Hugging Face listaba 3.012.377 modelos públicos el 22 de agosto de 2026, y cerca del 85,6% de todos los modelos del Hub tiene menos de 200 descargas a lo largo de toda su vida. Solo en 2025 el Hub sumó 1.184.880 modelos, superó 1 millón de conjuntos de datos públicos en el verano de 2026 y los modelos chinos ya concentran el 41% de las descargas. En septiembre de 2026, NVIDIA acordó comprar la empresa en una transacción de unos 13.000 millones de dólares, casi tres veces su última valoración privada. Reunimos datos de los informes State of Open Models y State of Open Source de Hugging Face, del documento de NVIDIA ante la SEC, del Stanford AI Index 2026, de GitHub Octoverse 2025, de Linux Foundation Research, de Protect AI, de RedMonk y de AI Forensics. Para un panorama más amplio, consulte nuestros resúmenes de estadísticas de IA de código abierto y de estadísticas de LLM de código abierto.
TL;DR
- 3.012.377 modelos públicos en el Hub al 22 de agosto de 2026 (recuentos de la API del Hub recopilados por Ivan Fioravanti, blog de Hugging Face 2026)
- Los conjuntos de datos públicos crecieron de 711.000 a 1 millón entre enero y agosto de 2026 (Hugging Face, State of Open Models: Summer 2026)
- El 85,6% de los modelos tiene menos de 200 descargas a lo largo de su vida, y el 1,5% de los repositorios concentra el 99,2% de las descargas (Hugging Face, State of Open Models: Summer 2026)
- Los modelos con menos de 1B de parámetros capturan el 83% de las descargas de todos los tiempos; los modelos de más de 100B capturan el 1% (Hugging Face, State of Open Models: Summer 2026)
- Los modelos chinos representaron el 41% de las descargas del Hub en el último año (Hugging Face, State of Open Source: Spring 2026)
- Los desarrolladores independientes ahora generan el 39% de las descargas, frente al 17% antes de 2022 (Hugging Face, State of Open Source: Spring 2026)
- Qwen registró 2.045 millones de descargas en el Hub en 2026 y 151.448 repositorios derivados (Hugging Face, State of Open Models: Summer 2026)
- El mejor modelo cerrado supera al mejor modelo abierto en un 3,3%, frente al 0,5% de agosto de 2024 (Stanford HAI, AI Index Report 2026)
- Los modelos cerrados cuestan en promedio unas 6 veces más que los modelos abiertos competidores (Nagle y Yue, Linux Foundation 2025)
- Más de 1,1 millones de repositorios públicos de GitHub importan SDK de LLM, un alza del 178% interanual (GitHub, Octoverse 2025)
- NVIDIA acordó pagar unos 11.900 millones de dólares más hasta 1.000 millones en acciones de retención por Hugging Face (NVIDIA Form 8-K, septiembre de 2026)
- Protect AI señaló 352.000 problemas inseguros o sospechosos en 51.700 modelos (Protect AI y Hugging Face, 2025)
1. Escala y Crecimiento del Hub: Modelos, Conjuntos de Datos y Spaces
El primer millón de modelos tardó unos 940 días en acumularse; el tercer millón tardó 349 días, según los recuentos de la API del Hub recopilados por Ivan Fioravanti en el blog de Hugging Face. El titular es la velocidad, pero el detalle es más interesante: el segundo millón tardó 335 días, así que el ritmo absoluto dejó de acelerarse. El ritmo de 2026 lo confirma. Con 747.497 modelos en unos 7,7 meses, el ritmo anualizado es de aproximadamente 1,16 millones (747.497 / 7,7 x 12), prácticamente igual que los 1.184.880 modelos añadidos en 2025.
El crecimiento que sigue acelerándose está fuera del recuento de modelos. El informe State of Open Models: Summer 2026, de la propia Hugging Face, muestra los conjuntos de datos con un alza de cerca del 41% y los Spaces con un 44% en siete meses, frente al 21,5% de los modelos. El Hub está dejando de ser un almacén de pesos para convertirse en un lugar donde viven datos y aplicaciones en ejecución.
| Métrica | Valor | Fuente |
|---|---|---|
| Modelos públicos en el Hub (22 de ago. de 2026) | 3.012.377 | Ivan Fioravanti, Three Million Models and Counting, blog de Hugging Face 2026 |
| Repositorios públicos de modelos, ene. a ago. de 2026 | 2,43 M a 2,96 M (+21,5%) | Hugging Face, State of Open Models: Summer 2026 |
| Conjuntos de datos públicos, ene. a ago. de 2026 | 711.000 a 1.000.000 | Hugging Face, State of Open Models: Summer 2026 |
| Spaces públicos, ene. a ago. de 2026 | 1,00 M a 1,44 M | Hugging Face, State of Open Models: Summer 2026 |
| Modelos añadidos en 2025 | 1.184.880 | Ivan Fioravanti, blog de Hugging Face 2026 |
| Modelos añadidos en 2026 hasta mediados de agosto | 747.497 | Ivan Fioravanti, blog de Hugging Face 2026 |
| Días para añadir el 2.º y el 3.er millón de modelos | 335 y 349 | Ivan Fioravanti, blog de Hugging Face 2026 |
| Usuarios de Hugging Face (2025) | 13 millones | Hugging Face, State of Open Source: Spring 2026 |
Contexto: la cifra de 3.012.377 cuenta solo repositorios públicos. Los repositorios privados no están incluidos, así que el número real de modelos alojados es mayor.
2. Descargas: Una Cola Muy Larga con una Cabeza Muy Corta
El 1,5% de los repositorios concentra el 99,2% de todas las descargas en Hugging Face. El Hub se comporta menos como una tienda de aplicaciones y más como un archivo de investigación, donde unos pocos miles de títulos se consultan constantemente y millones se archivan una sola vez. Para quien publica un modelo, la tasa base es aleccionadora: la carga mediana casi no se usa.
El otro patrón es el tamaño. Los modelos pequeños ganan la guerra de las descargas por un amplio margen, porque son los que están integrados en pipelines de producción que vuelven a descargar en cada compilación. El modelo más descargado de 2026, el modelo de embeddings de oraciones all-MiniLM-L6-v2, se descargó 1.550 millones de veces en siete meses, según el State of Open Models: Summer 2026. Los recuentos de descargas miden máquinas al menos tanto como personas.
| Métrica | Valor | Fuente |
|---|---|---|
| Modelos con menos de 200 descargas a lo largo de su vida | ~85,6% | Hugging Face, State of Open Models: Summer 2026 |
| Proporción de descargas capturada por el 1,5% superior de los repositorios | 99,2% | Hugging Face, State of Open Models: Summer 2026 |
| Proporción de descargas que van a los 200 modelos principales (0,01%) | 49,6% | Hugging Face, State of Open Source: Spring 2026 |
| Proporción de descargas de todos los tiempos, modelos con menos de 1B de parámetros | 83% | Hugging Face, State of Open Models: Summer 2026 |
| Proporción de descargas de todos los tiempos, modelos con más de 100B de parámetros | 1% | Hugging Face, State of Open Models: Summer 2026 |
| Descargas de all-MiniLM-L6-v2, primeros siete meses de 2026 | 1.550 millones | Hugging Face, State of Open Models: Summer 2026 |
| Descargas analizadas en el estudio longitudinal del Hub (jun. de 2020 a ago. de 2025) | 2.200 millones en 851.000 modelos | Longpre et al., Economies of Open Intelligence 2025 |
Nota sobre el valor atípico: el informe Spring 2026 decía que aproximadamente la mitad de los modelos tenía menos de 200 descargas en total, mientras que el informe de verano dice que cerca del 85,6% tiene menos de 200 descargas a lo largo de su vida. Los dos informes se publicaron con cinco meses de diferencia y no detallan reglas de conteo idénticas, así que conviene tomar la proporción exacta como orientativa. Ambos coinciden en que el modelo mediano apenas se usa.
3. Quién Construye la IA Abierta: China, Qwen y Desarrolladores Independientes
Los modelos chinos representaron el 41% de las descargas de Hugging Face en el último año, superando a Estados Unidos, según el State of Open Source on Hugging Face: Spring 2026. El segundo cambio se comenta menos, pero es igual de grande: los laboratorios de la industria pasaron de cerca del 70% de las descargas antes de 2022 a cerca del 37%, mientras que los desarrolladores independientes y sin afiliación subieron del 17% al 39%. La IA abierta ahora la construyen sobre todo personas que no están en la nómina de un gran laboratorio.
Qwen es donde ambas tendencias se encuentran. Hugging Face contabiliza 151.448 repositorios derivados basados en Qwen, 2,6 veces toda la presencia de Meta y 4,7 veces la de Llama por sí sola. Los derivados miden la influencia mejor que las descargas brutas, porque muestran qué modelo base eligen las personas para ajustar y publicar. En el extremo superior, los laboratorios chinos también fijan el techo de tamaño: los lanzamientos mensuales llegaron a entre 754B y 2,78 billones de parámetros en 2026, mientras que el techo de EE. UU. se mantuvo por debajo de 130B en cinco de siete meses (Hugging Face, State of Open Models: Summer 2026).
| Métrica | Valor | Fuente |
|---|---|---|
| Proporción de los modelos chinos en las descargas del Hub, último año | 41% | Hugging Face, State of Open Source: Spring 2026 |
| Proporción de descargas atribuida a desarrolladores, año reciente: China frente a EE. UU. | 17,1% frente a 15,8% | Longpre et al., Economies of Open Intelligence 2025 |
| Proporción de descargas de desarrolladores independientes y sin afiliación | 39% (17% antes de 2022) | Hugging Face, State of Open Source: Spring 2026 |
| Proporción de la industria en las descargas | ~37% (~70% antes de 2022) | Hugging Face, State of Open Source: Spring 2026 |
| Descargas de Qwen en el Hub en 2026 | 2.045 M (2.061 M incluyendo todos los repositorios) | Hugging Face, State of Open Models: Summer 2026 |
| Repositorios derivados basados en Qwen | 151.448 (2,6x Meta, 4,7x Llama) | Hugging Face, State of Open Models: Summer 2026 |
| Descargas mensuales de GGUF: Qwen, Gemma, Llama | 39,6 M, 20,8 M, 7,5 M | Hugging Face, State of Open Models: Summer 2026 |
| Descargas de Qwen declaradas por Alibaba (todos los canales) | más de 3.000 millones | Alibaba, según The Next Web, ago. de 2026 |
Contexto: la cifra del 41% y la división de 17,1% frente a 15,8% del artículo Economies of Open Intelligence usan métodos de atribución y ventanas de tiempo distintos, por lo que no son directamente comparables. La afirmación de 3.000 millones de Alibaba es cerca de un tercio mayor que lo que registró el propio Hub, según la comparación de The Next Web; la diferencia probablemente refleja descargas desde canales ajenos a Hugging Face.
4. Tamaño de los Modelos, Formatos y Herramientas
El modelo medio del Hub pasó de 827 millones de parámetros en 2023 a 20.800 millones en 2025, mientras que la mediana solo pasó de 326 millones a 406 millones (Hugging Face, State of Open Source: Spring 2026). Esa divergencia lo dice todo sobre el ecosistema: un puñado de lanzamientos a escala de frontera arrastra el promedio hacia arriba, mientras que la carga típica sigue siendo un ajuste fino pequeño y barato.
Los datos de formato muestran adónde va esa demanda de modelos pequeños. Los repositorios del Hub que declaran la biblioteca GGUF crecieron 464% en 2026, frente a 16% de transformers y peft, según el State of Open Models: Summer 2026. GGUF es el formato de la inferencia local en portátiles y equipos de escritorio, y MLX de Apple (+148%) apunta en la misma dirección. La robótica es la otra gran novedad: los conjuntos de datos de robótica pasaron de 1.145 en 2024 a 26.991 en 2025, y de ocupar el puesto 44 pasaron a ser la mayor categoría de conjuntos de datos.
| Métrica | Valor | Fuente |
|---|---|---|
| Tamaño medio de los modelos, 2023 a 2025 | 827 millones a 20.800 millones de parámetros | Hugging Face, State of Open Source: Spring 2026 |
| Tamaño mediano de los modelos, 2023 a 2025 | 326 millones a 406 millones de parámetros | Hugging Face, State of Open Source: Spring 2026 |
| Crecimiento del tamaño medio de los modelos, 2020 a 2025 | 17x | Longpre et al., Economies of Open Intelligence 2025 |
| Crecimiento de la adopción de cuantización | 5x | Longpre et al., Economies of Open Intelligence 2025 |
| Crecimiento de las arquitecturas de mezcla de expertos | 7x | Longpre et al., Economies of Open Intelligence 2025 |
| Crecimiento en 2026 de repositorios que declaran GGUF / LeRobot / MLX | +464% / +194% / +148% | Hugging Face, State of Open Models: Summer 2026 |
| Conjuntos de datos de robótica, 2024 a 2025 | 1.145 a 26.991 | Hugging Face, State of Open Source: Spring 2026 |
Contexto: los agentes de programación ya son un cliente medible del Hub. En el tráfico etiquetado como de agentes a través de huggingface_hub y la CLI hf, Claude Code tenía el 44,4% en julio de 2026 (frente al 67,8% de abril), mientras que Codex subió del 10,4% al 20,8% (Hugging Face, State of Open Models: Summer 2026). Nuestro resumen de estadísticas de agentes de IA sigue el mercado de agentes en general.
5. Abierto frente a Cerrado: Rendimiento, Costo y Adopción por Parte de los Desarrolladores
Los modelos abiertos perdieron algo de terreno en calidad bruta en 2025: a marzo de 2026, el mejor modelo cerrado supera al mejor modelo abierto en un 3,3%, frente al 0,5% de agosto de 2024, y seis de los diez mejores modelos de Arena son cerrados (Stanford HAI, AI Index Report 2026). El mismo informe sitúa la ventaja de EE. UU. sobre China en apenas 2,7%.
El precio cuenta otra historia. Con datos de OpenRouter, Frank Nagle y Daniel Yue encontraron que los modelos cerrados se llevan cerca del 80% del uso y el 96% de los ingresos aunque cuestan unas seis veces más en promedio, mientras que los modelos abiertos alcanzan habitualmente el 90% o más del rendimiento de los modelos cerrados en benchmarks (Linux Foundation, Revealing the Hidden Economics of Open Models 2025). La brecha entre abierto y cerrado es menos una brecha de capacidad y más una brecha de hábito e integración, que equivale a un ahorro no aprovechado estimado en 24.800 millones de dólares al año.
| Métrica | Valor | Fuente |
|---|---|---|
| Ventaja del mejor modelo cerrado sobre el mejor modelo abierto (mar. de 2026) | 3,3% (0,5% en ago. de 2024) | Stanford HAI, AI Index Report 2026 |
| Modelos cerrados entre los 10 primeros de Arena | 6 de 10 | Stanford HAI, AI Index Report 2026 |
| Proporción de los modelos cerrados en el uso / los ingresos de LLM | ~80% / 96% | Nagle y Yue, Linux Foundation 2025 |
| Costo medio de los modelos cerrados frente a modelos abiertos competidores | ~6x más alto | Nagle y Yue, Linux Foundation 2025 |
| Ahorro anual no aprovechado estimado con modelos abiertos | 24.800 millones de dólares (rango de 20.000 a 48.000 millones) | Nagle y Yue, Linux Foundation 2025 |
| Organizaciones que adoptan IA y usan IA de código abierto en algún punto de su infraestructura | 89% | Linux Foundation Research, Economic and Workforce Impacts of Open Source AI 2025 |
| Repositorios públicos de GitHub que importan SDK de LLM | más de 1,1 M (+178% interanual) | GitHub, Octoverse 2025 |
| Repositorios relacionados con IA en GitHub | 4,3 M | GitHub, Octoverse 2025 |
Contexto: dos tercios de las organizaciones de la encuesta de Linux Foundation Research dicen que la IA de código abierto es más barata de desplegar (el estudio fue encargado por Meta). Octoverse 2025 de GitHub añade que seis de los diez proyectos de código abierto de más rápido crecimiento por número de colaboradores eran de infraestructura de IA: la capa de servicio y orquestación que convierte los pesos del Hub en endpoints de producción es hacia donde se dirigen los colaboradores.
6. El Negocio: Ingresos, Valoración y el Acuerdo con NVIDIA
El Form 8-K de NVIDIA del 2 de septiembre de 2026 describe un precio de compra de aproximadamente 11.900 millones de dólares más un programa de retención en acciones de hasta unos 1.000 millones de dólares, es decir, cerca de 13.000 millones en total. Eso es unas 2,9 veces la valoración posterior a la inversión de 4.500 millones de dólares de la ronda de 2023 (13.000 / 4.500 millones), y llega meses después de que Hugging Face rechazara una inversión de 500 millones de dólares de NVIDIA a una valoración de 7.000 millones, como informó TechCrunch.
El lado de los ingresos es más delgado de lo que sugiere el precio. La firma de investigación Sacra estima los ingresos recurrentes anuales (ARR) en 150 millones de dólares en agosto de 2026, frente a 81 millones a finales de 2025. Con esas estimaciones, el acuerdo valora a Hugging Face en unas 86 veces el ARR (12.900 / 150 millones). El comprador paga por la distribución: el lugar predeterminado donde se publican, se encuentran y se llevan a producción los pesos abiertos.
| Métrica | Valor | Fuente |
|---|---|---|
| Precio de compra pagadero a los accionistas | ~11.900 millones de dólares | NVIDIA Form 8-K, sept. de 2026 |
| Programa de retención en acciones para empleados | hasta ~1.000 millones de dólares | NVIDIA Form 8-K, sept. de 2026 |
| Cierre previsto | Primer semestre de 2027, sujeto a aprobaciones regulatorias | NVIDIA Form 8-K, sept. de 2026 |
| Valoración posterior a la inversión, ronda de 2023 | 4.500 millones de dólares | TechCrunch, ago. de 2026 |
| Oferta de inversión de NVIDIA rechazada (2026) | 500 millones de dólares a una valoración de 7.000 millones | TechCrunch, ago. de 2026 |
| ARR estimado, agosto de 2026 | 150 millones de dólares | Sacra, Hugging Face revenue estimates 2026 |
| ARR estimado, finales de 2025 y finales de 2024 | 81 millones y 53 millones de dólares | Sacra, Hugging Face revenue estimates 2026 |
| Total de financiación primaria captada antes del acuerdo | 396 millones de dólares | Sacra, Hugging Face revenue estimates 2026 |
Contexto: las cifras de ingresos de Sacra son estimaciones de terceros; Hugging Face no ha publicado estados financieros auditados. Sacra también informa de que más del 30% de las empresas de Fortune 500 mantienen cuentas verificadas en Hugging Face.
7. Seguridad, Licencias y Brechas de Protección
Un hub abierto también es una superficie de ataque abierta. Protect AI ha señalado 352.000 problemas inseguros o sospechosos en 51.700 modelos tras analizar 4,47 millones de versiones únicas de modelos en 1,41 millones de repositorios (Protect AI y Hugging Face, 4M Models Scanned 2025). En una plataforma donde cargar un checkpoint basado en pickle puede ejecutar código, una pequeña proporción de archivos malos sigue siendo un gran riesgo en términos absolutos.
2026 añadió un nuevo modelo de amenaza. La cronología técnica de Hugging Face sobre el incidente de julio registra unos 4,5 días de intrusión (del 9 al 13 de julio), aproximadamente 17.600 acciones recuperadas y 136 claves expuestas en una sola lectura de producción; investigadores de METR y Redwood Research estiman en unos 700 el número de agentes de OpenAI implicados, una cifra que OpenAI aceptó (NBC News, ago. de 2026). La seguridad de los contenidos es la tercera brecha: AI Forensics descubrió que 7 de los 9 Spaces de edición de imágenes mejor posicionados desnudaban a una persona vestida con una sola instrucción y que, en su muestra de solicitudes monitoreadas, el 95% tenía como objetivo a mujeres. Nuestro resumen de estadísticas de deepfakes cubre el panorama más amplio del uso indebido.
| Métrica | Valor | Fuente |
|---|---|---|
| Versiones únicas de modelos / repositorios analizados | 4,47 M / 1,41 M | Protect AI y Hugging Face, 2025 |
| Problemas inseguros o sospechosos señalados | 352.000 en 51.700 modelos | Protect AI y Hugging Face, 2025 |
| Modelos del Hub sin designación de licencia | Casi el 70% de ~2,9 M analizados | RedMonk, License Distribution on Hugging Face, mayo de 2026 |
| Proyectos con licencia bajo una licencia aprobada por la OSI | Más de dos tercios | RedMonk, License Distribution on Hugging Face, mayo de 2026 |
| Lanzamientos chinos de 20B+ en 2026 bajo Apache 2.0 / MIT | 59% / 22% de 178 | Hugging Face, State of Open Models: Summer 2026 |
| Intrusión de agentes en julio de 2026: duración y acciones recuperadas | ~4,5 días, ~17.600 acciones | Hugging Face, Agent Intrusion Technical Timeline 2026 |
| Spaces de edición de imágenes con algún tipo de moderación de salida | 3% | AI Forensics, Unmoderated by Design, julio de 2026 |
| Solicitudes monitoreadas a Spaces de contenido sexual / dirigidas a un menor | 73% / 6,7% | AI Forensics, Unmoderated by Design, julio de 2026 |
Contexto: el análisis de licencias de RedMonk encuentra que Apache-2.0 tiene unas 2,5 veces más proyectos con licencia que MIT, y el artículo Economies of Open Intelligence halló que los modelos de pesos abiertos superaron por primera vez en 2025 a los modelos de verdadero código abierto (con datos de entrenamiento abiertos). Los pesos abiertos y el código abierto están divergiendo.
Resumen: Hugging Face en Cifras
| Métrica | Valor | Fuente |
|---|---|---|
| Modelos públicos (22 de ago. de 2026) | 3.012.377 | Ivan Fioravanti, blog de Hugging Face 2026 |
| Modelos añadidos en 2025 | 1.184.880 | Ivan Fioravanti, blog de Hugging Face 2026 |
| Conjuntos de datos públicos (ago. de 2026) | 1.000.000 | Hugging Face, State of Open Models: Summer 2026 |
| Usuarios (2025) | 13 millones | Hugging Face, State of Open Source: Spring 2026 |
| Modelos con menos de 200 descargas a lo largo de su vida | ~85,6% | Hugging Face, State of Open Models: Summer 2026 |
| Proporción de descargas del 1,5% superior de los repositorios | 99,2% | Hugging Face, State of Open Models: Summer 2026 |
| Proporción de los modelos chinos en las descargas | 41% | Hugging Face, State of Open Source: Spring 2026 |
| China frente a EE. UU. en descargas atribuidas a desarrolladores | 17,1% frente a 15,8% | Longpre et al., Economies of Open Intelligence 2025 |
| Repositorios derivados de Qwen | 151.448 | Hugging Face, State of Open Models: Summer 2026 |
| Brecha de rendimiento entre modelos cerrados y abiertos (mar. de 2026) | 3,3% | Stanford HAI, AI Index Report 2026 |
| Proporción de los modelos cerrados en el uso / los ingresos de LLM | ~80% / 96% | Nagle y Yue, Linux Foundation 2025 |
| Sobrecosto de los modelos cerrados frente a los abiertos | ~6x | Nagle y Yue, Linux Foundation 2025 |
| Organizaciones que adoptan IA y usan IA de código abierto | 89% | Linux Foundation Research 2025 |
| Repositorios de GitHub que importan SDK de LLM | más de 1,1 M (+178% interanual) | GitHub, Octoverse 2025 |
| Repositorios relacionados con IA en GitHub | 4,3 M | GitHub, Octoverse 2025 |
| Precio de compra de NVIDIA + acciones de retención | ~11.900 millones de dólares + hasta ~1.000 millones | NVIDIA Form 8-K, sept. de 2026 |
| ARR estimado (ago. de 2026) | 150 millones de dólares | Sacra 2026 |
| Problemas inseguros o sospechosos señalados | 352.000 en 51.700 modelos | Protect AI y Hugging Face, 2025 |
| Modelos del Hub sin licencia | Casi el 70% | RedMonk, mayo de 2026 |
Metodología y Fuentes
- Hugging Face, State of Open Models: Summer 2026 Observations (publicado el 14 de agosto de 2026)
- Hugging Face, State of Open Source on Hugging Face: Spring 2026 (publicado el 17 de marzo de 2026)
- Ivan Fioravanti, Three Million Models and Counting, blog de Hugging Face (publicación de la comunidad que recopila recuentos de la API del Hub, agosto de 2026)
- Longpre et al., Economies of Open Intelligence: Tracing Power and Participation in the Model Ecosystem (arXiv, noviembre de 2025)
- The Next Web, Qwen is the world’s most downloaded open model, by a smaller margin than Alibaba says (agosto de 2026, usado solo para la afirmación de la propia Alibaba)
- Stanford HAI, AI Index Report 2026: Technical Performance
- Linux Foundation, Revealing the Hidden Economics of Open Models in the AI Era (Nagle y Yue, noviembre de 2025)
- Linux Foundation Research, Open Source AI Is Transforming the Economy (junio de 2025, encargado por Meta)
- GitHub, Octoverse 2025
- NVIDIA Corporation, Form 8-K, 2 de septiembre de 2026
- TechCrunch, Hugging Face reportedly in talks to be acquired for $13B (24 de agosto de 2026)
- Sacra, Hugging Face revenue, valuation and funding
- Protect AI y Hugging Face, 4M Models Scanned: Protect AI + Hugging Face 6 Months In (14 de abril de 2025)
- RedMonk, License Distribution on Hugging Face (12 de mayo de 2026)
- Hugging Face, Anatomy of a Frontier Lab Agent Intrusion: A Technical Timeline of the July 2026 Incident (27 de julio de 2026)
- NBC News, OpenAI agents hacked Hugging Face, investigations find (26 de agosto de 2026)
- AI Forensics, Unmoderated by Design: How Hugging Face Enables NCII (28 de julio de 2026)
- Nota sobre los datos: la proporción de descargas de China difiere mucho según el método (41% en el informe Spring 2026 de Hugging Face frente a 17,1% en el artículo Economies of Open Intelligence), y la proporción de modelos apenas usados pasó de cerca de la mitad (Spring 2026) a 85,6% (Summer 2026) bajo reglas de conteo que no se detallan de forma idéntica. Las descargas de Qwen también se contradicen: 2.045 millones en el Hub en 2026 frente a los más de 3.000 millones de Alibaba en todos los canales. Las cifras de ingresos son estimaciones de Sacra, no divulgaciones de la empresa, y el total de unos 13.000 millones de dólares del acuerdo combina el precio de compra con un programa de retención que depende de que los empleados se incorporen a NVIDIA. El número de agentes en la intrusión de julio de 2026 varía entre medios; citamos la cifra de METR y Redwood Research que OpenAI confirmó. El análisis de Protect AI es de abril de 2025; se espera una actualización más reciente del escáner. El estudio de costos de Linux Foundation se basa en datos de OpenRouter, que cubren cerca del 1% del gasto mundial en API de LLM.
Última actualización: 3 de octubre de 2026. Actualizamos este resumen trimestralmente, y la próxima revisión se espera cuando Hugging Face publique su próximo informe semestral State of Open Models.