29 июля 2026 5 min read Новости

Qwen пересёк миллиард скачиваний и обогнал Llama — что это значит

В начале июля 2026-го Qwen — семейство open-source моделей от Alibaba — пересекло отметку в один миллиард скачиваний на Hugging Face. И теперь это самое скачиваемое семейство открытых моделей в мире. Meta Llama — впервые за три года — на втором месте.

Это не просто новость про рекорд одной компании. Это структурный сдвиг в индустрии: open-source AI больше не «дополнение к западным моделям», а самостоятельный центр силы. Рассказываю, как так вышло и что это значит для разработчиков, бизнеса и всех, кто выбирает модель.

Что произошло

10 июля издание Open Source For You сообщило, что Qwen формально пересёк один миллиард кумулятивных (накопленных) скачиваний на Hugging Face. Hugging Face — это основная платформа для распространения открытых моделей, то есть её счётчики скачиваний — это, по сути, главный индикатор того, какие открытые модели реально используются в продакшене.

Кумулятивная метрика важна: она показывает общий объём использования, а не просто всплеск на прошлой неделе. Чтобы выйти на миллиард, нужно, чтобы модель стабильно качали, дообучали, деплоили в компании и на краевых устройствах. Краткосрочный хайп тут не поможет.

Llama от Meta удерживала позицию самого скачиваемого семейства с 2023 года. То есть, по сути, с момента, когда Meta первой из крупных западных лабораторий открыла исходники. В 2025 году Qwen начал обгонять по отдельным месяцам, в начале 2026-го — по cumulative, и теперь разрыв уже не отыграть.

Примечание: cumulative (кумулятивный) — это накопленная сумма за всё время, а не за месяц. Чтобы достичь миллиарда, нужно набрать его много маленькими шагами.

Почему Qwen, а не Llama

Qwen выстрелил не потому, что Alibaba как-то хитро продвигала. Выстрелил, потому что команда несколько лет подряд делала то, что западные лаборатории делали в последнюю очередь. Несколько технических и лицензионных преимуществ сложились вместе.

1. Native мног язычность

Ранние Llama-модели были оптимизированы под английский язык. Поддержка других языков — постфактум. Qwen изначально проектировался как мультиязычный. Для компании, которая работает с текстом на нескольких языках, это критично: модель, обученная «с нуля» на разных языках, понимает контекст и нюансы лучше, чем модель, где второй язык прикручивали токенизатором.

2. Умный токенизатор

Это техническая деталь, но она сильно влияет на стоимость. Токенизатор (механизм, который разбивает текст на кусочки — токены — для обработки моделью) у Qwen обрабатывает non-English текст меньшим числом токенов. Например, фраза на китайском у Qwen может занимать 30 токенов, а у Llama — 60. Значит, при прочих равных китайский текст через Qwen стоит в два раза дешевле. Для глобального бизнеса, который обрабатывает документы на десятке языков, это серьёзная экономия.

3. Специализированные варианты

Alibaba выпускает семейства для конкретных задач:

Qwen-Coder — для программирования.
Qwen-Math — для математики и научных расчётов.
Qwen-VL — мультимодальная (текст + изображения).
Qwen3-Max — топовая универсальная модель.

Llama изначально была только одна — универсальная. Только в Llama 3.1/3.2 появились специализированные варианты, и Llama 3.1 405B появилась слишком поздно, чтобы затормозить Qwen.

4. Размеры под любые задачи

Qwen выпускается в линейке размеров: 1.5B, 7B, 14B, 32B, 72B. От крошечных моделей для телефона и Raspberry Pi до топовых для дата-центра. Это критично, потому что AI-инфраструктура разная: умный чайник не потянет 72B, но и edge-кейс не потянет только GPT-5.6.

5. Лицензия

Вот где Llama теряет больше всего. Лицензия Llama Community License — формально «open-source», но с ограничениями:

Компании с >700 млн MAU (ежемесячной активной аудитории) обязаны получать отдельную лицензию от Meta.
Запрещено использовать Llama для обучения других LLM.
Поле «acceptable use» (допустимое использование) — Meta решает, что «приемлемо».

Юридические отделы крупных компаний это не любят. Qwen выпускается под стандартной Apache 2.0 лицензией (одна из самых свободных open-source лицензий). Без ограничений по размеру бизнеса. Без «не для обучения других моделей». Без «acceptable use policy». Юристы выдыхают, разработчики получают зелёный свет.

6. Интеграция с Hugging Face

Alibaba вложила серьёзные ресурсы в Hugging Face (платформу-хост для open-source моделей) — поддержку, документацию, готовые примеры. Каждый новый Qwen появляется там с подробным README (описанием модели на странице), бенчмарками и примерами кода. Разработчику не нужно копаться в китайской документации — всё под рукой на английском.

Что это значит для нас

Если вы разработчик

В 2026 году у вас есть выбор. И он больше, чем когда-либо:

Задача на английском, важна скорость — Llama 3.3 70B или Qwen3 32B.
Задача на нескольких языках — Qwen3 в первую очередь, у него токенизация эффективнее.
Код — Qwen3-Coder или DeepSeek-Coder.
Edge-деплой (телефон, IoT, автомобиль) — Qwen3 1.5B/7B или Gemma 4 от Google.
Математика и агенты — Qwen-Math или DeepSeek.
Когда нужна длинная память (1M+ токенов) — Llama 4 Scout или Qwen с длинным контекстом.

Это уже не один провайдер и одна модель — это нормальный market (рынок), где выбираешь под задачу.

Если вы бизнес

Открытое семейство моделей, которое скачали миллиард раз — это серьёзный сигнал. Если вы строили стратегию «только OpenAI/Anthropic», имеет смысл присмотреться к Qwen как минимум в части рабочих нагрузок. Особенно там, где нужно держать данные у себя или считается стоимость токенов.

Конкретные сценарии для перехода на Qwen:

Обработка документов на неанглийских языках (особенно азиатских).
Массовый поток запросов с жёстким бюджетом.
Edge-инфраструктура, где нужны маленькие модели.
Юридические ограничения, не позволяющие зависеть от одного вендора.

Если вы следите за индустрией

Главный тренд, который закрепляет этот миллиард скачиваний: open-source AI стал геополитически многополярным. Несколько лет назад казалось, что AI-центр силы один — Кремниевая Долина. Теперь видно, что есть сильные игроки в Китае (Qwen, DeepSeek, Kimi), в Европе (Mistral, AI21), и даже везде понемногу. Meta пыталась удержать монополию на open-source — и не удержала.

Это хорошо для всех. Когда есть конкуренция, модели становятся лучше и дешевле. Когда есть конкуренция, юристам проще согласовать «давайте возьмём несколько провайдеров и не зависеть от одного». Когда есть конкуренция, появляются интересные комбинации — LoRA-дообучение (метод тонкой настройки модели на своих данных с минимальными затратами) на Qwen, промпты на DeepSeek, продакшен на Mistral.

Но есть нюансы

Миллиард скачиваний — это не «Qwen лучше всех». Это «Qwen чаще всех используют». А использование — это разное:

Хорошо: реальный продакшен, дообучение, академические исследования.
Плохо: массовый парсинг данных для обучения своих моделей (что, кстати, теперь запрещено новым китайским законом, но об этом в другой раз).
Спорно: эксперименты «попробовать что-то новое» — считаются, но не отражают качества модели.

Поэтому не стоит интерпретировать новость как «Qwen умнее GPT-5.6 или Claude Fable 5». Это про популярность в open-source. Топовые западные модели по-прежнему лидируют на многих бенчмарках, просто они закрытые.

Что я думаю обо всём этом

Год назад я писала, что главный вопрос AI-индустрии 2026 — кто займёт нишу «open-source по умолчанию». Теперь ответ очевиден: Qwen. Не потому что Alibaba лучше всех в маркетинге, а потому что они сделали правильные вещи в правильное время: открытая лицензия, многоязычность, специализация, правильные размеры, плотная интеграция с Hugging Face.

Для нас, потребителей моделей, это победа. Больше выбора, ниже цены, меньше зависимости от одного вендора. Для Meta — это сигнал, что стратегия «давайте открыть, но с ограничениями» проиграла стратегии «давайте откроем по-настоящему». Будет интересно посмотреть, что Meta сделает с этим в Llama 4 и дальше.

Для России (и, в частности, для рунета) Qwen особенно интересен. Многоязычность — это не только китайский, английский, японский. Qwen неплохо работает с русским текстом, у него есть обученная поддержка CJK (китайско-японско-корейских языков) и славянских групп. Если вы ищете локально работающую модель под русский язык — Qwen стоит держать в шорт-листе. Тем более с учётом выхода закона о маркировке AI-контента.

Миллиард скачиваний — это не финиш. Это перевалочный пункт. Через год-два семейство перевалит ещё и за два миллиарда, потому что ритм только растёт. И кто-то другой тоже заметит момент и попробует обогнать. Кандидаты — DeepSeek, Mistral, Meta со следующим поколением. Посмотрим.

Источники: Open Source For You (10 июля 2026, основной), ArturMarkus.com (24 апреля 2026, про 700 миллионов), Presenc AI Leaderboard (май 2026, для рейтинга отдельных моделей внутри семейства).