Estado dos modelos abertos em 2026: Qwen domina e agentes viram o novo usuário do Hugging Face

O que mudou desde a primavera

No mundo da IA, o tempo parece comprimido. O relatório semestral do Hugging Face — assinado por Adina Yakefu, Apolinário Passos (multimodalart) e Irene Solaiman — analisa o ecossistema de modelos abertos entre janeiro e agosto de 2026 e revela uma reorganização profunda de forças. Seis observações estruturam o documento.

Os números de base crescem diariamente: os repositórios públicos de modelos saltaram de 2,43 para 2,96 milhões no período, os datasets de 711 mil para 1 milhão e os Spaces de 1,00 para 1,44 milhão. A distribuição, porém, continua extrema: 85,6% dos modelos têm menos de 200 downloads na vida toda, enquanto 1,5% dos repositórios concentram 99,2% de todos os downloads.

1. A fronteira se move rápido — e a China lidera a escala

Antes havia uma progressão clara: laboratórios lançavam modelos menores e avançavam gradualmente rumo ao topo da escala. Em 2026, vários laboratórios chineses pularam essa progressão por completo. Em quase todos os meses do ano, o maior modelo aberto de um laboratório chinês foi maior do que qualquer coisa lançada por um laboratório americano por conta própria.

O teto mensal da China variou entre 754 bilhões e 2,78 trilhões de parâmetros; o dos EUA ficou abaixo de 130 bilhões em cinco dos sete meses — exceções para o Nemotron 3 Ultra da NVIDIA (561B, em maio e junho) e o Inkling do Thinking Machines Lab.

Laboratórios como Moonshot, MiniMax, Xiaomi e Z.ai publicam quase nada abaixo de 70B — o primeiro contato de um desenvolvedor com eles é um modelo grande demais para rodar em qualquer coisa que ele possua. Tencent e Alibaba Qwen cobrem todo o espectro. Nos EUA, os maiores publicadores de novos modelos abertos hoje são justamente as empresas de hardware: AMD e NVIDIA, cada uma com mais de 200 novos repositórios, à frente do LiquidAI (cerca de 100).

2. Atenção não é adoção

O relatório cruzou os 25 modelos mais baixados e os 25 mais curtidos de 2026. Apenas um repositório aparece nas duas listas. Nenhum modelo publicado em 2026 entrou no top 25 de downloads, enquanto treze dos vinte e cinco datam de 2022 — o all-MiniLM-L6-v2 foi baixado 1,55 bilhão de vezes em sete meses contra apenas 5.156 curtidas.

As duas métricas registram atos diferentes. A curtida diz que um lançamento importa, e vai para modelos de fronteira nas semanas seguintes ao lançamento. O download diz que algo está ligado a um pipeline que roda em cronograma, e se acumula em modelos pequenos e estáveis ao longo dos anos.

3. Pesos abertos deslocam onde o valor se acumula

Se modelos de fronteira fossem um negócio de licenciamento, os maiores lançamentos teriam os termos mais rígidos. Os dados mostram o contrário: de 178 lançamentos chineses acima de 20B parâmetros neste ano, 59% usam Apache 2.0 e 22% usam MIT — e nenhum tem restrição não comercial. DeepSeek e Z.ai chegam a distribuir modelos de 700 bilhões a 1,65 trilhão de parâmetros sob MIT puro. No lado americano da mesma faixa, apenas 29% são Apache ou MIT; 41% ficam sob termos customizados e 30% não declaram nada.

Os pesos são dados de graça nos termos mais permissivos possíveis. O retorno precisa vir de outro lugar: API e nuvem, posicionamento de hardware e plataforma, ou o próprio ecossistema.

4. Qwen virou o modelo-base da comunidade

O Qwen (Alibaba) é a exceção que consegue atenção e adoção. Modelos derivados do Qwen somam 151.448 repositórios no Hub — 2,6 vezes a pegada total da Meta e 4,7 vezes os repositórios Llama especificamente. O Google vem em segundo, com 82.506 derivados. O terceiro maior é o Unsloth, conta da comunidade que publica builds quantizados e prontos para fine-tuning.

Três fatores explicam a posição: consistência (cadência regular de lançamentos), cobertura (modelos de todos os tamanhos) e abertura (licença Apache 2.0). E a posição foi construída majoritariamente pela comunidade: dos 151.448 derivados, quase tudo é trabalho de terceiros — até nas 28.531 conversões GGUF do Qwen, o próprio Qwen publicou apenas 54.

5. Modelos pequenos seguem sendo a camada prática

Entre os modelos que declaram contagem de parâmetros, os abaixo de 1B levam 83% de todos os downloads da história; tudo acima de 100B responde por 1%. Restringindo a 2026, nada muda: apenas 3% do volume vai para modelos acima de 70B. Modelos pequenos são os únicos que rodam no hardware que a maioria dos desenvolvedores realmente tem.

O teto da inferência local subiu com o llama.cpp (cujo time se juntou ao Hugging Face em fevereiro, mantendo o projeto open source e governado pela comunidade). A foto de julho traz builds GGUF do DeepSeek-V4-Flash (~284B) e do Kimi-K3 (~2,8 trilhões). Inferência local deixou de significar um modelo de 8B num laptop: agora é um mixture-of-experts de trilhão de parâmetros espalhado por algumas máquinas de consumo — e essa rota corre sobre o Qwen: 39,6 milhões de downloads GGUF por mês, quase o dobro do Gemma (20,8 mi) e mais de cinco vezes o Llama (7,5 mi).

6. Agentes são o novo usuário

O dado mais novo do relatório: um dataset de uso por agentes, publicado em julho, registra o token que agentes de codificação enviam ao chamar o Hub. Pela primeira vez dá para ver quanto tráfego o Hub recebe de agentes — e de quais harnesses. O Claude Code liderou julho com 44,4%, mas um único mês esconde a volatilidade: teve 67,8% em abril e 6,4% em maio, enquanto o Codex subiu de 10,4% para 20,8%. É um mercado sem incumbente, onde um lançamento ou um default alterado move metade do tráfego em um mês.

Quase um quarto do tráfego de agentes em julho veio de harnesses ainda não registrados — e entre abril e julho mais de uma dúzia de novos identificadores apareceram. Novos entrantes chegam mais rápido do que qualquer registro consegue nomeá-los. O relatório também relata o que parece ser o primeiro caso documentado de um agente autônomo conduzindo uma intrusão sustentada por iniciativa própria contra o Hub — analisado, ao final, em um modelo aberto quantizado (GLM-5.2) rodando na própria infraestrutura.

O que esperar

Comparado ao relatório da primavera, o reequilíbrio geográfico de poder continua acelerando. Mas a corrida da IA não é só de sprints — é também uma maratona: ferramentas como o llama.cpp ajudam a implantar modelos grandes localmente, mas uma família ampla de modelos e sua adoção continuam sendo a chave para criar um ciclo de feedback positivo entre desenvolvedores, publicadores e futuros usuários. Com agentes sendo, pela primeira vez, o usuário número 1 do Hub, o próximo relatório pode parecer muito diferente.