Kinas åpne modeller nådde 2,78 billioner parametere, USAs tak lå under 130 milliarder

I nesten hver måned av 2026 var den største åpne modellen fra en kinesisk lab større enn noe en amerikansk lab slapp selv. Det skriver Hugging Face i halvårsrapporten «State of Open Models: Summer 2026», basert på aktivitet på selskapets egen hub de første sju månedene av året. Kinas månedlige tak lå mellom 754 milliarder og 2,78 billioner parametere. Det amerikanske taket holdt seg under 130 milliarder i fem av sju måneder, med Nvidias Nemotron 3 Ultra på 561 milliarder og Thinking Machines Labs Inkling som unntakene.

Hvem som publiserer i USA, har også endret seg. De to organisasjonene som slapp flest nye åpne modeller i år, er maskinvareprodusentene AMD og Nvidia, med over 200 nye modellrepoer hver. LiquidAI følger på tredjeplass med rundt 100. Google og Meta, selskapene som definerte åpen modellpublisering tidligere, ligger nå godt bak Nvidia. Hugging Face beskriver det som at åpen kildekode har flyttet seg fra modellabbene til maskinvare- og infrastrukturselskapene, og at mesteparten av det amerikanske over 100 milliarder parametere er konverteringer bygget på kinesiske modeller.

Lisensene peker samme vei. Av 178 kinesiske utgivelser over 20 milliarder parametere i år bærer 59 prosent Apache 2.0 og 22 prosent MIT, og ingen har en ikke-kommersiell klausul. I samme størrelsesbånd på amerikansk side er 29 prosent Apache eller MIT, 41 prosent ligger under egne vilkår, og 30 prosent oppgir ingenting.

«Lokal inferens pleide å bety en 8B-modell på en laptop. Nå betyr det en mixture-of-experts på tusen milliarder parametere spredt over noen få forbrukermaskiner.» — Hugging Face, State of Open Models: Summer 2026

Under frontlinjen ser tallene helt annerledes ut. Blant modeller som oppgir parametertall, står de under 1 milliard for 83 prosent av alle nedlastinger gjennom tidene, og alt over 100 milliarder for 1 prosent. Ser du bare på nedlastinger i 2026, går 3 prosent av volumet til modeller over 70 milliarder. Det er llama.cpp og GGUF-formatet som kobler de to lagene sammen, og ggml-teamet ble en del av Hugging Face i februar.

Qwen er det tydeligste eksempelet på at økosystemposisjon slås av utgivelser. Qwen-baserte modeller står for 151 448 avledninger på huben, 2,6 ganger Metas samlede fotavtrykk, mens Google følger med 82 506. Qwen-modeller lastes ned som GGUF 39,6 millioner ganger i måneden, nesten dobbelt så mye som Gemma på 20,8 millioner og mer enn fem ganger Llama på 7,5. Av 28 531 GGUF-konverteringer av Qwen-modeller har Qwen selv publisert 54. Resten er community-arbeid, og Hugging Face anbefaler labbene å signere og dokumentere egne konverteringer i stedet.

Rapportens siste funn er at agenter nå er hubens største bruker. Claude Code sto for 44,4 prosent av agent-merket trafikk i juli, etter 67,8 prosent i april og 6,4 prosent i mai, mens Codex klatret jevnt fra 10,4 til 20,8 prosent. Nesten en fjerdedel av trafikken i juli kom fra klienter datasettet ennå ikke har navn på, mot 59,8 prosent i mai. For deg som velger modell å bygge på, betyr det at kontrollpunktet flytter seg fra hvem som trener størst, til hvem som havner i standardoppsettet til verktøyet du kjører.