2026年夏のオープンソースLLM勢力図
Hugging Faceが半期ごとに出すエコシステム分析の2026年夏版です。観測期間は2026年1月から8月まで。
Hub全体の伸び（2026年1月→8月）
全体の規模とその下の極端な偏り
Hubは伸びていますが、内側の分布は極端です。モデルの85.6%は生涯ダウンロードが200件未満、逆に1.5%のリポジトリが全ダウンロードの99.2%を占めます。レポートはこれ以降のすべての観測が「この形の内側で起きている」と前置きしています。伸びているのは登録数であって使われているモデルの幅ではありません。
"Public model repositories grew from 2.43 to 2.96 million over the period, datasets from 711,000 to 1 million, Spaces from 1.00 to 1.44 million. The distribution underneath stays extreme, roughly 85.6% of models have fewer than 200 lifetime downloads, and 1.5% of repositories account for 99.2% of all downloads. Everything below happens inside that shape."（冒頭）— Hugging Face 公式ブログより
中国勢がフロンティアの規模上限を握った
2026年のほぼ毎月、中国ラボが出す最大のオープンモデルは米国ラボが自前で出したどのモデルよりも大きい状態でした。 中国側の月次上限は7,540億から2.78兆パラメータの間。米国側は7か月中5か月で130B未満にとどまり、例外はNVIDIAのNemotron 3 Ultra（ネモトロン・561B）とThinking Machines LabのInklingだけでした。以下「B」は10億パラメータ、フロンティアは性能・規模の最前線にあるモデル群を指します。
かつては小型から徐々に上へ登るのが定石でしたが、複数の中国ラボはこの段階を丸ごと飛ばしました。Moonshot・MiniMax・Xiaomi・Z.aiは70B未満をほとんど出さず、開発者が最初に出会うのが自分の機材では動かないサイズになります。一方でTencentとAlibaba のQwen（クウェン）は1B未満から上まで全域を埋めています。
"In almost every month of 2026, the largest and most performant open model from a Chinese lab was larger than anything an American lab released of its own. China's monthly ceiling ran between 754B and 2.78 trillion parameters; America's own ceiling stayed under 130B in five of seven months, the exception being NVIDIA's Nemotron 3 Ultra at 561B in May and June, and Inkling from Thinking Machines Lab."／"Moonshot, MiniMax, Xiaomi and Z.ai publish almost nothing below 70B, so a developer's first encounter with them is a model too large to run on anything they own. Tencent and Alibaba Qwen cover the whole range instead, from under 1B upward."（いずれも 1. The frontier is moving fast）— Hugging Face 公式ブログより
米国の担い手はモデルラボからハードウェア企業へ
今年もっとも多く新規オープンモデルを公開した2組織はどちらもハードウェアを作る会社でした。AMDとNVIDIAです。それぞれ200を超える新規モデルリポジトリを出し、3位のLiquidAIの約100件を大きく引き離しています。レポートは「自社ハードウェア向けに最適化されたモデルを無料で配ることが、そのハードウェアが動く何よりの証明になる」と説明しています。
GoogleとMetaはかつてオープンモデル公開を定義した当事者でありながら、新規公開数ではNVIDIAの下に沈みました。重心はモデルラボからハードウェア・インフラ企業へ移ったという整理です。
"The two organizations publishing the most new open models this year are also the companies making the hardware: AMD and NVIDIA. Each released more than 200 new model repositories, far ahead of the rest of the field, with LiquidAI ranking third at around 100."／"a model optimized for your hardware and freely available is the clearest proof that the hardware works."／"Open source has moved from model labs to hardware and infrastructure companies."／"Most U.S. releases above 100B parameters this year are not new models, but built on top of Chinese models."（いずれも 1. The frontier is moving fast）— Hugging Face 公式ブログより
注目と利用はまったく別の経済
レポートが最も強く釘を刺すのがこの2つを取り違えるなという点です。
いいねとダウンロードは別のものを測っている
今年のダウンロード上位25といいね上位25で重複したリポジトリはちょうど1件だけでした。 2026年公開のモデルはダウンロード上位25に1件も入らず、25件のうち13件は2022年のモデル。all-MiniLM-L6-v2は7か月で15.5億回引かれた一方、いいねは5,156件にとどまります。逆にKimi-K3はいいね1件あたり約60回引かれた計算です。
いいねは「そのリリースが重要だ」という表明で、出荷直後のフロンティアモデルに集まります。対してダウンロードは「定期実行されるパイプラインに組み込まれている」という事実で、小さく安定したモデルに何年もかけて積み上がります。どちらか一方をもう一方の代理指標にするのが自社の過去の記事も含めHubの報道で最もよくある誤りだとレポートは述べています。
"We took the top 25 model repositories by downloads accumulated this year and the top 25 by likes. Exactly one repository appears in both lists."／"all-MiniLM-L6-v2 was pulled 1.55 billion times in seven months against 5,156 likes; Kimi-K3 was pulled about 60 times per like it received."／"A like says a release matters, and goes to frontier models in the weeks after they ship. A download says something is wired into a pipeline that runs on a schedule, and accrues to small, stable models over years."／"Treating either as a proxy for the other is the most common mistake we see in coverage of the Hub, including our own earlier work."（いずれも 2. Attention ≠ Adoption）— Hugging Face 公式ブログより
大型モデルで数字が立つのは中国勢だけ
70B超のモデルがダウンロードの主体になっているアカウントは中国のフロンティアラボに限られます。MiniMaxは2026年のダウンロードが事実上すべて70B超、Moonshotは88%、DeepSeekは55%、Z.aiは39%。対してGoogle・Microsoft・IBM Graniteは70B超がほぼゼロで、NVIDIAが14%、Metaが9%です。
ただし総量では話が変わります。フロンティア特化のMoonshotが年間3,700万ダウンロードなのに対し、規模の全域を押さえるQwenは20億4,500万。約55倍の開きです。量では網羅戦略が圧倒しています。手元で動かす側の選び方はローカルLLMでのコーディング実践にまとめています。
"Effectively all of MiniMax's 2026 downloads are of models above 70B, along with 88% of Moonshot's, 55% of DeepSeek's and 39% of Z.ai's. No large American account looks like this: Google, Microsoft and IBM Granite record essentially none of their 2026 downloads above 70B, and NVIDIA and Meta only 14% and 9%."／"Moonshot's frontier-only portfolio recorded 37M downloads over the year, while Qwen's broader release strategy across model sizes reached 2,045M … about 55 times more."（いずれも 2. Attention ≠ Adoption）— Hugging Face 公式ブログより
Qwenがコミュニティの土台になった
エコシステム上の位置は自社のリリース数でなく「どれだけ他人が上に積んだか」で決まります。
派生15万1,448件、1日180〜210件のペース
QwenをベースにしたモデルはHub上で15万1,448件に達しています。 Metaの総計の2.6倍、Llamaリポジトリに限れば4.7倍です。2位のGoogleは8万2,506件。3位はUnslothというコミュニティアカウントで、量子化（数値を粗く丸めてサイズを縮める処理）や追加学習しやすく整えたビルドを公開しています。
この位置を作ったのは主にコミュニティです。15万1,448件はQwen自身のリリースではなく第三者の下流成果で、Hub上のQwen系GGUF変換2万8,531件のうちQwenが公開したのは54件にすぎません。増加ペースは7か月を通じて1日180〜210リポジトリでした。
"Qwen-based models now account for 151,448 derivatives on the Hub, 2.6× Meta's total footprint and 4.7× the Llama repositories specifically. Google follows with 82,506 derivatives."／"Qwen derivatives have increased at roughly 180–210 new repositories per day throughout the first seven months of 2026"／"The third-largest source is Unsloth, a community account publishing quantized and fine-tuning-ready builds, many of which further extend the Qwen ecosystem."／"The 151,448 derivatives represent downstream work created by other developers, not releases produced by Qwen itself. Even among the 28,531 GGUF conversions of Qwen models on the Hub, Qwen published only 54."（いずれも 4. Qwen has become the community's base model）— Hugging Face 公式ブログより
一貫性・網羅・Apache 2.0という3条件
レポートはQwenの位置を作った要因を3つ挙げています。リリース間隔を保ち続けた一貫性、小型から大型まで揃えた網羅、そして改変・再配布・商用利用の摩擦を下げるApache 2.0ライセンス。幅広い品揃えが開発者を集め、開発者が派生を作り、派生が次の利用者を呼ぶ。この循環が互いを強化しているという説明です。
ライセンスの緩さは中国勢全体の傾向でもあります。2026年の中国発20B超リリース178件のうち59%がApache 2.0、22%がMIT。非商用制限は1件もありません。DeepSeekとZ.aiは7,000億から1.65兆パラメータのモデルを素のMITで出しています。米国側の同じ規模帯はApacheかMITが29%、独自条件が41%、無宣言が30%。回収先はライセンス収入ではなくAPI・クラウド事業やエコシステム上の位置そのものです。同じ構図はGLM-5.2のオープンウェイト公開にも表れています。
"First, consistency. … Second, coverage. … Third, openness. Apache 2.0 licensing reduces friction for modification, redistribution, and commercial use."（4. Qwen has become the community's base model）／"Of 178 Chinese releases above 20B parameters this year, 59% carry Apache 2.0 and 22% carry MIT, and exactly none carry a non-commercial restriction."／"DeepSeek and Z.ai ship models between 700 billion and 1.65 trillion parameters under plain MIT."／"on the American side of the same size band, 29% is Apache or MIT, 41% sits under custom terms and 30% declares nothing at all."（いずれも 3. Open weights shift where value accumulates）— Hugging Face 公式ブログより
実行層を支える小型モデルとエージェント
派手なのはフロンティアですが、回っているのはその下の層です。
1B未満が全期間ダウンロードの83%
パラメータ数を宣言しているモデルのうち1B未満が全期間ダウンロードの83%を占め、100B超は1%です。 2026年に絞っても構図は変わりません。70B超へ向かうのは全体の3%です。理由は単純で、小型モデルだけが大多数の開発者が実際に持っている機材で動くからです。
同じ月に公開された27B級の位置づけはQwen3.8-27Bの解説で扱っています。
"Among models that declare a parameter count, those under 1B take 83% of all-time downloads and everything above 100B takes 1%. Restricting to downloads accumulated in 2026 changes nothing: 3% of the volume goes to models above 70B. … small models are the only ones that run on the hardware most developers actually have."（5. Small models remain the practical layer）— Hugging Face 公式ブログより
llama.cppが兆パラメータをローカルへ運ぶ
では兆パラメータ級のモデルはどうやって人に届くのか。答えはllama.cpp（手元のPCで大規模モデルを動かすオープンソース実行環境）です。2026年2月にggmlチームがHugging Faceへ加わり、完全なオープンソースとコミュニティ統治のまま継続しています。7月のスナップショットには約284BのDeepSeek-V4-Flashと約2.8兆のKimi-K3のGGUF（llama.cpp系ツールが読む量子化ファイル形式）ビルドが載っています。
ローカル推論はかつて「ノートPCで8Bモデル」でした。いまは数台の消費者向けマシンにまたがる兆パラメータのMoE（混合エキスパート＝内部が多数の専門家パーツに分かれ、推論時は一部だけを動かす構成）を指します。その経路を走っているのもQwenで、GGUFダウンロードは月3,960万件。Gemmaの2,080万件の約2倍、Llamaの750万件の5倍を超えます。Llama由来のリポジトリ数はQwenをわずかに上回るのに、通行量は5分の1です。
"In February the ggml team joined Hugging Face, with the project remaining fully open-source, community-governed and in the same technical direction."／"The July snapshot carries GGUF builds of DeepSeek-V4-Flash at roughly 284B parameters and Kimi-K3 at roughly 2.8 trillion. Local inference used to mean an 8B model on a laptop. It now means a trillion-parameter mixture-of-experts spread across a few consumer machines"／"And that route runs on Qwen: 39.6 million GGUF downloads a month, nearly twice Gemma's 20.8 million and more than five times Llama's 7.5 million. The Llama gap is not a supply problem, Llama-derived GGUF repositories slightly outnumber Qwen's. Same shelf space, a fifth of the traffic."（いずれも 5. Small models remain the practical layer）— Hugging Face 公式ブログより
エージェントがHubの最大の利用者になった
7月公開のエージェント利用データセットでHubへのアクセスがどのコーディングエージェント由来かが初めて見えるようになりました。7月の首位はClaude Code の44.4%。ただし4月は67.8%、5月は6.4%と激しく振れており、レポートは「支配的な存在のいない市場で、1つのリリースや既定値の変更が1か月で半分の通行量を動かす」と評しています。
より示唆的なのは未登録の行です。7月のエージェント由来トラフィックの約4分の1はデータセットにまだ名前のないハーネス（エージェントを動かす実行環境）からのもの。5月にはその割合が59.8%でした。レポートは「新規参入がどんな登録簿の命名より速く到着していること自体が発見だ」と述べています。
締めくくりではエージェントがHubの利用者として初めて第1位になったと明言しています。次の報告はまったく違う見え方になるかもしれないというのが同社自身の見立てです。
"The agent-usage dataset, published in July, records the agent/<name> token that coding agents send when they call the Hub … For the first time we can see how much agent traffic the Hub receives and which harnesses it comes from."／"Claude Code led July with 44.4%, but a single month conceals the real finding: it held 67.8% in April and 6.4% in May, while Codex climbed steadily from 10.4% to 20.8%. This is a market with no incumbent, where one release or one changed default can move half the traffic in a month."／"Nearly a quarter of agent-tagged traffic in July came from harnesses not yet named in the dataset, and in May that figure was 59.8%. Between April and July more than a dozen new client identifiers appeared. New entrants are arriving faster than any registry can name them — which is itself the finding."（いずれも 6. Agents are the new user）／"In the end, having for the first time agents being the number 1 user on HF hub, the next report may also look very different."（Looking forward）— Hugging Face 公式ブログより
レポート本体は図表の多い長い英語ページです。見出しと表の構造を保ったままマークダウンにしておくと、数字の対応を崩さず読み進められます。
このレポートが示すのは「話題になっているもの」と「実際に動いているもの」が別々に存在するという事実です。規模競争は中国勢が握り、日々の推論は1B未満の小型モデルが担う。Hubを最も叩いているのはもはや人間ではなくエージェントです。 レポート自身が数字を「モデルの品質・商業的な採用・市場シェアの直接的な尺度と解釈すべきではない」と断っているとおり、ここにあるのは順位表ではありません。生態系の地図です。
"They should not be interpreted as direct measures of model quality, commercial adoption, or overall market share."（Notes on method）— Hugging Face 公式ブログより
