En rangliste-historie med den forkerte overskrift

Alibabas Qwen-familie rundede 3 milliarder samlede downloads i de seks måneder frem til midten af august 2026, et tal, som selskabet bekræftede over for Bloomberg i en skriftlig udtalelse, sammen med en optælling på mere end 460 åbne modeller og over 300.000 afledte modeller bygget ovenpå. Næsten alle medier, der dækkede det, kørte en variant af samme overskrift: Qwen har overhalet Google og Meta tilsammen og er blevet verdens mest downloadede åbne AI-familie.

Den vinkling behandler historien som en rangliste. Hugging Faces eget rapport, "State of Open Models: Summer 2026 Observations", udgivet 14. august 2026 og den direkte kilde bag størstedelen af dækningen, fortæller en mere præcis historie. Qwen står for 151.448 afledte repositories på Hugging Face Hub, 2,6 gange Metas samlede fodaftryk og 4,7 gange antallet af Llama-specifikke repositories, og trækker 39,6 millioner GGUF-downloads om måneden, mod 20,8 millioner for Googles Gemma og 7,5 millioner for Llama. Googles egne modeller ligger på andenpladsen målt på afledninger med 82.506 repositories; Metas beregnede fodaftryk ligger omkring 58.249. Forskellen er ikke lille.

Koncentration, ikke mangfoldighed, er det egentlige tal

Detaljen, som alle opsummeringer sprang over, er formen på fordelingen, ikke vinderen. Hugging Faces rapport konstaterer, at 85,6 procent af alle modeller på Hub'en har under 200 downloads i hele deres levetid, og at 1,5 procent af repositories står for 99,2 procent af alle downloads. Modeller under 1 milliard parametre tegner sig for 83 procent af alle downloads nogensinde. Sammenlagt er det "åbne modeløkosystem", der ofte beskrives som vidtstrakt og mangfoldigt, i den downloadvægtede virkelighed en handfuld checkpoints, som næsten alle rent faktisk bruger, og Qwen-afledninger står nu i centrum af den handfuld og vokser med cirka 180 til 210 nye repositories om dagen gennem de første syv måneder af 2026.

For et europæisk udviklingsteam betyder den koncentration mere end selve milepælen. "Vi evaluerede flere åbne modeller" og "vi standardiserede på en udenlandsk leverandørs checkpoint, tre finjusteringslag fra den oprindelige udgivelse" beskriver det samme praktiske resultat for de fleste teams, der i dag bygger på Hugging Face. Den anden beskrivelse er den, der vejer juridisk.

Efterlevelsesudløseren der er indbygget i finjusteringen

EU's AI-forordning behandler ikke ethvert selskab, der rører ved en generel AI-model, som en passiv bruger. Ifølge artikel 3, stk. 23, og betragtning 109 i forordningen, samt paragraf 62 i det europæiske AI-kontors GPAI-retningslinjer, kan et nedstrøms selskab, der ændrer en generel AI-model, selv blive "udbyder" af den model, med de forpligtelser, den status medfører, hvis ændringen vurderes at være "væsentlig". AI-kontoret har fastsat en vejledende grænse for den vurdering: træningsberegningskraft svarende til cirka en tredjedel eller mere af den beregningskraft, der oprindeligt blev brugt til at træne basismodellen. Under den grænse betragtes prompting, retrieval-augmented generation og let hyperparameterjustering som ikke-væsentlige. Over den formodes finjustering og destillation at være væsentlige, og fuldstændige arkitekturændringer er det altid.

At krydse den grænse pålægger ikke et team hele den efterlevelsesbyrde, som Alibaba bærer som Qwens oprindelige udbyder. Betragtning 109 begrænser de arvede forpligtelser, primært teknisk dokumentation og et resume om overholdelse af ophavsret, til den del af modellen, der faktisk er ændret. Men det er stadig en reel, bindende forpligtelse, der opstår automatisk, baseret på et beregningsforhold, som de fleste finjusteringsteams aldrig har beregnet mod deres basismodels trænings-FLOP, endsige logført i en efterlevelsesmappe.

Hvad en europæisk AI-ansvarlig faktisk bør tjekke

EU-Kommissionen har offentligt udtalt, at den forventer, at "kun få ændringsudøvere" af generelle AI-modeller krydser grænsen for væsentlig ændring og selv bliver udbydere. Den forventning er en politisk antagelse, ikke en garanti, og den bygger eksplicit på en grænse, som AI-kontoret selv kalder vejledende og ikke endegyldig, og som Kommissionen erkender kan overse ændringer med lavere beregningskraft, der alligevel mærkbart ændrer en models kapaciteter eller risikoprofil.

Servolas egen læsning er praktisk snarere end alarmistisk: milepælen på 3 milliarder downloads er ikke i sig selv en advarsel, men den er et stød til eftertanke. Ethvert europæisk team, der kører produktionsfinjusteringer eller destillationer på Qwen, eller på enhver anden populær åben basismodel, har nu en konkret grund til at tjekke, hvor dets seneste træningskorsel lå i forhold til en-tredjedel-beregningsgrænsen, og til at gemme det tal, for AI-forordningen har allerede givet Bruxelles beføjelsen til at spørge om det, og et beregningsforhold, som ingen har fulgt, er en svag position at forsvare sig fra.

Læs videre: Alibaba fortav tallet der fastsætter jeres pris  |  2. december binder den, der kører modellen