Відкриті моделі Qwen від Alibaba подолали позначку у 3 мільярди завантажень: феномен, який змінює ринок ШІ
Китайський технологічний гігант Alibaba досяг вражаючого рубежу: за останні шість місяців кількість завантажень його відкритих ШІ-моделей сімейства Qwen перевищила 3 мільярди. Це не просто цифра, а сигнал про фундаментальний зсув в екосистемі штучного інтелекту.
Корпорація виклала у відкритий доступ понад 460 нейромереж, на основі яких світова спільнота розробників створила близько 300 000 похідних моделей. Такий масштаб свідчить про те, що Qwen стала не просто продуктом, а стандартом де-факто для багатьох інженерів.
Що приховується за статистикою платформи Hugging Face
Аналіз даних платформи Hugging Face, який я уважно вивчив, малює ще детальнішу картину. За сім місяців поточного року модель Qwen завантажили 2,05 млрд разів, а кількість похідних репозиторіїв досягла 151 448. Для порівняння, у Google цей показник становить 82 506.
При цьому важливо розуміти: статистика Hugging Face враховує лише активність у межах її власної екосистеми, виключаючи API-запити, приватні розгортання та корпоративні канали. За оцінками платформи, за 2026 рік завантаження моделей Google становили 418 млн, а Meta — 227 млн. Ці цифри не є прямим індикатором ринкової частки, але вони чудово відображають тренд на відкритість і доступність.
Показовою є й динаміка: кількість похідних репозиторіїв Qwen щодня зростає на 180–210. Із 28 531 GGUF-конверсії цих моделей на платформі лише 54 створила сама Alibaba — решта це робота спільноти. Як справедливо зазначають аналітики, Qwen стала частиною стандартного робочого процесу розробників, які обирають, яку модель донавчати та розгортати.
Чому Qwen обійшла конкурентів: три ключові фактори
Мій аналіз показує, що успіх Qwen зумовлений трьома стратегічними рішеннями: регулярні оновлення, покриття всіх масштабів — від субмільярдних версій до гігантської Qwen3.8-Max з 2,4 трлн параметрів, і ліцензія Apache 2.0, яка не обмежує доопрацювання та комерційне застосування.
Широта модельного ряду виявилася вирішальною. Дані показують, що на версії з менш ніж 1 млрд параметрів припадає 83% усіх завантажень за історію платформи, тоді як на нейромережі понад 100 млрд — лише 1%. Це пояснює, чому лабораторії, зосереджені на великих LLM, відстають. Наприклад, 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.
Alibaba також домінує в сегменті локального розгортання: її GGUF-збірки завантажують 39,6 млн разів на місяць, тоді як у Gemma цей показник — 20,8 млн, а у Llama — лише 7,5 млн.
Розстановка сил у відкритому ШІ: Китай проти США
Звіт демонструє зміщення балансу сил. Майже щомісяця в поточному році найбільша відкрита модель із КНР перевершувала за розміром усі релізи зі США. Стеля китайських моделей коливалася від 754 млрд до 2,78 трлн параметрів, тоді як в американських конкурентів у п'яти із семи місяців вона не перевищувала 130 млрд.
Особливо показовим є ліцензійний аспект. У Китаї 59% моделей із числом параметрів понад 20 млрд випущені під Apache 2.0, а 22% — під MIT, і жодна з них не має обмежень на комерційне використання. В американських розробників картина інша: лише 29% — під Apache/MIT, 41% — під пропрієтарними умовами, а 30% — без зазначення ліцензії взагалі.
Цікаво, що в США лідерами за кількістю нових відкритих моделей стали не ШІ-лабораторії, а виробники чипів: AMD і Nvidia випустили понад 200 репозиторіїв кожна, значно випереджаючи Google і Meta.
Моя експертна оцінка: Успіх Qwen — це не просто перемога однієї компанії, а демонстрація того, що відкрита екосистема з гнучкими ліцензіями та широким охопленням масштабів здатна переграти закриті та напівзакриті підходи. США зберігають перевагу в інфраструктурі, але якщо тренд на відкритість збережеться, Китай може закріпити лідерство в практичному застосуванні ШІ, що в довгостроковій перспективі важливіше, ніж кількість параметрів у найбільшій моделі.