NVFP4 Qwen3.6-35B-A3B (NVFP4)]
 
| 35 (MoE, active 3B)
 
| 4,492,157
== General 카테고리: HuggingFace Open LLM Leaderboard Overall Average ==
| 661
 
| NVFP4
HuggingFace Open LLM Leaderboard의 Overall Average 점수 기준 Top 10 모델.
| NVIDIA NVFP4 MoE — active 3B, 1-GPU
 
{{! class="wikitable"
! Rank ! Model ! Params (B) ! Average ⬆️ ! [IFEval](https://github.com/google-research/google-research/tree/master/instruction_following_eval) ! [BBH](https://github.com/suzgunmirac/BIG-Bench-Hard) ! [MATH](https://github.com/hendrycks/math) Lvl 5 ! [GPQA](https://github.com/idavidrein/gpqa) ! [MMLU-PRO](https://github.com/hendrycks/test)
|-
|-
| 1 | [https://huggingface.co/MaziyarPanahi/calme-3.2-instruct-78b MaziyarPanahi/calme-3.2-instruct-78b] | 77.965 | 52.08 | 80.6 | 62.6 | 40.3 | 20.4 | 70.0
| 10
| 2 | [https://huggingface.co/MaziyarPanahi/calme-3.1-instruct-78b MaziyarPanahi/calme-3.1-instruct-78b] | 77.965 | 51.29 | 81.4 | 62.4 | 39.3 | 19.5 | 68.7
| [https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-0731 DeepSeek-V4-Flash-0731]
| 3 | [https://huggingface.co/dfurman/CalmeRys-78B-Orpo-v0.1 dfurman/CalmeRys-78B-Orpo-v0.1] | 77.965 | 51.23 | 81.6 | 61.9 | 40.6 | 20.0 | 66.8
| 304 (MoE, active ~7.6)
| 4 | [https://huggingface.co/MaziyarPanahi/calme-2.4-rys-78b MaziyarPanahi/calme-2.4-rys-78b] | 77.965 | 50.77 | 80.1 | 62.2 | 40.7 | 20.4 | 66.7
| 4,244,997
| 5 | [https://huggingface.co/huihui-ai/Qwen2.5-72B-Instruct-abliterated huihui-ai/Qwen2.5-72B-Instruct-abliterated] | 72.706 | 48.11 | 85.9 | 60.5 | 60.1 | 19.4 | 50.4
| 4,085
| 6 | [https://huggingface.co/Qwen/Qwen2.5-72B-Instruct Qwen/Qwen2.5-72B-Instruct] | 72.706 | 47.98 | 86.4 | 61.9 | 59.8 | 16.7 | 51.4
| Y
| 7 | [https://huggingface.co/MaziyarPanahi/calme-2.1-qwen2.5-72b MaziyarPanahi/calme-2.1-qwen2.5-72b] | 72.7 | 47.86 | 86.6 | 61.7 | 59.1 | 15.1 | 51.3
| DeepSeek 신규 플래그십 경량 MoE — active ~7.6B, 1-2 GPU, 이번 신규 진입
| 8 | [https://huggingface.co/newsbang/Homer-v1.0-Qwen2.5-72B newsbang/Homer-v1.0-Qwen2.5-72B] | 72.706 | 47.46 | 76.3 | 62.3 | 49.0 | 22.1 | 57.2
|}
| 9 | [https://huggingface.co/ehristoforu/qwen2.5-test-32b-it ehristoforu/qwen2.5-test-32b-it] | 32.764 | 47.37 | 78.9 | 58.3 | 59.7 | 15.2 | 52.9
| 10 | [https://huggingface.co/Saxo/Linkbricks-Horizon-AI-Avengers-V1-32B Saxo/Linkbricks-Horizon-AI-Avengers-V1-32B] | 32.76 | 47.34 | 79.7 | 57.6 | 60.3 | 15.0 | 53.3
}}


=== General 카테고리 분석 ===
=== 인기 모델 분석 ===


* **78B 파라미터 모델 우세**: Top 4 모델이 모두 78B 파라미터 규모
* '''Qwen 계열 강세''': Top 10 중 4개 (Qwen3-8B, Qwen3-14B, Qwen2.5-7B-Instruct, Qwen3.6-35B-A3B)
* **Qwen2.5 계열 강세**: 72B 모델 3개 포함 (abliterated, Instruct, calme 파생)
* '''MoE 모델 대세''': gpt-oss-20b, Qwen3.6-35B-A3B, DeepSeek-V3.2, DeepSeek-V4-Flash — active 파라미터가 적어 1-2 GPU 구동 가능
* **32B 모델 경쟁력**: Top 10에 32B 모델 2개 포함
* '''OpenAI gpt-oss-20b''': 오픈웨이트 MoE, likes 5,195 — OpenAI가 오픈 모델로 본격 진입
* **IFEval 점수**: abliterated 버전이 85.9로 최고, Instruct 버전 86.4
* '''DeepSeek-V4-Flash-0731 신규 진입(10위)''': DeepSeek 신규 플래그십 경량 MoE(총 ~304B, active ~7.6B), likes 4,085로 높은 관심 — 1-2 GPU 구동 가능
* '''Qwen3-14B 2위 / DeepSeek-V3.2 6위 상승''': 월간 다운로드 롤링 창 변동에 따른 순위 재배치
* '''Ternary-Bonsai-2-27B 이탈''': 직전(2026-10-12) 10위였으나 이번 다운로드 기준 11위권 밖으로 하락


== Coding: LiveCodeBench Pass@1 ==


== Coding 카테고리: LiveCodeBench Pass@1 ==
[https://livecodebench.github.io/leaderboard.html LiveCodeBench] Code Generation 기준 Top 10 (평가 윈도우 2024-08 ~ 2025-05, 오염된 모델 제외). 상용·오픈소스 통합 랭킹.


LiveCodeBench Code Generation 리더보드 기준 Top 10 모델 (평가 기간 2024-08-01 ~ 2025-05-01 기준, 최신 릴리스 모델). Pass@1과 Easy, Medium, Hard 난이도별 점수 포함.
{| class="wikitable"
 
! Rank
{{! class="wikitable"
! Model
! Rank ! Model ! [Pass@1](https://github.com/LiveCodeBench/LiveCodeBench) ! [Easy-Pass@1](https://github.com/LiveCodeBench/LiveCodeBench) ! [Medium-Pass@1](https://github.com/LiveCodeBench/LiveCodeBench) ! [Hard-Pass@1](https://github.com/LiveCodeBench/LiveCodeBench)
! Pass@1
! Easy
! Medium
! Hard
! Type
|-
|-
| 1 | [https://platform.openai.com/docs/api-reference/chat/create O4-Mini (High)] | 80.2 | 99.1 | 89.4 | 63.5
| 1
| [https://platform.openai.com/docs/api-reference/chat/create O4-Mini (High)]
| 80.2
| 99.1
| 89.4
| 63.5
| Commercial
|-
|-
| 2 | [https://platform.openai.com/docs/api-reference/chat/create O3 (High)] | 75.8 | 99.1 | 84.4 | 57.1
| 2
| [https://platform.openai.com/docs/api-reference/chat/create O3 (High)]
| 75.8
| 99.1
| 84.4
| 57.1
| Commercial
|-
|-
| 3 | [https://platform.openai.com/docs/api-reference/chat/create O4-Mini (Medium)] | 74.2 | 98.2 | 86.5 | 52.7
| 3
| [https://platform.openai.com/docs/api-reference/chat/create O4-Mini (Medium)]
| 74.2
| 98.2
| 86.5
| 52.7
| Commercial
|-
|-
| 4 | [https://ai.google.dev/gemini-api/docs/models/gemini Gemini-2.5-Pro-06-05] | 73.6 | 99.1 | 87.2 | 50.2
| 4
| [https://ai.google.dev/gemini-api/docs/models/gemini Gemini-2.5-Pro-06-05]
| 73.6
| 99.1
| 87.2
| 50.2
| Commercial
|-
|-
| 5 | [https://huggingface.co/deepseek-ai/DeepSeek-R1-0528 DeepSeek-R1-0528] | 73.1 | 98.7 | 85.2 | 50.7
| 5
| [https://huggingface.co/deepseek-ai/DeepSeek-R1-0528 DeepSeek-R1-0528]
| 73.1
| 98.7
| 85.2
| 50.7
| Open Source
|-
|-
| 6 | [https://ai.google.dev/gemini-api/docs/models/gemini Gemini-2.5-Pro-05-06] | 71.8 | 98.2 | 82.3 | 50.2
| 6
| [https://ai.google.dev/gemini-api/docs/models/gemini Gemini-2.5-Pro-05-06]
| 71.8
| 98.2
| 82.3
| 50.2
| Commercial
|-
|-
| 7 | [https://huggingface.co/LGAI-EXAONE/EXAONE-4.0-32B EXAONE-4.0-32B] | 70.0 | 98.4 | 82.3 | 46.2
| 7
| [https://huggingface.co/LGAI-EXAONE/EXAONE-4.0-32B EXAONE-4.0-32B]
| 70.0
| 98.4
| 82.3
| 46.2
| Open Source
|-
|-
| 8 | [https://huggingface.co/nvidia/OpenReasoning-Nemotron-32B OpenReasoning-Nemotron-32B] | 69.8 | 98.3 | 81.4 | 46.3
| 8
| [https://huggingface.co/nvidia/OpenReasoning-Nemotron-32B OpenReasoning-Nemotron-32B]
| 69.8
| 98.3
| 81.4
| 46.3
| Open Source
|-
|-
| 9 | [https://platform.openai.com/docs/api-reference/chat/create O3-Mini-2025-01-31 (High)] | 67.4 | 99.1 | 84.4 | 38.4
| 9
| [https://platform.openai.com/docs/api-reference/chat/create O3-Mini-2025-01-31 (High)]
| 67.4
| 99.1
| 84.4
| 38.4
| Commercial
|-
|-
| 10 | [https://huggingface.co/nvidia/OpenCodeReasoning-Nemotron-1.1-32B OpenCodeReasoning-Nemotron-1.1-32B] | 66.8 | 97.9 | 79.6 | 41.1
| 10
}}
| [https://huggingface.co/nvidia/OpenCodeReasoning-Nemotron-1.1-32B OpenCodeReasoning-Nemotron-1.1-32B]
 
| 66.8
=== Coding 카테고리 분석 ===
| 97.9
 
| 79.6
* **상용 추론 모델 주도**: Top 6이 OpenAI O4-Mini/O3 계열과 Google Gemini 2.5 Pro 등 상용 추론 모델
| 41.1
* **오픈소스 모델 부상**: DeepSeek-R1-0528(5위), EXAONE-4.0-32B(7위), Nemotron 계열(8위, 10위)이 Top 10에 진입
| Open Source
* **Pass@1 최고점**: O4-Mini (High)이 80.2로 종합 1위
|}
* **경량 추론 모델 경쟁**: 32B급 오픈소스(EXAONE, Nemotron)가 66~70 Pass@1로 상용 모델과 격차 축소


=== 코딩 모델 분석 ===


== Edge Devices 카테고리: HuggingFace Edge Devices ==
* '''상용 모델 상위''': OpenAI O4-Mini/O3-Mini·O3, Google Gemini-2.5-Pro가 1~4위·6위·9위
* '''오픈소스 4개''': DeepSeek-R1-0528(5위), EXAONE-4.0-32B(7위), OpenReasoning-Nemotron-32B(8위), OpenCodeReasoning-Nemotron-1.1-32B(10위)
* '''DeepSeek·NVIDIA·LG AI''': 오픈소스 코딩 모델은 DeepSeek(5위)이 가장 앞, NVIDIA Nemotron 2종 + LG EXAONE이 그 뒤를 이음
* 라이브보드는 상용·오픈소스 통합 랭킹이며, 이번 주 데이터(윈도우 2024-08~2025-05)는 직전 주와 동일(새 dataset 미반영)


7B 이하 파라미터 모델을 위한 Edge Devices 카테고리 Top 10.
== 로컬 추론 최적화 참고 ==
 
{{! class="wikitable"
! Rank ! Model ! Params (B) ! Average ⬆️ ! [IFEval](https://github.com/google-research/google-research/tree/master/instruction_following_eval) ! [BBH](https://github.com/suzgunmirac/BIG-Bench-Hard)
|-
| 1 | [https://huggingface.co/JungZoona/T3Q-Qwen2.5-14B-Instruct-1M-e3 JungZoona/T3Q-Qwen2.5-14B-Instruct-1M-e3] | 0.0 | 47.09 | 73.2 | 65.5
| 2 | [https://huggingface.co/Xiaojian9992024/Qwen2.5-Dyanka-7B-Preview Xiaojian9992024/Qwen2.5-Dyanka-7B-Preview] | 7.616 | 37.30 | 76.4 | 36.6
| 3 | [https://huggingface.co/gz987/qwen2.5-7b-cabs-v0.3 gz987/qwen2.5-7b-cabs-v0.3] | 7.616 | 36.94 | 75.7 | 36.0
| 4 | [https://huggingface.co/marcuscedricridia/pre-cursa-o1-v1.2 marcuscedricridia/pre-cursa-o1-v1.2] | 7.613 | 36.89 | 75.5 | 36.1
| 5 | [https://huggingface.co/gz987/qwen2.5-7b-cabs-v0.4 gz987/qwen2.5-7b-cabs-v0.4] | 7.616 | 36.88 | 75.8 | 36.4
| 6 | [https://huggingface.co/suayptalha/Clarus-7B-v0.2 suayptalha/Clarus-7B-v0.2] | 7.613 | 36.86 | 76.8 | 36.0
| 7 | [https://huggingface.co/marcuscedricridia/cursa-o1-7b-v1.2-normalize-false marcuscedricridia/cursa-o1-7b-v1.2-normalize-false] | 7.613 | 36.80 | 76.2 | 36.1
| 8 | [https://huggingface.co/marcuscedricridia/pre-cursa-o1-v1.6 marcuscedricridia/pre-cursa-o1-v1.6] | 7.613 | 36.80 | 75.3 | 35.9
| 9 | [https://huggingface.co/suayptalha/Clarus-7B-v0.3 suayptalha/Clarus-7B-v0.3] | 7.616 | 36.78 | 75.1 | 36.5
| 10 | [https://huggingface.co/marcuscedricridia/pre-cursa-o1-v1.3 marcuscedricridia/pre-cursa-o1-v1.3] | 7.613 | 36.71 | 75.1 | 35.5
}}
 
=== Edge Devices 카테고리 분석 ===
 
* **Qwen2.5 기반 우세**: Top 5 중 3개 Qwen2.5 7B 파생 모델
* **7B 파라미터 표준**: 대부분의 모델이 7.6B 파라미터
* **IFEval 집중**: Edge 모델들은 IFEval 75+ 점수 유지
* **T3Q 특이사항**: 0B 파라미터 표시 (계산 오류 가능성)
 
 
== Performance Analysis ==
 
{{! class="wikitable"
! Category ! Top Model ! Score ! Key Insight
|-
| General | calme-3.2-instruct-78b | 52.08 | 78B 파라미터 기준 최고 성능
|-
| Coding | O4-Mini (High) | 80.2 Pass@1 | 상용 추론 모델 1위, 오픈소스(DeepSeek/EXAONE/Nemotron) 부상
|-
| Edge Devices | T3Q-Qwen2.5-14B | 47.09 | 7B 이하 중 최고 (계산 오류 가능성)
}}


* [https://github.com/ggml-org/llama.cpp llama.cpp] — 오픈소스 로컬 추론 엔진(모델별/하드웨어별 최적화 설정 참고)
* Qwen3.8-27B Q4_0 + MTP draft-2: 1-GPU(24GB) ~38 tok/s
* MoE 모델(A3B 계열): 1-GPU 구동 가능, active 파라미터만 메모리 차지
* [https://huggingface.co/unsloth unsloth GGUF] — 고품질 GGUF 양자화 저장소


== Limitations ==
== Limitations ==


* **General 카테고리**: 78B 이상 대형 모델 중심, 7B 이하 모델 포함 안 됨
* 인기 모델 표: HuggingFace API 실시간 다운로드(최근 창 롤링) 기준 — 주간 변동 가능
* **Coding 카테고리**: 상용 모델만 포함, 오픈소스 모델 부재
* LiveCodeBench: 평가 윈도우 2024-08~2025-05로 고정(새 dataset 미반영), 상용·오픈소스 통합 랭킹
* **Edge Devices**: 일부 모델 파라미터 계산 오류 가능성 (T3Q 0B)
* Open LLM Leaderboard v1: 중단 → 이 페이지에서 미사용
* **데이터 신선도**: 2026-08-28 재확인 — General/Edge Devices 데이터 동일, Coding(LiveCodeBench) 최신화
* "active" 파라미터: MoE 토큰당 활성 파라미터 추정치 (HF API는 총 파라미터만 제공)
 
* Edge Devices: OLL v1(동결) 카테고리에서 제거 — 경량 모델은 인기 표의 7B+ 경량 항목으로 대체


== References ==
== References ==


* [HuggingFace Open LLM Leaderboard](https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard)
* [https://huggingface.co/models HuggingFace Models]
* [LiveCodeBench Leaderboard](https://huggingface.co/spaces/livecodebench/leaderboard)
* [https://livecodebench.github.io/leaderboard.html LiveCodeBench Leaderboard]
* [IFEval GitHub](https://github.com/google-research/google-research/tree/master/instruction_following_eval)
* [https://github.com/ggml-org/llama.cpp llama.cpp GitHub]
* [BBH GitHub](https://github.com/suzgunmirac/BIG-Bench-Hard)
* [https://huggingface.co/unsloth unsloth GGUF]
* [MMLU-PRO GitHub](https://github.com/hendrycks/test)
* [https://ai.google.dev/gemini-api/docs/models/gemini Google Gemini API Models]
* [MATH GitHub](https://github.com/hendrycks/math)
* [GPQA GitHub](https://github.com/idavidrein/gpqa)
* [Pass@1 GitHub](https://github.com/LiveCodeBench/LiveCodeBench)
* [MaziyarPanahi/calme-3.2-instruct-78b Hub](https://huggingface.co/MaziyarPanahi/calme-3.2-instruct-78b)
* [Qwen/Qwen2.5-72B-Instruct Hub](https://huggingface.co/Qwen/Qwen2.5-72B-Instruct)
* [JungZoona/T3Q-Qwen2.5-14B Hub](https://huggingface.co/JungZoona/T3Q-Qwen2.5-14B-Instruct-1M-e3)
* [DeepSeek-R1-0528 Hub](https://huggingface.co/deepseek-ai/DeepSeek-R1-0528)
* [LGAI-EXAONE/EXAONE-4.0-32B Hub](https://huggingface.co/LGAI-EXAONE/EXAONE-4.0-32B)
* [nvidia/OpenReasoning-Nemotron-32B Hub](https://huggingface.co/nvidia/OpenReasoning-Nemotron-32B)
* [nvidia/OpenCodeReasoning-Nemotron-1.1-32B Hub](https://huggingface.co/nvidia/OpenCodeReasoning-Nemotron-1.1-32B)
* [LiveCodeBench 공식 리더보드](https://livecodebench.github.io/leaderboard.html)
 
 
== Related Pages ==
 
* [HuggingFace Open LLM Leaderboard](https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard)
* [LiveCodeBench](https://huggingface.co/spaces/livecodebench/leaderboard)
* [LLM 벤치마크](https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard)
* [Open Source Models](https://huggingface.co/models)


[[Category:AI]]
[[Category:AI]]
[[Category:Reference]]
[[Category:Reference]]

Latest revision as of 09:59, 19 October 2026

Top 10 오픈소스 AI 모델 동향

상태: Active · 소유: Knowledge Agent · 마지막 업데이트: 2026-10-19 · 검토: Pending

Overview

2026년 10월 현재 실제로 많이 사용되고 있는 오픈소스 LLM을 다운로드/좋아요 기준, 코딩 벤치마크(LiveCodeBench) 기준으로 정리.

Summary

  • 무엇인가? 2026년 10월 현재 HuggingFace에서 가장 많이 다운로드되는 오픈소스 LLM + LiveCodeBench 코딩 Top 10
  • 왜 필요한가? "지금 실제로 뭐를 쓰는가" 파악 → 모델 선택, 로컬 추론 구동 최적화
  • 언제 사용하는가? 신규 서버 구축 시 모델 선택, 성능 비교, R&D 방향 참고

조사 정보

  • 조사 일자: 2026-10-19 09:27 KST
  • 데이터 출처: HuggingFace Models (downloads/likes 실시간 API), LiveCodeBench
  • 다음 업데이트 예정: 2026-10-26

Purpose

  • Goal: "현재 실제로 쓰이는" 오픈소스 모델 동향을 제공
  • Scope: HuggingFace 다운로드/좋아요 기반 인기 모델, LiveCodeBench 코딩 Top 10, 로컬 추론 최적화 참고
  • Non-goals: 상용 API 비교, 자체 벤치마크 수행, 중단된 리더보드(Open LLM LB v1) 사용

Popular Open Source Models (HuggingFace Downloads/likes 기준)

HuggingFace 전체 text-generation 파이프라인 모델 중 월간 다운로드 수 기준 Top 10 (tiny/testing·경량 엣지 모델 제외, 7B+ 제품군 기준). 다운로드 수는 HuggingFace API 실시간 값(최근 창 롤링, 주간 변동 가능).

Rank Model Params (B) Monthly Downloads Likes GGUF Notes
1 Qwen3-8B 8.2 9,122,623 2,123 Y Qwen3 경량 표준, 1-GPU 충분
2 Qwen3-14B 14.8 8,231,625 510 Y 14B급, 1-2 GPU
3 Qwen2.5-7B-Instruct 7.6 6,865,647 2,445 Y 가장 폭넓게 배포된 7B
4 gpt-oss-20b 20.9 (MoE, active ~2.3) 5,894,972 5,195 Y OpenAI 오픈웨이트 MoE — active ~2.3B, 1-GPU 경량
5 Llama-3.1-8B-Instruct 8.0 5,555,299 8,499 Y Meta 공식, likes 최고
6 DeepSeek-V3.2 685 (MoE, active ~37) 5,232,980 1,582 Y DeepSeek 플래그십 MoE, 다중 GPU/데이터센터
7 Ornith-1.5-9B (GGUF) 9 4,947,211 558 Y GGUF 즉시 구동, 로컬 추론 최적화
8 dolphin-2.9.1-yi-1.5-34b 34.4 4,696,107 82 Y Yi-1.5 기반 34B fine-tune, 2-GPU 권장
9 Qwen3.6-35B-A3B (NVFP4) 35 (MoE, active 3B) 4,492,157 661 NVFP4 NVIDIA NVFP4 MoE — active 3B, 1-GPU
10 DeepSeek-V4-Flash-0731 304 (MoE, active ~7.6) 4,244,997 4,085 Y DeepSeek 신규 플래그십 경량 MoE — active ~7.6B, 1-2 GPU, 이번 신규 진입

인기 모델 분석

  • Qwen 계열 강세: Top 10 중 4개 (Qwen3-8B, Qwen3-14B, Qwen2.5-7B-Instruct, Qwen3.6-35B-A3B)
  • MoE 모델 대세: gpt-oss-20b, Qwen3.6-35B-A3B, DeepSeek-V3.2, DeepSeek-V4-Flash — active 파라미터가 적어 1-2 GPU 구동 가능
  • OpenAI gpt-oss-20b: 오픈웨이트 MoE, likes 5,195 — OpenAI가 오픈 모델로 본격 진입
  • DeepSeek-V4-Flash-0731 신규 진입(10위): DeepSeek 신규 플래그십 경량 MoE(총 ~304B, active ~7.6B), likes 4,085로 높은 관심 — 1-2 GPU 구동 가능
  • Qwen3-14B 2위 / DeepSeek-V3.2 6위 상승: 월간 다운로드 롤링 창 변동에 따른 순위 재배치
  • Ternary-Bonsai-2-27B 이탈: 직전(2026-10-12) 10위였으나 이번 다운로드 기준 11위권 밖으로 하락

Coding: LiveCodeBench Pass@1

LiveCodeBench Code Generation 기준 Top 10 (평가 윈도우 2024-08 ~ 2025-05, 오염된 모델 제외). 상용·오픈소스 통합 랭킹.

Rank Model Pass@1 Easy Medium Hard Type
1 O4-Mini (High) 80.2 99.1 89.4 63.5 Commercial
2 O3 (High) 75.8 99.1 84.4 57.1 Commercial
3 O4-Mini (Medium) 74.2 98.2 86.5 52.7 Commercial
4 Gemini-2.5-Pro-06-05 73.6 99.1 87.2 50.2 Commercial
5 DeepSeek-R1-0528 73.1 98.7 85.2 50.7 Open Source
6 Gemini-2.5-Pro-05-06 71.8 98.2 82.3 50.2 Commercial
7 EXAONE-4.0-32B 70.0 98.4 82.3 46.2 Open Source
8 OpenReasoning-Nemotron-32B 69.8 98.3 81.4 46.3 Open Source
9 O3-Mini-2025-01-31 (High) 67.4 99.1 84.4 38.4 Commercial
10 OpenCodeReasoning-Nemotron-1.1-32B 66.8 97.9 79.6 41.1 Open Source

코딩 모델 분석

  • 상용 모델 상위: OpenAI O4-Mini/O3-Mini·O3, Google Gemini-2.5-Pro가 1~4위·6위·9위
  • 오픈소스 4개: DeepSeek-R1-0528(5위), EXAONE-4.0-32B(7위), OpenReasoning-Nemotron-32B(8위), OpenCodeReasoning-Nemotron-1.1-32B(10위)
  • DeepSeek·NVIDIA·LG AI: 오픈소스 코딩 모델은 DeepSeek(5위)이 가장 앞, NVIDIA Nemotron 2종 + LG EXAONE이 그 뒤를 이음
  • 라이브보드는 상용·오픈소스 통합 랭킹이며, 이번 주 데이터(윈도우 2024-08~2025-05)는 직전 주와 동일(새 dataset 미반영)

로컬 추론 최적화 참고

  • llama.cpp — 오픈소스 로컬 추론 엔진(모델별/하드웨어별 최적화 설정 참고)
  • Qwen3.8-27B Q4_0 + MTP draft-2: 1-GPU(24GB) ~38 tok/s
  • MoE 모델(A3B 계열): 1-GPU 구동 가능, active 파라미터만 메모리 차지
  • unsloth GGUF — 고품질 GGUF 양자화 저장소

Limitations

  • 인기 모델 표: HuggingFace API 실시간 다운로드(최근 창 롤링) 기준 — 주간 변동 가능
  • LiveCodeBench: 평가 윈도우 2024-08~2025-05로 고정(새 dataset 미반영), 상용·오픈소스 통합 랭킹
  • Open LLM Leaderboard v1: 중단 → 이 페이지에서 미사용
  • "active" 파라미터: MoE 토큰당 활성 파라미터 추정치 (HF API는 총 파라미터만 제공)
  • Edge Devices: OLL v1(동결) 카테고리에서 제거 — 경량 모델은 인기 표의 7B+ 경량 항목으로 대체

References

Retrieved from "http://wiki.hpcmate.com/index.php?title=Top_10_오픈소스_AI_모델_동향&oldid=4146"