Hugging Face listete am 22. August 2026 insgesamt 3.012.377 öffentliche Modelle, und rund 85,6% aller Modelle auf dem Hub haben weniger als 200 Downloads über ihre gesamte Lebensdauer. Allein 2025 kamen 1.184.880 Modelle hinzu, im Sommer 2026 überschritt der Hub 1 Million öffentliche Datensätze, und chinesische Modelle machen inzwischen 41% der Downloads aus. Im September 2026 einigte sich NVIDIA darauf, das Unternehmen in einer Transaktion im Wert von rund 13 Milliarden US-Dollar zu kaufen, fast dem Dreifachen der letzten privaten Bewertung. Wir haben Daten aus den Berichten State of Open Models und State of Open Source von Hugging Face, aus NVIDIAs SEC-Meldung, dem Stanford AI Index 2026, GitHub Octoverse 2025, Linux Foundation Research, Protect AI, RedMonk und AI Forensics zusammengeführt. Für das größere Bild siehe unsere Zusammenstellungen zu Open-Source-KI-Statistiken und Open-Source-LLM-Statistiken.
TL;DR
- 3.012.377 öffentliche Modelle auf dem Hub zum 22. August 2026 (von Ivan Fioravanti zusammengestellte Hub-API-Zählungen, Hugging-Face-Blog 2026)
- Die öffentlichen Datensätze wuchsen zwischen Januar und August 2026 von 711.000 auf 1 Million (Hugging Face, State of Open Models: Summer 2026)
- 85,6% der Modelle haben weniger als 200 Downloads über ihre Lebensdauer, und 1,5% der Repositories erhalten 99,2% der Downloads (Hugging Face, State of Open Models: Summer 2026)
- Modelle mit weniger als 1B Parametern vereinen 83% aller Downloads aller Zeiten; Modelle mit mehr als 100B erreichen 1% (Hugging Face, State of Open Models: Summer 2026)
- Chinesische Modelle machten im vergangenen Jahr 41% der Hub-Downloads aus (Hugging Face, State of Open Source: Spring 2026)
- Unabhängige Entwickler erzeugen inzwischen 39% der Downloads, gegenüber 17% vor 2022 (Hugging Face, State of Open Source: Spring 2026)
- Qwen verzeichnete 2026 insgesamt 2.045 Millionen Hub-Downloads und 151.448 Derivat-Repositories (Hugging Face, State of Open Models: Summer 2026)
- Das beste geschlossene Modell liegt 3,3% vor dem besten offenen Modell, gegenüber 0,5% im August 2024 (Stanford HAI, AI Index Report 2026)
- Geschlossene Modelle kosten im Schnitt etwa 6-mal so viel wie vergleichbare offene Modelle (Nagle und Yue, Linux Foundation 2025)
- Mehr als 1,1 Millionen öffentliche GitHub-Repositories importieren LLM-SDKs, ein Plus von 178% gegenüber dem Vorjahr (GitHub, Octoverse 2025)
- NVIDIA will etwa 11,9 Milliarden US-Dollar plus bis zu 1,0 Milliarden US-Dollar an Bindungsaktien für Hugging Face zahlen (NVIDIA Form 8-K, September 2026)
- Protect AI markierte 352.000 unsichere oder verdächtige Funde in 51.700 Modellen (Protect AI und Hugging Face, 2025)
1. Umfang und Wachstum des Hubs: Modelle, Datensätze und Spaces
Die erste Million Modelle brauchte rund 940 Tage, die dritte Million 349 Tage, laut den von Ivan Fioravanti im Hugging-Face-Blog zusammengestellten Hub-API-Zählungen. Die Schlagzeile ist das Tempo, doch das Detail ist interessanter: Die zweite Million brauchte 335 Tage, das absolute Tempo beschleunigt sich also nicht mehr. Der Lauf von 2026 bestätigt das. Bei 747.497 Modellen in rund 7,7 Monaten liegt das auf ein Jahr hochgerechnete Tempo bei etwa 1,16 Millionen (747.497 / 7,7 x 12), praktisch unverändert gegenüber den 1.184.880 im Jahr 2025 hinzugekommenen Modellen.
Das Wachstum, das sich noch beschleunigt, liegt außerhalb der Modellzahl. Hugging Faces eigener Bericht State of Open Models: Summer 2026 zeigt Datensätze mit einem Plus von etwa 41% und Spaces mit einem Plus von 44% in sieben Monaten, gegenüber 21,5% bei den Modellen. Der Hub wandelt sich von einem Gewichte-Lager zu einem Ort, an dem Daten und laufende Apps leben.
| Metrik | Wert | Quelle |
|---|---|---|
| Öffentliche Modelle auf dem Hub (22. Aug. 2026) | 3.012.377 | Ivan Fioravanti, Three Million Models and Counting, Hugging-Face-Blog 2026 |
| Öffentliche Modell-Repositories, Jan. bis Aug. 2026 | 2,43 Mio. auf 2,96 Mio. (+21,5%) | Hugging Face, State of Open Models: Summer 2026 |
| Öffentliche Datensätze, Jan. bis Aug. 2026 | 711.000 auf 1.000.000 | Hugging Face, State of Open Models: Summer 2026 |
| Öffentliche Spaces, Jan. bis Aug. 2026 | 1,00 Mio. auf 1,44 Mio. | Hugging Face, State of Open Models: Summer 2026 |
| Im Jahr 2025 hinzugekommene Modelle | 1.184.880 | Ivan Fioravanti, Hugging-Face-Blog 2026 |
| Im Jahr 2026 bis Mitte August hinzugekommene Modelle | 747.497 | Ivan Fioravanti, Hugging-Face-Blog 2026 |
| Tage bis zur 2. und 3. Million Modelle | 335 und 349 | Ivan Fioravanti, Hugging-Face-Blog 2026 |
| Hugging-Face-Nutzer (2025) | 13 Millionen | Hugging Face, State of Open Source: Spring 2026 |
Kontext: Die Zahl 3.012.377 zählt nur öffentliche Repositories. Private Repositories sind nicht enthalten, die tatsächliche Zahl gehosteter Modelle ist also höher.
2. Downloads: Ein sehr langer Schwanz mit einem sehr kurzen Kopf
1,5% der Repositories vereinen 99,2% aller Downloads auf Hugging Face. Der Hub verhält sich weniger wie ein App-Store und mehr wie ein Forschungsarchiv, in dem einige tausend Titel ständig gelesen und Millionen nur einmal abgelegt werden. Für jeden, der ein Modell veröffentlicht, ist die Basisrate ernüchternd: Der mediane Upload wird kaum genutzt.
Das andere Muster ist die Größe. Kleine Modelle gewinnen den Download-Wettlauf mit großem Abstand, weil sie in Produktions-Pipelines eingebunden sind, die bei jedem Build neu herunterladen. Das meistgeladene Modell des Jahres 2026, das Satz-Embedding-Modell all-MiniLM-L6-v2, wurde laut State of Open Models: Summer 2026 in sieben Monaten 1,55 Milliarden Mal heruntergeladen. Download-Zahlen messen mindestens ebenso sehr Maschinen wie Menschen.
| Metrik | Wert | Quelle |
|---|---|---|
| Modelle mit weniger als 200 Downloads über die Lebensdauer | ~85,6% | Hugging Face, State of Open Models: Summer 2026 |
| Download-Anteil der obersten 1,5% der Repositories | 99,2% | Hugging Face, State of Open Models: Summer 2026 |
| Download-Anteil der obersten 200 Modelle (0,01%) | 49,6% | Hugging Face, State of Open Source: Spring 2026 |
| Download-Anteil aller Zeiten, Modelle mit weniger als 1B Parametern | 83% | Hugging Face, State of Open Models: Summer 2026 |
| Download-Anteil aller Zeiten, Modelle mit mehr als 100B Parametern | 1% | Hugging Face, State of Open Models: Summer 2026 |
| Downloads von all-MiniLM-L6-v2, erste sieben Monate 2026 | 1,55 Milliarden | Hugging Face, State of Open Models: Summer 2026 |
| Analysierte Downloads in der Längsschnittstudie zum Hub (Juni 2020 bis Aug. 2025) | 2,2 Milliarden über 851.000 Modelle | Longpre et al., Economies of Open Intelligence 2025 |
Hinweis zum Ausreißer: Der Bericht Spring 2026 sagte, etwa die Hälfte der Modelle habe insgesamt weniger als 200 Downloads, während der Sommerbericht sagt, rund 85,6% hätten weniger als 200 Downloads über die Lebensdauer. Die beiden Berichte erschienen im Abstand von fünf Monaten und legen keine identischen Zählregeln offen, behandeln Sie den genauen Anteil daher als Richtwert. Beide stimmen darin überein, dass das mediane Modell kaum genutzt wird.
3. Wer offene KI baut: China, Qwen und unabhängige Entwickler
Chinesische Modelle machten im vergangenen Jahr 41% der Hugging-Face-Downloads aus und überholten damit die Vereinigten Staaten, laut State of Open Source on Hugging Face: Spring 2026. Die zweite Verschiebung wird weniger diskutiert, ist aber ebenso groß: Industrielabore fielen von rund 70% der Downloads vor 2022 auf etwa 37%, während unabhängige und nicht affiliierte Entwickler von 17% auf 39% stiegen. Offene KI wird heute überwiegend von Menschen gebaut, die nicht auf der Gehaltsliste eines großen Labors stehen.
Qwen ist der Punkt, an dem beide Trends zusammentreffen. Hugging Face zählt 151.448 auf Qwen basierende Derivat-Repositories, das 2,6-Fache des gesamten Meta-Bestands und das 4,7-Fache von Llama allein. Derivate sind ein besseres Maß für Einfluss als rohe Downloads, weil sie zeigen, welches Basismodell Menschen zum Feintuning und Ausliefern wählen. Am oberen Ende setzen chinesische Labore auch die Größenobergrenze: Die monatlichen Veröffentlichungen erreichten 2026 Spitzenwerte zwischen 754B und 2,78 Billionen Parametern, während die US-Obergrenze in fünf von sieben Monaten unter 130B blieb (Hugging Face, State of Open Models: Summer 2026).
| Metrik | Wert | Quelle |
|---|---|---|
| Anteil chinesischer Modelle an den Hub-Downloads, vergangenes Jahr | 41% | Hugging Face, State of Open Source: Spring 2026 |
| Entwicklerbezogener Download-Anteil, jüngstes Jahr: China gegenüber USA | 17,1% gegenüber 15,8% | Longpre et al., Economies of Open Intelligence 2025 |
| Download-Anteil unabhängiger und nicht affiliierter Entwickler | 39% (17% vor 2022) | Hugging Face, State of Open Source: Spring 2026 |
| Anteil der Industrie an den Downloads | ~37% (~70% vor 2022) | Hugging Face, State of Open Source: Spring 2026 |
| Qwen-Downloads auf dem Hub 2026 | 2.045 Mio. (2.061 Mio. einschließlich aller Repositories) | Hugging Face, State of Open Models: Summer 2026 |
| Auf Qwen basierende Derivat-Repositories | 151.448 (2,6-mal Meta, 4,7-mal Llama) | Hugging Face, State of Open Models: Summer 2026 |
| Monatliche GGUF-Downloads: Qwen, Gemma, Llama | 39,6 Mio., 20,8 Mio., 7,5 Mio. | Hugging Face, State of Open Models: Summer 2026 |
| Von Alibaba beanspruchte Qwen-Downloads (alle Kanäle) | mehr als 3 Milliarden | Alibaba, laut The Next Web, Aug. 2026 |
Kontext: Die Zahl von 41% und die Aufteilung von 17,1% gegenüber 15,8% aus dem Paper Economies of Open Intelligence verwenden unterschiedliche Zuordnungsmethoden und Zeitfenster und sind daher nicht direkt vergleichbar. Alibabas Angabe von 3 Milliarden liegt laut dem Vergleich von The Next Web etwa ein Drittel über dem, was der Hub selbst verzeichnete; die Differenz spiegelt wahrscheinlich Downloads über Kanäle außerhalb von Hugging Face wider.
4. Modellgröße, Formate und Tooling
Das durchschnittliche Modell auf dem Hub wuchs von 827 Millionen Parametern im Jahr 2023 auf 20,8 Milliarden im Jahr 2025, während der Median nur von 326 Millionen auf 406 Millionen stieg (Hugging Face, State of Open Source: Spring 2026). Diese Spaltung sagt alles über das Ökosystem: Eine Handvoll Veröffentlichungen im Frontier-Maßstab zieht den Durchschnitt nach oben, während der typische Upload ein kleines, günstiges Feintuning bleibt.
Die Formatdaten zeigen, wohin diese Nachfrage nach kleinen Modellen geht. Hub-Repositories, die die GGUF-Bibliothek deklarieren, stiegen 2026 um 464%, gegenüber 16% bei transformers und peft, laut State of Open Models: Summer 2026. GGUF ist das Format der lokalen Inferenz auf Laptops und Desktops, und Apples MLX (+148%) weist in dieselbe Richtung. Robotik ist der andere Durchbruch: Robotik-Datensätze stiegen von 1.145 im Jahr 2024 auf 26.991 im Jahr 2025 und rückten vom 44. Platz zur größten einzelnen Datensatzkategorie auf.
| Metrik | Wert | Quelle |
|---|---|---|
| Mittlere Modellgröße, 2023 bis 2025 | 827 Mio. auf 20,8 Mrd. Parameter | Hugging Face, State of Open Source: Spring 2026 |
| Mediane Modellgröße, 2023 bis 2025 | 326 Mio. auf 406 Mio. Parameter | Hugging Face, State of Open Source: Spring 2026 |
| Wachstum der durchschnittlichen Modellgröße, 2020 bis 2025 | 17x | Longpre et al., Economies of Open Intelligence 2025 |
| Wachstum der Quantisierungsnutzung | 5x | Longpre et al., Economies of Open Intelligence 2025 |
| Wachstum bei Mixture-of-Experts-Architekturen | 7x | Longpre et al., Economies of Open Intelligence 2025 |
| Wachstum 2026 bei Repositories, die GGUF / LeRobot / MLX deklarieren | +464% / +194% / +148% | Hugging Face, State of Open Models: Summer 2026 |
| Robotik-Datensätze, 2024 bis 2025 | 1.145 auf 26.991 | Hugging Face, State of Open Source: Spring 2026 |
Kontext: Coding-Agenten sind inzwischen ein messbarer Kunde des Hubs. Im als Agenten markierten Datenverkehr über huggingface_hub und die hf-CLI hielt Claude Code im Juli 2026 einen Anteil von 44,4% (nach 67,8% im April), während Codex von 10,4% auf 20,8% stieg (Hugging Face, State of Open Models: Summer 2026). Unsere Zusammenstellung zu KI-Agenten-Statistiken verfolgt den breiteren Agentenmarkt.
5. Offen gegen geschlossen: Leistung, Kosten und Akzeptanz bei Entwicklern
Offene Modelle haben 2025 bei der reinen Qualität etwas an Boden verloren: Stand März 2026 liegt das beste geschlossene Modell 3,3% vor dem besten offenen Modell, gegenüber 0,5% im August 2024, und sechs der zehn besten Arena-Modelle sind geschlossen (Stanford HAI, AI Index Report 2026). Derselbe Bericht beziffert den Vorsprung der USA vor China auf nur 2,7%.
Der Preis erzählt eine andere Geschichte. Anhand von OpenRouter-Daten stellten Frank Nagle und Daniel Yue fest, dass geschlossene Modelle rund 80% der Nutzung und 96% des Umsatzes auf sich vereinen, obwohl sie im Schnitt etwa sechsmal so viel kosten, während offene Modelle routinemäßig 90% oder mehr der Benchmark-Leistung geschlossener Modelle erreichen (Linux Foundation, Revealing the Hidden Economics of Open Models 2025). Die Lücke zwischen offen und geschlossen ist weniger eine Fähigkeitslücke als eine Gewohnheits- und Integrationslücke, die geschätzt 24,8 Milliarden US-Dollar pro Jahr an ungenutzten Einsparungen wert ist.
| Metrik | Wert | Quelle |
|---|---|---|
| Vorsprung des besten geschlossenen vor dem besten offenen Modell (März 2026) | 3,3% (0,5% im Aug. 2024) | Stanford HAI, AI Index Report 2026 |
| Geschlossene Modelle in den Arena-Top-10 | 6 von 10 | Stanford HAI, AI Index Report 2026 |
| Anteil geschlossener Modelle an LLM-Nutzung / Umsatz | ~80% / 96% | Nagle und Yue, Linux Foundation 2025 |
| Durchschnittliche Kosten geschlossener gegenüber vergleichbaren offenen Modellen | ~6x höher | Nagle und Yue, Linux Foundation 2025 |
| Geschätzte jährliche ungenutzte Einsparungen durch offene Modelle | 24,8 Mrd. US-Dollar (Spanne 20 bis 48 Mrd. US-Dollar) | Nagle und Yue, Linux Foundation 2025 |
| KI-nutzende Organisationen, die irgendwo in ihrem Stack Open-Source-KI einsetzen | 89% | Linux Foundation Research, Economic and Workforce Impacts of Open Source AI 2025 |
| Öffentliche GitHub-Repositories, die LLM-SDKs importieren | 1,1 Mio.+ (+178% gegenüber Vorjahr) | GitHub, Octoverse 2025 |
| KI-bezogene Repositories auf GitHub | 4,3 Mio. | GitHub, Octoverse 2025 |
Kontext: Zwei Drittel der Organisationen in der Umfrage von Linux Foundation Research sagen, Open-Source-KI sei günstiger im Betrieb (die Studie wurde von Meta in Auftrag gegeben). GitHubs Octoverse 2025 ergänzt, dass sechs der zehn am schnellsten wachsenden Open-Source-Projekte nach Zahl der Mitwirkenden KI-Infrastruktur waren: Die Ausliefer- und Orchestrierungsschicht, die Hub-Gewichte in Produktions-Endpunkte verwandelt, ist dort, wohin die Mitwirkenden strömen.
6. Das Geschäft: Umsatz, Bewertung und der NVIDIA-Deal
NVIDIAs Form 8-K vom 2. September 2026 beschreibt einen Kaufpreis von etwa 11,9 Milliarden US-Dollar zuzüglich eines Programms zur Mitarbeiterbindung in Aktien von bis zu rund 1,0 Milliarden US-Dollar, insgesamt also etwa 13 Milliarden US-Dollar. Das ist etwa das 2,9-Fache der Post-Money-Bewertung von 4,5 Milliarden US-Dollar aus der Runde 2023 (13 Mrd. / 4,5 Mrd. US-Dollar), und es kommt Monate, nachdem Hugging Face eine NVIDIA-Investition von 500 Millionen US-Dollar bei einer Bewertung von 7 Milliarden US-Dollar abgelehnt hatte, wie TechCrunch berichtete.
Die Umsatzseite ist dünner, als der Preis vermuten lässt. Das Forschungsunternehmen Sacra schätzt den jährlich wiederkehrenden Umsatz (ARR) im August 2026 auf 150 Millionen US-Dollar, nach 81 Millionen US-Dollar Ende 2025. Auf Basis dieser Schätzungen bewertet der Deal Hugging Face mit etwa dem 86-Fachen des ARR (12,9 Mrd. / 150 Mio. US-Dollar). Der Käufer zahlt für Distribution: den Standardort, an dem offene Gewichte veröffentlicht, gefunden und in die Produktion geholt werden.
| Metrik | Wert | Quelle |
|---|---|---|
| An die Aktionäre zahlbarer Kaufpreis | ~11,9 Mrd. US-Dollar | NVIDIA Form 8-K, Sept. 2026 |
| Bindungsprogramm in Aktien für Mitarbeiter | bis zu ~1,0 Mrd. US-Dollar | NVIDIA Form 8-K, Sept. 2026 |
| Erwarteter Abschluss | Erstes Halbjahr 2027, vorbehaltlich behördlicher Genehmigungen | NVIDIA Form 8-K, Sept. 2026 |
| Post-Money-Bewertung, Runde 2023 | 4,5 Mrd. US-Dollar | TechCrunch, Aug. 2026 |
| Abgelehntes NVIDIA-Investitionsangebot (2026) | 500 Mio. US-Dollar bei einer Bewertung von 7 Mrd. US-Dollar | TechCrunch, Aug. 2026 |
| Geschätzter ARR, August 2026 | 150 Mio. US-Dollar | Sacra, Hugging Face revenue estimates 2026 |
| Geschätzter ARR, Ende 2025 und Ende 2024 | 81 Mio. und 53 Mio. US-Dollar | Sacra, Hugging Face revenue estimates 2026 |
| Gesamte vor dem Deal eingeworbene Primärfinanzierung | 396 Mio. US-Dollar | Sacra, Hugging Face revenue estimates 2026 |
Kontext: Sacras Umsatzzahlen sind Schätzungen Dritter; Hugging Face hat keine geprüften Finanzzahlen veröffentlicht. Sacra berichtet außerdem, dass mehr als 30% der Fortune 500 verifizierte Hugging-Face-Konten unterhalten.
7. Sicherheit, Lizenzierung und Schutzlücken
Ein offener Hub ist auch eine offene Angriffsfläche. Protect AI hat 352.000 unsichere oder verdächtige Funde in 51.700 Modellen markiert, nachdem es 4,47 Millionen einzelne Modellversionen in 1,41 Millionen Repositories gescannt hatte (Protect AI und Hugging Face, 4M Models Scanned 2025). Auf einer Plattform, auf der das Laden eines Pickle-basierten Checkpoints Code ausführen kann, bleibt ein kleiner Anteil schlechter Dateien dennoch ein großes absolutes Risiko.
2026 brachte ein neues Bedrohungsmodell hinzu. Hugging Faces technische Zeitleiste des Vorfalls im Juli verzeichnet etwa 4,5 Tage Eindringen (9. bis 13. Juli), rund 17.600 wiederhergestellte Aktionen und 136 in einem einzigen Produktionslesezugriff offengelegte Schlüssel; Ermittler von METR und Redwood Research beziffern die Zahl der beteiligten OpenAI-Agenten auf etwa 700, eine Zahl, die OpenAI akzeptierte (NBC News, Aug. 2026). Inhaltssicherheit ist die dritte Lücke: AI Forensics stellte fest, dass 7 von 9 der bestplatzierten Bildbearbeitungs-Spaces eine bekleidete Person mit einem einzigen Prompt entkleideten, und in der Stichprobe überwachter Anfragen zielten 95% auf Frauen. Unsere Zusammenstellung zu Deepfake-Statistiken behandelt das breitere Bild des Missbrauchs.
| Metrik | Wert | Quelle |
|---|---|---|
| Gescannte einzelne Modellversionen / Repositories | 4,47 Mio. / 1,41 Mio. | Protect AI und Hugging Face, 2025 |
| Markierte unsichere oder verdächtige Funde | 352.000 in 51.700 Modellen | Protect AI und Hugging Face, 2025 |
| Hub-Modelle ohne Lizenzangabe | Fast 70% von ~2,9 Mio. gescannten | RedMonk, License Distribution on Hugging Face, Mai 2026 |
| Lizenzierte Projekte unter einer OSI-genehmigten Lizenz | Mehr als zwei Drittel | RedMonk, License Distribution on Hugging Face, Mai 2026 |
| Chinesische 20B+-Veröffentlichungen 2026 unter Apache 2.0 / MIT | 59% / 22% von 178 | Hugging Face, State of Open Models: Summer 2026 |
| Agenten-Eindringen im Juli 2026: Dauer und wiederhergestellte Aktionen | ~4,5 Tage, ~17.600 Aktionen | Hugging Face, Agent Intrusion Technical Timeline 2026 |
| Bildbearbeitungs-Spaces mit irgendeiner Moderation der Ausgabe | 3% | AI Forensics, Unmoderated by Design, Juli 2026 |
| Überwachte Space-Anfragen, die sexuell waren / auf Minderjährige zielten | 73% / 6,7% | AI Forensics, Unmoderated by Design, Juli 2026 |
Kontext: RedMonks Lizenz-Scan stellt fest, dass Apache-2.0 etwa 2,5-mal so viele lizenzierte Projekte hat wie MIT, und das Paper Economies of Open Intelligence stellte fest, dass Open-Weight-Modelle 2025 erstmals echte Open-Source-Modelle (mit offenen Trainingsdaten) überholten. Offene Gewichte und Open Source driften auseinander.
Zusammenfassung: Hugging Face in Zahlen
| Metrik | Wert | Quelle |
|---|---|---|
| Öffentliche Modelle (22. Aug. 2026) | 3.012.377 | Ivan Fioravanti, Hugging-Face-Blog 2026 |
| Im Jahr 2025 hinzugekommene Modelle | 1.184.880 | Ivan Fioravanti, Hugging-Face-Blog 2026 |
| Öffentliche Datensätze (Aug. 2026) | 1.000.000 | Hugging Face, State of Open Models: Summer 2026 |
| Nutzer (2025) | 13 Millionen | Hugging Face, State of Open Source: Spring 2026 |
| Modelle mit weniger als 200 Downloads über die Lebensdauer | ~85,6% | Hugging Face, State of Open Models: Summer 2026 |
| Download-Anteil der obersten 1,5% der Repositories | 99,2% | Hugging Face, State of Open Models: Summer 2026 |
| Anteil chinesischer Modelle an den Downloads | 41% | Hugging Face, State of Open Source: Spring 2026 |
| China gegenüber USA bei entwicklerbezogenen Downloads | 17,1% gegenüber 15,8% | Longpre et al., Economies of Open Intelligence 2025 |
| Qwen-Derivat-Repositories | 151.448 | Hugging Face, State of Open Models: Summer 2026 |
| Leistungslücke zwischen geschlossenen und offenen Modellen (März 2026) | 3,3% | Stanford HAI, AI Index Report 2026 |
| Anteil geschlossener Modelle an LLM-Nutzung / Umsatz | ~80% / 96% | Nagle und Yue, Linux Foundation 2025 |
| Kostenaufschlag geschlossener gegenüber offenen Modellen | ~6x | Nagle und Yue, Linux Foundation 2025 |
| KI-nutzende Organisationen, die Open-Source-KI einsetzen | 89% | Linux Foundation Research 2025 |
| GitHub-Repositories, die LLM-SDKs importieren | 1,1 Mio.+ (+178% gegenüber Vorjahr) | GitHub, Octoverse 2025 |
| KI-bezogene Repositories auf GitHub | 4,3 Mio. | GitHub, Octoverse 2025 |
| NVIDIA-Kaufpreis + Bindungsaktien | ~11,9 Mrd. US-Dollar + bis zu ~1,0 Mrd. US-Dollar | NVIDIA Form 8-K, Sept. 2026 |
| Geschätzter ARR (Aug. 2026) | 150 Mio. US-Dollar | Sacra 2026 |
| Markierte unsichere oder verdächtige Funde | 352.000 in 51.700 Modellen | Protect AI und Hugging Face, 2025 |
| Hub-Modelle ohne Lizenz | Fast 70% | RedMonk, Mai 2026 |
Methodik und Quellen
- Hugging Face, State of Open Models: Summer 2026 Observations (veröffentlicht am 14. August 2026)
- Hugging Face, State of Open Source on Hugging Face: Spring 2026 (veröffentlicht am 17. März 2026)
- Ivan Fioravanti, Three Million Models and Counting, Hugging-Face-Blog (Community-Beitrag, der Hub-API-Zählungen zusammenstellt, August 2026)
- Longpre et al., Economies of Open Intelligence: Tracing Power and Participation in the Model Ecosystem (arXiv, November 2025)
- The Next Web, Qwen is the world’s most downloaded open model, by a smaller margin than Alibaba says (August 2026, nur für Alibabas eigene Angabe verwendet)
- Stanford HAI, AI Index Report 2026: Technical Performance
- Linux Foundation, Revealing the Hidden Economics of Open Models in the AI Era (Nagle und Yue, November 2025)
- Linux Foundation Research, Open Source AI Is Transforming the Economy (Juni 2025, von Meta in Auftrag gegeben)
- GitHub, Octoverse 2025
- NVIDIA Corporation, Form 8-K, 2. September 2026
- TechCrunch, Hugging Face reportedly in talks to be acquired for $13B (24. August 2026)
- Sacra, Hugging Face revenue, valuation and funding
- Protect AI und Hugging Face, 4M Models Scanned: Protect AI + Hugging Face 6 Months In (14. April 2025)
- RedMonk, License Distribution on Hugging Face (12. Mai 2026)
- Hugging Face, Anatomy of a Frontier Lab Agent Intrusion: A Technical Timeline of the July 2026 Incident (27. Juli 2026)
- NBC News, OpenAI agents hacked Hugging Face, investigations find (26. August 2026)
- AI Forensics, Unmoderated by Design: How Hugging Face Enables NCII (28. Juli 2026)
- Daten-Hinweis: Der Download-Anteil Chinas unterscheidet sich je nach Methode stark (41% im Hugging-Face-Bericht Spring 2026 gegenüber 17,1% im Paper Economies of Open Intelligence), und der Anteil kaum genutzter Modelle wanderte von etwa der Hälfte (Spring 2026) auf 85,6% (Summer 2026) unter Zählregeln, die nicht identisch offengelegt sind. Auch die Qwen-Downloads widersprechen sich: 2.045 Millionen auf dem Hub 2026 gegenüber Alibabas mehr als 3 Milliarden über alle Kanäle. Die Umsatzzahlen sind Schätzungen von Sacra, keine Unternehmensangaben, und die Deal-Summe von rund 13 Milliarden US-Dollar kombiniert den Kaufpreis mit einem Bindungsprogramm, das davon abhängt, dass Mitarbeiter zu NVIDIA wechseln. Die Zahl der Agenten beim Eindringen im Juli 2026 variiert zwischen den Medien; wir zitieren die Zahl von METR und Redwood Research, die OpenAI bestätigt hat. Der Protect-AI-Scan stammt vom April 2025; ein neueres Scanner-Update wird erwartet. Die Kostenstudie der Linux Foundation beruht auf OpenRouter-Daten, die knapp 1% der weltweiten LLM-API-Ausgaben abdecken.
Zuletzt aktualisiert: 3. Oktober 2026. Wir aktualisieren diese Zusammenstellung vierteljährlich, und die nächste Aktualisierung wird erwartet, wenn Hugging Face seinen nächsten halbjährlichen Bericht State of Open Models veröffentlicht.