Prawdziwy wyścig AI: open source modele wypierają frontier na poziomie wdrożeń

Chińskie modele open-weight odpowiadają dziś za 41% wszystkich pobrań z Hugging Face i dominują w top 6 na OpenRouter — to dane za wiosną 2026, które zmuszają do rewizji popularnego przekonania, że o przyszłości AI decyduje wyłącznie występ na granicy możliwości modeli. Clem Delangue, CEO Hugging Face, argumentuje, że większość rzeczywistych wdrożeń produkcyjnych będzie obsługiwana przez tańsze, personalizowalne modele open source, a nie przez API największych laboratoriów.

Najważniejsze w skrócie

Chińskie modele open-weight: 41% pobrań na Hugging Face wiosną 2026
Top 6 najpopularniejszych modeli na OpenRouter to modele open source z chińskich firm (Tencent, Xiaomi, DeepSeek, MiniMax, Z.ai)
Połowa firm z Fortune 500 korzysta z Hugging Face do wdrożeń własnych lub open source modeli
Satya Nadella ostrzega przed vendor lock-in i utratą danych przez firmy korzystające z zewnętrznych modeli AI
Nowe repozytorium co 7 sekund na HF — platforma hostuje niemal 3 mln publicznych modeli

Dane, które zmieniają narrację

Przez kilka tygodni lata 2026 branża AI była skupiona na modelach frontier Anthropic i sporze o ich dostęp kontrolowany przez rząd USA. Tymczasem w tym samym czasie deweloperzy budowali produkty — i nie czekali na autoryzację od Anthropic ani OpenAI.

Dane platformy Hugging Face z wiosny 2026 pokazują to wyraźnie: chińskie modele open-weight odpowiadają za 41% pobrań, wyprzedzając modele z USA. Na OpenRouter, agregatorze API modeli AI, top 6 najpopularniejszych pozycji zajmują modele open source od Tencent, Xiaomi, DeepSeek, MiniMax i Z.ai — Claude Opus 4.7 Anthropic zajmuje dopiero siódme miejsce. Dane Vercel pokazują, że otwarte modele obsłużyły niemal jedną trzecią zapytań AI w czerwcu 2026 na platformie programistycznej Vercel.

Dlaczego firmy wybierają open source

Clem Delangue, CEO Hugging Face, wskazuje na trzy główne powody: koszt, kontrolę i własność. Firmy, które zaczęły rozliczać koszty tokenów przy skalowaniu, zderzyły się z rachunkami, które przekreślały marże. Closed source API oznacza też brak wglądu w to, jak model działa — i ryzyko, że dostawca zmieni warunki, ceny lub dostępność.

Jeśli jesteś firmą AI lub firmą technologiczną, nie chcesz outsourcować swoich kluczowych możliwości do innej firmy, do czarnej skrzynki API, nad którą nie masz kontroli ani wglądu.

Clem Delangue, CEO Hugging Face, podcast TechCrunch Equity

Satya Nadella, CEO Microsoft, poszedł krok dalej, ostrzegając, że firmy korzystające z zewnętrznych modeli AI oddają im przy okazji swoją wiedzę instytucjonalną. Modele uczą się na interakcjach z danymi klientów, a ta wiedza akumuluje się po stronie dostawcy, nie użytkownika. „Jeśli uczenie płynie tylko w jednym kierunku, wartość ekonomiczna koncentruje się u właścicieli infrastruktury uczenia, a nie u twórców wiedzy” — napisał Nadella.

Skala platformy Hugging Face

Na Hugging Face co 7 sekund powstaje nowe repozytorium. Platforma hostuje niemal 3 miliony publicznych modeli i milion publicznych zbiorów danych. Połowa firm z listy Fortune 500 korzysta z platformy do wdrożeń prywatnych i open source modeli. To inny obraz niż „jeden model rządzi wszystkimi” — w praktyce firmy używają wielu różnych modeli, często dostosowanych do konkretnych przypadków użycia.

Debata o otwarci jako ryzyku

Dario Amodei z Anthropic argumentował, że udostępnianie wag potężnych modeli może stać się niebezpieczne, bo po uwolnieniu trudno je kontrolować. Inni wskazują na ryzyko dezinformacji i cyberataków. Delangue odwraca ten argument. Jego zdaniem największym ryzykiem jest koncentracja mocy — w rękach kilku laboratoriów. „Bezpieczniejszy świat tworzysz przez wyrównanie szans i transparentność modeli” — powiedział. Zamknięcie modeli nie eliminuje ryzyk, bo guardrails API i tak można obyść, a wagi wykraść — tworząc asymetrię możliwości bez asymetrii odpowiedzialności.

Open source vs frontier: różne warstwy ekosystemu

Dane Vercel sugerują, że rynek dzieli się na dwie warstwy: otwarte modele obsługują masowe, niskokarżowe zapytania infrastrukturalne, a modele closed source funkcjonują jako premium tier dla zadań wymagających najwyższej jakości. To nie jest zero-sum — to specjalizacja. Pytanie brzmi, jak duży procent realnych zadań produkcyjnych zostanie zakwalifikowany jako „wymagający premium tier”, a jak duży obsłużą tańsze modele open source.

Dlaczego to ważne?

Przez lata narrację branżową zdominował występ o modele frontier — kto ma najlepszy benchmark, kto dotarł do AGI, kto ma dostęp do największych klastrów GPU. Te dane zmieniają perspektywę: prawdziwa bitwa toczy się na poziomie wdrożeń produkcyjnych, gdzie cena, dostosowanie i własność danych mają większe znaczenie niż marginalne różnice na benchmarkach. Jeśli połowa Fortune 500 buduje swoje systemy AI na Hugging Face, a nie na API OpenAI czy Anthropic, to struktura rynku wygląda inaczej niż sugerują medialne rankingi modeli. Chińskie laboratoria zrozumiały ten podział wcześniej — i konsekwentnie dostarczają modele, które wygrywają w warstwie kosztowej i wdrożeniowej, nie tylko na benchmarkach.

Co dalej?

Delangue zapowiedział, że Hugging Face będzie rozwijać narzędzia do trenowania prywatnych modeli wewnątrz firm — logiczna odpowiedź na deklarowany popyt Fortune 500.
Z.ai (dawne Zhipu AI) zapowiedziało kontynuację otwartych wydań GLM — seria GLM-5.2 już wyprzedza niektóre closed source modele Anthropic na benchmarkach bezpieczeństwa kodu.
OpenRouter planuje dalszą ekspansję agregacji — jeśli chiński udział w top modelach utrzyma się, może wymusić zmianę strategii cenowej u zachodnich laboratoriów.