Hugging Face wykazywał 3.012.377 publicznych modeli na dzień 22 sierpnia 2026 roku, a około 85,6% wszystkich modeli w Hub ma mniej niż 200 pobrań w całym okresie istnienia. Sam w 2025 roku Hub zyskał 1.184.880 modeli, latem 2026 roku przekroczył 1 mln publicznych zbiorów danych, a chińskie modele odpowiadają dziś za 41% pobrań. We wrześniu 2026 roku NVIDIA zgodziła się kupić firmę w transakcji wartej około 13 mld USD, czyli prawie trzykrotnie więcej niż jej ostatnia prywatna wycena. Zebraliśmy dane z raportów Hugging Face State of Open Models i State of Open Source, dokumentu NVIDIA złożonego w SEC, Stanford AI Index 2026, GitHub Octoverse 2025, Linux Foundation Research, Protect AI, RedMonk i AI Forensics. Szerszy obraz znajdziesz w naszych zestawieniach statystyki open source AI oraz statystyki open source LLM.
TL;DR
- 3.012.377 publicznych modeli w Hub na dzień 22 sierpnia 2026 roku (dane z API Hub zebrane przez Ivana Fioravantiego, blog Hugging Face 2026)
- Liczba publicznych zbiorów danych wzrosła z 711.000 do 1 mln między styczniem a sierpniem 2026 roku (Hugging Face, State of Open Models: Summer 2026)
- 85,6% modeli ma mniej niż 200 pobrań w całym okresie istnienia, a 1,5% repozytoriów generuje 99,2% pobrań (Hugging Face, State of Open Models: Summer 2026)
- Modele poniżej 1B parametrów mają 83% pobrań z całego okresu; modele powyżej 100B mają 1% (Hugging Face, State of Open Models: Summer 2026)
- Chińskie modele odpowiadały za 41% pobrań z Hub w ostatnim roku (Hugging Face, State of Open Source: Spring 2026)
- Niezależni deweloperzy napędzają dziś 39% pobrań, wobec 17% przed 2022 rokiem (Hugging Face, State of Open Source: Spring 2026)
- Qwen odnotował 2.045 mln pobrań z Hub w 2026 roku i 151.448 repozytoriów pochodnych (Hugging Face, State of Open Models: Summer 2026)
- Najlepszy model zamknięty wyprzedza najlepszy model otwarty o 3,3%, wobec 0,5% w sierpniu 2024 roku (Stanford HAI, AI Index Report 2026)
- Modele zamknięte kosztują średnio około 6 razy więcej niż konkurencyjne modele otwarte (Nagle i Yue, Linux Foundation 2025)
- Ponad 1,1 mln publicznych repozytoriów GitHub importuje SDK dla LLM, wzrost o 178% rok do roku (GitHub, Octoverse 2025)
- NVIDIA zgodziła się zapłacić około 11,9 mld USD plus do 1,0 mld USD w akcjach retencyjnych za Hugging Face (NVIDIA Form 8-K, wrzesień 2026)
- Protect AI oznaczyło 352.000 niebezpiecznych lub podejrzanych problemów w 51.700 modelach (Protect AI i Hugging Face, 2025)
1. Skala i wzrost Hub: modele, zbiory danych i Spaces
Zgromadzenie pierwszego miliona modeli zajęło około 940 dni; trzeci milion zajął 349 dni, według danych z API Hub zebranych przez Ivana Fioravantiego na blogu Hugging Face. Nagłówek mówi o tempie, ale szczegół jest ciekawszy: drugi milion zajął 335 dni, więc bezwzględne tempo przestało przyspieszać. Potwierdza to bieżący rytm 2026 roku. Przy 747.497 modelach w około 7,7 miesiąca tempo w skali roku wynosi około 1,16 mln (747.497 / 7,7 x 12), czyli praktycznie tyle samo co 1.184.880 modeli dodanych w 2025 roku.
Wzrost, który wciąż przyspiesza, leży poza liczbą modeli. Raport Hugging Face State of Open Models: Summer 2026 pokazuje, że zbiory danych urosły o około 41%, a Spaces o 44% w siedem miesięcy, wobec 21,5% dla modeli. Hub zmienia się z magazynu wag w miejsce, w którym żyją dane i działające aplikacje.
| Metryka | Wartość | Źródło |
|---|---|---|
| Publiczne modele w Hub (22 sierpnia 2026) | 3.012.377 | Ivan Fioravanti, Three Million Models and Counting, blog Hugging Face 2026 |
| Publiczne repozytoria modeli, styczeń do sierpnia 2026 | od 2,43 mln do 2,96 mln (+21,5%) | Hugging Face, State of Open Models: Summer 2026 |
| Publiczne zbiory danych, styczeń do sierpnia 2026 | od 711.000 do 1.000.000 | Hugging Face, State of Open Models: Summer 2026 |
| Publiczne Spaces, styczeń do sierpnia 2026 | od 1,00 mln do 1,44 mln | Hugging Face, State of Open Models: Summer 2026 |
| Modele dodane w 2025 roku | 1.184.880 | Ivan Fioravanti, blog Hugging Face 2026 |
| Modele dodane w 2026 roku do połowy sierpnia | 747.497 | Ivan Fioravanti, blog Hugging Face 2026 |
| Liczba dni potrzebna na dodanie 2. i 3. miliona modeli | 335 i 349 | Ivan Fioravanti, blog Hugging Face 2026 |
| Użytkownicy Hugging Face (2025) | 13 mln | Hugging Face, State of Open Source: Spring 2026 |
Kontekst: wartość 3.012.377 obejmuje wyłącznie repozytoria publiczne. Repozytoria prywatne nie są wliczone, więc rzeczywista liczba hostowanych modeli jest wyższa.
2. Pobrania: bardzo długi ogon i bardzo krótka głowa
1,5% repozytoriów odpowiada za 99,2% wszystkich pobrań na Hugging Face. Hub zachowuje się mniej jak sklep z aplikacjami, a bardziej jak archiwum badawcze, w którym kilka tysięcy pozycji jest czytanych nieustannie, a miliony zostały odłożone raz. Dla każdego, kto publikuje model, bazowy scenariusz jest trzeźwiący: mediana wgranych modeli prawie nie jest używana.
Drugim wzorcem jest rozmiar. Małe modele wygrywają wojnę o pobrania z dużą przewagą, ponieważ to one są wpięte w produkcyjne potoki, które pobierają je ponownie przy każdym buildzie. Najczęściej pobierany pojedynczy model 2026 roku, model osadzeń zdań all-MiniLM-L6-v2, został pobrany 1,55 mld razy w siedem miesięcy, według State of Open Models: Summer 2026. Liczba pobrań mierzy maszyny co najmniej tak samo jak ludzi.
| Metryka | Wartość | Źródło |
|---|---|---|
| Modele z mniej niż 200 pobrań w całym okresie istnienia | ok. 85,6% | Hugging Face, State of Open Models: Summer 2026 |
| Udział pobrań przypadający na 1,5% najpopularniejszych repozytoriów | 99,2% | Hugging Face, State of Open Models: Summer 2026 |
| Udział pobrań przypadający na 200 najpopularniejszych modeli (0,01%) | 49,6% | Hugging Face, State of Open Source: Spring 2026 |
| Udział w pobraniach z całego okresu, modele poniżej 1B parametrów | 83% | Hugging Face, State of Open Models: Summer 2026 |
| Udział w pobraniach z całego okresu, modele powyżej 100B parametrów | 1% | Hugging Face, State of Open Models: Summer 2026 |
| Pobrania all-MiniLM-L6-v2, pierwsze siedem miesięcy 2026 roku | 1,55 mld | Hugging Face, State of Open Models: Summer 2026 |
| Pobrania przeanalizowane w podłużnym badaniu Hub (czerwiec 2020 do sierpnia 2025) | 2,2 mld w 851.000 modeli | Longpre i in., Economies of Open Intelligence 2025 |
Uwaga o rozbieżności: raport Spring 2026 podawał, że około połowa modeli miała łącznie mniej niż 200 pobrań, natomiast raport letni mówi, że mniej więcej 85,6% ma mniej niż 200 pobrań w całym okresie istnienia. Oba raporty dzieli pięć miesięcy i nie opisują identycznych zasad liczenia, więc dokładny udział traktuj jako orientacyjny. Oba zgadzają się, że mediana modeli jest ledwo używana.
3. Kto buduje otwartą AI: Chiny, Qwen i niezależni deweloperzy
Chińskie modele odpowiadały za 41% pobrań z Hugging Face w ostatnim roku, wyprzedzając Stany Zjednoczone, według State of Open Source on Hugging Face: Spring 2026. Druga zmiana jest mniej omawiana, ale równie duża: laboratoria przemysłowe spadły z około 70% pobrań przed 2022 rokiem do około 37%, a niezależni i niezrzeszeni deweloperzy wzrośli z 17% do 39%. Otwartą AI buduje dziś głównie ludzie, których nie ma na liście płac dużego laboratorium.
W Qwen oba trendy się spotykają. Hugging Face naliczył 151.448 repozytoriów pochodnych opartych na Qwen, czyli 2,6 raza więcej niż cały dorobek Meta i 4,7 raza więcej niż sama Llama. Pochodne są lepszą miarą wpływu niż surowe pobrania, bo pokazują, który model bazowy ludzie wybierają do dostrajania i wdrażania. Na szczycie chińskie laboratoria wyznaczają też sufit rozmiaru: miesięczne premiery osiągały w 2026 roku od 754B do 2,78 biliona parametrów, podczas gdy sufit w USA pozostawał poniżej 130B w pięciu z siedmiu miesięcy (Hugging Face, State of Open Models: Summer 2026).
| Metryka | Wartość | Źródło |
|---|---|---|
| Udział chińskich modeli w pobraniach z Hub, ostatni rok | 41% | Hugging Face, State of Open Source: Spring 2026 |
| Udział w pobraniach według twórcy, ostatni rok: Chiny vs USA | 17,1% vs 15,8% | Longpre i in., Economies of Open Intelligence 2025 |
| Udział niezależnych i niezrzeszonych deweloperów w pobraniach | 39% (17% przed 2022 rokiem) | Hugging Face, State of Open Source: Spring 2026 |
| Udział przemysłu w pobraniach | ok. 37% (ok. 70% przed 2022 rokiem) | Hugging Face, State of Open Source: Spring 2026 |
| Pobrania Qwen z Hub w 2026 roku | 2.045 mln (2.061 mln wraz ze wszystkimi repozytoriami) | Hugging Face, State of Open Models: Summer 2026 |
| Repozytoria pochodne oparte na Qwen | 151.448 (2,6 raza więcej niż Meta, 4,7 raza więcej niż Llama) | Hugging Face, State of Open Models: Summer 2026 |
| Miesięczne pobrania GGUF: Qwen, Gemma, Llama | 39,6 mln, 20,8 mln, 7,5 mln | Hugging Face, State of Open Models: Summer 2026 |
| Pobrania Qwen deklarowane przez Alibabę (wszystkie kanały) | ponad 3 mld | Alibaba, za The Next Web, sierpień 2026 |
Kontekst: wartość 41% oraz podział 17,1% vs 15,8% z artykułu Economies of Open Intelligence opierają się na różnych metodach przypisywania i oknach czasowych, więc nie są bezpośrednio porównywalne. Deklaracja Alibaby o 3 mld jest o około jedną trzecią wyższa niż wartość zarejestrowana przez sam Hub, według porównania The Next Web; różnica prawdopodobnie odzwierciedla pobrania z kanałów poza Hugging Face.
4. Rozmiar modeli, formaty i narzędzia
Średni model w Hub urósł z 827M parametrów w 2023 roku do 20,8B w 2025 roku, podczas gdy mediana przesunęła się tylko z 326M do 406M (Hugging Face, State of Open Source: Spring 2026). Ten rozdźwięk mówi wszystko o ekosystemie: garstka premier w skali frontier winduje średnią, podczas gdy typowy upload pozostaje małym, tanim fine-tune’em.
Dane o formatach pokazują, dokąd trafia popyt na małe modele. Liczba repozytoriów Hub deklarujących bibliotekę GGUF wzrosła w 2026 roku o 464%, wobec 16% dla transformers i peft, według State of Open Models: Summer 2026. GGUF to format lokalnej inferencji na laptopach i komputerach stacjonarnych, a MLX firmy Apple (+148%) wskazuje ten sam kierunek. Drugim przełomem jest robotyka: zbiory danych z robotyki wzrosły z 1.145 w 2024 roku do 26.991 w 2025 roku, przesuwając się z 44. miejsca na największą pojedynczą kategorię zbiorów danych.
| Metryka | Wartość | Źródło |
|---|---|---|
| Średni rozmiar modelu, 2023 do 2025 | od 827M do 20,8B parametrów | Hugging Face, State of Open Source: Spring 2026 |
| Mediana rozmiaru modelu, 2023 do 2025 | od 326M do 406M parametrów | Hugging Face, State of Open Source: Spring 2026 |
| Wzrost średniego rozmiaru modelu, 2020 do 2025 | 17 razy | Longpre i in., Economies of Open Intelligence 2025 |
| Wzrost popularności kwantyzacji | 5 razy | Longpre i in., Economies of Open Intelligence 2025 |
| Wzrost architektur mixture-of-experts | 7 razy | Longpre i in., Economies of Open Intelligence 2025 |
| Wzrost liczby repozytoriów deklarujących GGUF / LeRobot / MLX w 2026 roku | +464% / +194% / +148% | Hugging Face, State of Open Models: Summer 2026 |
| Zbiory danych z robotyki, 2024 do 2025 | od 1.145 do 26.991 | Hugging Face, State of Open Source: Spring 2026 |
Kontekst: agenty kodujące są dziś mierzalnym klientem Hub. W ruchu oznaczonym jako agentowy przez huggingface_hub i CLI hf Claude Code miał 44,4% w lipcu 2026 roku (spadek z 67,8% w kwietniu), podczas gdy Codex wzrósł z 10,4% do 20,8% (Hugging Face, State of Open Models: Summer 2026). Nasze zestawienie statystyki agentów AI śledzi szerszy rynek agentów.
5. Otwarte vs zamknięte: wydajność, koszt i adopcja przez deweloperów
Modele otwarte straciły w 2025 roku nieco na jakości surowej: na marzec 2026 roku najlepszy model zamknięty wyprzedza najlepszy model otwarty o 3,3%, wobec 0,5% w sierpniu 2024 roku, a sześć z dziesięciu najlepszych modeli Arena to modele zamknięte (Stanford HAI, AI Index Report 2026). Ten sam raport podaje przewagę USA nad Chinami na poziomie zaledwie 2,7%.
Cena opowiada inną historię. Na danych z OpenRouter Frank Nagle i Daniel Yue ustalili, że modele zamknięte mają około 80% użycia i 96% przychodów, choć kosztują średnio około sześć razy więcej, podczas gdy modele otwarte regularnie osiągają 90% lub więcej wyników modeli zamkniętych w benchmarkach (Linux Foundation, Revealing the Hidden Economics of Open Models 2025). Różnica między otwartymi a zamkniętymi to mniej luka w możliwościach, a bardziej luka w nawykach i integracji, warta szacunkowo 24,8 mld USD rocznie w niewykorzystanych oszczędnościach.
| Metryka | Wartość | Źródło |
|---|---|---|
| Przewaga najlepszego modelu zamkniętego nad najlepszym otwartym (marzec 2026) | 3,3% (0,5% w sierpniu 2024) | Stanford HAI, AI Index Report 2026 |
| Modele zamknięte w pierwszej dziesiątce Arena | 6 z 10 | Stanford HAI, AI Index Report 2026 |
| Udział modeli zamkniętych w użyciu LLM / przychodach | ok. 80% / 96% | Nagle i Yue, Linux Foundation 2025 |
| Średni koszt modeli zamkniętych vs konkurencyjnych otwartych | ok. 6 razy wyższy | Nagle i Yue, Linux Foundation 2025 |
| Szacowane roczne niewykorzystane oszczędności z modeli otwartych | 24,8 mld USD (zakres od 20 mld USD do 48 mld USD) | Nagle i Yue, Linux Foundation 2025 |
| Organizacje wdrażające AI, które używają open source AI gdzieś w swoim stosie | 89% | Linux Foundation Research, Economic and Workforce Impacts of Open Source AI 2025 |
| Publiczne repozytoria GitHub importujące SDK dla LLM | ponad 1,1 mln (+178% rok do roku) | GitHub, Octoverse 2025 |
| Repozytoria związane z AI na GitHub | 4,3 mln | GitHub, Octoverse 2025 |
Kontekst: dwie trzecie organizacji w ankiecie Linux Foundation Research twierdzi, że open source AI jest tańsze we wdrożeniu (badanie zleciła Meta). GitHub Octoverse 2025 dodaje, że sześć z dziesięciu najszybciej rosnących projektów open source pod względem liczby współtwórców to infrastruktura AI: warstwa serwowania i orkiestracji, która zamienia wagi z Hub w produkcyjne endpointy, jest tym miejscem, do którego napływają współtwórcy.
6. Biznes: przychody, wycena i umowa z NVIDIA
Formularz 8-K firmy NVIDIA z 2 września 2026 roku opisuje cenę zakupu wynoszącą około 11,9 mld USD plus program retencyjny w formie akcji do około 1,0 mld USD, czyli łącznie około 13 mld USD. To około 2,9 raza więcej niż wycena post-money 4,5 mld USD z rundy z 2023 roku (13 mld USD / 4,5 mld USD), a transakcja pojawia się kilka miesięcy po tym, jak Hugging Face odrzucił inwestycję NVIDIA w wysokości 500 mln USD przy wycenie 7 mld USD, jak podał TechCrunch.
Strona przychodowa jest chudsza, niż sugeruje cena. Firma badawcza Sacra szacuje roczne przychody cykliczne (ARR) na 150 mln USD w sierpniu 2026 roku, wobec 81 mln USD na koniec 2025 roku. Według tych szacunków transakcja wycenia Hugging Face na około 86-krotność ARR (12,9 mld USD / 150 mln USD). Kupujący płaci za dystrybucję: domyślne miejsce, w którym otwarte wagi są publikowane, odnajdywane i ściągane do produkcji.
| Metryka | Wartość | Źródło |
|---|---|---|
| Cena zakupu płatna akcjonariuszom | ok. 11,9 mld USD | NVIDIA Form 8-K, wrzesień 2026 |
| Program retencyjny w formie akcji dla pracowników | do ok. 1,0 mld USD | NVIDIA Form 8-K, wrzesień 2026 |
| Spodziewane zamknięcie | pierwsza połowa 2027 roku, w zależności od zgód regulacyjnych | NVIDIA Form 8-K, wrzesień 2026 |
| Wycena post-money, runda z 2023 roku | 4,5 mld USD | TechCrunch, sierpień 2026 |
| Odrzucona oferta inwestycji NVIDIA (2026) | 500 mln USD przy wycenie 7 mld USD | TechCrunch, sierpień 2026 |
| Szacowany ARR, sierpień 2026 | 150 mln USD | Sacra, Hugging Face revenue estimates 2026 |
| Szacowany ARR, koniec 2025 roku i koniec 2024 roku | 81 mln USD i 53 mln USD | Sacra, Hugging Face revenue estimates 2026 |
| Łączne pozyskane finansowanie pierwotne przed transakcją | 396 mln USD | Sacra, Hugging Face revenue estimates 2026 |
Kontekst: dane Sacra o przychodach to szacunki podmiotu trzeciego; Hugging Face nie opublikował zbadanych sprawozdań finansowych. Sacra podaje także, że ponad 30% firm z listy Fortune 500 ma zweryfikowane konta Hugging Face.
7. Bezpieczeństwo, licencje i luki w ochronie
Otwarty hub to także otwarta powierzchnia ataku. Protect AI oznaczyło 352.000 niebezpiecznych lub podejrzanych problemów w 51.700 modelach po przeskanowaniu 4,47 mln unikalnych wersji modeli w 1,41 mln repozytoriów (Protect AI i Hugging Face, 4M Models Scanned 2025). Na platformie, gdzie załadowanie checkpointu opartego na pickle może wykonać kod, niewielki odsetek złych plików to wciąż duże ryzyko w liczbach bezwzględnych.
Rok 2026 dodał nowy model zagrożeń. Techniczny przebieg zdarzeń lipcowego incydentu, opublikowany przez Hugging Face, odnotowuje około 4,5 dnia włamania (od 9 do 13 lipca), około 17.600 odzyskanych działań i 136 kluczy ujawnionych w jednym odczycie produkcyjnym; śledczy z METR i Redwood Research oszacowali liczbę zaangażowanych agentów OpenAI na około 700, co OpenAI zaakceptowało (NBC News, sierpień 2026). Trzecią luką jest bezpieczeństwo treści: AI Forensics stwierdziło, że 7 z 9 najwyżej ocenianych Spaces do edycji obrazów rozbierało ubraną osobę po jednym poleceniu, a w próbce monitorowanych żądań 95% dotyczyło kobiet. Szerszy obraz nadużyć opisuje nasze zestawienie statystyki deepfake.
| Metryka | Wartość | Źródło |
|---|---|---|
| Przeskanowane unikalne wersje modeli / repozytoria | 4,47 mln / 1,41 mln | Protect AI i Hugging Face, 2025 |
| Oznaczone niebezpieczne lub podejrzane problemy | 352.000 w 51.700 modelach | Protect AI i Hugging Face, 2025 |
| Modele Hub bez oznaczenia licencji | prawie 70% z ok. 2,9 mln przeskanowanych | RedMonk, License Distribution on Hugging Face, maj 2026 |
| Licencjonowane projekty na licencji zatwierdzonej przez OSI | ponad dwie trzecie | RedMonk, License Distribution on Hugging Face, maj 2026 |
| Chińskie premiery 20B+ w 2026 roku na licencji Apache 2.0 / MIT | 59% / 22% ze 178 | Hugging Face, State of Open Models: Summer 2026 |
| Włamanie agentów w lipcu 2026 roku: czas trwania i odzyskane działania | ok. 4,5 dnia, ok. 17.600 działań | Hugging Face, Agent Intrusion Technical Timeline 2026 |
| Spaces do edycji obrazów z jakąkolwiek moderacją wyniku | 3% | AI Forensics, Unmoderated by Design, lipiec 2026 |
| Monitorowane żądania do Spaces o charakterze seksualnym / dotyczące osoby niepełnoletniej | 73% / 6,7% | AI Forensics, Unmoderated by Design, lipiec 2026 |
Kontekst: skan licencji RedMonk wykazuje, że Apache-2.0 ma około 2,5 raza więcej licencjonowanych projektów niż MIT, a artykuł Economies of Open Intelligence stwierdził, że modele z otwartymi wagami po raz pierwszy w 2025 roku przewyższyły liczebnie modele naprawdę open source (z otwartymi danymi treningowymi). Otwarte wagi i open source się rozchodzą.
Podsumowanie: Hugging Face w liczbach
| Metryka | Wartość | Źródło |
|---|---|---|
| Publiczne modele (22 sierpnia 2026) | 3.012.377 | Ivan Fioravanti, blog Hugging Face 2026 |
| Modele dodane w 2025 roku | 1.184.880 | Ivan Fioravanti, blog Hugging Face 2026 |
| Publiczne zbiory danych (sierpień 2026) | 1.000.000 | Hugging Face, State of Open Models: Summer 2026 |
| Użytkownicy (2025) | 13 mln | Hugging Face, State of Open Source: Spring 2026 |
| Modele z mniej niż 200 pobrań w całym okresie istnienia | ok. 85,6% | Hugging Face, State of Open Models: Summer 2026 |
| Udział pobrań przypadający na 1,5% najpopularniejszych repozytoriów | 99,2% | Hugging Face, State of Open Models: Summer 2026 |
| Udział chińskich modeli w pobraniach | 41% | Hugging Face, State of Open Source: Spring 2026 |
| Chiny vs USA, pobrania według twórcy | 17,1% vs 15,8% | Longpre i in., Economies of Open Intelligence 2025 |
| Repozytoria pochodne oparte na Qwen | 151.448 | Hugging Face, State of Open Models: Summer 2026 |
| Różnica w wydajności między modelami zamkniętymi a otwartymi (marzec 2026) | 3,3% | Stanford HAI, AI Index Report 2026 |
| Udział modeli zamkniętych w użyciu LLM / przychodach | ok. 80% / 96% | Nagle i Yue, Linux Foundation 2025 |
| Premia kosztowa modeli zamkniętych nad otwartymi | ok. 6 razy | Nagle i Yue, Linux Foundation 2025 |
| Organizacje wdrażające AI, które używają open source AI | 89% | Linux Foundation Research 2025 |
| Repozytoria GitHub importujące SDK dla LLM | ponad 1,1 mln (+178% rok do roku) | GitHub, Octoverse 2025 |
| Repozytoria związane z AI na GitHub | 4,3 mln | GitHub, Octoverse 2025 |
| Cena zakupu NVIDIA + akcje retencyjne | ok. 11,9 mld USD + do ok. 1,0 mld USD | NVIDIA Form 8-K, wrzesień 2026 |
| Szacowany ARR (sierpień 2026) | 150 mln USD | Sacra 2026 |
| Oznaczone niebezpieczne lub podejrzane problemy | 352.000 w 51.700 modelach | Protect AI i Hugging Face, 2025 |
| Modele Hub bez licencji | prawie 70% | RedMonk, maj 2026 |
Metodologia i źródła
- Hugging Face, State of Open Models: Summer 2026 Observations (opublikowano 14 sierpnia 2026 roku)
- Hugging Face, State of Open Source on Hugging Face: Spring 2026 (opublikowano 17 marca 2026 roku)
- Ivan Fioravanti, Three Million Models and Counting, Hugging Face blog (wpis społeczności zbierający dane z API Hub, sierpień 2026)
- Longpre et al., Economies of Open Intelligence: Tracing Power and Participation in the Model Ecosystem (arXiv, listopad 2025)
- The Next Web, Qwen is the world’s most downloaded open model, by a smaller margin than Alibaba says (sierpień 2026, użyte wyłącznie do deklaracji samej Alibaby)
- Stanford HAI, AI Index Report 2026: Technical Performance
- Linux Foundation, Revealing the Hidden Economics of Open Models in the AI Era (Nagle i Yue, listopad 2025)
- Linux Foundation Research, Open Source AI Is Transforming the Economy (czerwiec 2025, zlecone przez Meta)
- GitHub, Octoverse 2025
- NVIDIA Corporation, Form 8-K, 2 września 2026
- TechCrunch, Hugging Face reportedly in talks to be acquired for $13B (24 sierpnia 2026 roku)
- Sacra, Hugging Face revenue, valuation and funding
- Protect AI i Hugging Face, 4M Models Scanned: Protect AI + Hugging Face 6 Months In (14 kwietnia 2025 roku)
- RedMonk, License Distribution on Hugging Face (12 maja 2026 roku)
- Hugging Face, Anatomy of a Frontier Lab Agent Intrusion: A Technical Timeline of the July 2026 Incident (27 lipca 2026 roku)
- NBC News, OpenAI agents hacked Hugging Face, investigations find (26 sierpnia 2026 roku)
- AI Forensics, Unmoderated by Design: How Hugging Face Enables NCII (28 lipca 2026 roku)
- Uwaga o danych: udział Chin w pobraniach różni się znacznie w zależności od metody (41% w raporcie Hugging Face Spring 2026 wobec 17,1% w artykule Economies of Open Intelligence), a odsetek ledwo używanych modeli przesunął się z około połowy (Spring 2026) do 85,6% (Summer 2026) przy zasadach liczenia, które nie są opisane identycznie. Dane o pobraniach Qwen również się różnią: 2.045 mln w Hub w 2026 roku wobec ponad 3 mld deklarowanych przez Alibabę we wszystkich kanałach. Dane o przychodach to szacunki Sacra, a nie informacje ujawnione przez firmę, a łączna kwota transakcji około 13 mld USD łączy cenę zakupu z programem retencyjnym, który zależy od przejścia pracowników do NVIDIA. Liczba agentów w lipcowym włamaniu w 2026 roku różni się w zależności od mediów; powołujemy się na wartość podaną przez METR i Redwood Research, którą potwierdziło OpenAI. Skan Protect AI pochodzi z kwietnia 2025 roku; spodziewana jest nowsza aktualizacja skanera. Badanie kosztów Linux Foundation opiera się na danych z OpenRouter, które obejmują niespełna 1% globalnych wydatków na API LLM.
Ostatnia aktualizacja: 3 października 2026 roku. Aktualizujemy to zestawienie kwartalnie, a kolejnego odświeżenia spodziewamy się, gdy Hugging Face opublikuje swój następny półroczny raport State of Open Models.