היתרון הסיני ב-AI הפתוח: כך כבשו המודלים הסיניים את ההורדות ואת הטוקנים

ההורדות מספרות את הסיפור הראשון: Qwen עקפה את Llama

הסימן הברור הראשון הגיע מ-Hugging Face, הפלטפורמה הגדולה בעולם לשיתוף מודלי AI בקוד פתוח ובמשקולות פתוחות. בספטמבר 2025 משפחת Qwen של עליבאבא עקפה את Llama של Meta והפכה למשפחת מודלי השפה הגדולה (LLM) שהורדה הכי הרבה בפלטפורמה .

בתקופה הרחבה יותר, מאוגוסט 2024 ועד אוגוסט 2025, מודלים סיניים בעלי משקולות פתוחות היו אחראים ל-17% מכלל ההורדות העולמיות ב-Hugging Face — מעט יותר מהמודלים האמריקאיים, שהחזיקו ב-15.8%. זו הייתה הפעם הראשונה שבה סין עקפה את ארצות הברית במדד הזה, לפי מחקר משותף של MIT ושל Hugging Face .

כאשר בוחנים את מודלי ה-LLM בלבד, התמונה חדה עוד יותר: מודלים שפותחו בסין היו אחראים ל-41% מכלל הורדות מודלי השפה בפלטפורמה באותה תקופה . עד אמצע 2026 עבר מספר ההורדות המצטבר של מודלים סיניים ברחבי העולם את רף 100 מיליון, לפי נתוני Hugging Face שצוטטו ב-China Daily .

מהורדות לשימוש אמיתי: הסינים השתלטו על נפח הטוקנים

הורדות מודדות עניין מצד מפתחים. צריכת טוקנים, לעומת זאת, מצביעה על שימוש בפועל. כאן נרשמה תפנית חדה במיוחד.

ב-OpenRouter — שירות ניתוב שמאפשר למפתחים לגשת למודלי שפה רבים דרך ממשק אחד ונחשב לנתב ניטרלי מרכזי של תעבורת LLM — עברו המודלים ממקור סיני מפחות מ-2% מנפח הטוקנים השבועי לרוב מוחלט בתוך כ-18 חודשים . הפלטפורמה עיבדה יותר מ-20 טריליון טוקנים בשבוע בתחילת 2026 .

במאי 2026 היו המודלים הסיניים בעלי משקולות פתוחות אחראים לכ-61% מכלל הטוקנים שנצרכו ב-OpenRouter . ביולי הם רשמו הישג נוסף: לראשונה, כל חמשת המקומות הראשונים בדירוג השימוש העולמי של הפלטפורמה נתפסו בידי מודלים שפותחו בסין. MiMo-V2.5 של Xiaomi דורג ראשון לפי נפח טוקנים, ואחריו מודלים של DeepSeek, MiniMax, משפחת Qwen של עליבאבא ו-Kimi של Moonshot .

חשוב לסייג: OpenRouter אינו מדגם מלא של כל שוק ה-AI. עם זאת, הנתונים שלו ממחישים היטב את השינוי בקרב מפתחים וארגונים שמשתמשים במודלים דרך API.

גם חברות אמריקאיות התחילו להשתמש במודלים סיניים

הנתון שעשוי להפתיע במיוחד את הקהל האמריקאי נוגע לארגונים בארצות הברית. עד אמצע 2026 הגיעו המודלים הסיניים לשיא שבועי של 46% מנפח טוקני ה-API של חברות אמריקאיות ב-OpenRouter, לעומת 35.7% למודלים שמקורם בארצות הברית . שנה קודם לכן עמד חלקם על פחות מ-2%.

מאז השבוע של 8 בפברואר 2026, המודלים הסיניים היו אחראים בכל שבוע ללפחות 30% מנפח הטוקנים של לקוחות ארגוניים בפלטפורמה .

הסיבה המרכזית היא שילוב של ביצועים תחרותיים ועלויות נמוכות במיוחד. Kimi K2.5 של Moonshot, למשל, התקרב ל-Claude Opus של Anthropic בכמה מבחני ביצועים מוקדמים, אך עלותו הייתה בערך שביעית מהמחיר של המודל האמריקאי . DeepSeek V3.1 גובה 2 יואן — כ-0.28 דולר — לכל מיליון טוקני קלט, ו-8 יואן — כ-1.10 דולר — לכל מיליון טוקני פלט .

מנוע פנימי עצום: צריכת הטוקנים בסין זינקה

הצמיחה לא מתרחשת רק מחוץ לסין. נתוני השימוש המקומיים מצביעים על שוק פנימי עצום שמספק למעבדות קנה מידה, משוב וניסיון בהטמעה.

מינהל הנתונים הלאומי של סין דיווח כי צריכת הטוקנים היומית במדינה עברה במרץ 2026 את רף 140 הטריליון — עלייה של יותר מפי 1,000 לעומת 100 מיליארד טוקנים בתחילת 2024 .

העוזר החכם Doubao של ByteDance לבדו עבר מצריכה של כ-100 מיליארד טוקנים ביום במאי 2024 ליותר מ-120 טריליון טוקנים ביום במרץ 2026 — זינוק של בערך פי 1,000 בתוך שנתיים .

שלושה מרכיבים שמסבירים את המהפך

הנתונים מצביעים על שלושה גורמים מבניים שחיזקו זה את זה:

1. קצב השקות גבוה. מסוף אפריל ועד אמצע יוני 2026 הושקו בתוך שבועות ספורים ארבעה מודלי open-weight תחרותיים במיוחד ממעבדות סיניות: DeepSeek, Qwen של עליבאבא, Kimi של Moonshot ו-GLM של Zhipu .
2. רישיונות שמאפשרים שימוש רחב. מודלים הופצו ברישיונות כמו MIT, Apache 2.0 וגרסאות מותאמות של MIT. רישיונות כאלה מאפשרים להוריד, לשנות ולהפעיל את המודלים בקנה מידה רחב, בכפוף לתנאי הרישיון הספציפיים .
3. יתרון במחיר. המעבדות הסיניות גובות בדרך כלל פחות מהמתחרות האמריקאיות על גישה דרך API. הפער נשמר גם כשהביצועים התקרבו לאלה של מודלים מובילים בארצות הברית .

לא מודל יחיד, אלא מערכת שמזינה את עצמה

המשמעות המרכזית של הנתונים היא שסין לא רק צמצמה את פער היכולות. היא בנתה יתרון בהפצה, בנפח השימוש ובמהירות הלמידה מהשוק.

מודל שניתן להוריד ולהפעיל מקומית מגיע ליותר מפתחים. יותר מפתחים מייצרים שימוש, משוב וניסיונות הטמעה. הניסיון הזה מסייע להשיק את הדור הבא — במחיר נמוך עוד יותר או עם ביצועים טובים יותר. זהו המעגל שמכנה USCC אסטרטגיית "שני הלולאות" .

לכן, נכון לאמצע 2026, היתרון הסיני בשכבת ה-open-weight של ה-AI אינו נשען על פריצת דרך אחת. הוא נשען על אקוסיסטם שלם: Qwen, DeepSeek, Kimi, GLM, MiniMax, MiMo ומודלים נוספים — שמגיעים לשוק במהירות, זמינים להורדה ומציעים למפתחים יחס עלות–ביצועים שקשה להתחרות בו.