Hugging Face détaille les évolutions des modèles ouverts à l'été 2026

Hugging Face publie son rapport semestriel sur l’état des modèles ouverts, couvrant la période de janvier à août 2026. L’analyse révèle une accélération des dynamiques entre les écosystèmes chinois et américains, ainsi qu’une concentration extrême des téléchargements sur une infime partie des dépôts.

Les dépôts publics sur la plateforme ont fortement augmenté : les modèles sont passés de 2,43 à 2,96 millions, les jeux de données de 711 000 à 1 million, et les espaces interactifs de 1,00 à 1,44 million. Malgré cette croissance, la répartition reste très inégale : 85,6 % des modèles enregistrent moins de 200 téléchargements sur leur durée de vie, tandis que 1,5 % des dépôts concentrent 99,2 % des téléchargements totaux. Ces chiffres illustrent une polarisation marquée entre une minorité de projets très adoptés et une majorité de contributions marginales.

Le rapport souligne un changement dans la stratégie des laboratoires chinois. Plusieurs d’entre eux, comme Moonshot, MiniMax, Xiaomi ou Z.ai, publient désormais directement des modèles de très grande taille, souvent au-delà de 70 milliards de paramètres, sans passer par des versions intermédiaires plus petites. Cette approche contraste avec celle des laboratoires américains, dont les modèles les plus performants restent généralement en dessous de 130 milliards de paramètres, à l’exception de Nemotron 3 Ultra (561 milliards) et Inkling (Thinking Machines Lab). En Chine, les laboratoires atteignent régulièrement des seuils compris entre 754 milliards et 2,78 billions de paramètres.

Deux facteurs expliquent cette divergence. D’une part, la taille n’est plus un critère de différenciation suffisant, ce qui permet à des acteurs moins connus de publier des modèles de très grande envergure. D’autre part, la communauté compense l’indisponibilité de matériel adapté grâce à des outils de quantification qui rendent ces modèles exécutables sur des ressources limitées en quelques jours. Cette capacité technique réduit la nécessité pour les laboratoires de proposer des versions allégées, transformant le choix de la taille en un message stratégique plutôt qu’en une contrainte technique.

Enfin, le rapport met en avant la domination du modèle Qwen comme base de référence pour la communauté. Contrairement à une progression linéaire où les développeurs découvrent d’abord des modèles légers avant d’accéder à des versions plus lourdes, Qwen couvre désormais toute la gamme, des modèles inférieurs à 1 milliard de paramètres jusqu’aux versions les plus massives. Cette approche permet aux équipes de standardiser leurs développements sur une même famille de modèles, facilitant l’adoption et la compatibilité entre projets.