ИИтог

Hugging Face: китайские лаборатории обошли США по размеру открытых моделей, Qwen стал ядром экосистемы

моделиРедакция ИИтогHugging Face🔥76Рейтинг ИИтог76Влияние70Новизна65Релевантность100Неожиданность60Участники85Достоверность90
Hugging Face: китайские лаборатории обошли США по размеру открытых моделей, Qwen стал ядром экосистемы

Hugging Face опубликовала отчёт «State of Open Models: Summer 2026 Observations», обзор происходящего на её хабе моделей за первые семь месяцев 2026 года. За этот период число публичных репозиториев моделей выросло с 2,43 до 2,96 млн, датасетов, с 711 тысяч до 1 млн, а Spaces, с 1,00 до 1,44 млн. Распределение внутри хаба остаётся крайне неравномерным: около 85,6% моделей набрали меньше 200 скачиваний за всё время существования, а 1,5% репозиториев обеспечивают 99,2% всех скачиваний.

Раньше лаборатории обычно сначала выпускали компактные модели и постепенно продвигались к топовым размерам. В 2026 году несколько китайских лабораторий пропустили этот этап целиком: почти в каждом месяце самая крупная и мощная открытая модель китайской лаборатории оказывалась больше любой модели, выпущенной в США. Ежемесячный потолок Китая колебался от 754 млрд до 2,78 трлн параметров, тогда как модели из США в пять из семи месяцев не превышали 130 млрд параметров, исключениями стали Nemotron 3 Ultra от NVIDIA (561 млрд, май, июнь) и Inkling от Thinking Machines Lab (952 млрд). Среди крупных оригинальных американских моделей также названы Nemotron 3 Super от NVIDIA (124 млрд) и Trinity-Large от Arcee AI (399 млрд). При этом больше всего новых репозиториев моделей в этом году выпустили не ИИ-лаборатории, а производители железа, AMD и NVIDIA, у каждой больше 200 репозиториев (для сравнения, у занявшей третье место LiquidAI, около 100 репозиториев): открытая модель, оптимизированная под конкретное железо, самое наглядное доказательство, что это железо работает.

Авторы сопоставили топ-25 репозиториев по скачиваниям за год и топ-25 по лайкам, совпал только один репозиторий. Ни одна модель, выпущенная в 2026 году, не попала в топ-25 по скачиваниям, тогда как тринадцать из двадцати пяти позиций там датируются 2022 годом. Модель all-MiniLM-L6-v2 набрала 1,55 млрд скачиваний за семь месяцев при 5156 лайках, а Kimi-K3 получала около 60 скачиваний на каждый свой лайк. По выводу авторов, лайки отражают, что воодушевляет индустрию прямо сейчас (обычно свежие флагманские модели), а скачивания, что реально встроено в постоянно работающие пайплайны, и это чаще небольшие, давно стабильные модели. Та же картина видна на уровне издателей: у MiniMax почти все скачивания 2026 года приходятся на модели свыше 70 млрд параметров, у Moonshot, 88%, у DeepSeek, 55%, у Z.ai, 39%; у крупных американских аккаунтов эта доля минимальна, у Google, Microsoft и IBM Granite почти ноль, у NVIDIA, 14%, у Meta, 9%. При этом Moonshot, сделавшая ставку только на топовые модели, набрала за год 37 млн скачиваний, а Qwen с её широким модельным рядом, 2045 млн (2061 млн, если считать все репозитории без учёта заявленного числа параметров), примерно в 55 раз больше.

Из 178 китайских релизов этого года крупнее 20 млрд параметров 59% выпущены под Apache 2.0 и 22%, под MIT; DeepSeek и Z.ai распространяют модели от 700 млрд до 1,65 трлн параметров под простой лицензией MIT. В последние недели наметился сдвиг: Kimi K3 и Qwen3.8 начали добавлять в лицензии некоммерческие ограничения и требования делиться выручкой. У американских лабораторий в том же диапазоне размеров картина обратная: под Apache или MIT, только 29%, под собственными условиями, 41%, а 30% вообще не указывают лицензию.

По числу производных проектов на хабе Qwen стала крупнейшим фундаментом открытой экосистемы: на неё опираются 151 448 репозиториев, в 2,6 раза больше, чем у Meta в целом, и в 4,7 раза больше, чем непосредственно у репозиториев на базе Llama. На втором месте, Google с 82 506 производных, на третьем, сообщество Unsloth, публикующее квантованные и готовые к дообучению сборки. Производные Qwen прибавляют примерно 180, 210 новых репозиториев в день на протяжении первых семи месяцев 2026 года. Бо́льшую часть этой экосистемы строит именно сообщество, а не сама Qwen: из 28 531 GGUF-конверсии моделей Qwen на хабе сама компания опубликовала лишь 54.

Среди моделей с заявленным числом параметров модели меньше 1 млрд забирают 83% всех скачиваний за всё время, а всё, что крупнее 100 млрд, только 1%; в скачиваниях 2026 года на модели свыше 70 млрд приходится лишь 3%. Формат GGUF и проект llama.cpp остаются главным способом дотянуться до по-настоящему крупных моделей на обычном железе: в феврале 2026 года команда ggml, стоящая за llama.cpp, вошла в состав Hugging Face, сохранив проект полностью открытым и управляемым сообществом. По июльскому снимку хаба уже доступны GGUF-сборки DeepSeek-V4-Flash (около 284 млрд параметров) и Kimi-K3 (около 2,8 трлн параметров). Больше всего GGUF-скачиваний в месяц у Qwen, 39,6 млн, это почти вдвое больше, чем у Gemma (20,8 млн), и более чем впятеро больше, чем у Llama (7,5 млн), при том что производных GGUF-репозиториев на основе Llama даже немного больше, чем на основе Qwen. За те же семь месяцев число репозиториев моделей выросло на 21,5%, а репозитории, декларирующие библиотеку gguf, на 464%, lerobot, на 194%, mlx от Apple, на 148%, тогда как transformers и peft прибавили лишь 16%, а diffusers, 21%.

Ключевые факты

  • Хаб Hugging Face вырос за семь месяцев 2026 года: репозитории моделей, с 2,43 до 2,96 млн, датасеты, с 711 тыс. до 1 млн, Spaces, с 1,00 до 1,44 млн
  • Китайские лаборатории выпускают модели триллионного масштаба (потолок от 754 млрд до 2,78 трлн параметров в месяц), США почти всегда держатся ниже 130 млрд, кроме Nemotron 3 Ultra от NVIDIA и Inkling от Thinking Machines Lab
  • Лайки и скачивания расходятся: из топ-25 по скачиваниям и топ-25 по лайкам совпал лишь один репозиторий, а тринадцать из топ-25 по скачиваниям, модели 2022 года
  • Qwen стал базой для 151 448 производных репозиториев (в 2,6 раза больше, чем у Meta) и получает 39,6 млн GGUF-скачиваний в месяц, почти вдвое больше Gemma и впятеро больше Llama
  • Малые модели остаются рабочей лошадкой хаба: модели до 1 млрд параметров дают 83% всех скачиваний за всё время, крупнее 100 млрд, лишь 1%

Почему это важно

Отчёт впервые системно фиксирует, что открытая экосистема ИИ расслоилась на два разных рынка: гонка размеров идёт в Китае, где лаборатории вроде Xiaomi и Meituan сразу выпускают модели за триллион параметров, а практическая эксплуатация происходит вокруг компактных моделей и одной экосистемной опоры, Qwen, вокруг которой сообщество построило 151 448 производных проектов. Данные также показывают: то, что собирает лайки (новые флагманы), почти не пересекается с тем, что реально скачивают и используют (небольшие стабильные модели), и путать эти два сигнала, по словам авторов, самая частая ошибка при чтении статистики хаба.

Кому это важно

Разработчикам и командам, выбирающим базовую модель для дообучения или локального развёртывания, Qwen занял позицию стандарта де-факто. Компаниям, планирующим инфраструктуру и железо, AMD и NVIDIA сами стали крупнейшими публикаторами открытых моделей, используя их как витрину своих чипов. Аналитикам ИИ-рынка, отчёт даёт количественную базу для тезиса о лидерстве китайских лабораторий на фронтире по размеру моделей.

Как это применить

Крупные китайские модели в основном выходят под разрешительными лицензиями Apache 2.0 или MIT, что снимает юридические барьеры для коммерческого использования, но в последних релизах Kimi K3 и Qwen3.8 уже появляются некоммерческие ограничения и требования делиться выручкой, и это стоит проверять для каждой новой версии отдельно. Для локального запуска по-настоящему крупных моделей рабочий путь, формат GGUF через llama.cpp: в июле 2026 года так уже доступны сборки DeepSeek-V4-Flash (~284 млрд параметров) и Kimi-K3 (~2,8 трлн параметров), а рост числа GGUF-репозиториев (+464% за семь месяцев) обгоняет рост самих моделей (+21,5%).

Можно ли доверять

Источник, сам Hugging Face, оператор описываемого хаба: данные о скачиваниях, лайках и репозиториях взяты из первых рук, а не оценены со стороны. Материал написан от лица команды («мы»), без указания конкретного автора или должности, и содержит выводы и интерпретации самих составителей (например, о причинах разрыва между лайками и скачиваниями), это стоит воспринимать как позицию платформы, а не как независимый аудит.

Риски и подводные камни

Доступный текст обрывается на полуслове в разделе про GGUF-конверсии, поэтому итоговое предложение авторов о том, как лабораториям организовать выпуск официальных сборок, до конца не раскрыто. Методология не описывает точные календарные границы «периода» (упоминаются только «семь месяцев» и «первые семь месяцев 2026 года»), что затрудняет независимую проверку роста репозиториев и датасетов. Наметившийся у Kimi K3 и Qwen3.8 переход к некоммерческим ограничениям в лицензиях может быть началом более широкого отхода китайских лабораторий от полностью открытых условий.

Компания Meta Platforms признана экстремистской организацией, её деятельность на территории РФ запрещена.