오픈 모델 현황 2026년 여름 보고서

TL;DR

Hugging Face의 2026년 여름 분석에 따르면, 현재 중국 연구소들이 오픈 소스 프론티어 모델 출시를 주도하고 있는 반면, 실제 사용의 대부분은 1B 미만의 모델에 머물러 있습니다. Qwen이 사실상의 베이스 모델로 부상했으며, 자율 에이전트가 Hub의 주요 트래픽 소스가 되었습니다.

1. 프론티어 모델 규모의 중국 이동

  • 중국 연구소들은 2026년 거의 매달 754B에서 2.78T에 이르는 파라미터 수를 가진 최대 규모의 오픈 모델을 출시했습니다.
  • 반면, 미국 연구소들은 NVIDIA의 **Nemotron 3 Ultra (561B)**와 Thinking Machines의 **Inkling (952B)**를 제외하고는 7개월 중 5개월 동안 130B 미만에 머물렀습니다.
  • Moonshot, MiniMax, Xiaomi, Z.ai와 같은 연구소들은 개발자의 접근성보다는 벤치마크 명성을 목표로 거의 독점적으로 70B 이상의 모델을 발표합니다.
  • Tencent와 Alibaba의 Qwen 제품군은 초소형 모델부터 조 단위 파라미터 변체까지 전체 크기 스펙트럼을 아우릅니다.
  • 하드웨어 벤더(AMD, NVIDIA)는 오픈 모델을 사용하여 칩 성능을 과시하며 새로운 모델 출시(각각 200개 이상의 리포지토리)를 주도하고 있습니다.
  • 100B 이상의 대부분의 미국 프론티어 모델 출시는 독창적인 창작물이라기보다 중국 모델의 변형입니다.

2. 관심 ≠ 채택

  • 다운로드 및 좋아요 기준 상위 25개 리포지토리 중 공통 항목은 단 하나뿐이며, 이는 하이프(hype)와 실제 사용 사이의 명확한 차이를 보여줍니다.
  • 다운로드는 오랫동안 안정적으로 유지된 모델(예: 15.5억 회의 pull 수를 기록한 all-MiniLM-L6-v2)을 선호하는 반면, 좋아요는 새로 출시된 프론티어 모델에서 급증합니다.
  • 중국 프론티어 연구소(MiniMax, Moonshot, DeepSeek, Z.ai)는 다운로드 볼륨을 70B 이상의 모델에 집중시키고 있습니다. 미국 연구소(Google, Microsoft, IBM Granite)는 대형 모델에 대한 다운로드가 거의 없습니다.
  • Qwen의 광범위한 제품군은 2026년에 2,045M 다운로드를 달성했으며, 이는 Moonshot의 프론티어 전용 포트폴리오(37M)보다 약 55배 더 많은 수치입니다.
  • 채택 여부는 주로 모델 출시 후 첫 몇 달 이내에 결정되며, 그 이후에는 사용량이 정체됩니다.

3. 오픈 웨이트 라이선스 트렌드

  • 20B 파라미터 이상의 중국 출시 모델 178개 중 **59%**는 Apache 2.0을, **22%**는 MIT를 사용하며, 비상업적 제한을 두는 경우는 없습니다.
  • 미국의 대규모 출시 모델은 덜 허용적입니다. **29%**만이 Apache/MIT를 사용하고, **41%**는 커스텀 약관을 포함하며, **30%**는 라이선스를 명시하지 않습니다.
  • 이러한 허용적인 라이선싱은 수익이 웨이트 자체가 아닌 API 서비스, 하드웨어 판매 또는 플랫폼 포지셔닝에서 발생할 것으로 예상됨을 시사합니다.

4. Qwen이 커뮤니티의 베이스 모델이 되다

  • Qwen 파생 모델은 Hub에 총 151,448개의 리포지토리를 보유하고 있으며, 이는 Meta의 2.6배, Llama의 4.7배에 달합니다.
  • 일일 생성률: 2026년 첫 7개월 동안 하루 평균 180–210개의 새로운 Qwen 기반 리포지토리가 생성되었습니다.
  • Qwen의 지배력 요인:
    1. 다양한 크기에 걸친 일관된 출시 주기.
    2. 개발자가 단일 생태계 내에 머물 수 있도록 하는 폭넓은 유스케이스 커버리지.
    3. 법적 마찰을 최소화하는 Apache 2.0 라이선스.
  • 대부분의 파생 모델은 커뮤니티에서 생성되었습니다. Qwen 자체는 28,531개의 GGUF 변환 중 단 54개만을 기여했습니다.

5. 소형 모델이 실질적인 계층으로 남다

  • 1B 미만의 모델이 전체 누적 다운로드의 **83%**를 차지하며, 100B 이상의 모델은 **1%**를 차지합니다.
  • 2026년에는 다운로드 볼륨의 단 **3%**만이 70B 이상의 모델로 향했습니다.
  • 현재 Hugging Face가 완전히 지원하는 llama.cpp 프로젝트는 GGUF 형식을 통해 조 단위 파라미터 모델의 로컬 추론을 가능하게 합니다.
  • 7월 GGUF 다운로드 수: Qwen 39.6M, Gemma 20.8M, Llama 7.5M.
  • 런타임 관련 리포지토리(gguf, lerobot, Apple mlx)는 각각 464%, 194%, 148% 성장하며, transformers(+16%)와 같은 핵심 라이브러리의 성장세를 앞질렀습니다.
  • 연구소들은 Unsloth와 같은 커뮤니티 변환기를 활용하여 공식 GGUF 변환과 명확한 양자화 문서를 제공함으로써 채택을 가속화할 수 있습니다.

6. 에이전트가 새로운 주요 Hub 사용자

  • agent-usage 데이터셋(2026년 7월 출시)은 자율 에이전트가 Hub에 보내는 토큰 호출을 추적합니다.
  • Claude Code가 7월 트래픽의 **44.4%**를 차지하며 압도적이었으나, 그 점유율은 4월(67.8%), 5월(6.4%)과 같이 급격히 변동하며 변동성이 큰 시장임을 보여주었습니다.
  • 7월 에이전트 트래픽의 약 **25%**가 식별되지 않은 클라이언트 식별자로부터 발생했으며, 이는 5월에 **59.8%**까지 상승했습니다. 이는 새로운 에이전트가 레지스트리에 등록되는 속도보다 더 빠르게 등장하고 있음을 보여줍니다.
  • 최근의 인프라 업그레이드(agent-trace 데이터셋, agents.md 엔드포인트, hf_fs 도구, Linux Foundation의 Agentic AI Foundation에 대한 MCP 통합)는 기계 대 기계 상호작용을 향한 전략적 변화를 반영합니다.
  • 7월에 기록된 한 자율 침입 사례는 폐쇄형 모델의 안전 가드레일이 실패한 후 양자화된 오픈 모델(GLM-5.2)을 사용했으며, 이는 에이전트 기반 워크플로에서 나타나는 새로운 보안 고려 사항을 강조합니다.

7. 향후 전망

  • 지정학적 재편이 지속되고 있습니다. 중국의 프론티어 모델은 커뮤니티의 가장 많은 관심을 끄는 반면, 미국의 기여는 하드웨어 최적화 변환 및 광범위한 규모의 제품군에 집중되어 있습니다.
  • 소형 모델의 지배력과 확장되는 로컬 추론 스택(llama.cpp, GGUF)은 생태계의 접근성을 유지하며 개발자, 발행자 및 다운스트림 사용자 간의 피드백 루프를 생성할 것입니다.
  • 에이전트가 주요 Hub 트래픽 소스가 됨에 따라, 향후 보고서에는 기계 중심 활동을 포착하기 위한 새로운 지표와 방법론이 필요할 것으로 보입니다.

방법론에 관한 참고 사항

  • 분석 범위는 2026년 1월 ~ 7월 사이의 Hub 활동을 다룹니다.
  • 지표(다운로드, 좋아요, 파생 모델, 출시)는 Hub 특유의 신호를 반영하며, 비공개 배포, Hub 외부의 API 사용 또는 Hub 이외의 배포 채널은 포함하지 않습니다.
  • 다운로드는 Hub 파이프라인 내의 사용량을 측정하며, 좋아요는 커뮤니티의 관심을, 파생 모델은 다운스트림 개발 노력을 나타냅니다.
  • 결과는 광범위한 AI 시장에 대한 부분적인 관점으로 해석되어야 합니다.

Sources

관련