Китайський прорив у ШІ видно не лише в моделях, а й у цифрах

Завантаження: Qwen випереджає Llama

Перший чіткий сигнал надійшов із Hugging Face — найбільшої платформи для поширення моделей машинного навчання. У вересні 2025 року сімейство Qwen китайської Alibaba випередило Llama від Meta й стало найзавантажуванішою родиною великих мовних моделей на платформі .

У період із серпня 2024-го до серпня 2025 року моделі з відкритими вагами китайського походження забезпечили 17% усіх глобальних завантажень на Hugging Face. Це був перший випадок, коли Китай випередив США, частка яких становила 15,8%, згідно зі спільним дослідженням MIT і Hugging Face . Якщо рахувати лише великі мовні моделі (LLM), китайські розробники відповідали вже за 41% усіх завантажень у цій категорії .

За даними Hugging Face, які цитує China Daily, до середини 2026 року загальна кількість завантажень китайських моделей у світі перевищила 100 мільйонів .

Важливо розрізняти поняття «відкриті ваги» та повністю відкритий код. У першому випадку користувач отримує параметри навченої моделі й може завантажити її на власну інфраструктуру; це не обов’язково означає відкритий доступ до всіх навчальних даних або процесу тренування.

OpenRouter: від менш ніж 2% до більшості токенів

Завантаження показують інтерес розробників, але токени краще відображають фактичне використання. OpenRouter — великий незалежний маршрутизатор трафіку до мовних моделей — на початку 2026 року обробляв понад 20 трильйонів токенів на тиждень .

Приблизно за 18 місяців частка моделей китайського походження на платформі зросла з менш ніж 2% тижневого обсягу токенів до більшості . У травні 2026 року китайські моделі з відкритими вагами забезпечували близько 61% усіх токенів, оброблених OpenRouter .

У липні китайські моделі вперше посіли всі п’ять перших місць у глобальному рейтингу використання OpenRouter. Перше місце за обсягом токенів отримала MiMo-V2.5 від Xiaomi. Далі розташувалися моделі DeepSeek, MiniMax, сімейства Qwen від Alibaba та Kimi від Moonshot .

Ці цифри не описують увесь світовий ринок ШІ: OpenRouter вимірює трафік, який проходить саме через його інфраструктуру. Проте вони показують, наскільки швидко китайські моделі завоювали сегмент доступного й масштабованого використання.

Американський бізнес також переходить на китайські моделі

Особливо промовистою для американського ринку стала динаміка корпоративного використання. До середини 2026 року китайські моделі забезпечили тижневий пік у 46% обсягу API-токенів американських компаній на OpenRouter. Для моделей американського походження цей показник становив 35,7% . Роком раніше частка китайських рішень була меншою за 2%.

Починаючи з тижня 8 лютого 2026 року, китайські моделі щотижня забезпечували щонайменше 30% корпоративного обсягу токенів на платформі .

Головна причина — поєднання прийнятної якості та низької ціни. Наприклад, Kimi K2.5 від Moonshot на ранніх тестах наблизилася до Claude Opus від Anthropic, але коштувала приблизно в сім разів дешевше . DeepSeek V3.1 бере 2 юані, або близько 0,28 долара, за мільйон вхідних токенів і 8 юанів, або 1,10 долара, за мільйон вихідних токенів .

Для компаній, які обробляють мільярди запитів, така різниця швидко перетворюється на істотну економію. Саме тому відкритість моделей у цьому випадку працює не лише як ідеологічний вибір, а і як бізнесова стратегія дистрибуції.

Усередині Китаю споживання токенів зростає вибухово

Глобальна експансія спирається на масштаб внутрішнього ринку. За даними Національного управління даних Китаю, у березні 2026 року щоденне споживання токенів у країні перевищило 140 трильйонів. На початку 2024 року цей показник становив близько 100 мільярдів — тобто за два роки він зріс більш ніж у 1 000 разів .

Окремий приклад — ШІ-помічник Doubao від ByteDance. У травні 2024 року він обробляв близько 100 мільярдів токенів на день, а до березня 2026-го — понад 120 трильйонів. Це приблизно тисячократне зростання за два роки .

Такий внутрішній попит дає китайським лабораторіям великий потік даних про реальну експлуатацію моделей, а також стимулює розвиток інфраструктури й зниження собівартості.

Чому китайські компанії змогли так швидко масштабуватися

На даних вимальовуються щонайменше три структурні чинники.

1. Високий темп релізів. Із кінця квітня до середини червня 2026 року чотири конкурентні з передовими рішеннями моделі з відкритими вагами майже поспіль випустили DeepSeek, Alibaba з Qwen, Moonshot із Kimi та Zhipu з GLM .
2. Ліберальні ліцензії. Моделі поширюють за MIT, Apache 2.0 та модифікованими MIT-ліцензіями. Це спрощує завантаження, адаптацію й масштабне розгортання, хоча конкретні умови залежать від кожного релізу .
3. Цінова перевага. Китайські лабораторії пропонують доступ до API за значно нижчими цінами, ніж американські конкуренти. Розрив зберігся навіть тоді, коли якість моделей наблизилася до провідних західних систем .

Перевага не в одній «супермоделі», а в екосистемі

Китайський успіх у відкритому сегменті ШІ пояснюється не лише появою окремих сильних моделей DeepSeek, Qwen, Kimi, GLM, MiniMax або MiMo. Важливішою стала швидкість, із якою ці продукти потрапляють до розробників, їхня доступність для самостійного розгортання та низька вартість масового використання.

Це і є головний ефект «двох контурів»: відкритий реліз збільшує кількість користувачів, користувачі генерують зворотний зв’язок і практичний досвід, а масштаб використання допомагає випускати наступні, ще дешевші й конкурентніші моделі. Станом на середину 2026 року такий самопідсилювальний цикл уже забезпечив китайським компаніям лідерство саме на рівні відкритих ваг — від завантажень розробниками до корпоративного API-трафіку.