Kinas AI-bolag tar över den öppna AI-marknaden

Qwen gick om Llama på Hugging Face

Den första tydliga signalen kom från Hugging Face, den största plattformen för öppna AI-modeller. I september 2025 gick Alibabas Qwen-familj om Metas Llama och blev den mest nedladdade LLM-familjen på plattformen .

Sett över perioden augusti 2024 till augusti 2025 stod kinesiska open-weight-modeller för 17 procent av alla globala nedladdningar på Hugging Face. Det var första gången Kina passerade USA, som stod för 15,8 procent, enligt en gemensam studie från MIT och Hugging Face .

Skillnaden var ännu större bland stora språkmodeller. Kinesiskt utvecklade modeller stod för 41 procent av alla LLM-nedladdningar på plattformen under perioden . Vid mitten av 2026 hade kinesiska modeller laddats ned mer än 100 miljoner gånger globalt, enligt Hugging Face-data som citerats av China Daily .

Med ”open-weight” menas här att de färdigtränade modellvikterna kan laddas ned och köras på egen infrastruktur. Det betyder inte automatiskt att träningsdata eller all källkod är offentlig – en skillnad som är viktig när modellerna beskrivs som ”öppna”.

Tokenvolymen vände på OpenRouter

Nedladdningar visar utvecklarnas intresse. Tokenvolym visar i högre grad faktisk användning: hur mycket text och annan information som skickas genom modellerna.

På OpenRouter, en neutral tjänst som samlar och dirigerar trafik till olika språkmodeller, gick kinesiskt utvecklade modeller från mindre än 2 procent av den veckovisa tokenvolymen till en majoritetsandel på omkring 18 månader . Plattformen hanterade i början av 2026 mer än 20 biljoner tokens i veckan .

I maj 2026 stod kinesiska open-weight-modeller för ungefär 61 procent av alla tokens som bearbetades på OpenRouter . I juli samma år tog kinesiska modeller för första gången samtliga fem topplaceringar i plattformens globala användningsranking. Xiaomis MiMo-V2.5 låg först efter tokenvolym, följd av modeller från DeepSeek, MiniMax, Alibabaägda Qwen och Moonshots Kimi .

Det är ett kraftigt skifte från läget bara två år tidigare, när Metas Llama ofta betraktades som den ledande öppna modellfamiljen.

Amerikanska företag började använda kinesiska modeller

För amerikanska företag är utvecklingen särskilt anmärkningsvärd. Vid mitten av 2026 nådde kinesiska AI-modeller en veckotopp på 46 procent av företagens API-tokenvolym på OpenRouter. USA-utvecklade modeller stod samtidigt för 35,7 procent . Ett år tidigare låg kinesiska modeller på under 2 procent.

Sedan veckan som började den 8 februari 2026 hade kinesiskt utvecklade modeller stått för minst 30 procent av företagens tokenvolym på plattformen varje vecka . Siffrorna gäller OpenRouters trafik och ska därför inte tolkas som en fullständig mätning av hela den globala AI-marknaden. De visar däremot hur snabbt kinesiska modeller fått genomslag i en miljö där företag aktivt väljer mellan olika leverantörer.

Två faktorer tycks väga tungt: prestanda och pris. Moonshots Kimi K2.5 kom nära Anthropics Claude Opus i vissa tidiga tester, men kostade ungefär en sjundedel så mycket . DeepSeeks V3.1 kostade 2 yuan, motsvarande 0,28 dollar, per miljon inmatningstokens och 8 yuan, motsvarande 1,10 dollar, per miljon utmatningstokens .

Den inhemska användningen ökade ännu snabbare

Den globala efterfrågan är bara en del av bilden. Kinas egen AI-användning växte kraftigt under samma period.

Kinas nationella dataförvaltning uppgav att den dagliga tokenförbrukningen i landet översteg 140 biljoner i mars 2026. Det var mer än tusen gånger högre än nivån på 100 miljarder i början av 2024 .

ByteDances AI-assistent Doubao stod ensam för en stor del av ökningen. Tjänsten gick från omkring 100 miljarder tokens per dag i maj 2024 till mer än 120 biljoner i mars 2026 – en ungefär tusenfaldig ökning på två år .

Den stora hemmamarknaden ger kinesiska bolag möjlighet att testa modeller i mycket stor skala. När modellerna sedan släpps internationellt kommer de med erfarenhet från verkliga användningsfall, inte bara laboratorietester.

Tre byggstenar bakom utvecklingen

1. Hög lanseringstakt

Kinesiska laboratorier har släppt konkurrenskraftiga modeller i snabb följd. Mellan slutet av april och mitten av juni 2026 lanserades fyra modeller från DeepSeek, Alibaba, Moonshot och Zhipu inom loppet av några veckor .

Vid mitten av 2026 var DeepSeek, Qwen, Kimi, GLM, MiniMax och Xiaomis MiMo bland de kinesiska modellfamiljer som regelbundet lanserade konkurrenskraftiga open-weight-versioner .

2. Tillåtande licenser

Modellerna har ofta släppts under MIT-, Apache 2.0- eller modifierade MIT-licenser. Det gör dem i många fall möjliga att ladda ned, anpassa och distribuera i stor skala utan samma begränsningar som gäller för mer slutna AI-tjänster .

Det innebär inte att alla modeller har identiska villkor. Licenserna måste granskas var för sig, särskilt när företag ska använda modeller kommersiellt.

3. Ett tydligt kostnadsövertag

Kinesiska laboratorier tar ofta betydligt mindre betalt för API-användning än amerikanska konkurrenter. Prisgapet har bestått även när skillnaden i modellprestanda har minskat .

För utvecklare och företag kan en liten prisskillnad per miljon tokens bli mycket stor när en modell används miljontals eller miljarder gånger. Låga priser gör det dessutom lättare att experimentera, bygga nya tjänster och snabbt byta från en modell till en annan.

Försprånget handlar om distribution

Det viktigaste resultatet är därför inte att ett enskilt kinesiskt AI-bolag har skapat en modell som alltid är bäst. Försprånget ligger snarare i ekosystemet runt modellerna.

Öppen distribution ger fler nedladdningar. Fler nedladdningar leder till fler tillämpningar, mer feedback och större användningsvolymer. Den erfarenheten kan sedan användas för att förbättra nästa modell, som i sin tur släpps snabbt och billigt.

Det är den självförstärkande mekanism som USCC beskriver som Kinas strategi med ”två loopar” . Vid mitten av 2026 hade den gett kinesiska företag ett tydligt övertag i den öppna AI-lagret – från utvecklarnas nedladdningar till företagens API-trafik.