Estado de los modelos abiertos: observaciones del verano 2026

Hugging Face publicó el 14 de agosto su informe semestral sobre el estado de los modelos abiertos, con datos de actividad del Hub entre enero y agosto de 2026. La foto general: los repositorios públicos de modelos crecieron de 2,43 a 2,96 millones, los datasets de 711.000 a 1 millón y los Spaces de 1,00 a 1,44 millones.

La distribución sigue siendo extrema. Cerca del 85,6% de los modelos tiene menos de 200 descargas en toda su vida, y el 1,5% de los repositorios concentra el 99,2% de todas las descargas.

¿Por qué los agentes de IA son ahora el usuario número uno?

Es el hallazgo que Hugging Face no podía reportar en marzo, porque el instrumento de medición no existía. El dataset agent-usage, publicado en julio, registra el identificador que los agentes de programación envían cuando llaman al Hub para buscar modelos, subir datasets o crear Spaces.

Claude Code lideró julio con 44,4% del tráfico de agentes, pero el dato interesante es la volatilidad: había tenido 67,8% en abril y 6,4% en mayo, mientras Codex subió de forma sostenida de 10,4% a 20,8%. La conclusión del informe es directa: es un mercado sin actor establecido, donde un lanzamiento o un cambio de configuración por defecto puede mover la mitad del tráfico en un mes.

Hay un segundo dato: casi un cuarto del tráfico etiquetado como agente en julio vino de herramientas todavía no identificadas en el dataset, y en mayo esa cifra llegaba a 59,8%. Aparecen nuevos clientes más rápido de lo que cualquier registro alcanza a nombrarlos.

¿Qué significa que Qwen tenga 151.448 derivados?

Los modelos basados en Qwen suman 151.448 derivados en el Hub, 2,6 veces la huella total de Meta y 4,7 veces la de los repositorios Llama específicamente. Google le sigue con 82.506 derivados. Los derivados de Qwen crecen a un ritmo de 180 a 210 nuevos repositorios por día.

El informe atribuye esa posición a tres factores: cadencia de lanzamientos consistente, cobertura de tamaños que va desde menos de 1B hasta 2,4 billones de parámetros, y licencia Apache 2.0 que reduce la fricción para modificar, redistribuir y usar comercialmente.

La comparación de volumen es elocuente. Moonshot, con una estrategia solo de frontera, registró 37 millones de descargas en el año. Qwen, con estrategia de cobertura amplia, llegó a 2.045 millones, unas 55 veces más.

¿Atención y adopción son lo mismo?

No, y el informe lo demuestra con un cruce simple: de los 25 repositorios más descargados del año y los 25 más marcados con «me gusta», exactamente uno aparece en ambas listas. Ningún modelo publicado en 2026 entra en el top 25 de descargas, y trece de esos veinticinco son de 2022.

El caso extremo es all-MiniLM-L6-v2, descargado 1.550 millones de veces en siete meses contra 5.156 «me gusta». Los «me gusta» miden entusiasmo del momento; las descargas miden lo que está conectado a un pipeline que corre todos los días. Confundir uno con otro, advierte Hugging Face, es el error más común en la cobertura del Hub.

¿Quién domina la frontera de los modelos abiertos?

En casi todos los meses de 2026, el modelo abierto más grande y capaz de un laboratorio chino superó a cualquier cosa que publicara un laboratorio estadounidense por cuenta propia. El techo mensual chino osciló entre 754.000 millones y 2,78 billones de parámetros; el estadounidense se mantuvo bajo 130.000 millones en cinco de siete meses.

Además, de 178 lanzamientos chinos sobre 20.000 millones de parámetros este año, 59% lleva licencia Apache 2.0 y 22% MIT, y ninguno tiene restricción no comercial. En la misma banda del lado estadounidense, 29% es Apache o MIT, 41% queda bajo términos personalizados y 30% no declara nada.

Un cambio de fondo: las dos organizaciones que más modelos abiertos nuevos publican este año son las que fabrican el hardware, AMD y NVIDIA, cada una con más de 200 repositorios nuevos. El código abierto se movió desde los laboratorios de modelos hacia las empresas de hardware e infraestructura.

Análisis de Revenue Hub

Para un líder de tecnología o de operaciones comerciales en Chile y Latinoamérica, el dato accionable no es el ranking de modelos, es la volatilidad del tráfico de agentes. Que un actor pase de 67,8% a 6,4% y vuelva a 44,4% en cuatro meses significa que ninguna decisión de herramienta de agentes debería tomarse como si fuera permanente. Si estás firmando un contrato anual atado a un solo proveedor de agentes de código o de automatización, estás apostando a una estabilidad que los datos no respaldan.

El segundo punto es de costos. El informe confirma que el 83% de las descargas históricas se va a modelos bajo mil millones de parámetros y que solo el 3% del volumen de 2026 va a modelos sobre 70.000 millones. En la práctica, la mayoría del trabajo productivo se resuelve con modelos pequeños y baratos, no con el modelo más grande del momento. Si tu presupuesto de IA está creciendo por default hacia el modelo más caro, ahí hay margen inmediato.

Tercero, la licencia importa más de lo que parece. Que los laboratorios chinos publiquen sus modelos más grandes bajo Apache 2.0 y MIT, sin restricción comercial, abre una alternativa concreta para empresas latinoamericanas que necesitan control sobre dónde corre el modelo y qué datos lo tocan. No es una recomendación automática, hay consideraciones geopolíticas y de soporte, pero sí obliga a incluir esa opción en la evaluación en lugar de asumir que la única vía es una API estadounidense. Puedes seguir cómo evoluciona esto en nuestra sección de tendencias SaaS y en el blog.