Historia rankingu z niewłaściwym nagłówkiem

Rodzina Qwen od Alibaba przekroczyła 3 miliardy łącznych pobrań w ciągu sześciu miesięcy do połowy sierpnia 2026 roku, co firma potwierdziła Bloombergowi w pisemnym oświadczeniu, wraz z liczba ponad 460 otwartych modeli i ponad 300 000 zbudowanych na ich bazie modeli pochodnych. Niemal każdy portal, który o tym pisał, opublikował wariant tego samego nagłówka: Qwen wyprzedził Google i Meta razem wzięte, stając się najczęściej pobierana na świecie rodzina otwartych modeli AI.

Takie ujęcie traktuje tę historię jak ranking. Własny raport Hugging Face, "State of Open Models: Summer 2026 Observations", opublikowany 14 sierpnia 2026 roku i bezpośrednie źródło większości tych doniesień, opowiada bardziej precyzyjna historie. Qwen odpowiada za 151 448 repozytoriów pochodnych na Hubie Hugging Face, 2,6 raza więcej niż cały dorobek Meta i 4,7 raza więcej niż liczba repozytoriów specyficznych dla Llama, i przyciąga 39,6 miliona pobrań GGUF miesięcznie, wobec 20,8 miliona dla Gemma od Google i 7,5 miliona dla Llama. Własne modele Google zajmują drugie miejsce pod względem liczby pochodnych, z 82 506 repozytoriami; szacowany dorobek Meta wynosi około 58 249. Różnica nie jest niewielka.

Koncentracja, nie różnorodność, jest prawdziwa liczba

Szczegół, który pominęła każda relacja, to kształt rozkładu, a nie zwycięzca. Raport Hugging Face stwierdza, że 85,6 procent wszystkich modeli na Hubie ma mniej niż 200 pobrań w całym cyklu życia, a 1,5 procent repozytoriów odpowiada za 99,2 procent wszystkich pobrań. Modele poniżej 1 miliarda parametrów odpowiadają za 83 procent wszystkich pobrań w historii. Razem wzięta, "ekosystem otwartych modeli", często opisywany jako rozległy i zróżnicowany, jest w rzeczywistości ważonej pobraniami garstka checkpointów, których faktycznie używa niemal każdy, a pochodne Qwen znajdują się teraz w centrum tej garstki, rosnąc o około 180 do 210 nowych repozytoriów dziennie w ciągu pierwszych siedmiu miesięcy 2026 roku.

Dla europejskiego zespołu inżynierskiego ta koncentracja liczy się bardziej niż sam kamień milowy. "Oceniliśmy kilka otwartych modeli" i "ustandaryzowaliśmy się na checkpoincie zagranicznego dostawcy, oddalonym o trzy warstwy dostrajania od oryginalnego wydania" opisują ten sam praktyczny rezultat dla większości zespołów budujących dziś na Hugging Face. To drugie zdanie ma wagę prawna.

Wyzwalacz zgodności wbudowany w dostrajanie

Unijny AI Act nie traktuje każdej firmy, która dotyka modelu AI ogólnego przeznaczenia, jako biernego użytkownika. Zgodnie z art. 3 ust. 23 i motywem 109 rozporządzenia oraz punktem 62 wytycznych GPAI Europejskiego Urzędu ds. AI, firma dalej w łańcuchu, która modyfikuje model AI ogólnego przeznaczenia, może sama stać się "dostawca" tego modelu, wraz z obowiązkami, które niesie ten status, jeśli modyfikacja zostanie uznana za "istotna". Urząd ds. AI ustalił orientacyjny próg dla tej oceny: moc obliczeniowa treningu równa mniej więcej jednej trzeciej lub więcej mocy pierwotnie użytej do wytrenowania modelu bazowego. Poniżej tego progu prompting, generowanie wspomagane wyszukiwaniem i lekkie dostrajanie hiperparametrów są traktowane jako nieistotne. Powyżej niego dostrajanie i destylacja są domniemywane jako istotne, a pełne zmiany architektury są nimi zawsze.

Przekroczenie tego progu nie przenosi na zespół całego ciężaru zgodności, który Alibaba ponosi jako pierwotny dostawca Qwen. Motyw 109 ogranicza odziedziczone obowiązki, przede wszystkim dokumentację techniczną i podsumowanie dotyczące przestrzegania praw autorskich, do tej części modelu, która faktycznie została zmodyfikowana. Ale to nadal realny, wiążący obowiązek, który powstaje automatycznie, oparty na stosunku mocy obliczeniowej, którego większość zespołów dostrajających nigdy nie obliczyła wobec FLOP-ow treningowych swojego modelu bazowego, nie mówiąc już o odnotowaniu go w dokumentacji zgodności.

Co powinien naprawdę sprawdzić europejski odpowiedzialny za AI

Komisja Europejska publicznie oświadczyła, że spodziewa się, iż "tylko nieliczni modyfikatorzy" modeli AI ogólnego przeznaczenia przekroczą próg istotnej modyfikacji i sami stają się dostawcami. To oczekiwanie to założenie polityczne, a nie gwarancja, i opiera się wyraźnie na progu, który sam Urząd ds. AI nazywa orientacyjnym, a nie ostatecznym, i o którym Komisja przyznaje, że może nie wychwycić modyfikacji o niższej mocy obliczeniowej, które mimo to w istotny sposób zmieniają możliwości lub profil ryzyka modelu.

Własna interpretacja Servoli jest praktyczna, a nie alarmistyczna: kamień milowy 3 miliardów pobrań nie jest sam w sobie ostrzeżeniem, ale jest bodźcem. Każdy europejski zespół prowadzący produkcyjne dostrajanie lub destylacje na Qwen, lub na jakimkolwiek innym popularnym otwartym modelu bazowym, ma teraz konkretny powód, by sprawdzić, gdzie znalazł się jego ostatni przebieg treningowy względem progu jednej trzeciej mocy obliczeniowej, i by zachować tę liczbę w dokumentacji, ponieważ AI Act już dał Brukseli uprawnienie, by o to zapytać, a stosunek mocy obliczeniowej, którego nikt nie śledził, to słaba pozycja do obrony.

Czytaj dalej: Alibaba przemilczała liczbę wyznaczającą wasz koszt  |  2 grudnia wiąże tego, kto uruchamia model