HuggingFace
HuggingFace 오픈모델 리포트, 중국 대형화 vs Qwen 생태계 장악
연구소/벤더원본 2026년 8월 14일
한마디로
HuggingFace 데이터를 보면 중국 랩들은 처음부터 초대형 모델만 내놓고, 미국은 NVIDIA, AMD 같은 하드웨어 회사가 오픈소스를 주도하는 반면 실제 다운로드와 파생 생태계는 규모보다 다양한 크기를 골고루 내놓은 Qwen이 압도적으로 장악하고 있어요
무슨 내용인가
HuggingFace가 2026년 여름 기준 오픈모델 현황을 정리했는데요, 모델 저장소는 243만에서 296만 개로 늘었지만 여전히 1.5%의 저장소가 전체 다운로드의 99.2%를 차지하는 극단적인 쏠림 구조예요. 2026년 중국 랩들의 월별 최대 모델 규모는 754B에서 2.78조 파라미터에 달했던 반면, 미국 랩은 일곱 달 중 다섯 달 동안 130B를 넘지 못했고 NVIDIA Nemotron 3 Ultra(561B)와 Thinking Machines Lab의 Inkling(952B) 정도가 예외였어요. 미국에서는 Google과 Meta 같은 전통 모델 랩보다 NVIDIA와 AMD가 각각 200개 이상의 신규 모델 저장소를 공개하며 오픈소스 발행을 주도하는 쪽으로 무게중심이 옮겨갔고요. 다운로드 기준으로 보면 Qwen이 연간 2,045M 다운로드로 Moonshot의 37M보다 약 55배 많았고, Qwen 기반 파생 저장소는 151,448개로 Meta 전체의 2.6배, Llama만 놓고 보면 4.7배에 달해서 개발자들이 미세조정, 배포 시 기본으로 선택하는 생태계로 자리잡았다는 내용이에요.
에디터 노트 | FactStack
파라미터 크기 경쟁과 실제 채택은 완전히 다른 문제라는 걸 이 리포트가 숫자로 증명해요. 2.78조 파라미터 모델을 누가 실무에 파인튜닝해서 배포하겠어요, 서빙 비용과 레이턴시부터 막힐 텐데요. 실무자가 봐야 할 건 모델 카드의 벤치마크 표가 아니라 다운로드 수와 파생 저장소 개수예요. Qwen이 크기별로 라인업을 촘촘하게 갖춰서 7B든 72B든 실제 프로젝트 요구사항에 맞춰 고를 수 있게 만든 전략이, 초대형 모델 하나 던져놓는 전략보다 생태계 장악에는 훨씬 유효했다는 걸 보여주는 사례고요. 여기서 한 가지 짚을 점은 NVIDIA, AMD의 오픈소스 발행 증가는 순수한 오픈소스 기여라기보다 자사 하드웨어 최적화 레퍼런스 모델을 뿌려서 록인을 만드는 전략에 가깝다는 거예요, 모델 랩과는 다른 동기로 움직이니 같은 잣대로 평가하면 안 됩니다.
실무 시사점
오픈소스 AI 모델을 도입, 평가할 때 벤치마크 순위나 파라미터 크기보다 실제 다운로드, 파생 생태계 규모(예: Qwen)를 기준으로 판단하는 게 실무적으로 더 안전하다는 점을 시사합니다
태그
용어 풀이
- HuggingFace
- AI 모델과 데이터셋을 공유하는 대표적인 플랫폼
- 오픈소스AI
- 누구나 가중치를 내려받아 쓰거나 수정할 수 있게 공개한 AI 모델
- Qwen
- Alibaba가 다양한 크기로 폭넓게 공개하는 오픈모델 시리즈
- llama.cpp
- 대형 모델을 개인용 컴퓨터에서도 돌릴 수 있게 해주는 로컬 추론 오픈소스 프로젝트
공유