o

Die Open-Model-Welt wird nicht primär über die größten Checkpoints gewonnen, sondern über die Modelle, die auf realer Hardware laufen. Hugging Face meldet für die ersten sieben Monate 2026: Modelle unter einer Milliarde Parameter vereinen 83 Prozent der Downloads mit deklarierter Parameterzahl auf dem Hub. Modelle über 100 Milliarden liegen bei einem Prozent.

Das ist keine Benchmark-Aussage und auch kein globaler Marktanteil. Es ist jedoch ein sehr brauchbares Betriebssignal: Für lokale und eingebettete Inferenz entscheidet die Auslieferungs- und Runtime-Schicht stärker als die maximale Modellgröße.

Die Zahl, die Architekturentscheidungen erdet

Der heute veröffentlichte Hub-Report von Hugging Face trennt erfreulich sauber zwischen Aufmerksamkeit und Nutzung. Selbst wenn nur die im Jahr 2026 hinzugekommenen Downloads betrachtet werden, bleiben große Modelle eine Minderheit: Oberhalb von 70 Billionen Parametern entfallen laut Report drei Prozent des Volumens.

Die praktische Ebene offener KI ist klein. Große Modelle verschieben die Obergrenze; kleine Varianten entscheiden, welche Modelle tatsächlich in Produkte, lokale Tools und Edge-Workloads gelangen.

Warum Qwen im lokalen Stack sichtbar wird

Der Report nennt für Qwen monatlich 39,6 Millionen GGUF-Downloads – fast doppelt so viele wie Gemma (20,8 Millionen) und mehr als fünfmal so viele wie Llama (7,5 Millionen). Zugleich wuchs die Zahl der Repositories, die GGUF deklarieren, in sieben Monaten um 464 Prozent; MLX um 148 Prozent.

Das ist der relevante Teil der Nachricht: Nicht nur Gewichte, sondern Konvertierungen, Quantisierung und unterstützte Runtimes werden zur Produktoberfläche. Hugging Face weist selbst darauf hin, dass die großen Labs nur wenige der zahlreichen GGUF-Ableitungen selbst veröffentlichen. Wer ein Modell lokal betreibt, verwendet damit häufig ein Community-Artefakt statt einer vom Hersteller getesteten Variante.

Was Teams jetzt konkret ändern sollten

• Runtime als Liefergegenstand behandeln: Neben dem Basismodell eine geprüfte GGUF-/MLX-/ONNX-Variante, Quantisierungsprofil, Hash und Startbefehl versionieren.
• Modelle in Größenklassen evaluieren: Ein Frontier-Checkpoint ohne kleine, getestete Schwester-Variante ist kein vollständiges Deployment-Angebot.
• Artefakt-Herkunft absichern: Community-Konvertierungen sind wertvoll, brauchen aber dieselben Prüfungen wie Container-Images: Maintainer, Commit/Revision, Hash, Lizenz und Reproduzierbarkeit.

Die Schlussfolgerung ist nicht „große offene Modelle sind unwichtig“. llama.cpp und MoE-Quantisierung erweitern die lokale Obergrenze sichtbar. Aber für die nächste Architekturentscheidung ist die nüchterne Default-Frage sinnvoller: Welche geprüfte Variante läuft auf der Hardware, die unser Team tatsächlich besitzt?

Einordnung: Die Zahlen messen Hub-Aktivität, keine Modellqualität, API-Nutzung oder private Deployments. Gerade deshalb taugen sie als operative Ergänzung zu Benchmarks – nicht als Ersatz dafür.

Quelle

Hugging Face, „State of Open Models: Summer 2026 Observations“, veröffentlicht am 14. August 2026. Methodik und Einschränkungen sind im Original dokumentiert.