Hugging Face, lato 2026: Qwen prowadzi w pobraniach. Ale liczniki nie mierzą wszystkiego

Hugging Face opublikował 14 sierpnia „State of Open Models: Summer 2026 Observations”, podpisany m.in. przez Adinę Yakefu, Apolinária i Irene Solaiman, oparty na aktywności zarejestrowanej na Hubie w pierwszych siedmiu miesiącach 2026 roku. W tym czasie publiczne repozytoria modeli wzrosły z 2,43 do 2,96 miliona, zbiory danych z 711 tysięcy do 1 miliona (pierwszy raz powyżej tego progu), a Spaces z 1,00 do 1,44 miliona. Hub od lat jest podstawową publiczną platformą dystrybucji modeli o otwartych wagach, a jego liczniki pobrań stały się najczęściej cytowaną miarą tego, „kto wygrywa”.

Według raportu rodzina Qwen od Alibaby skupia 151 448 modeli pochodnych zbudowanych przez społeczność: 2,6 raza więcej niż łączny ślad modeli Meta i 4,7 raza więcej niż pochodne samej Llamy. Wzrost był stały — około 180–210 nowych repozytoriów pochodnych od Qwena dziennie w badanym okresie — i nie ograniczał się do dni premier. W pobraniach z 2026 roku zmierzonych na Hubie Hugging Face przypisuje Qwenowi około 2,045 miliarda pobrań (2,061 miliarda, licząc wszystkie repozytoria), wobec około 418 milionów dla modeli Google’a i około 227 milionów dla modeli Meta. „Qwen has become part of the default workflow for developers deciding what models to fine-tune and deploy” — Hugging Face, raport oficjalny („Qwen wszedł do domyślnego trybu pracy tych, którzy decydują, które modele dostroić i wdrożyć”).

The Next Web (16 sierpnia, tekst Any Marii Constantin) zauważa, że 3 miliardy pobrań rozpowszechniane przez Alibabę są o około 47% wyższe niż wartość zmierzona przez Hugging Face na Hubie w 2026 roku. Serwis dodaje, że „The 3 billion figure came from Alibaba's own emailed statement” („3 miliardy pochodzą z oświadczenia przesłanego przez Alibabę mailem”) oraz że deklarowane „ponad 300 000” pochodnych przewyższa 151 448 policzonych na Hubie. The Next Web przypisuje różnicę zakresowi: dane Hugging Face obejmują wyłącznie Hub i nie uwzględniają korzystania przez API, prywatnych wdrożeń ani innych kanałów, w tym należącego do Alibaby ModelScope. Alibaba nie opublikowała metodologii, według której liczy swoje 3 miliardy i „ponad 300 000”, a Hugging Face publicznie nie skomentował rozbieżności; liczniki Hubu nie odróżniają użycia produkcyjnego od testów i ruchu automatycznego, a raport sygnalizuje znaczący udział ruchu od niezarejestrowanych agentów.

Poza rankingiem raport pokazuje strukturę użycia: 85,6% modeli ma łącznie mniej niż 200 pobrań (część streszczeń podaje „mniej więcej połowę”: punktem odniesienia pozostaje tekst oficjalny), podczas gdy 1,5% repozytoriów skupia 99,2% wszystkich pobrań; modele poniżej 1 miliarda parametrów zbierają 83% pobrań w całej historii, te powyżej 100 miliardów zatrzymują się na 1%. Porównanie pierwszej dwudziestki piątki według pobrań z pierwszą dwudziestką piątką według polubień pokazuje tylko jedno repozytorium obecne w obu: uwaga i użycie mierzą co innego. Jeśli chodzi o rozmiary, chińskie laboratoria opublikowały modele o otwartych wagach sięgające 2,78 biliona parametrów; w pięciu z siedmiu analizowanych miesięcy największy otwarty model wypuszczony przez laboratorium amerykańskie pozostał poniżej 130 miliardów parametrów. Wśród 178 chińskich wydań o otwartych wagach powyżej 20 miliardów parametrów odnotowanych w 2026 roku 59% korzysta z licencji Apache 2.0, a 22% z MIT; te odsetki dotyczą wyłącznie tego podzbioru.

Jeśli liczniki pozostają najwygodniejszym kompasem, warto pamiętać, co zostawiają poza kadrem. Przewaga Qwena na Hubie jest wyraźna, ale dystans wobec liczb podawanych przez dostawców mówi przede wszystkim o braku wspólnej miary rzeczywistego użycia. Dopóki zakresy i metody się różnią, wykresy mówią o tendencjach, nie wydają wyroków. — Olya