Новини криптоміра

Китайський технологічний гігант Alibaba досяг вражаючого рубежу: сукупна кількість завантажень їхніх відкритих ШІ-моделей родини Qwen перевищила 3 мільярди за останні пів року. Це знакова подія, яка кардинально змінює розстановку сил на глобальному ринку штучного інтелекту.

Корпорація виклала у відкритий доступ понад 460 нейромереж, на основі яких сторонні розробники створили понад 300 000 похідних моделей. Така екосистема — прямий шлях до домінування в індустрії, і цифри це підтверджують.

Дані Hugging Face: хто реально лідирує

Аналітика платформи Hugging Face, опублікована в піврічному звіті, проливає світло на масштаби явища. За сім місяців поточного року моделі Qwen завантажили 2,05 млрд разів, а кількість похідних репозиторіїв досягла 151 448. Для порівняння, у Google цей показник становить лише 82 506. За весь 2026 рік завантаження моделей Google оцінюються в 418 млн, а Meta — в 227 млн. Важливо підкреслити, що статистика Hugging Face враховує лише активність у межах власної екосистеми, виключаючи API-запити та приватні корпоративні розгортання, що робить реальний відрив ще значнішим.

Примітна 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. Це свідчить про те, що Qwen стала стандартом де-факто для розробників, які обирають базу для донавчання та розгортання.

Секрет успіху: стратегія масштабування

Перевага Qwen над конкурентами пояснюється трьома ключовими факторами. По-перше, це регулярні оновлення лінійки. По-друге — безпрецедентне покриття всіх масштабів: від субмільярдних версій до флагманської Qwen3.8-Max із 2,4 трлн параметрів. Але вирішальним фактором стала широта модельного ряду. Дані показують, що на версії з менш ніж 1 млрд параметрів припадає 83% усіх завантажень за історію платформи, тоді як на гігантів понад 100 млрд — лише 1%.

Лабораторії, зосереджені виключно на великих LLM, стрімко 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 беззаперечно лідирує 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.

Зміна парадигми у відкритому ШІ

Звіт демонструє тектонічний зсув: майже щомісяця в поточному році найбільша відкрита модель із КНР перевершувала за розміром усі американські релізи. Стеля китайських моделей коливалася від 754 млрд до 2,78 трлн параметрів, тоді як у конкурентів із США в п'яти із семи місяців вона не перевищувала 130 млрд. Більше того, у Китаї 59% моделей із числом параметрів понад 20 млрд випущено під ліцензією Apache 2.0, яка не обмежує комерційне використання. В американських розробників картина інша: 29% — під відкритими ліцензіями, 41% — під пропрієтарними умовами, а 30% — взагалі без зазначення ліцензії.

Показово, що в США лідерами за кількістю нових відкритих моделей стали не ШІ-лабораторії, а виробники чипів: AMD і Nvidia випустили понад 200 репозиторіїв кожна, залишивши Google і Meta далеко позаду.

Мій аналіз: Успіх Qwen — це не просто статистика, а маркер зрілості китайської ШІ-індустрії. Стратегія Alibaba, яка робить ставку на відкритість і доступність моделей будь-якого розміру, створює мережевий ефект, який надзвичайно складно подолати. Поки американські гіганти борються за першість у створенні надвеликих LLM, Китай методично захоплює реальний ринок розробників, які визначать майбутнє прикладного ШІ. Це класичний приклад перемоги екосистеми над окремими технологічними проривами.