Hugging Face: Open modely rastú, no popularita stále neznamená reálne používanie

Rast Hubu zakrýva extrémnu koncentráciu

Letná analýza Hugging Face sleduje aktivitu na platforme od januára do augusta 2026 a spresňuje obraz, ktorý pôvodný článok načrtol najmä cez rast repozitárov a rozdiel medzi popularitou a používaním. Počet verejných modelových repozitárov sa zvýšil z 2,43 milióna na 2,96 milióna, datasetov zo 711-tisíc na milión a aplikácií Spaces z jedného milióna na 1,44 milióna. Rast však nie je rovnomerný: približne 85,6 percenta modelov má menej než 200 stiahnutí za celú existenciu, kým 1,5 percenta repozitárov vytvára 99,2 percenta všetkých stiahnutí. Veľkosť katalógu preto nemožno zamieňať so šírkou praktickej adopcie.

Ešte výraznejší je rozdiel medzi pozornosťou a opakovaným používaním. Z 25 repozitárov s najväčším počtom stiahnutí v roku 2026 a 25 repozitárov s najväčším počtom označení „páči sa mi“ sa prekrýva jediný. Medzi najsťahovanejšími nie je žiadny model vydaný v roku 2026 a trinásť z nich pochádza z roku 2022. Model all-MiniLM-L6-v2 podľa reportu zaznamenal za sedem mesiacov 1,55 miliardy stiahnutí, hoci počet jeho označení obľúbenosti bol rádovo nižší. Čerstvé vlajkové modely priťahujú diskusiu, no stabilné embeddingové, klasifikačné a pomocné modely zostávajú zabudované v automatizovaných dátových tokoch.

Stiahnutie napriek tomu nie je synonymom používateľa ani produkčného nasadenia. Jeden systém môže súbor načítať opakovane, cache môže počet požiadaviek znížiť a súkromné nasadenia či používanie cez externé API sa v štatistikách Hubu nemusia objaviť. Hugging Face preto svoje metriky opisuje ako pohľad na vlastný ekosystém, nie ako úplné meranie globálneho trhu. Zodpovedný výber modelu musí spájať tieto signály s vlastnými testami kvality, nákladov, latencie, bezpečnosti a podpory konkrétneho jazyka.

Qwen získava výhodu šírkou ekosystému

Výrazným doplnením oproti pôvodnému súhrnu je detailnejší pohľad na Qwen. Hugging Face eviduje 151 448 odvodených repozitárov založených na tejto rodine, čo je podľa jeho metodiky 2,6-násobok celkového modelového ekosystému Meta a 4,7-násobok repozitárov odvodených priamo od Llamy. Počas prvých siedmich mesiacov 2026 pribúdalo približne 180 až 210 nových derivátov Qwen denne. Väčšinu nevytvoril pôvodný tím, ale komunita pripravujúca doladené, kvantizované a na nasadenie upravené verzie.

Tento výsledok nie je iba dôsledkom jedného veľkého vydania. Qwen ponúka modely v širokom rozpätí veľkostí a úloh, takže vývojár môže v rámci jednej rodiny prejsť od lokálneho prototypu k výkonnejšiemu serverovému nasadeniu. Už generácia Qwen3 zahŕňala husté modely od 0,6 do 32 miliárd parametrov aj MoE varianty s 30 a 235 miliardami celkových parametrov, pričom boli zverejnené pod licenciou Apache 2.0. Tím medzi podporovanými jazykmi výslovne uviedol aj slovenčinu, čo je relevantné pre domáce experimenty, nie však automatický dôkaz rovnakej kvality ako v angličtine.

Šírka rodiny vytvára spätnú väzbu: viac veľkostí a nástrojov priťahuje viac používateľov, tí vytvárajú deriváty a optimalizácie a bohatší ekosystém následne znižuje náklady ďalším záujemcom. Celkové stiahnutia Qwen v analyzovaných repozitároch s deklarovanou veľkosťou presiahli dve miliardy, zatiaľ čo portfólio Moonshot sústredené na veľké modely dosiahlo 37 miliónov. Tieto čísla neporovnávajú kvalitu modelov; ukazujú skôr rozdiel medzi stratégiou širokej platformy a stratégiou zameranou na výkonnostnú špičku a platené API.

Praktická vrstva patrí menším modelom a runtime nástrojom

Najpresvedčivejším prevádzkovým signálom je podiel malých modelov. Medzi repozitármi s uvedeným počtom parametrov pripadá 83 percent historických stiahnutí na modely pod jednu miliardu parametrov, zatiaľ čo modely nad 100 miliárd tvoria jedno percento. Aj pri obmedzení na rok 2026 smerujú iba tri percentá objemu k modelom nad 70 miliárd parametrov. Menší model sa jednoduchšie prevádzkuje na dostupnom hardvéri, má predvídateľnejšiu latenciu a pri úzko vymedzenej úlohe môže byť ekonomickejší než univerzálny gigant.

Súčasne rastie význam vrstvy, ktorá model prispôsobí konkrétnemu zariadeniu. Počet repozitárov deklarujúcich formát GGUF vzrástol podľa Hugging Face o 464 percent, pri Apple MLX o 148 percent a pri robotickom rámci LeRobot o 194 percent; modelové repozitáre ako celok rástli o 21,5 percenta. Pri lokálnych GGUF variantoch dosahoval Qwen 39,6 milióna stiahnutí mesačne, takmer dvojnásobok Gemmy a viac než päťnásobok Llamy. Hodnota otvoreného modelu teda nevzniká iba pri tréningu, ale aj pri kvantizácii, konverzii, inferenčnom engine a dlhodobej údržbe.

Pre slovenskú firmu z toho vyplýva praktický postup: nezačínať rebríčkom najväčších modelov, ale presne definovanou úlohou a testovacím súborom v slovenčine. Do pilotu treba zahrnúť kvalitu odpovedí, halucinácie, prácu s diakritikou, priepustnosť, spotrebu pamäte, licenciu a dostupnosť bezpečnostných opráv. Výhodou lokálneho alebo európskeho nasadenia môže byť väčšia kontrola nad citlivými dátami, no prevádzkovateľ tým preberá zodpovednosť za aktualizácie, monitoring, riadenie prístupu a preverenie pôvodu komunitných artefaktov.

Európske pravidlá a otvorené neistoty

Pojmy „open source“ a „open weights“ navyše nie sú zameniteľné. Dostupné váhy ešte nemusia znamenať právo na neobmedzené komerčné použitie, úpravy alebo redistribúciu. Aj samotný report Hugging Face bol upravený po nových vydaniach: pri najväčších modeloch Kimi K3 a Qwen 3.8 sa objavili nekomerčné obmedzenia alebo požiadavky na podiel z výnosov. Pôvodné všeobecné tvrdenie, že skúmané veľké čínske modely nemajú nekomerčné obmedzenia, preto už nemožno prenášať na každé nové vydanie. Licenciu treba kontrolovať pri konkrétnej verzii a znova pri každej aktualizácii.

V Európskej únii má rozdiel aj regulačný význam. Európska komisia vysvetľuje, že čiastočná výnimka z niektorých dokumentačných povinností AI Actu sa týka všeobecných modelov vydaných pod slobodnou a open-source licenciou, ak sú verejne dostupné váhy, architektúra aj informácie o používaní. Výnimka neodstraňuje povinnosť rešpektovať autorské právo a zverejniť súhrn tréningového obsahu a nevzťahuje sa na modely so systémovým rizikom. Samotná marketingová nálepka „otvorený“ preto nestačí na právne posúdenie.

Hlavná neistota zostáva metodická. Štatistiky jednej platformy nevidia privátne registre, priame sťahovanie, cloudové API ani interné firemné kópie a nehovoria, či model zvláda konkrétnu slovenskú agendu bezpečne. Report však spoľahlivo ukazuje smer: trvalú pozíciu nezískava automaticky najnovší ani najväčší model, ale rodina s vhodnými veľkosťami, jasnými podmienkami, optimalizovanými formátmi a komunitou schopnou udržiavať celý nasadzovací reťazec. Pre európskych používateľov bude rozhodujúce, či sa táto technická dostupnosť spojí s overiteľným pôvodom, bezpečnosťou a zrozumiteľnou licenciou.