Läget för öppna modeller sommaren 2026 – vad svenska team bör veta

Hugging Face har sammanställt utvecklingen för öppna modeller under årets första sju månader. Tre observationer är särskilt användbara för team som ska välja mellan öppna och stängda modeller.

Qwen har blivit basmodellen

Den största förändringen är att Qwen blivit ekosystemets basmodell. Qwen-baserade modeller står nu för 151 448 derivat på Hugging Face Hub, vilket är 2,6 gånger Metas totala fotavtryck och 4,7 gånger antalet Llama-repos. Qwen får omkring 39,6 miljoner GGUF-nedladdningar i månaden, nästan dubbelt så mycket som Gemma och mer än fem gånger Llama. Det är inte en enstaka lansering som driver siffran, utan en bred modellfamilj med regelbundna släpp och Apache 2.0-licens.

Små modeller är fortfarande arbetshästen

När det gäller faktisk användning är det små modeller som gör jobbet. Modeller under 1 miljard parametrar står för 83 procent av alla nedladdningar genom tiderna, medan allt över 100 miljarder står för 1 procent. De stora modellerna når användare genom llama.cpp: GGUF-byggen finns nu för DeepSeek-V4-Flash på omkring 284 miljarder parametrar och Kimi-K3 på runt 2,8 biljoner. Utbudet växer snabbt, från 2,43 till 2,96 miljoner offentliga modellrepos under perioden, och licensbilden är mer tillåtande än väntat: av 178 kinesiska modeller över 20 miljarder parametrar bär 59 procent Apache 2.0 och 22 procent MIT.

Agenter har blivit den nya användaren

För första gången kan Hugging Face mäta agenttrafik via den agent-tagg som kodagenter skickar vid anrop. Claude Code ledde i juli med 44,4 procent, medan Codex klättrade från 10,4 till 20,8 procent. En knapp fjärdedel av trafiken kom från harnesk som ännu inte namngetts. Hugging Face rapporterar också det första dokumenterade fallet av en autonom agent som på eget initiativ genomförde ett ihållande intrång, och som analyserades med den öppna modellen GLM-5.2.

Läsningen för svenska team

Den praktiska slutsatsen är att öppen vikt inte längre betyder att man ger avkall på prestanda, men att valet handlar mindre om enskilda benchmark än om ekosystem. Qwen är den familj flest bygger vidare på, små modeller täcker det mesta som körs lokalt, och licenserna hos de kinesiska laboratorierna är oftast Apache 2.0 eller MIT. För ett team med dataskyddskrav och kostnadspress är frågan vilken familj och vilket format man standardiserar på, snarare än vilken modell som just nu toppar en lista.

Källa: Hugging Face