オープンAIモデルは中国勢が主導？Hugging Faceの2026年夏データを読み解く

AI , , , , , , ,

AIモデルの公開・共有プラットフォームであるHugging Faceは2026年8月14日、2026年前半のオープンモデル動向をまとめた「State of Open Models: Summer 2026 Observations」を公開しました。

データから見えてくるのは、中国企業が単に巨大なモデルを相次いで発表しているだけではなく、開発者が改良や変換へ利用する「基盤モデル」の領域でも存在感を高めていることです。

特にAlibabaの「Qwen」は、ダウンロード数、派生モデル数、ローカル実行用モデルの利用で大きく伸びています。

一方、Hugging Faceのダウンロード数だけを根拠に「中国がAI市場全体で米国を抜いた」と結論付けることはできません。OpenAI、Anthropic、Googleなどが提供するクローズドモデルのAPI利用や、企業内での非公開運用は集計されないためです。

本記事では、Hugging Faceの2026年夏レポートをもとに、中国勢がどの領域で主導しているのか、数字をどこまで信用できるのかを整理します。

※本記事の「オープンAIモデル」はOpenAI社のモデルという意味ではありません。重みをダウンロードして利用・改変できる「オープンウェイトモデル」を中心に扱います。

中国勢は「巨大モデル」と「基盤モデル」の2領域で主導している

2026年夏時点では、オープンモデルの最大規模と、他の開発者が利用する基盤モデルの広がりで中国勢が主導していると評価できます。

ただし、「オープンAI」「AI市場」「生成AIサービス」はそれぞれ範囲が異なります。Hugging Faceのデータから読み取れる状況を、3つの層へ分けると分かりやすくなります。

比較する層2026年夏の状況主なモデル・企業
フロンティア層中国企業が大規模なオープンモデルを相次いで公開Kimi、MiniMax、Qwen、GLM、Xiaomi
エコシステム層Qwenが派生モデル数と対応サイズの広さで優位Alibaba Qwen
実用層1B未満の小型・安定モデルがダウンロードの中心埋め込み、分類、検索、軽量生成モデル
クローズドAI市場Hugging Faceのデータだけでは比較できないGPT、Claude、Geminiなど

つまり、「中国企業の最新モデルがすべて米国モデルより高性能」という単純な話ではありません。

中国勢が強いのは、巨大モデルを公開する勢いに加え、第三者が量子化、微調整、再配布しやすいモデル群を継続的に供給している点です。

Hugging Faceの2026年夏データで分かったこと

中国勢の強さを示す最も重要な数字は、最大パラメーター数よりも、Qwenの約20億ダウンロードと15万件を超える派生モデルです。

Hugging Faceのレポートは、2026年の最初の7カ月を中心としたHub上の活動を分析し、8月初旬の公開モデルも一部反映しています。

指標2026年夏レポートの数字読み取れること
公開モデルリポジトリ243万件から296万件へ増加モデル公開数は引き続き急増
200回未満しかダウンロードされていないモデル全体の85.6％公開されても大半はほとんど使われない
全ダウンロードの99.2％を占めるリポジトリ上位1.5％利用が一部モデルへ極端に集中
中国勢の月別最大モデル規模754B～2.78Tパラメーターフロンティア級の大型公開が続く
Qwenの2026年ダウンロード約20億6,100万回幅広いサイズと用途で利用が拡大
Moonshotのダウンロード約3,700万回巨大モデル中心では利用規模を作りにくい
Qwenを基盤にした派生モデル15万1,448件第三者開発の標準基盤になりつつある
1B未満のモデルが占める累計ダウンロード83％実務では小型モデルが圧倒的に多い
70B超モデルが占める2026年ダウンロード3％巨大モデルの話題性と実利用には差がある

モデル数が296万件へ増えても、広く利用されるモデルはごく一部です。オープンモデル市場では「公開数を増やすこと」より、「開発者の既存システムへ組み込まれること」の方が重要になっています。

「中国モデルが41％」は何を意味するのか

中国モデルが41％を占めたという数字は、世界のAI利用全体ではなく、Hugging Face上で確認された一定期間のダウンロード構成を示すものです。

Hugging Faceが2026年3月に公開した春季レポートでは、過去1年間のダウンロードにおいて、中国で開発されたモデルが41％を占め、単一国として最大になったと報告されました。

また、ATOM Projectによるオープン言語モデルの追跡調査では、中国モデルの累計ダウンロードが2025年7月下旬に米国モデルを上回り、2026年3月には中国が約11億5,000万回、米国が約7億2,300万回へ広がったとされています。

ただし、41％という数字には次のサービスが含まれません。

  • OpenAIやAnthropicなどのAPI経由の利用
  • ChatGPT、Claude、Geminiなど一般向けサービスでの利用
  • Alibaba Cloudや各社独自APIだけを通じた利用
  • 社内サーバーへ一度保存した後の継続利用
  • Hugging Face以外から取得したモデル
  • 非公開モデルや企業内で開発されたモデル

したがって、このデータが示すのは「ダウンロード可能なモデルを共有・改変するエコシステムでは、中国発モデルの影響力が大きい」という事実です。

AIサービス全体の売上、利用者数、APIトークン数、最高性能を比較した市場シェアではありません。

巨大モデルの公開では中国勢が先行

2026年の多くの月で、中国企業が公開した最大級モデルは、米国企業が公開したオープンモデルよりもパラメーター規模で上回りました。

Hugging Faceによると、中国勢の月別最大モデルは754Bから2.78Tパラメーターに達しました。一方、米国勢は7カ月中5カ月で最大モデルが130B未満にとどまっています。

米国側にも、NVIDIAのNemotron 3 UltraやThinking Machines LabのInklingなど、大規模モデルの公開例はあります。しかし、Moonshot AI、MiniMax、Xiaomi、Z.aiなど、中国企業による大型モデルの投入頻度が目立ちます。

ただし、パラメーター数だけで性能を比較することはできません。

近年の大型モデルには、入力に応じて一部のパラメーターだけを動かすMixture of Experts（MoE）方式が多く採用されています。総パラメーターが2兆を超えていても、1回の推論で使用する「アクティブパラメーター」はその一部です。

自動車に例えるなら、総パラメーター数は工場に保有する全車両数、アクティブパラメーター数は実際に1回の配送へ出動する車両数に近い数字です。

モデルを比較する場合は、総パラメーター数だけでなく、次の条件を確認する必要があります。

  • 推論時のアクティブパラメーター数
  • 必要なGPUメモリとシステムメモリ
  • 1秒当たりの生成トークン数
  • 入力できるコンテキスト長
  • 日本語、コーディング、推論など用途別の性能
  • APIまたは自前運用にかかる総コスト
  • ライセンスと商用利用条件

巨大であることは開発力を示す一つの材料ですが、安価で使いやすいことや、目的の作業で高精度であることを自動的に保証しません。

Qwenの本当の強さは「最大モデル」ではなく派生モデルにある

Qwenの優位性は、1つの高性能モデルではなく、開発者が次のモデルを作るための共通基盤になったことにあります。

2026年夏時点で、Qwenを基盤とする派生モデルはHugging Face上に15万1,448件あります。

これはMeta全体の派生モデル数の2.6倍、Llama関連リポジトリに限定すると4.7倍です。Google系モデルを基盤とした派生モデルは8万2,506件で、Qwenが大きく上回っています。

さらに、Qwenの派生モデルは2026年前半に1日当たり約180～210件のペースで増加しました。

派生モデルには、次のような成果物が含まれます。

  • 特定の業務や言語へ対応させたファインチューニングモデル
  • 少ないメモリで動かすための量子化モデル
  • 別の推論環境へ対応させた形式変換版
  • 画像、音声、コードなど特定用途へ最適化したモデル
  • 他のモデルと組み合わせたマージモデル
  • 学習用のアダプターやLoRA

Qwen関連のGGUF変換モデルは2万8,531件ありますが、このうちQwen自身が公開したものは54件だけです。

残りの大部分は外部の開発者が作成しています。これは、Alibabaがすべてを自社で開発したという意味ではなく、Qwenの周囲に自律的な開発コミュニティーが形成されたことを示しています。

Windows向けソフトが普及すると、周辺機器、解説書、対応アプリが増え、それがさらにWindowsを選ぶ理由になるのと同じです。Qwenでも「利用者が多いから派生モデルが増え、派生モデルが多いから新しい利用者が選ぶ」という循環が生まれています。

Qwenが広がった3つの理由

Qwenは、定期的な更新、幅広いモデルサイズ、比較的利用しやすいライセンスを組み合わせることで開発者を囲い込みました。

第一の理由は、モデルサイズの幅です。

Moonshot AIなどが巨大モデルを中心に展開する一方、Qwenは1B未満の軽量モデルから数十B、数百B、2兆パラメーターを超えるモデルまで公開しています。

個人のPC、スマートフォン、社内サーバー、クラウドAPIのいずれを使う場合でも、同じQwen系列から候補を選べることが強みです。

第二の理由は、更新頻度です。

オープンモデルは公開直後に注目と利用が急増し、その後は利用が減少する傾向があります。Hugging Faceの春季レポートでは、平均的な注目の持続期間は約6週間とされました。

Qwenは単発の大型モデルへ依存せず、新しいサイズ、用途、世代を継続的に追加することで、開発者が別のモデル系列へ移る理由を減らしています。

第三の理由は、ライセンスです。

Hugging Faceの集計では、2026年に公開された20B超の中国モデル178件のうち、59％がApache License 2.0、22％がMIT Licenseを採用していました。改変、再配布、商用利用を行いやすいライセンスは、派生モデルの開発を促します。

ただし、すべての中国モデルが無条件で商用利用できるわけではありません。Kimi K3やQwen 3.8の最大級モデルでは、非商用条件や収益分配を含む独自条件も現れています。

「Hugging Faceで公開されている」「重みをダウンロードできる」という理由だけで、自由に商用利用できると判断してはいけません。モデルごとに最新のライセンスと利用規約を確認する必要があります。

話題のモデルと実際に使われるモデルは違う

Hugging Faceで「いいね」を集める最新モデルと、実際に大量ダウンロードされるモデルは、ほぼ別のグループです。

2026年のダウンロード数上位25モデルと、いいね数上位25モデルを比較すると、両方へ入ったモデルは1件だけでした。

さらに、2026年に公開されたモデルはダウンロード数上位25件へ1つも入らず、そのうち13件は2022年に公開されたモデルでした。

代表例が、文章の類似度判定などに利用される小型モデル「all-MiniLM-L6-v2」です。同モデルは7カ月で約15億5,000万回ダウンロードされましたが、いいね数は5,156件でした。

いいねは、新しいモデルへの関心や期待を示します。一方、ダウンロードは、既存のアプリ、検索システム、データ処理パイプラインへ組み込まれている可能性を示します。

最新の巨大モデルはニュースになりやすいものの、企業のシステムを実際に支えているのは、数年前に公開された小型で安定したモデルである場合があります。

実用面では今も小型モデルが圧倒的

モデルの巨大化が進む一方、累計ダウンロードの83％は1B未満のモデルが占めています。

100Bを超えるモデルが占める累計ダウンロードは1％です。2026年中のダウンロードへ限定しても、70Bを超えるモデルは全体の3％にすぎません。

小型モデルが利用される理由は明確です。

  • 一般的なPCや小型サーバーでも動かしやすい
  • 推論速度が速い
  • 電力消費と運用費を抑えやすい
  • 特定の処理へ組み込みやすい
  • 出力結果を検証しやすい
  • 大量のリクエストを処理しやすい

検索用の埋め込み生成、文章分類、タグ付け、感情分析、OCR後の情報抽出などでは、巨大な会話モデルを使う必要がない場合があります。

「最も賢い1つのモデルが全処理を担当する」のではなく、複数の小型モデルを目的別に組み合わせる構成が現実的です。

ローカルAIでもQwenがLlamaを上回る

ローカル実行向けのGGUFモデルでも、Qwenは月間3,960万ダウンロードを記録し、Llamaの5倍以上となりました。

GGUFは、llama.cppなどを使ってモデルをローカル環境で動かすために広く利用されるファイル形式です。量子化によって必要なメモリを減らし、一般的なPCでもモデルを実行しやすくします。

Hugging Faceの2026年夏データでは、GGUFモデルの月間ダウンロード数は次のようになっています。

モデル系列GGUFの月間ダウンロード
Qwen3,960万回
Google Gemma2,080万回
Meta Llama750万回

QwenとLlamaの差は、公開されているGGUFリポジトリの数だけでは説明できません。Llama派生のGGUFリポジトリ数はQwenをわずかに上回るものの、ダウンロード数はQwenの約5分の1です。

選択肢の数ではなく、実際に選ばれる頻度でQwenが優位になっています。

米国勢がオープンモデルから消えたわけではない

中国勢がフロンティアモデルで目立つ一方、2026年に最も多くの新規モデルリポジトリを公開した組織はAMDとNVIDIAです。

AMDとNVIDIAは、それぞれ200件を超える新しいモデルリポジトリを公開しました。3位のLiquid AIは約100件であり、米国のハードウェア企業は依然として重要な役割を担っています。

ただし、AMDが公開したものには既存モデルの変換版も多く含まれます。これは新しい基盤モデルをゼロから開発する活動とは異なりますが、大型モデルをAMD製ハードウェアで動かせるようにする重要な作業です。

現在のオープンモデル市場では、競争が次のように分業されつつあります。

領域主な競争内容
基盤モデル開発学習、性能、モデルサイズ、データ
モデル公開ライセンス、更新頻度、サイズ展開
変換・量子化GGUF、低ビット化、対応環境
推論基盤GPU、AIアクセラレーター、クラウド
開発者向け環境ライブラリ、ドキュメント、評価ツール
商用サービスAPI、クラウド、導入支援、保守

米国企業は、クローズドな最上位モデル、半導体、クラウド、推論ソフトウェアで依然として強い立場にあります。

OpenAIの最新モデルを高速なAPI基盤で動かす取り組みについては、関連記事「GPT-5.6 SolのUltrafastモードとは？通常版より最大14倍高速な理由」で詳しく解説しています。

ダウンロード数は利用者数ではない

Hugging Faceの1ダウンロードは、必ずしも1人の利用者や1台の端末を意味しません。

Hugging Faceのダウンロード集計仕様では、指定された設定ファイルやモデルファイルへのHTTPリクエストをサーバー側で数えています。

同じ開発者が複数回取得した場合や、自動テスト、CI/CD、クラウド環境の再構築によって繰り返しダウンロードされた場合も数字へ反映される可能性があります。

反対に、企業がモデルを一度だけダウンロードし、その後1年間にわたって数百万人向けのサービスで利用しても、継続利用がダウンロード数へそのまま加算されるわけではありません。

特にGGUFは複数ファイルをまとめて取得すると重複して数えられる場合があると、Hugging Face自身が説明しています。

したがって、ダウンロード数は次のように解釈するのが適切です。

  • 正確な利用者数ではない
  • 売上や市場シェアではない
  • モデル品質を直接表す数字ではない
  • 開発者の関心と利用頻度を示す一つの指標
  • 長期間の傾向やモデル系列間の差を見る材料

ダウンロード数だけでなく、派生モデル数、推論サービスでのトークン利用量、更新頻度、実際の導入事例を組み合わせる必要があります。

「オープンソース」と「オープンウェイト」は同じではない

重みをダウンロードできても、学習データや学習コードが公開されていなければ、厳密にはオープンソースAIと呼べない場合があります。

Open Source Initiativeは、オープンウェイトとオープンソースAIの違いを明確にしています。

オープンウェイトモデルでは、学習済みのパラメーターを取得し、推論やファインチューニングへ利用できます。しかし、次の情報がすべて公開されているとは限りません。

  • 学習に使用したデータ
  • データの収集元と選別方法
  • 学習用の完全なコード
  • 学習条件と再現に必要な手順
  • 安全性評価の詳細
  • 制限のない利用・改変・再配布権

Hugging Faceのレポートも「open source」と「open weights」を広い意味で扱っています。そのため、本記事で取り上げた中国モデルのすべてが、OSIの厳密なオープンソースAI定義を満たすとは限りません。

企業が採用する場合は、「重みを取得できるか」だけでなく、「自社の用途がライセンス上許可されているか」を確認する必要があります。

日本の開発者や企業は何を基準に選ぶべきか

モデルの国籍や総パラメーター数ではなく、自社のデータで測った性能、ライセンス、必要なハードウェア、運用コストを基準に選ぶべきです。

Qwenの派生モデルが多いことは、用途に合ったモデルを見つけやすいというメリットにつながります。一方、派生モデルの品質や安全性は作成者によって異なります。

導入前には、少なくとも次の項目を確認する必要があります。

確認項目具体的な確認内容
日本語性能敬語、固有名詞、長文理解、指示への追従
用途別性能コード、要約、検索、画像認識など
ライセンス商用利用、再配布、提供規模、収益条件
配布元公式モデルか、第三者の変換版か
ハードウェアVRAM、メモリ、ストレージ、推論速度
セキュリティモデルファイル、依存ライブラリ、実行コード
データ管理ローカル処理か、外部APIへ送信するか
更新方針サポート期間、脆弱性対応、後継モデル
出力傾向政治的・文化的な偏り、回答拒否、誤情報
総コストサーバー、電力、保守、人による確認作業

公式モデルと第三者が変換したモデルでは、ファイルの安全性や量子化による性能低下が異なる場合があります。ダウンロード数が多いという理由だけで、出所の不明なファイルを業務環境へ導入するのは避けるべきです。

中国勢の主導は今後も続くのか

Qwenの派生モデルが増え続ける限り、中国勢のエコシステム上の優位は短期間では崩れにくいと考えられます。

これは将来予測ですが、オープンモデルの競争は、最高性能のモデルを1回公開するだけでは逆転しにくくなっています。

開発者がすでにQwen用の学習データ、評価環境、量子化手順、アプリケーションを持っていれば、新しいQwenへ移行する方が、別系列のモデルへ全面移行するより簡単だからです。

一方で、中国勢の優位が固定されたとは限りません。

今後の変化を判断するうえでは、次の点が重要になります。

  • Qwenの派生モデル増加が維持されるか
  • 最大級モデルのライセンス制限が増えるか
  • 米国・欧州から幅広いサイズのモデル系列が登場するか
  • Hugging Face以外のAPI利用でも中国モデルが伸びるか
  • NVIDIAやAMDが独自モデルを継続的に強化するか
  • 公式の量子化モデルと署名付きファイルが増えるか
  • 日本語を含む多言語性能で競争が進むか
  • 小型モデルとAIエージェントの組み合わせが普及するか

オープンモデルの主導権は、最高ベンチマークを取った企業だけでなく、開発者が「次の製品を作るときに最初に選ぶモデル」を提供した企業が握ります。

まとめ：中国勢が握り始めたのはAI全体ではなく「開発の土台」

Hugging Faceの2026年夏データは、中国勢がAI市場全体を制したことではなく、オープンモデルを使って開発する際の土台を握り始めたことを示しています。

中国企業は、巨大なフロンティアモデルの公開で米国勢を上回る月が多く、AlibabaのQwenは約20億ダウンロードと15万件を超える派生モデルを獲得しました。

特に重要なのは、Qwen公式モデルの数ではなく、第三者が毎日新しい変換版やファインチューニング版を作っていることです。開発者コミュニティーがモデルの普及を加速させる段階へ入っています。

一方、実際のダウンロードは今も小型で安定したモデルへ集中しています。最新の巨大モデルが、そのまま最も利用されているわけではありません。

また、Hugging Faceの数字にはクローズドモデルのAPI利用や一般向けAIサービスが含まれないため、「中国がAI競争全体で米国を抜いた」と断定するのは不正確です。

2026年夏時点の状況を簡潔にまとめると、次のようになります。

  • 巨大なオープンモデルの公開では中国勢が先行
  • 基盤モデルのエコシステムではQwenが優位
  • 実務利用では1B未満の小型モデルが中心
  • 米国勢は半導体、変換、推論基盤、クローズドモデルで依然として強い
  • ダウンロード数は利用者数や市場シェアではない
  • 公開モデルのすべてが厳密なオープンソースとは限らない
  • 今後は性能だけでなく、派生モデル、ライセンス、ローカル実行環境が競争を左右する

AI競争の焦点は、「どの国が最も大きなモデルを作ったか」から、「世界中の開発者がどのモデルを使って次の製品を作るか」へ移りつつあります。

関連記事

クローズドモデルの高速化や透明性を含め、2026年のAI競争は性能以外の領域へ広がっています。

参考資料

タグ

Related Posts

コメントを送信

You May Have Missed