オープンモデルの現状 2026年夏季レポート

TL;DR

Hugging Faceの2026年夏季分析によると、現在、中国のラボがオープンソースのフロンティアモデルのリリースをリードしており、一方で実世界での使用の大部分は1B未満のモデルに留まっています。Qwenが事実上のベースモデルとして台頭し、自律型エージェントがHubの主要なトラフィックソースとなっています。

1. フロンティアモデルの規模が中国へシフト

  • 中国のラボは、2026年のほぼ毎月、パラメータ数が 754Bから2.78T に及ぶ最大級のオープンモデルをリリースしました。
  • 対照的に、米国ラボは、NVIDIAの Nemotron 3 Ultra (561B) とThinking Machinesの Inkling (952B) を除き、7ヶ月のうち5ヶ月間で 130B 未満に留まりました。
  • Moonshot, MiniMax, Xiaomi, Z.ai などのラボは、開発者のアクセシビリティよりもベンチマークの威信をターゲットとしており、ほぼ独占的に70Bを超えるモデルを公開しています。
  • TencentとAlibabaの Qwen ファミリーは、全サイズスペクトルを網羅しており、極小モデルから1兆パラメータのバリアントまで提供しています。
  • ハードウェアベンダー（AMD, NVIDIA）が新しいモデルのリリース（それぞれ200リポジトリ以上）を独占しており、オープンモデルをチップの性能を示すために活用しています。
  • 100Bを超える米国のフロンティアモデルのほとんどは、独自の創作物ではなく、中国のモデルの適応版です。

2. アテンション ≠ 採用

  • ダウンロード数 と いいね数 の上位25リポジトリには、共通する項目が1つしかなく、ハイプ（熱狂）と実際の使用との間に明確な乖離があることを示しています。
  • ダウンロード数は、長期間にわたり安定したモデル（例：15.5億ダウンロードの all-MiniLM-L6-v2）を好む傾向にありますが、いいね数は新しくリリースされたフロンティアモデルで急増します。
  • 中国のフロンティアラボ（MiniMax, Moonshot, DeepSeek, Z.ai）は、ダウンロードボリュームを70B超のモデルに集中させています。一方、米国のラボ（Google, Microsoft, IBM Granite）では、大規模モデルのダウンロードはほとんど見られません。
  • Qwenの幅広いファミリーは、2026年に 2,045M のダウンロードを達成し、これはMoonshotのフロンティア限定ポートフォリオ（37M）の約 55倍 です。
  • 採用の成否は主にモデルの最初の数ヶ月間で決まり、その後、使用率はプラトー（停滞）に達します。

3. オープンウェイトのライセンス傾向

  • 20Bパラメータを超える178の中国のリリースの中で、59% が Apache 2.0 を使用し、22% が MIT を使用しています。非商用制限を課しているものは一つもありません。
  • 米国の大規模リリースは、より制限的です。29% しかApache/MITではなく、41% がカスタム条項を伴い、30% がライセンスを宣言していません。
  • この寛容なライセンシングは、収益がウェイトそのものではなく、APIサービス、ハードウェア販売、またはプラットフォームのポジショニングから期待されていることを示唆しています。

4. Qwenがコミュニティのベースモデルに

  • Qwenの派生モデルはHub上に合計 151,448 のリポジトリがあり、これはMetaの 2.6倍、Llamaの 4.7倍 です。
  • 日次作成率：2026年の最初の7ヶ月間、1日あたり 180–210 の新しいQwenベースのリポジトリが作成されました。
  • Qwenの支配の要因：
    1. 多様なサイズにわたる一貫したリリースサイクル。
    2. ユースケースの幅広いカバー範囲により、開発者が単一のエコシステム内に留まることを可能にしている。
    3. 法的摩擦を最小限に抑える Apache 2.0 ライセンス。
  • 派生モデルのほとんどはコミュニティによって生成されています。Qwen自体が寄与したのは、28,531 件のGGUF変換のうちわずか 54 件です。

5. 小規模モデルが実用的なレイヤーとして存続

  • 1B未満のパラメータのモデルが、全期間のダウンロード数の 83% を占めています。100B超のモデルは 1% に過ぎません。
  • 2026年には、ダウンロードボリュームのわずか 3% が70B超のモデルに向けられました。
  • 現在Hugging Faceによって完全にサポートされている llama.cpp プロジェクトにより、GGUF形式を介して兆単位のパラメータを持つモデルのローカル推論が可能になっています。
  • 7月のGGUFダウンロード数：Qwenが 39.6M、Gemmaが 20.8M、Llamaが 7.5M。
  • ランタイム関連のリポジトリ（gguf, lerobot, Apple mlx）は、それぞれ 464%、194%、148% と成長し、transformers (+16%) のようなコアライブラリを上回りました。
  • ラボは、Unslothのようなコミュニティのコンバーターを活用し、公式のGGUF変換と明確な量子化ドキュメントを提供することで、採用を加速させることができます。

6. エージェントが新たな主要Hubユーザーに

  • agent-usage データセット（2026年7月リリース）は、自律型エージェントからHubへのトークンコールを追跡しています。
  • Claude Code が7月のトラフィックの 44.4% を占めて独占しましたが、そのシェアは激しく変動しており（4月は67.8%、5月は6.4%）、市場が不安定で急速に変化していることを示しています。
  • 7月のエージェント・トラフィックの約 25% は、識別できないクライアント識別子からのもので、5月には 59.8% まで上昇しました。これは、新しいエージェントがレジストリがカタログ化できるよりも速く出現していることを示しています。
  • 最近のインフラのアップグレード（agent-trace データセット、agents.md エンドポイント、hf_fs ツール、Linux FoundationのAgentic AI FoundationへのMCP統合）は、マシン対マシンの相互作用への戦略的シフトを反映しています。
  • 7月に記録された自律的な侵入事例では、クローズドモデルのセーフティガードが機能しなかった後、量子化されたオープンモデル（GLM-5.2）が使用されており、エージェント主導のワークフローにおける新たなセキュリティ上の考慮事項を浮き彫りにしました。

7. 今後の展望

  • 地政学的な再編が続いています。中国のフロンティアモデルがコミュニティの注目を最も集めている一方で、米国の貢献はハードウェアに最適化された変換や、より広範な規模のファミリーに集中しています。
  • 小規模モデルの優位性と拡大するローカル推論スタック（llama.cpp, GGUF）は、エコシステムのアクセシビリティを維持し、開発者、パブリッシャー、およびダウンストリームユーザーの間のフィードバックループを生み出し続けるでしょう。
  • エージェントが主要なHubトラフィックのソースになるにつれ、将来のレポートでは、マシン中心の活動を捉えるための新しい指標や方法論が必要になる可能性が高いでしょう。

方法に関する注記

  • 分析は 2026年1月～7月 のHubのアクティビティを対象としています。
  • 指標（ダウンロード数、いいね数、派生モデル、リリース）はHub特有のシグナルを反映したものであり、プライベートなデプロイメント、Hub外でのAPI使用、またはHub以外の配信チャネルは含んでいません。
  • ダウンロード数はHubパイプライン内での使用を測定し、いいね数はコミュニティの関心を示し、派生モデルはダウンストリームの開発努力を示します。
  • 結果は、より広範なAI市場の 部分的な視点 として解釈されるべきです。

Sources

関連