Modele otwarte osiągnęły około jednej trzeciej całkowitego użycia dużych modeli językowych do końca 2025 roku, według badania obejmującego 100 bilionów tokenów rzeczywistego ruchu API, opublikowanego przez OpenRouter i Andreessen Horowitz (a16z). To najwyraźniejszy jak dotąd sygnał, że otwartoźródłowa AI przeszła od badawczej ciekawostki do domyślnego wyboru produkcyjnego. Hugging Face hostuje obecnie ponad 2 miliony publicznych modeli i obsługuje 13 milionów użytkowników (Hugging Face, State of Open Source Spring 2026), Llama od Meta przekroczyła 1,2 miliarda pobrań (Meta, 2025), a Qwen od Alibaba wyprzedziła ją, osiągając 700 milionów (Xinhua, 2026). Mimo to najlepsze 200 modeli odpowiada za 49,6% wszystkich pobrań na Hugging Face, a czołowe modele zamknięte wciąż wyprzedzają najlepsze modele otwarte o około cztery miesiące (Epoch AI, 2026). Ta analiza łączy dane z Hugging Face, OpenRouter, a16z, Stanford HAI, Epoch AI, McKinsey, GitHub i 13 innych źródeł pierwotnych w ponad 45 zweryfikowanych punktów danych.
TL;DR
- Modele otwarte osiągnęły około 33% udziału w użyciu dużych modeli językowych do końca 2025 roku, w górę z niskiej jednocyfrowej bazy (OpenRouter, State of AI 2025).
- Hugging Face hostuje ponad 2 miliony publicznych modeli i ponad 500 000 zbiorów danych dla 13 milionów użytkowników (Hugging Face, State of Open Source Spring 2026).
- Najlepsze 200 modeli, czyli 0,01% wszystkich modeli, generuje 49,6% pobrań; około połowa wszystkich modeli ma mniej niż 200 pobrań (Hugging Face, Spring 2026).
- Qwen od Alibaba przekroczył 700 milionów łącznych pobrań na Hugging Face i wyprzedził Llama pod koniec 2025 roku (Xinhua / South China Morning Post, 2026).
- Llama od Meta osiągnęła 1,2 miliarda pobrań do 29 kwietnia 2025 roku, w górę z 650 milionów w grudniu 2024 roku (Meta; TechCrunch, 2025).
- Modele otwarte pozostają w tyle za czołowymi modelami zamkniętymi o mniej więcej cztery miesiące, czyli 8 punktów ECI (Epoch AI, 2026).
- Ponad 50% organizacji korzysta z otwartoźródłowej AI, a w sektorze technologicznym odsetek ten rośnie do 72% (McKinsey, 2025).
- Chińskie modele stanowiły 41% pobrań na Hugging Face w ciągu ostatniego roku, a Chiny wyprzedziły USA pod względem miesięcznych pobrań w 2025 roku (Hugging Face, Spring 2026).
- Szacuje się, że rynek otwartoźródłowych modeli AI wzrośnie z 19,05 miliarda dolarów w 2025 roku do 23,08 miliarda w 2026 roku (The Business Research Company, 2026).
- Tylko 15 z 95 znaczących modeli wydanych w 2025 roku udostępniono z otwartym kodem treningowym (Stanford HAI, AI Index 2026).
- Badacze znaleźli około 100 złośliwych modeli na Hugging Face, z czego około 95% zbudowano w jednym formacie serializacji (Dark Reading / JFrog, 2024-2025).
1. Ekosystem otwartoźródłowej AI w liczbach
Hugging Face jest centrum grawitacji dla modeli otwartych, a jej własny raport Spring 2026 State of Open Source pokazuje zarówno skalę, jak i skrajną koncentrację uwagi. Najlepsze 200 modeli, zaledwie 0,01% katalogu, odpowiada za 49,6% wszystkich pobrań, podczas gdy około połowa każdego modelu na platformie ma łącznie mniej niż 200 pobrań. Tymczasem Octoverse 2025 od GitHub pokazuje deweloperską stronę tej samej fali: ponad milion publicznych repozytoriów opiera się teraz na SDK LLM.
| Wskaźnik | Wartość | Źródło |
|---|---|---|
| Publiczne modele na Hugging Face | 2,000,000+ | Hugging Face, State of Open Source Spring 2026 |
| Publiczne zbiory danych na Hugging Face | 500,000+ | Hugging Face, Spring 2026 |
| Zarejestrowani użytkownicy / organizacje | 13,000,000 / 500,000 | Hugging Face, Spring 2026 |
| Udział pobrań z 200 najlepszych modeli (0,01% wszystkich) | 49.6% | Hugging Face, Spring 2026 |
| Modele z mniej niż 200 pobrań łącznie | ~50% | Hugging Face, Spring 2026 |
| Publiczne repozytoria GitHub korzystające z SDK LLM | 1,100,000+ (693,867 new, +178% YoY) | GitHub, Octoverse 2025 |
| Miesięczni współtwórcy projektów generatywnej AI | 68,000 (Jan 2024) to 200,000 (Aug 2025) | GitHub, Octoverse 2025 |
Kontekst: średni rozmiar pobieranego modelu wzrósł z 827 milionów parametrów w 2023 roku do 20,8 miliarda w 2025 roku, ale mediana wzrosła jedynie z 326 milionów do 406 milionów (Hugging Face, Spring 2026). Małe modele wciąż wykonują większość pracy. Aby poznać szerszy krajobraz modeli, zobacz nasze statystyki generatywnej AI.
2. Realne użycie: modele otwarte osiągają jedną trzecią tokenów
Liczba modeli mierzy podaż; wolumen tokenów mierzy popyt. Badanie State of AI od OpenRouter, analizujące 100 bilionów tokenów rzeczywistego ruchu inferencyjnego w ponad 300 modelach wspólnie z a16z, jest najsilniejszym publicznym dowodem na to, że modele otwarte wygrywają realne obciążenia robocze. Chińskie modele otwartoźródłowe wzrosły z 1,2% tygodniowego wolumenu tokenów pod koniec 2024 roku do średniej tygodniowej na poziomie 13,0%, osiągając w niektórych tygodniach szczyt blisko 30%. Segment open source również się zdywersyfikował: model R1 od DeepSeek stanowił kiedyś ponad połowę otwartych tokenów, ale do końca 2025 roku żaden pojedynczy model otwarty nie utrzymywał więcej niż 25% udziału otwartego segmentu.
| Wskaźnik | Wartość | Źródło |
|---|---|---|
| Udział modeli otwartych w użyciu dużych modeli językowych, koniec 2025 | ~33% (one-third) | OpenRouter, State of AI 2025 |
| Tygodniowy udział tokenów chińskich modeli open source | 1.2% (late 2024) to 13.0% avg, ~30% peak | OpenRouter, 2025 |
| Średni tygodniowy udział open source w reszcie świata | 13.7% | OpenRouter, 2025 |
| Tokeny DeepSeek (listopad 2024 – listopad 2025) | 14.37 trillion | OpenRouter, 2025 |
| Tokeny Qwen | 5.59 trillion | OpenRouter, 2025 |
| Tokeny Meta Llama | 3.96 trillion | OpenRouter, 2025 |
| Tokeny Mistral AI | 2.92 trillion | OpenRouter, 2025 |
| Łączna liczba przeanalizowanych tokenów / modeli / dostawców | 100 trillion / 300+ / 70+ | OpenRouter, 2025 |
Nietypowa obserwacja: modele zorientowane na rozumowanie przetwarzają teraz ponad połowę wszystkich tokenów wraz ze wzrostem wywołań narzędzi (tool-calling) — to zmiana opisana w naszych statystykach agentów AI.
3. Różnica w wydajności między modelami otwartymi a zamkniętymi
Różnica między najlepszymi modelami otwartymi a zamkniętymi zmniejszyła się dramatycznie w 2024 roku, po czym przestała się zmniejszać. Epoch AI mierzy to opóźnienie za pomocą swojego Epoch Capabilities Index. Modele otwarte pozostawały w tyle za czołowymi modelami zamkniętymi o około cztery miesiące, czyli 8 punktów ECI, w okresie od stycznia do maja 2026 roku, co jest nieco szerszym opóźnieniem niż mniej więcej trzy miesiące zmierzone do października 2025 roku. AI Index 2026 od Stanford HAI opowiada podobną historię w rankingu Arena.
| Wskaźnik | Wartość | Źródło |
|---|---|---|
| Opóźnienie modeli otwartych względem czołowych modeli zamkniętych | ~4 months / 8 ECI points (90% CI 7-11) | Epoch AI, 2026 |
| Wcześniejsze opóźnienie (styczeń 2023 – październik 2025) | ~3 months | Epoch AI, 2025 |
| Przewaga najlepszego modelu zamkniętego nad najlepszym modelem otwartym (marzec 2026) | 3.3% (up from 0.5% in Aug 2024) | Stanford HAI, AI Index 2026 |
| Modele zamknięte w top 10 Arena | 6 of 10 | Stanford HAI, AI Index 2026 |
| Różnica w Chatbot Arena, styczeń 2024 – luty 2025 | 8.04% to 1.70% | Stanford HAI, AI Index 2025 |
| Skalowanie mocy obliczeniowej treningu czołowych modeli otwartych | ~4.7x per year | Epoch AI, 2025 |
| Lokalna granica: model dorównujący najlepszym LLM sprzed 6–12 miesięcy | Runs on one sub-2,500-dollar GPU | Epoch AI, 2025 |
Kontekst: DeepSeek-R1, wydany w styczniu 2025 roku, pozostawał w tyle za ówczesnym najlepszym modelem zamkniętym o3-mini jedynie o 2 punkty procentowe w teście MATH Level 5 (Epoch AI, 2025) — to wydanie jako pierwsze pokazało zamykanie się luki.
4. Chiński boom na modele otwarte: Qwen i DeepSeek
Najbardziej decydująca zmiana 2025 roku miała charakter geograficzny. Chińskie modele stanowiły 41% pobrań na Hugging Face w ciągu ostatniego roku, a Chiny wyprzedziły USA pod względem miesięcznych pobrań w 2025 roku (Hugging Face, Spring 2026). Qwen od Alibaba stał się pojedynczą, najczęściej pobieraną rodziną modeli otwartych, według Xinhua i South China Morning Post, podczas gdy styczniowa premiera aplikacji DeepSeek w 2025 roku ustanowiła rekordy pobrań śledzone przez Sensor Tower i TechCrunch.
| Wskaźnik | Wartość | Źródło |
|---|---|---|
| Udział Chin w miesięcznych pobraniach na Hugging Face, 2025 | Surpassed the U.S. | Hugging Face, Spring 2026 |
| Udział chińskich modeli w pobraniach na Hugging Face, ostatni rok | 41% | Hugging Face, Spring 2026 |
| Łączne pobrania Qwen na Hugging Face (styczeń 2026) | 700,000,000+ | Xinhua / South China Morning Post, 2026 |
| Warianty Qwen na Hugging Face | 200,000+ | South China Morning Post, 2026 |
| Udział nowych pochodnych dużych modeli językowych opartych na Qwen | ~40% | South China Morning Post, 2026 |
| Pobrania aplikacji DeepSeek w pierwszych 19 dniach | 23,000,000 (2x ChatGPT) | Sensor Tower, 2025 |
| Pierwsze miejsce DeepSeek w App Store | 156+ countries | TechCrunch, 2025 |
| DeepSeek-R1 vs o3-mini, MATH Level 5 | Lags by 2 points | Epoch AI, 2025 |
Kontekst: w ciągu jednego miesiąca pobrania Qwen przewyższyły łączną sumę pobrań ośmiu kolejnych rodzin modeli otwartych, w tym Meta, DeepSeek, Mistral i Nvidia (South China Morning Post, 2026).
5. Adopcja w przedsiębiorstwach i ekonomia
Otwartoźródłowa AI jest teraz główną strategią przedsiębiorstw, a nie marginalnym eksperymentem. McKinsey, wraz z fundacjami Mozilla i Patrick J. McGovern, przebadał ponad 700 liderów technologicznych w 41 krajach w swoim raporcie Open Source Technology in the Age of AI. Ponad połowa organizacji już korzysta z otwartoźródłowej AI, a w sektorze technologicznym odsetek ten rośnie do 72%, przy czym 76% spodziewa się zwiększenia jej wykorzystania. Badanie Enterprise AI od a16z pokazuje ciążenie ku stosom wielu modeli, a badacze rynku szacują tę szansę na dziesiątki miliardów.
| Wskaźnik | Wartość | Źródło |
|---|---|---|
| Organizacje korzystające z otwartoźródłowej AI | 50%+ (72% in tech sector) | McKinsey, 2025 |
| Liderzy spodziewający się zwiększenia użycia otwartoźródłowej AI | 76% | McKinsey, 2025 |
| Zgłaszający niższe koszty wdrożenia niż rozwiązania zastrzeżone | 60% (26% average cost improvement) | McKinsey, 2025 |
| Adopcja otwartoźródłowej AI i uczenia maszynowego w przedsiębiorstwach | 40% (+5 pts vs 2024) | Linux Foundation, 2025 |
| Przedsiębiorstwa uruchamiające 5 lub więcej modeli w produkcji | 37% (up from 29%) | a16z, Enterprise AI 2025 |
| Rynek otwartoźródłowych modeli AI, 2025–2026 | 19.05B to 23.08B dollars (21.1% CAGR) | The Business Research Company, 2026 |
| Runda C Mistral AI (wrzesień 2025) | ~14B dollars valuation (1.7B euros raised) | Mistral AI; Bloomberg, 2025 |
| Wycena Hugging Face | 4.5B dollars (2023 Series D); ~7B reported 2025 | TechCrunch, 2023; Sacra, 2025 |
Kontekst: prognoza rynku otwartoźródłowych modeli AI jest szacunkiem dostawcy; należy traktować ją jako najbardziej aktualną dostępną (The Business Research Company, 2026). Aby poznać dalszą matematykę kosztów, zobacz nasze pokrewne zestawienie statystyk kosztów wnioskowania AI, a w kwestii narzędzi dla deweloperów — statystyki narzędzi programistycznych AI.
6. Zarządzanie, licencjonowanie i bezpieczeństwo
Otwarte wagi to nie to samo co otwarte źródło, a definicje mają znaczenie dla zgodności z przepisami. Open Source Initiative opublikowała swoją definicję otwartoźródłowej AI w październiku 2024 roku, a niewiele znanych modeli w pełni się do niej kwalifikuje. Tylko 15 z 95 znaczących modeli wydanych w 2025 roku udostępniono z otwartym kodem treningowym (Stanford HAI, AI Index 2026), mimo że rządy podjęły działania na rzecz promowania otwartych wag. Bezpieczeństwo to kolejny punkt obserwacji: JFrog i badacze udokumentowali złośliwe modele zdolne do wykonywania kodu w publicznych repozytoriach.
| Wskaźnik | Wartość | Źródło |
|---|---|---|
| Modele AI open source zwalidowane przez OSI | Pythia, OLMo, Amber, CrystalCoder, T5 | OSI / TechCrunch, 2024 |
| Znaczące modele z 2025 roku wydane bez otwartego kodu treningowego | 80 of 95 | Stanford HAI, AI Index 2026 |
| Udział przemysłu wśród znaczących modeli, 2025 | 91.6% | Stanford HAI, AI Index 2026 |
| Złośliwe modele znalezione na Hugging Face | ~100 (~95% one serialization format) | Dark Reading / JFrog, 2024-2025 |
| Modele oznaczone przez JFrog jako złośliwe zero-day | 25 | JFrog, 2025 |
| AI i uczenie maszynowe uznawane za najbardziej korzystające z open source | 38% | Linux Foundation, 2025 |
| Stanowisko U.S. AI Action Plan wobec otwartych wag | Pro-open-weight (Jul 23, 2025) | White House, 2025 |
| Wejście w życie przepisów EU AI Act dot. AI ogólnego przeznaczenia | Aug 2, 2025 | European Commission, 2025 |
Kontekst: ta sama dostępność otwartych wag, która pomaga startupom, obniża też próg nadużyć związanych z syntetycznymi mediami — ryzyko to skwantyfikowano w naszych statystykach deepfake.
Podsumowanie: otwartoźródłowa AI w liczbach
| Wskaźnik | Wartość | Źródło |
|---|---|---|
| Udział modeli otwartych w użyciu dużych modeli językowych, koniec 2025 | ~33% | OpenRouter, State of AI 2025 |
| Publiczne modele na Hugging Face | 2,000,000+ | Hugging Face, Spring 2026 |
| Udział pobrań z 200 najlepszych modeli | 49.6% | Hugging Face, Spring 2026 |
| Przedsiębiorstwa uruchamiające 5 lub więcej modeli w produkcji | 37% | a16z, Enterprise AI 2025 |
| Łączne pobrania Qwen na Hugging Face | 700,000,000+ | Xinhua / South China Morning Post, 2026 |
| Pobrania Meta Llama (kwiecień 2025) | 1,200,000,000 | Meta; TechCrunch, 2025 |
| DeepSeek-R1 vs o3-mini, MATH Level 5 | Lags by 2 points | Epoch AI, 2025 |
| Pobrania aplikacji DeepSeek w pierwszych 19 dniach | 23,000,000 | Sensor Tower, 2025 |
| AI i uczenie maszynowe uznawane za najbardziej korzystające z open source | 38% | Linux Foundation, 2025 |
| Opóźnienie modeli otwartych względem czołowych modeli zamkniętych | ~4 months / 8 ECI points | Epoch AI, 2026 |
| Przewaga najlepszego modelu zamkniętego nad najlepszym modelem otwartym (marzec 2026) | 3.3% | Stanford HAI, AI Index 2026 |
| Organizacje korzystające z otwartoźródłowej AI | 50%+ | McKinsey, 2025 |
| Liderzy spodziewający się zwiększenia użycia otwartoźródłowej AI | 76% | McKinsey, 2025 |
| Niższe koszty wdrożenia niż rozwiązania zastrzeżone | 60% (26% avg improvement) | McKinsey, 2025 |
| Adopcja otwartoźródłowej AI/uczenia maszynowego w przedsiębiorstwach | 40% | Linux Foundation, 2025 |
| Rynek otwartoźródłowych modeli AI (2026) | 23.08B dollars | The Business Research Company, 2026 |
| Wycena Mistral AI (wrzesień 2025) | ~14B dollars | Mistral AI; Bloomberg, 2025 |
| Znaczące modele z 2025 roku bez otwartego kodu treningowego | 80 of 95 | Stanford HAI, AI Index 2026 |
| Złośliwe modele znalezione na Hugging Face | ~100 | Dark Reading / JFrog, 2024-2025 |
| Publiczne repozytoria GitHub korzystające z SDK LLM | 1,100,000+ | GitHub, Octoverse 2025 |
Metodologia i źródła
Dane zebrano poprzez prześledzenie każdej liczby do jej pierwotnego wydawcy, przy czym pierwszeństwo miały oryginalne raporty, badania i ujawnienia z 2025 i 2026 roku nad agregacją wtórną, a szacunki rynkowe dostawców oraz starsze dane oznaczono tam, gdzie się pojawiają.
Cytowane źródła:
- Hugging Face, State of Open Source, Spring 2026
- OpenRouter oraz Andreessen Horowitz (a16z), State of AI: An Empirical 100 Trillion Token Study, 2025
- Andreessen Horowitz (a16z), How 100 Enterprise CIOs Are Building and Buying Gen AI, 2025
- Epoch AI, Open-Weight Models data insights, 2025-2026
- Stanford HAI, AI Index Report 2026 oraz AI Index Report 2025
- McKinsey wraz z fundacjami Mozilla i Patrick J. McGovern, Open Source Technology in the Age of AI, 2025
- GitHub, Octoverse 2025
- Xinhua oraz South China Morning Post, Qwen downloads reporting, 2026
- Sensor Tower oraz TechCrunch, DeepSeek app data, 2025
- Meta, Celebrating 1 Billion Downloads of Llama, 2025, oraz TechCrunch, dane 1,2 miliarda z LlamaCon, 2025
- Linux Foundation, The State of Global Open Source 2025
- Open Source Initiative, Open Source AI Definition 1.0, 2024
- JFrog oraz Dark Reading, malicious model research, 2024-2025
- The White House, Winning the Race: America’s AI Action Plan, 2025
- European Commission, EU AI Act general-purpose AI guidelines, 2025
- The Business Research Company / Research and Markets, Open-Source AI Model Market Report 2026
- Mistral AI oraz Bloomberg, doniesienia o rundzie C, 2025; Sacra, szacunek wyceny Hugging Face, 2025; TechCrunch, runda Series D Hugging Face, 2023
Data watch: kilka cytowanych źródeł publikuje w stałym cyklu. GitHub Octoverse oraz AI Index od Stanford HAI są publikacjami rocznymi, przy czym kolejne edycje spodziewane są odpowiednio pod koniec 2026 roku i na początku 2027 roku; badania State of AI i open source od McKinsey oraz ankieta State of Global Open Source od Linux Foundation odbywają się co roku; State of Open Source od Hugging Face pojawia się mniej więcej co pół roku, z prawdopodobną edycją jesienną 2026; a Epoch AI aktualizuje swoje śledzenie porównania otwarte-zamknięte w sposób ciągły.
Ostatnia aktualizacja: 10 lipca 2026.
Przeglądamy i aktualizujemy tę stronę co kwartał, w miarę publikowania nowych danych.