Au cours des six derniers mois, le nombre de téléchargements de modèles Qwen AI d'Alibaba a dépassé les 3 milliards. Bloomberg écrit à ce sujet en référence à la déclaration de l'entreprise.
La société chinoise a rendu publics plus de 460 réseaux de neurones, sur la base desquels les développeurs ont construit 300 000 dérivés.
Ce que montrent les données de Hugging Face
La veille de la publication de Bloomberg, Hugging Face a partagé son rapport semestriel sur l'état des modèles ouverts. Selon ses calculs, en sept mois de cette année, Qwen a été téléchargé 2,05 milliards de fois et le nombre de référentiels de produits dérivés a atteint 151 448. Le chiffre de Google est de 82 506.
Selon Hugging Face, en 2026, les téléchargements de modèles Google s'élevaient à 418 millions, Meta à 227 millions. Par ailleurs, les statistiques du site ne prennent en compte que l'activité au sein de son écosystème, hors API-demandes, déploiements privés et autres canaux de distribution.
Les auteurs du rapport ont également souligné que ces données ne doivent pas être considérées comme un indicateur de part de marché ou d'utilisation commerciale réelle.
Le nombre de référentiels de produits dérivés Qwen augmente de 180 à 210 par jour. Sur 28 531 GGUFSeules 54 conversions de ces modèles sur la plateforme ont été créées par Alibaba, le reste a été créé par la communauté.
« Qwen fait désormais partie du flux de travail standard pour les développeurs qui choisissent le modèle à former et à déployer », a noté Hugging Face.
Pourquoi Qwen a battu ses concurrents
Les experts ont expliqué la position de Qwen par trois raisons : des mises à jour régulières, une couverture à toutes les échelles – des versions d'un milliard de dollars à Qwen3.8-Max (2,4 billions de paramètres) et la licence Apache 2.0, qui ne limite pas le développement et l'utilisation commerciale.
L'étendue de la gamme de modèles s'est avérée être un facteur décisif. Selon Hugging Face, les versions avec moins d'un milliard de paramètres représentent 83 % de tous les téléchargements dans l'histoire de la plateforme, tandis que les réseaux de neurones avec plus de 100 milliards de paramètres ne représentent que 1 %.
Concentré sur les grands LLM les laboratoires sont à la traîne : par exemple, Moonshot AI, qui ne sort quasiment jamais de modèles à moins de 70 milliards, a collecté 37 millions de téléchargements en un an, soit environ 55 fois moins que Qwen.
Le développement d'Alibaba est également leader sur le segment du déploiement local : ses assemblages GGUF sont téléchargés 39,6 millions de fois par mois, Gemma – 20,8 millions, Llama – 7,5 millions.
L’équilibre des pouvoirs dans l’IA ouverte
Le rapport a montré un changement dans la balance : presque chaque mois cette année, le plus grand modèle ouvert de la RPC a dépassé en taille toutes les versions des États-Unis. Son plafond variait entre 754 milliards et 2 780 milliards, alors que ses concurrents n'ont pas dépassé les 130 milliards cinq mois sur sept.
En Chine, 59 % des modèles comportant plus de 20 milliards de paramètres sont publiés sous Apache 2.0, 22 % sont publiés sous MIT et aucun d'entre eux n'a de restrictions d'utilisation commerciale. Pour les développeurs américains de la même catégorie, le tableau est différent : 29 % – sous Apache/MIT, 41 % – sous conditions propriétaires, 30 % – sans spécification de licence.
Aux États-Unis, les leaders en nombre de nouveaux modèles ouverts n'étaient pas les laboratoires d'IA, mais les fabricants de puces : AMD et Nvidia, chacun ayant publié plus de 200 référentiels. Google et Meta sont nettement inférieurs dans cet indicateur.
Rappelons qu'en août, l'auteur du livre Techno-Nationalism, Alex Capri, a déclaré que les États-Unis conservent un avantage dans la course à l'IA, non pas tant grâce à des modèles individuels, mais grâce au contrôle de l'infrastructure.
Vous avez trouvé une erreur dans le texte ? Sélectionnez-le et appuyez sur CTRL+ENTRÉE