AnswersPublished24 sources
Kiinalaiset tekoälymallit valtaavat avoimen kehittäjäekosysteemin
Kiinalaistaustaiset mallit muodostivat viime vuoden aikana 41 % Hugging Facen latauksista ja ohittivat yhdysvaltalaiset mallit sekä kuukausi että kokonaislatauksissa. Moonshot AI:n Kimi K3 ja Alibaban Qwen3.8 Max nostivat avoimien mallien mittakaavan uudelle tasolle: niiden kokonaisparametrimäärät ovat 2,8 biljoonaa...
JulkaisijaMuokattu mallilla GPT-5.6 LunaKuvat luotu mallilla GPT Image 1.5
Research answer
Key takeaways
- Kiinalaistaustaiset mallit muodostivat viime vuoden aikana 41 % Hugging Facen latauksista ja ohittivat yhdysvaltalaiset mallit sekä kuukausi että kokonaislatauksissa.
- Moonshot AI:n Kimi K3 ja Alibaban Qwen3.8 Max nostivat avoimien mallien mittakaavan uudelle tasolle: niiden kokonaisparametrimäärät ovat 2,8 biljoonaa ja 2,4 biljoonaa.
- OpenRouterissa kiinalaismallit olivat heinäkuussa viiden käytetyimmän mallin joukossa, ja niiden osuus alustan liikenteestä ylitti elokuun 21.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How have Chinese open-weight large language models, which were once viewed as a tier below US frontier systems, risen by August 21, 2026 to. Article summary: Chinese labs have gained adoption primarily by combining frontier-adjacent capability with permissive weights, fast release cycles, efficient sparse architectures, and sharply lower deployment costs. That can make them t. Topic tags: general, news, general web, user generated, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
Kiinalaisten tekoälymallien painopiste siirtyi vuonna 2026 selvästi kohti avointa malliekosysteemiä. Kiinassa kehitettyjen mallien osuus Hugging Facen latauksista oli edeltäneen vuoden aikana 41 prosenttia. Ne ohittivat yhdysvaltalaistaustaiset mallit sekä kuukausi- että kokonaislatauksissa. 32 Erillisissä raporteissa kiinalaisten avointen mallien maailmanlaajuisten kumulatiivisten latausten kerrottiin ylittäneen 10 miljardia – ei 100 miljardia, kuten eräässä otsikossa väitettiin.
31
Ero luvuissa on olennainen. Havainnot osoittavat Kiinan johtavan tietyssä tekoälymarkkinan kerroksessa: kehittäjille ladattavissa, muokattavissa ja omissa ympäristöissä ajettavissa malleissa. Ne eivät osoita, että kiinalaiset yritykset olisivat syrjäyttäneet yhdysvaltalaiset toimijat suljettujen huippumallien absoluuttisella kärkitasolla.
Mitä 41 prosentin luku oikeastaan mittaa?
Luku kuvaa latauksia Hugging Facessa, joka on tekoälymallien, aineistojen ja kehittäjätyökalujen laaja verkkopalvelu. Se ei ole Kiinan osuus kaikista tekoälymalleista eikä kaikesta tekoälyn käytöstä.
Hugging Facen omat tiedot kertovat myös ekosysteemin keskittyneisyydestä: vain 1,5 prosenttia repositorioista vastaa 99,2 prosentista latauksista, kun taas 85,6 prosentilla malleista on elinkaarensa aikana ollut alle 200 latausta. 23
Varauksesta huolimatta suunta on merkittävä. Kiinasta on tullut alustan suurin yksittäinen tunnistettu kansallinen mallien lähde, ja kiinalaiset mallit ovat saaneet runsaasti tuotantoliikennettä myös mallien reitityspalveluissa. 27
29
Sama koskee kokonaislatausten määrää. Ajankohtaisissa raporteissa kiinalaisten avointen tekoälymallien kerrotaan ylittäneen 10 miljardin kumulatiivisen latauksen maailmanlaajuisesti. 17
31 Saatavilla oleva näyttö ei tue 100 miljardin lukua, joten sitä on syytä pitää otsikko- tai kirjoitusvirheenä, ei vahvistettuna merkkipaaluna.
Miksi kehittäjät valitsevat kiinalaisia open-weight-malleja?
Muutos ei johdu yhdestä benchmark-voitosta. Kiinalaiset laboratoriot ovat yhdistäneet useita käytännön etuja:
- Edullisempi käyttöönotto: Kiinalaiset tarjoajat ovat kilpailleet aggressiivisesti rajapintojen hinnoilla, mikä tekee laajamittaisesta koodauksesta ja tekoälyagenttien ajamisesta halvempaa. Open-weight-mallin voi lisäksi ajaa omalla palvelimella tai hienosäätää omaan käyttöön sen sijaan, että kaikki käyttö ostettaisiin yhdeltä palveluntarjoajalta.
- Sallivammat lisenssit: Hugging Facen tarkastelemista 178 kiinalaisesta, yli 20 miljardin parametrin julkaisusta 59 prosenttia käytti Apache 2.0 -lisenssiä ja 22 prosenttia MIT-lisenssiä. Lähes missään ei ollut ei-kaupallista käyttöä rajoittavia ehtoja.
23 Tämä helpottaa kokeiluja, kaupallista integrointia ja mallien jakelua.
- Nopeat julkaisusyklit: Laboratoriot ovat siirtyneet ilmoituksesta rajapintaan, isännöityyn pääsyyn ja ladattaviin painoihin lyhyessä ajassa.
- Tuotantoon sopivat ominaisuudet: Koodaus, päättely, monikielisyys, pitkän kontekstin käsittely ja autonomiset työnkulut ovat arvokkaita silloin, kun mallia kutsutaan sovelluksessa tuhansia kertoja.
- Parempi hallittavuus: Kehittäjät voivat pitää aineistot omassa infrastruktuurissaan, sovittaa mallin erikoistehtävään ja vähentää riippuvuutta yhdestä suljetusta palveluntarjoajasta.
Siksi open-weight-mallien käyttöönotto voi edetä nopeammin kuin benchmark-keskustelu antaa ymmärtää. Mallin ei tarvitse olla kaikissa tehtävissä maailman paras, jotta siitä tulee kustannustietoisessa tuotantokäytössä ensisijainen vaihtoehto.
Kimi K3 teki avoimesta huippumittakaavasta konkreettisen
Moonshot AI:n Kimi K3 oli muutoksen näkyvä symboli. Mallissa on yhteensä 2,8 biljoonaa parametria, harva mixture-of-experts -arkkitehtuuri, natiivi näkökyky ja miljoonan tokenin konteksti-ikkuna. Moonshot kuvasi sitä ensimmäiseksi avoimeksi kolmen biljoonan parametrin luokan malliksi. 3
Täydet painot julkaistiin 27. heinäkuuta 2026, kun aiemmin alkanut rajapinta- ja isännöity käyttöönotto vietiin loppuun. 15 Julkaisu ei tehnyt Kimi K3:sta helppoa tavallisella laitteistolla ajettavaa mallia – sen koko on edelleen merkittävä infrastruktuurihaaste. Se kuitenkin muutti käsitystä siitä, millaisia malleja kiinalaiset laboratoriot olivat valmiita julkaisemaan.
Strateginen viesti oli yhtä tärkeä kuin tekniset tiedot: kiinalainen laboratorio saattoi antaa huippumallia lähestyvän järjestelmän ulkopuolisten kehittäjien, päättelypalveluiden tarjoajien ja tutkijoiden käyttöön sen sijaan, että malli olisi kokonaan rajapinnan takana.
Qwen3.8-Max osoitti, ettei kyse ollut yhdestä laboratoriosta
Alibaba vahvisti kehityssuunnan 3. elokuuta julkistetulla Qwen3.8-Maxilla. Mallissa on 2,4 biljoonaa parametria ja jopa miljoonan tokenin konteksti-ikkuna. Alibaba suunnitteli sen koodaukseen, tutkimukseen, käytännön työtehtäviin ja pitkän aikavälin työnkulkuihin. 34
47
Open-weight-julkaisu seurasi elokuussa Qwen3.8-2.4T-A95B-malliperheen muodossa. 37 Kimi K3 ja Qwen3.8-Max osoittivat yhdessä, ettei kyse ollut vain yksittäisestä DeepSeek-ilmiöstä tai yhden yrityksen hinnoittelustrategiasta. Useat kiinalaiset laboratoriot kilpailivat samanaikaisesti mittakaavassa, tehokkuudessa, multimodaalisuudessa, kontekstin pituudessa ja jakelussa.
Harmaat mixture-of-experts-arkkitehtuurit auttavat selittämään, miten mallit voivat ilmoittaa valtavia kokonaisparametrimääriä aktivoimatta kaikkia parametreja jokaiselle tokenille. Tämä ei poista koulutuksen tai palvelun kustannuksia, mutta voi parantaa mallin kapasiteetin ja päättelyn tehokkuuden suhdetta.
OpenRouter näyttää, muuttuvatko julkaisut oikeaksi käytöksi
Hugging Facen lataukset mittaavat kiinnostusta ja jakelua. OpenRouter tarjoaa toisenlaisen signaalin: kuinka paljon malleja käytetään sovelluksissa ja kokeiluissa, jotka kulkevat palvelun kautta.
Heinäkuussa kiinalaistaustaiset mallit olivat OpenRouterin viisi käytetyintä mallia tokenimäärällä mitattuna. Kärkeä johti Xiaomin MiMo V2.5, ja seuraavina olivat DeepSeekin, MiniMaxin, Alibaban Qwen-perheen ja Moonshotin Kimi-perheen mallit. 51 Elokuun 21. päivänä julkaistun raportoinnin mukaan kiinalaiset mallit tuottivat yli 60 prosenttia OpenRouterin liikenteestä, joka ylitti 20 biljoonaa tokenia viikossa.
51
Toinen markkina-analyysi arvioi, että kiinalaisten avointen mallien osuus OpenRouterin käytöstä oli maaliskuun jälkeen yli puolet ja että niiden tokenimäärä lähes kolminkertaistui. Halvemmat tokenit puolestaan painoivat yhden tokenin tuottoa alaspäin. 50
Lukuja ei pidä tulkita koko maailman tekoälyn kulutuksen mittariksi. OpenRouter palvelee tiettyä kehittäjä- ja rajapintamarkkinaa, ja eri raportit käyttävät erilaisia ajanjaksoja ja määritelmiä. Suunta on silti johdonmukainen: kiinalaisia malleja valitaan merkittäviin todellisiin työkuormiin, ei vain ladattaviksi arviointia varten.
Vientirajoitukset saattoivat kiihdyttää tehokkuuskilpailua – mutta syy-yhteys on rajallinen
Yhdysvaltojen edistyneitä siruja koskevat rajoitukset loivat kiinalaisille tekoäly-yhtiöille vaikean laskentaympäristön. Samalla ne saattoivat lisätä painetta saada jokaisesta käytettävissä olevasta laskentayksiköstä mahdollisimman paljon irti.
Kannustin sopii yhteen johtavissa julkaisuissa näkyvien suunnitteluratkaisujen kanssa: harva reititys, pitkän kontekstin optimointi, päättelyn tehostaminen, distillointi ja intensiivinen jälkikoulutus. Vientirajoitukset eivät kuitenkaan yksin selitä Kiinan kehitystä. Käytettävissä oleva näyttö ei osoita tarkkaa syy-seurausvaikutusta, ja ekosysteemi perustuu myös laboratorioiden väliseen kilpailuun, pilvipalveluihin, insinööriosaamiseen, kotimaiseen kysyntään ja kansainväliseen kehittäjäkiinnostukseen.
Varovaisempi johtopäätös on, etteivät rajoitukset estäneet kiinalaisia malleja kilpailemasta tärkeissä avoimien mallien käyttötapauksissa. Ne ovat saattaneet tehdä tehokkuudesta erityisen kiireellisen strategisen tavoitteen.
Ero suljettuihin huippumalleihin kaventuu epätasaisesti
Joissakin raporteissa johtavien kiinalaisten avoimien mallien ja parhaiden suljettujen järjestelmien välisen eron sanotaan kaventuneen kuudesta yhdeksään kuukauteen arvioidusta tasosta kahteen tai kolmeen kuukauteen. 30 Väitteeseen on suhtauduttava varoen, koska ”ero” riippuu siitä, mitä benchmarkia ja kyvykkyyttä mitataan.
Malli voi olla koodauksessa lähellä kärkeä, mutta jäädä jälkeen luotettavuudessa, työkalujen käytössä, turvallisuudessa, multimodaalisessa päättelyssä, viiveessä tai pitkien tehtäväketjujen suorittamisessa. Myös valmistajien omat benchmarkit ja julkiset tulostaulukot mittaavat eri asioita eivätkä tarjoa yhtä yleispätevää mittaria huippukyvykkyydelle.
Vahvempi, näyttöön perustuva johtopäätös on rajatumpi: johtavat kiinalaiset open-weight-mallit ovat monissa tuotantokäytöissä riittävän lähellä suljettuja vaihtoehtoja, jotta ne voivat toimia uskottavina korvaajina. Käyttöönotto osoittaa käytännön kilpailukykyä, vaikka se ei todista tasavertaisuutta kaikilla huipputason osa-alueilla.
Voivatko kiinalaiset mallit muodostaa tekoälyn globaalin peruskerroksen?
Tärkein seuraus voi olla maantieteellinen, ei vain kansallinen. Kaakkois-Aasiassa, Afrikassa ja Latinalaisessa Amerikassa kehittäjät saattavat painottaa alhaisia kustannuksia, paikallisiin kieliin mukauttamista, yksityistä käyttöönottoa ja riippumattomuutta yhdestä ulkomaisesta rajapintatoimittajasta.
Tämä luo uskottavan tien Linuxia muistuttavaan asemaan: kyse ei välttämättä olisi yhdestä hallitsevasta mallista, vaan laajasti uudelleenkäytettävästä kerroksesta, johon kuuluvat painot, hienosäädöt, päättelytyökalut ja kehittäjäinfrastruktuuri. Kiinalaiset malliperheet voivat saada erityisen vahvan aseman, jos ne säilyvät edullisina, hyvin dokumentoituina, useiden isännöintipalveluiden saatavilla ja paikallisiin tarpeisiin muokattavina.
Vertauksella on kuitenkin rajansa. Linuxista tuli pilvilaskennan perusta vuosikymmenten aikana vakaiden rajapintojen, jakeluiden, työkalujen, tietoturvakäytäntöjen ja yhteisön ylläpidon ansiosta. Pelkät mallilataukset eivät synnytä vastaavaa kestävyyttä. Avoimet mallit tarvitsevat luotettavat lisenssit, läpinäkyvän arvioinnin, vahvan dokumentaation, uskottavat tietoturvakäytännöt, paikallista tukea sekä toimivan laitteisto- ja pilvipalvelusaatavuuden.
Todennäköisin lopputulos on kahtiajakautuminen, ei korvautuminen
Vuoden 2026 tiedot viittaavat kaksikerroksiseen tekoälymarkkinaan. Yhdysvaltalaiset yritykset voivat jatkaa kilpailua kalleimpien suljettujen huippujärjestelmien johtajuudesta, kun taas kiinalaiset open-weight-perheet valtaavat kasvavan osuuden muokattavasta ja käyttöönotettavasta peruskerroksesta.
Siksi muutos on merkittävä, vaikka Yhdysvallat säilyttäisi etumatkan raakassa huippukyvykkyydessä. Ratkaiseva kilpailu ei ehkä käydä siitä, mikä laboratorio tuottaa yhden maailman älykkäimmän mallin. Se voi käydä siitä, minkä malliperheiden käyttöön kehittäjillä on varaa, mitä he voivat tarkastella ja muokata, missä he voivat malleja ajaa ja minkä varaan he rakentavat muun tekoälyekosysteemin.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Kiinalaiset tekoälymallit valtaavat avoimen kehittäjäekosysteemin"?
Kiinalaistaustaiset mallit muodostivat viime vuoden aikana 41 % Hugging Facen latauksista ja ohittivat yhdysvaltalaiset mallit sekä kuukausi että kokonaislatauksissa.
What are the key points to validate first?
Kiinalaistaustaiset mallit muodostivat viime vuoden aikana 41 % Hugging Facen latauksista ja ohittivat yhdysvaltalaiset mallit sekä kuukausi että kokonaislatauksissa. Moonshot AI:n Kimi K3 ja Alibaban Qwen3.8 Max nostivat avoimien mallien mittakaavan uudelle tasolle: niiden kokonaisparametrimäärät ovat 2,8 biljoonaa ja 2,4 biljoonaa.
What should I do next in practice?
OpenRouterissa kiinalaismallit olivat heinäkuussa viiden käytetyimmän mallin joukossa, ja niiden osuus alustan liikenteestä ylitti elokuun 21.