Estado de los Modelos Abiertos: Observaciones de Verano 2026
Hugging Face
Moonshot AI
MiniMax
Tencent
Alibaba/Qwen
Meituan
NVIDIA
Liquid AI
El análisis de Hugging Face a mediados de 2026 revela un panorama cambiante: los laboratorios chinos ahora lideran la frontera con los modelos más grandes, mientras que los proveedores de hardware estadounidenses como AMD y NVIDIA dominan los nuevos lanzamientos. Qwen se ha convertido en el modelo fundamental de la comunidad, y los modelos pequeños de menos de 1.000 millones de parámetros representan el 83% de todas las descargas históricas, con llama.cpp permitiendo ejecutar modelos de billones de parámetros localmente.
El análisis de Hugging Face de mediados de 2026 revela un panorama cambiante en los modelos abiertos. Los laboratorios chinos lideran ahora la frontera, con tamaños mensuales de modelo entre 754 mil millones y 2,78 billones de parámetros, mientras que los lanzamientos estadounidenses por encima de 100 mil millones son raros, siendo solo los originales principales de Thinking Machines' Inkling (952 mil millones), Nemotron 3 Ultra de NVIDIA (561 mil millones), Nemotron 3 Super (124 mil millones) y Trinity-Large de Arcee AI (399 mil millones). AMD y NVIDIA lanzaron cada una más de 200 nuevos repositorios de modelos, muy por delante de las demás, ya que los modelos abiertos sirven como marketing de hardware. La atención y la adopción divergen marcadamente: solo un repositorio aparece tanto en los 25 principales por descargas como en los 25 principales por me gusta. Los laboratorios chinos otorgan licencias permisivas para sus modelos más grandes, con el 59% de los lanzamientos por encima de 20 mil millones de parámetros bajo Apache 2.0, lo que probablemente impulse el negocio de API y nube. Qwen se ha convertido en el modelo base de la comunidad, con 151 448 derivados, 2,6 veces la huella de Meta, y alrededor de 180-210 nuevos derivados diarios. Los modelos pequeños de menos de 1 mil millones de parámetros representan el 83% de las descargas de todos los tiempos, mientras que llama.cpp permite que modelos de billones de parámetros como DeepSeek-V4-Flash y Kimi-K3 se ejecuten en hardware de consumo, con descargas de GGUF basadas en Qwen alcanzando 39,6 millones mensuales, casi el doble que las de Gemma y más de cinco veces las de Llama.
Fuente: Hugging Face blog —
original
