К марту 2026 года семейство моделей Qwen, разработанное Alibaba, достигло впечатляющего показателя в 942,1 миллиона загрузок на платформе Hugging Face, что вдвое превышает результат главного конкурента — модели Llama, которая насчитывает 476 миллионов загрузок. Эти данные представлены в свежем отчёте ATOM, опубликованном 8 апреля на arXiv, где проанализировано около 1500 ключевых open-source моделей и динамика их использования на рынке.
Qwen впервые обошёл Llama по количеству загрузок ещё в сентябре 2025 года, когда показатели были почти равны — 325,4 млн против 323,7 млн. Однако с тех пор разрыв начал быстро увеличиваться: уже в феврале 2026-го Qwen фиксировал 153,6 млн загрузок в месяц, закрепившись как стандарт де-факто для многих пользователей.
Особое внимание уделяется файн-тюнам — кастомным адаптациям моделей под конкретные задачи. Доля Qwen среди новых файн-тюнов выросла с 1% в январе 2024 года до 69% в феврале 2026-го, тогда как у Llama доля упала с пика в 44% в августе 2024-го до 11%. Это указывает на то, что Qwen широко используется не только для экспериментов, но и в реальных продуктах.
Совокупные загрузки американских моделей, включая разработки NVIDIA, Ai2 и IBM, составили лишь около 56 млн, что значительно уступает одному только Qwen. Аналитики связывают это с тем, что китайские модели уже летом 2025 года обогнали американские по популярности и продолжают укреплять своё лидерство.
Ключевыми преимуществами Qwen 2.5, выпущенного в сентябре 2024 года, стали широкий выбор параметров (от 0,5 до 72 млрд), открытая лицензия Apache 2.0 и высокое качество, сравнимое с закрытыми продуктами. Усиление тренда обеспечил DeepSeek в начале 2025 года, подтвердивший конкурентоспособность китайских лабораторий при более низких затратах. Вследствие этого экосистема open-source ИИ постепенно смещается из Кремниевой долины в Ханчжоу и Шэньчжэнь.
Хотя загрузки отражают активность исследователей и стартапов, реальное промышленное внедрение моделей остаётся менее прозрачным, поскольку крупные компании часто используют закрытые API или собственные инфраструктуры. Тем не менее, высокая доля файн-тюнов на базе Qwen свидетельствует о его значимости как основы для новых продуктов и сервисов.
P.S. Поддержать автора можно подпиской на канал «Сбежавшая нейросеть», где рассказывается о творческом подходе к искусственному интеллекту.
