Hugging Face, літо 2026: за завантаженнями лідирує Qwen. Але лічильники вимірюють не все

14 серпня Hugging Face опублікувала звіт «State of Open Models: Summer 2026 Observations», підписаний, зокрема, Адіною Якефу, Аполінаріу та Ірен Солейман і побудований на активності, зафіксованій на Hub за перші сім місяців 2026 року. За цей період публічні репозиторії моделей зросли з 2,43 до 2,96 мільйона, набори даних — із 711 тисяч до 1 мільйона (уперше вище цієї позначки), Spaces — з 1,00 до 1,44 мільйона. Hub уже роками лишається головним публічним майданчиком для поширення моделей із відкритими вагами, а його лічильники завантажень стали найцитованішою метрикою, коли йдеться про те, «хто перемагає».

За даними звіту, родина Qwen від Alibaba зібрала 151 448 похідних моделей, створених спільнотою: у 2,6 раза більше за сукупний слід моделей Meta і в 4,7 раза більше за похідні саме від Llama. Зростання було рівним — приблизно 180–210 нових репозиторіїв, похідних від Qwen, на день упродовж періоду — і не зводилося до днів релізів. За завантаженнями 2026 року, виміряними на Hub, Hugging Face приписує Qwen близько 2,045 мільярда завантажень (2,061 мільярда, якщо рахувати всі репозиторії) проти приблизно 418 мільйонів у моделей Google і близько 227 мільйонів у моделей Meta. «Qwen has become part of the default workflow for developers deciding what models to fine-tune and deploy» — Hugging Face, офіційний звіт («Qwen увійшов до типового робочого процесу тих, хто вирішує, які моделі доналаштовувати й розгортати»).

The Next Web (16 серпня, матеріал Ани Марії Константін) зауважує, що 3 мільярди завантажень, поширені Alibaba, приблизно на 47% вищі за показник, який Hugging Face виміряла на Hub у 2026 році. Видання додає: «The 3 billion figure came from Alibaba's own emailed statement» («цифра в 3 мільярди походить із заяви, надісланої Alibaba електронною поштою»), а заявлені «понад 300 000» похідних перевищують 151 448, підраховані на Hub. The Next Web пояснює різницю периметром: дані Hugging Face охоплюють лише Hub і не враховують використання через API, приватні розгортання та інші канали, зокрема ModelScope самої Alibaba. Alibaba не оприлюднила методику, за якою рахує свої 3 мільярди та «понад 300 000», а Hugging Face публічно не прокоментувала розбіжність; лічильники Hub не відділяють продуктивне використання від тестів і автоматизованого трафіку, а сам звіт вказує на помітну частку трафіку від незареєстрованих агентів.

Окрім рейтингу, звіт наводить різкість на структуру використання: 85,6% моделей мають сумарно менш ніж 200 завантажень (деякі сторонні перекази подають «приблизно половина»: орієнтиром лишається офіційний текст), тоді як 1,5% репозиторіїв дають 99,2% усіх завантажень; моделі менші за 1 мільярд параметрів збирають 83% історичних завантажень, а понад 100 мільярдів — зупиняються на 1%. Якщо порівняти топ-25 за завантаженнями з топ-25 за «вподобаннями», в обох списках буде лише один репозиторій: увага й використання вимірюють різне. Щодо розмірів, китайські лабораторії випускали моделі з відкритими вагами аж до 2,78 трильйона параметрів; у п’яти з семи проаналізованих місяців найбільша відкрита модель від американської лабораторії лишалася нижчою за 130 мільярдів параметрів. Серед 178 китайських релізів із відкритими вагами понад 20 мільярдів параметрів, урахованих у 2026 році, 59% використовують ліцензію Apache 2.0 і 22% — MIT; ці частки стосуються тільки цієї підмножини.

Якщо лічильники лишаються найзручнішим компасом, варто пам’ятати, що вони залишають поза кадром. Першість Qwen на Hub очевидна, але відстань до цифр, які заявляють постачальники, розповідає передусім про відсутність спільної метрики реального використання. Доки периметри й методи різні, графіки показують тенденції, а не вироки. — Olya