Китайский рывок в открытом ИИ: загрузки, токены и стратегия «двух контуров»

Здесь под open-weight понимаются модели, чьи обученные веса можно скачать и развернуть самостоятельно. Это не обязательно означает, что открыты исходный код обучения или датасеты.

Qwen обошла Llama по загрузкам

Первый заметный сигнал пришёл с Hugging Face — крупнейшей платформы для распространения и совместной разработки открытых AI-моделей. В сентябре 2025 года семейство Qwen от Alibaba обошло Llama от Meta и стало самой скачиваемой линейкой больших языковых моделей на платформе .

За более широкий период — с августа 2024-го по август 2025 года — китайские open-weight-модели получили 17% всех загрузок на Hugging Face. Это впервые вывело их вперёд американских разработчиков, на долю которых пришлось 15,8%, согласно совместному исследованию MIT и Hugging Face . Если учитывать только большие языковые модели (LLM), китайские разработки обеспечили 41% всех загрузок за тот же период .

По данным Hugging Face, которые приводит China Daily, к середине 2026 года совокупное число загрузок китайских моделей по всему миру превысило 100 миллионов .

На OpenRouter загрузки превратились в реальное использование

Загрузки показывают интерес разработчиков. Но токены — фрагменты текста, которые модель получает и генерирует, — лучше отражают фактическую эксплуатацию систем.

На OpenRouter, крупнейшем независимом маршрутизаторе трафика между языковыми моделями, объём которого к началу 2026 года превышал 20 триллионов токенов в неделю, произошёл полный разворот . Доля моделей китайского происхождения выросла с менее чем 2% недельного объёма до большинства примерно за 18 месяцев .

В мае 2026 года китайские open-weight-модели обеспечивали около 61% всех токенов, обработанных OpenRouter . В июле китайские разработки впервые заняли все пять верхних позиций в глобальном рейтинге использования платформы. Первой по объёму токенов стала MiMo-V2.5 от Xiaomi, за ней расположились модели DeepSeek, MiniMax, семейства Qwen от Alibaba и Kimi от Moonshot .

Это важное отличие от ситуации, когда модель просто становится популярной среди энтузиастов: китайские системы начали занимать заметное место в повседневной работе приложений и API.

Американский бизнес также стал чаще выбирать китайские модели

Пожалуй, наиболее показательная цифра для американского рынка — доля китайских моделей в корпоративном API-трафике США. К середине 2026 года на OpenRouter она достигала недельного пика в 46%, тогда как на модели американского происхождения приходилось 35,7% . Годом ранее доля китайских поставщиков составляла менее 2%.

С 8 февраля 2026 года китайские модели каждую неделю обеспечивали как минимум 30% корпоративного объёма токенов на платформе .

Причина — сочетание близких показателей качества и существенно меньшей стоимости. Например, Kimi K2.5 от Moonshot на ранних тестах приблизилась к Claude Opus от Anthropic в некоторых бенчмарках, но стоила примерно в семь раз дешевле . DeepSeek V3.1 взимает 2 юаня — около 0,28 доллара — за миллион входных токенов и 8 юаней — около 1,10 доллара — за миллион выходных токенов .

Именно экономика делает переход к китайским моделям особенно привлекательным для компаний, которые обрабатывают миллиарды или триллионы токенов: даже небольшая разница в цене быстро превращается в значительную сумму.

Внутри Китая потребление ИИ выросло в тысячу раз

Глобальная статистика отражает лишь часть картины. Внутри Китая использование AI-моделей также резко ускорилось.

Национальное управление данными Китая сообщило, что в марте 2026 года ежедневное внутреннее потребление токенов превысило 140 триллионов. В начале 2024 года показатель составлял около 100 миллиардов — то есть рост оказался более чем тысячекратным .

Отдельно заметна динамика AI-ассистента Doubao от ByteDance: примерно со 100 миллиардов токенов в день в мае 2024 года его потребление выросло до более чем 120 триллионов в день к марту 2026-го — примерно в тысячу раз за два года .

Такой масштаб внутреннего рынка даёт китайским разработчикам огромный объём практической обратной связи и возможностей для тестирования моделей в реальных сценариях.

Почему китайские компании смогли так быстро нарастить присутствие

1. Высокий темп релизов

С конца апреля до середины июня 2026 года четыре китайские лаборатории выпустили конкурентоспособные с передовыми системами open-weight-модели с интервалом всего в несколько недель. В их числе были DeepSeek, Qwen от Alibaba, Kimi от Moonshot и GLM от Zhipu .

Вместо зависимости от одного громкого продукта рынок получил сразу несколько активно развивающихся семейств моделей.

2. Либеральные лицензии

Модели распространяются по лицензиям MIT, Apache 2.0 и модифицированным вариантам MIT. Это позволяет бесплатно скачивать их, адаптировать под свои задачи и разворачивать в большом масштабе — хотя конкретные условия нужно проверять для каждой версии отдельно .

3. Преимущество в цене

Китайские лаборатории предлагают API-доступ значительно дешевле американских конкурентов. Разрыв сохраняется даже по мере того, как китайские модели сокращают отставание по качеству .

Что означает этот разворот

Китайские AI-компании конкурируют уже не только за первое место в отдельных тестах. Их главное преимущество — дистрибуция и объём использования.

Бесплатно доступные веса, мягкие лицензии, низкие цены и частые релизы создали самоподдерживающуюся экосистему. Чем больше разработчиков и компаний используют модели, тем больше появляется обратной связи, производственных сценариев и данных об эксплуатации. Это помогает выпускать следующие версии быстрее и дешевле.

Поэтому речь идёт не об одной случайно выстрелившей модели, а о замкнутом цикле — тех самых «двух контурах», о которых пишет USCC . По состоянию на середину 2026 года этот цикл обеспечил китайским компаниям лидерство именно на открытом, или open-weight, уровне мирового рынка ИИ.