Бум открытых нейросетей породил колоссальный каталог публичных репозиториев, однако реальное корпоративное использование рисует совершенно иную картину. В период с января по август 2026 года платформа Hugging Face показала рост по всем ключевым метрикам: число публичных репозиториев моделей выросло с 2,43 млн до 2,96 млн, датасетов достигло 1 млн, а Spaces увеличились до 1,44 млн. Но практический трафик внедрений категорически не успевает за взрывным расширением библиотеки. Подавляющее большинство этих публичных артефактов остается мертвым грузом, никогда даже близко не подходя к продакшн-кластерам.
Экстремальное распределение скачиваний
Согласно исследованию аналитиков Адины Якефу, Аполинарио Пассоса и Ирэн Солайман, вовлеченность разработчиков подчиняется жесткому степенному закону. Около 85,6% всех моделей на платформе покоятся на цифровом кладбище с менее чем 200 скачиваниями за все время существования.
Примерно 85,6% моделей имеют менее 200 скачиваний за все время, а на 1,5% репозиториев приходится 99,2% всего объема скачиваний.
Подобная концентрация приводит к тому, что микроскопические 1,5% проектов забирают 99,2% суммарного трафика площадки. Для инженерных команд, выбирающих между локальным развертыванием и проприетарными API, этот фактор определяет операционный выбор: за пределами горстки проверенных базовых архитектур длинный хвост представляет собой массив заброшенных чекпоинтов без технической поддержки и оптимизации.
Сдвиг масштабов и фокус на аппаратном обеспечении
Географические и архитектурные тренды на переднем крае ИИ в 2026 году заметно разошлись. Практически каждый месяц крупнейшие открытые релизы из лабораторий Китая превосходили американские аналоги по числу параметров. Китайские разработчики удерживали ежемесячную планку в диапазоне от 754 млрд до 2,78 трлн параметров, при этом такие гиганты, как Xiaomi, Ant Group и Meituan, перешагнули рубеж в триллион параметров. Команды вроде Moonshot, MiniMax, Xiaomi и Z.ai почти не выпускали архитектуры компактнее 70 млрд параметров, тогда как Tencent и Alibaba Qwen представляли линейки моделей всех масштабов.
Американские открытые релизы в пяти из семи анализируемых месяцев оставались в пределах 130 млрд параметров — за исключением флагманов вроде Nemotron 3 Ultra от NVIDIA на 561 млрд параметров и Inkling от Thinking Machines Lab. Вместо гонки за размером американскую индустрию открытых весов все сильнее направляют производители чипов, использующие публичные модели для валидации собственных вычислительных платформ: AMD и NVIDIA возглавили рейтинг, опубликовав более чем по 200 новых репозиториев в 2026 году, следом за ними идет LiquidAI с показателем около 100 релизов.
Для технических директоров и архитекторов инфраструктуры эти данные меняют расчет совокупной стоимости владения (TCO). Жизнеспособность локального контура зависит не от гипотетических многотриллионных чекпоинтов, а от наличия квантования от сообщества, кастомных ядер рантайма и инструментов оптимизации, которые опускают стоимость инференса ниже тарифов проприетарных API. Ставка на нишевые веса без экосистемной поддержки моментально создает технический долг: корпоративная инфраструктура стабильно работает только на тех 1,5% моделей, которые активно развивают производители оборудования.