A kínai nyílt AI 2025-ben nemcsak megduplázódott, hanem gazdát is cserélt: a Hugging Face féléves „State of Open Source” jelentése szerint a Hubról érkező letöltések 41%-a már kínai szervezetek modelljeihez tartozik, megelőzve az Egyesült Államokat. A 2026. március 17-én publikált anyag számai önmagukban is beszédesek, de a valódi kérdés az, hogy ez az átrendeződés a nyílt AI győzelme-e — vagy egy új függőség kezdete.

Kínai nyílt AI: mekkorára nőtt az ökoszisztéma?

A Hugging Face saját adatai szerint a platform 2025-ben 13 millió felhasználót, több mint 2 millió nyilvános modellt és 500 000-nél is több adatkészletet számlált. Ez nagyjából a duplája az egy évvel korábbi állapotnak — a nyílt AI tehát nem lassul, hanem gyorsul.

A növekedés mögött viszont erős koncentráció áll. A jelentés szerint a modellek fele kevesebb mint 200 letöltést ér el, miközben a top 200 modell — az összes 0,01%-a — adja a letöltések 49,6%-át. A hosszú farok tehát létezik, de a valódi forgalom néhány tucat modellcsaládban csapódik le.

Változott az is, hogy ki tölti fel ezeket a modelleket. 2022 előtt a Hubra publikáló fejlesztők kb. 70%-a vállalati háttérrel érkezett; 2025-re ez az arány 37%-ra esett, míg a független fejlesztők aránya 17%-ról 39%-ra nőtt, időnként az 50%-ot is átlépve. A nyílt AI egyre kevésbé nagyvállalati marketingcsatorna, és egyre inkább közösségi terep.

A DeepSeek-hatás: egyetlen kiadás, ami átrendezte a mezőnyt

A jelentés a fordulópontot pontosan datálja: a DeepSeek-R1 2025 januári megjelenése után a nagy kínai technológiai cégek egymás után nyitottak. A Baidu nulláról 100+ repóra ugrott, a ByteDance és a Tencent 8–9-szeresére növelte a publikált modellek számát, a MiniMax pedig zárt modellről váltott nyíltra.

A lendület azóta is tart. Az Alibaba Qwen-családja köré épült derivatív modellek száma a tavaszi becslés szerint 113 000 felett volt; a Hugging Face 2026. augusztus 14-i követő jelentése ezt már 151 448 Qwen-derivatívra pontosította, napi 180–210 új repóval és havi 39,6 millió GGUF-letöltéssel. Összehasonlításképp: a Google modelljeire épülő derivatívok száma 82 506.

Nyugaton sem maradt válasz nélkül a helyzet — az OpenAI GPT-OSS, az AI2 OLMo és a Google Gemma mind ezt a rést célozza —, de a jelentés adatai alapján egyik sem éri el a Qwen és a DeepSeek adaptációs sebességét. Erről a versenyről korábban a Qwen3.8-Max megjelenése kapcsán is írtunk részletesen.

Az egyik oldal: a nyílt modellek gazdasági érve

A nyílt tábor legerősebb érve nem ideológiai, hanem költségalapú. A tavaszi jelentés szerint a nyílt forráskódú modelleket használók jellemzően 10–1000-szer alacsonyabb költséggel dolgoznak, mint a zárt alternatívák felhasználói.

„Talán pár év múlva a frontier modellek a kísérletezésre és néhány nagyon értékes feladatra lesznek használatosak, míg a termelési munkaterheléseket nyílt forráskódú vagy saját modellek fogják futtatni.” — Clem Delangue, a Hugging Face vezérigazgatója (TechCrunch, 2026. július 14.)

A vállalati oldal is mozdul: a jelentés szerint a Fortune 500 cégek több mint 30%-ának volt Hugging Face-fiókja, és Delangue 2026 júliusi nyilatkozata alapján ez az arány azóta kb. 50%-ra nőtt. A Vercel adatai szerint 2026 júniusában a nyílt modellek kezelték az AI-alkalmazások infrastruktúra-intenzív forgalmának nagyjából egyharmadát.

Ha ezt a költségkülönbséget forintosítani szeretnéd, érdemes megnézni a bérelt GPU-kapacitás valós árait: a nyílt modell önmagában nem ingyenes, csak a költség szerkezete más — API-díj helyett futtatási óradíj.

A másik oldal: mit kockáztatunk ezzel?

A nyílt tábor kritikusai és maga a jelentés is több szempontból árnyalja a képet.

• Az „open” nem jelent függetlenséget. Ha az OpenRouteren a hat legnépszerűbb modell mind kínai cégtől származik — a TechCrunch 2026. júliusi elemzése szerint a Tencent, a Xiaomi, a DeepSeek, a MiniMax és a Z.ai modelljei előzik meg a mezőnyt, az Anthropic Claude Opus 4.7 pedig csak a 7. —, akkor a nyugati fejlesztők egy másik ország ipari stratégiájára támaszkodnak.
• A figyelem gyorsan elpárolog. A jelentés szerint egy modell körüli aktivitás átlagosan kb. 6 hétig tart, utána lecseng. A DeepSeek csak azért maradt tartósan versenyképes, mert egymás után adta ki a V3-at, az R1-et és a V3.2-t. Egy nyílt modellre építeni tehát folyamatos karbantartási kötelezettség.
• A méret-polarizáció is figyelmeztető jel. A 2026-os csúcsmodellek extrém méretűek — a DeepSeek-V4-Flash kb. 284 milliárd, a Kimi-K3 kb. 2,8 billió, a Qwen3.8-2.4T pedig 2,4 billió paraméteres —, miközben a valós használat máshol van: az 1 milliárd paraméter alatti modellek adják minden idők letöltéseinek 83%-át, a 70 milliárd feletti modellek pedig a 2026-os letöltéseknek mindössze 3%-át.

Delangue maga is megnevezi a tétet: szerinte „a legnagyobb AI-beli kockázat a hatalom koncentrációja”. Csakhogy a koncentráció elleni orvosság — a nyílt ökoszisztéma — jelenleg maga is erősen koncentrált, mind a modellcsaládok, mind a származási országok szintjén.

Ami a vita mögött könnyen elsikkad: a robotika és a szuverén AI

A jelentés két csendes trendje talán fontosabb, mint a letöltési részarányokról szóló vita. Az egyik a robotika: a Hubon található robotikai adatkészletek száma 1145-ről (2024) 26 991-re nőtt 2025-ben, és a kategória három év alatt a 44. helyről az elsőre került; a LeRobot GitHub-csillagainak száma majdnem megháromszorozódott. A nyílt AI tehát kilép a szöveg és a kép világából a fizikai rendszerek felé.

A másik a szuverén AI. Dél-Korea 2025 közepén nemzeti Sovereign AI kezdeményezést indított az LG AI Research, az SK Telecom, a Naver Cloud, az NC AI és az Upstage részvételével; 2026 februárjában három dél-koreai modell trendelt egyszerre a Hubon, márciusban pedig dél-koreai–amerikai adatközpont-partnerség jött létre a Reflection AI-jal. Vagyis nem kétpólusú verseny zajlik, hanem egy sokszereplős, államilag is támogatott átrendeződés.

Miért számít ez egy magyar fejlesztőnek vagy cégvezetőnek?

Két gyakorlati következtetés adódik. Az első: ha a termelési munkaterhelést valóban nyílt modellek fogják vinni, akkor a modellválasztás infrastrukturális döntéssé válik — nem egy API-kulcs kérdése, hanem hosting-, verziókövetési és megfelelőségi kérdés is. A második: mivel az 1B alatti modellek adják a letöltések döntő többségét, a legtöbb valós feladatra nem a legnagyobb modell a helyes válasz, hanem a legkisebb, ami még elég jó.

A jelentés egyik mondata tömören összefoglalja, miért nehéz ebben hosszú távra tervezni: „In AI, a few months can reshape the ecosystem.” A tavaszi jelentés és az augusztusi követő anyag között alig öt hónap telt el — és a Qwen-derivatívok száma ezalatt nőtt 113 ezerről 151 ezer fölé.

Te mit gondolsz?

Ez a cikk tényközlés és elemzés — a kérdést szándékosan nyitva hagyjuk. Erősebb-e a nyílt AI attól, hogy a legnépszerűbb modellek ma kínai cégektől jönnek, vagy éppen sérülékenyebb lett tőle? És te mire használnál nyílt modellt élesben: költségcsökkentésre, adatvédelemre, vagy egyikre sem, amíg a zárt modellek jobbak?

Kapcsolódó elemzésünk: Az AI veszélyei és etikája: 4 kockázat, amit komolyan kell venni

Ne maradj le a fontos AI-változásokról: iratkozz fel az AI Hírek hírlevelére.

Források: Hugging Face — State of Open Source on Hugging Face: Spring 2026 (2026.03.17), Hugging Face — State of Open Models: Summer 2026 (2026.08.14), TechCrunch (2026.07.14).