Alibaba Qwen: 3 мільярди завантажень і зміна балансу сил у відкритому ШІ
Екосистема відкритих моделей Alibaba Qwen досягла вражаючого рубежу: за останні шість місяців кількість завантажень перевищила 3 мільярди. Китайська корпорація розмістила у публічному доступі понад 460 нейромереж, на базі яких розробники по всьому світу створили близько 300 000 похідних рішень. Це не просто статистика, а маркер фундаментального зсуву в індустрії.
Дані Hugging Face: домінування без застережень
Аналітика платформи Hugging Face за сім місяців поточного року малює ще показовішу картину. Лише в цій екосистемі моделі Qwen завантажили 2,05 млрд разів, а кількість форків і похідних репозиторіїв досягла 151 448. Для порівняння, у Google цей показник становить скромні 82 506. При цьому важливо розуміти, що статистика Hugging Face враховує лише активність у межах власної платформи, виключаючи API-виклики та приватні корпоративні розгортання.
Сукупні завантаження Google за 2026 рік оцінюються у 418 млн, Meta — у 227 млн. Ці цифри, однак, не слід сприймати як прямий індикатор ринкової частки чи комерційного успіху — автори звіту самі застерігають від таких спрощених трактувань. Тим не менш, темпи зростання Qwen свідчать про багато що: щодня кількість похідних репозиторіїв збільшується на 180–210. Показовим є і внесок спільноти: із 28 531 GGUF-конверсії цих моделей лише 54 створені самою Alibaba.
«Qwen стала стандартним елементом робочого процесу розробників, які обирають, яку модель донавчати та розгортати», — зазначають аналітики Hugging Face.
Секрет успіху: стратегія масштабування
Перевага Qwen пояснюється трьома ключовими факторами: регулярні оновлення модельного ряду, покриття всіх масштабів — від субмільярдних версій до гігантської Qwen3.8-Max із 2,4 трлн параметрів — та відкрита ліцензія Apache 2.0, що знімає обмеження на комерційне використання. Вирішальним виявився саме широкий спектр: на моделі з менш ніж 1 млрд параметрів припадає 83% усіх історичних завантажень платформи, тоді як на нейромережі понад 100 млрд — лише 1%. Конкуренти, зосереджені на гігантських LLM, явно програють: Moonshot AI, яка майже не випускає моделі менші за 70 млрд, за рік зібрала лише 37 млн завантажень — приблизно в 55 разів менше, ніж Qwen. У сегменті локального розгортання відрив також величезний: GGUF-збірки Qwen завантажують 39,6 млн разів на місяць проти 20,8 млн у Gemma та 7,5 млн у Llama.
Нова розстановка сил у відкритому ШІ
Звіт фіксує тектонічний зсув: майже щомісяця найбільша відкрита модель із Китаю перевершувала за розміром усі американські релізи. Стеля параметрів китайських моделей коливалася від 754 млрд до 2,78 трлн, тоді як у конкурентів із США у п'яти із семи місяців вона не перевищувала 130 млрд. Ліцензійна політика також разюче відрізняється: у Китаї 59% моделей із параметрами понад 20 млрд випущені під Apache 2.0, 22% — під MIT, і жодна не має обмежень на комерційне використання. У США лише 29% підпадають під відкриті ліцензії, 41% — під пропрієтарні умови, а 30% — взагалі без зазначення ліцензії.
Примітно, що в США драйверами відкритих моделей виступають не ШІ-лабораторії, а виробники чипів: AMD і Nvidia випустили понад 200 репозиторіїв кожна, помітно випереджаючи Google і Meta.
Мій коментар: Ці дані — яскраве підтвердження того, що стратегія «відкритості як зброї» працює. Alibaba не просто наздоганяє західних конкурентів, а переформатовує ринок, роблячи ставку на масове впровадження та екосистему розробників. Західним лабораторіям варто замислитися: контроль над інфраструктурою — це важливо, але без відкритих моделей, які обирають розробники, лідерство в ШІ може виявитися пірровою перемогою.