Crescimento exponencial do Hub e concentração extrema de downloads

O ecossistema de modelos abertos no Hugging Face Hub manteve expansão acelerada entre janeiro e agosto de 2026, com repositórios públicos de modelos saltando de 2,43 para 2,96 milhões, datasets de 711 mil para 1 milhão e Spaces de 1,00 para 1,44 milhão. A distribuição, porém, permanece extremamente concentrada: 85,6% dos modelos acumulam menos de 200 downloads ao longo da vida, enquanto apenas 1,5% dos repositórios respondem por 99,2% de todo o tráfego de download.

Laboratórios chineses pulam etapas e ditam o teto de parâmetros

Em 2026, diversos laboratórios chineses abandonaram a trajetória tradicional de lançar modelos menores antes de escalar. Em quase todos os meses do período, o maior modelo aberto de um laboratório chinês superou em tamanho qualquer lançamento original de um equivalente americano. O teto mensal chinês variou entre 754 bilhões e 2,78 trilhões de parâmetros, enquanto o americano ficou abaixo de 130 bilhões em cinco dos sete meses, com exceção do Nemotron 3 Ultra da NVIDIA (561 bilhões) e do Inkling da Thinking Machines Lab.

Duas estratégias distintas surgem entre os gigantes asiáticos

Os laboratórios chineses se dividem em dois grupos. Moonshot, MiniMax, Xiaomi e Z.ai publicam quase exclusivamente modelos acima de 70 bilhões de parâmetros, tornando o primeiro contato do desenvolvedor com um modelo grande demais para rodar localmente. Já Tencent e Alibaba Qwen cobrem todo o espectro, desde modelos abaixo de 1 bilhão. Duas fatores viabilizaram a abordagem “apenas fronteira”: a construção de modelos massivos deixou de ser diferencial, com Xiaomi e Meituan ultrapassando 1 trilhão de parâmetros sem serem referências em pesos abertos há um ano, e a camada de quantização da comunidade torna modelos gigantes executáveis em dias, eliminando a necessidade de versões pequenas para garantir alcance.

Fabricantes de hardware assumem a liderança em lançamentos nos EUA

Os Estados Unidos não estão ausentes do código aberto, mas o centro de gravidade mudou. As duas organizações que mais publicaram novos modelos abertos em 2026 são fabricantes de chips: AMD e NVIDIA, cada uma com mais de 200 novos repositórios, seguidas pela LiquidAI com cerca de 100. Fornecedores de hardware perceberam que modelos abertos otimizados para suas arquiteturas funcionam como prova de desempenho para vender silício. Incluindo modelos menores e de embedding, a participação americana cresce graças a Google, Microsoft, IBM Granite e modelos legados de visão e fala da OpenAI, que geram centenas de milhões de downloads anuais.

Fronteira americana depende de bases chinesas

Na escala de fronteira, acima de 100 bilhões de parâmetros, a maioria dos lançamentos americanos deste ano não são modelos originais, mas construídos sobre bases chinesas. Poucos modelos originais americanos aparecem nessa faixa: Inkling da Thinking Machines (952 bilhões), Nemotron 3 Ultra (561 bilhões) e Nemotron 3 Super (124 bilhões) da NVIDIA, e Trinity-Large (399 bilhões) da Arcee AI. A AMD contribuiu com muitas conversões, mas nenhum modelo original nessa escala, atuando na camada de distribuição e otimização para rodar modelos chineses em hardware americano. Paralelamente, modelos abertos chineses são cada vez mais otimizados para chips nacionais, espelhando a mesma competição por ecossistemas de hardware.

Downloads e curtidas medem realidades opostas

Ao cruzar os 25 repositórios mais baixados no período com os 25 mais curtidos, apenas um aparece nas duas listas. Controlando pela idade (contagem na janela, não vitalícia), a divergência se acentua: nenhum modelo publicado em 2026 entra no topo de downloads, enquanto treze dos vinte e cinco datam de 2022. O all-MiniLM-L6-v2 registrou 1,55 bilhão de downloads contra 5.156 curtidas; o Kimi-K3 teve cerca de 60 downloads por curtida. Curtidas indicam entusiasmo imediato com lançamentos de fronteira; downloads revelam dependência operacional de modelos pequenos e estáveis ao longo de anos. Tratar um como proxy do outro é o erro mais comum na análise do Hub.

Perfil de downloads expõe estratégia de portfólio

Essa divisão se reflete no nível da organização. Laboratórios de fronteira chineses são as únicas contas onde a banda pesada (acima de 70B) carrega o volume: 100% dos downloads da MiniMax em 2026 são de modelos grandes, 88% da Moonshot, 55% da DeepSeek e 39% da Z.ai. Nenhuma grande conta americana apresenta esse perfil: Google, Microsoft e IBM Granite têm essencialmente zero downloads acima de 70B, enquanto NVIDIA e Meta registram apenas 14% e 9% nessa faixa.

Volume total revela vantagem da amplitude

Em downloads totais, a diferença de estratégia fica clara. O portfólio exclusivamente de fronteira da Moonshot somou 37 milhões de downloads no ano, enquanto a abordagem de espectro completo da Qwen, cobrindo todos os tamanhos, alcançou 2,045 bilhões de downloads entre repositórios com tamanho declarado. A amplitude vence em volume de uso real, enquanto a aposta na fronteira aposta em posição de benchmark e demanda de API.

Com informações de: Hugging Face Blog