Sådan vandt kinesiske AI-selskaber kampen om open-weight-markedet

Qwen overhaler Llama på downloads

Det første tydelige signal kom fra Hugging Face, den største platform for åbne AI-modeller. I september 2025 overhalede Alibabas Qwen-familie Metas Llama og blev den mest downloadede familie af store sprogmodeller på platformen .

Ser man på perioden fra august 2024 til august 2025, stod kinesiske open-weight-modeller for 17 procent af alle globale downloads på Hugging Face. Det var første gang, Kina lå foran USA, som stod for 15,8 procent, ifølge en fælles undersøgelse fra MIT og Hugging Face .

Blandt store sprogmodeller – såkaldte LLM’er – var forskellen endnu større: Kinesiskudviklede modeller stod for 41 procent af alle LLM-downloads på platformen i perioden . I midten af 2026 var det samlede antal globale downloads af kinesiske modeller kommet over 100 millioner, ifølge Hugging Face-tal gengivet af China Daily .

Fra under 2 procent til flertal af tokenforbruget

Downloads viser udviklernes interesse. Tokenforbruget viser derimod, hvor meget modellerne faktisk bliver brugt.

På OpenRouter – en neutral tjeneste, der sender forespørgsler videre til forskellige AI-modeller og i begyndelsen af 2026 håndterede over 20 billioner tokens om ugen – er udviklingen vendt markant .

Kinesiskudviklede modeller gik på omkring 18 måneder fra under 2 procent af det ugentlige tokenforbrug til at udgøre flertallet . I maj 2026 stod kinesiske open-weight-modeller for cirka 61 procent af alle tokens, der blev behandlet på platformen .

I juli 2026 indtog kinesiske modeller for første gang samtlige fem øverste pladser på OpenRouters globale brugsrangliste. Xiaomis MiMo-V2.5 lå nummer ét målt på tokenvolumen, efterfulgt af modeller fra DeepSeek, MiniMax, Alibabas Qwen-familie og Moonshots Kimi .

Det er værd at huske, at OpenRouter kun er én platform og derfor ikke nødvendigvis afspejler hele verdens AI-forbrug. Men udviklingen viser, hvor hurtigt kinesiske modeller har vundet terræn blandt udviklere og virksomheder.

Amerikanske virksomheder tog også modellerne i brug

Den måske mest opsigtsvækkende opgørelse for amerikanske virksomheder er, at kinesiske AI-modeller i midten af 2026 nåede en ugentlig top på 46 procent af amerikanske virksomheders API-tokenforbrug på OpenRouter. Amerikanske modeller stod til sammenligning for 35,7 procent .

Et år tidligere lå kinesiske modellers andel under 2 procent. Siden ugen, der begyndte 8. februar 2026, har kinesiskudviklede modeller hver uge stået for mindst 30 procent af virksomhedernes tokenforbrug på platformen .

Fremgangen skyldes især kombinationen af konkurrencedygtig ydeevne og lave omkostninger. Moonshots Kimi K2.5 lå eksempelvis tæt på Anthropics Claude Opus i nogle tidlige benchmarktests, men kostede omtrent en syvendedel .

DeepSeeks V3.1 blev opgivet til 2 yuan – cirka 0,28 dollar – per million inputtokens og 8 yuan – cirka 1,10 dollar – per million outputtokens . Når en model bruges i stor skala, kan sådanne prisforskelle få stor betydning for virksomhedernes regninger.

Også det kinesiske hjemmemarked voksede eksplosivt

Den globale fremgang skal ses i sammenhæng med et voldsomt stigende forbrug i Kina selv.

Kinas nationale datamyndighed oplyste, at det daglige indenlandske tokenforbrug oversteg 140 billioner i marts 2026. Det var mere end 1.000 gange højere end de 100 milliarder tokens, der blev registreret i begyndelsen af 2024 .

ByteDances AI-assistent Doubao stod alene for en markant del af væksten. Tjenesten gik fra omkring 100 milliarder tokens om dagen i maj 2024 til over 120 billioner i marts 2026 – en stigning på omtrent 1.000 gange på to år .

Motoren: hurtige udgivelser og åbne licenser

Tallene peger især på tre forklaringer:

1. Højt udgivelsestempo. Fra slutningen af april til midten af juni 2026 blev fire open-weight-modeller med ydeevne tæt på fronten lanceret med få ugers mellemrum af kinesiske laboratorier: DeepSeek, Alibabas Qwen, Moonshots Kimi og Zhipus GLM .
2. Forholdsvis åbne licenser. Modeller er blandt andet udgivet under MIT-, Apache 2.0- og modificerede MIT-licenser. Det gør dem i mange tilfælde gratis at downloade, ændre og implementere i stor skala .
3. En tydelig prisfordel. Kinesiske laboratorier tager ofte væsentligt mindre for API-adgang end amerikanske konkurrenter, selv om forskellen i modelkvalitet er blevet mindre .

Begrebet “open-weight” betyder, at de trænede modelvægte kan downloades og i mange tilfælde køres på egen infrastruktur. Det betyder ikke nødvendigvis, at træningsdata eller hele kildekoden er offentlig .

Et økosystem frem for ét gennembrud

Konklusionen er derfor ikke nødvendigvis, at én kinesisk model har vundet AI-kapløbet. Den kinesiske fordel ligger snarere i et helt økosystem: mange laboratorier, hyppige udgivelser, lave priser, fleksible licenser og et stort hjemmemarked, der kan levere feedback og driftsdata.

Det er denne selvforstærkende model, der har flyttet Kina fra at være en udfordrer til at blive den førende aktør i det åbne AI-lag. Open-weight-strategien har først vundet udviklernes opmærksomhed gennem downloads – og derefter virksomhedernes faktiske forbrug gennem tokenvolumen.