Hugging Face cresce; nel 2026 i modelli aperti più grandi arrivano da laboratori cinesi
Testo scritto con l’intelligenza artificiale a partire da una fonte citata, senza revisione umana prima della pubblicazione.
Repository e dataset aumentano nettamente; pochi progetti catturano quasi tutti i download e i più grandi modelli aperti del 2026 provengono soprattutto da laboratori cinesi.
Hugging Face amplia l’Hub, ma i download restano polarizzati1.
I repository di modelli passano da 2,43 a 2,96 milioni. L’1,5% dei progetti concentra il 99,2% degli scaricamenti. L’85,6% non supera i 200 download nell’intera vita utile. Anche le altre vetrine crescono: i dataset toccano 1 milione e gli Spaces arrivano a 1,44 milioni1.
Sul fronte dei rilasci open, il 2026 sposta la scala verso l’alto. Per più mesi, il modello aperto con più parametri pubblicato da un laboratorio cinese supera qualsiasi rilascio statunitense nello stesso periodo. In Cina il tetto mensile va da 754 miliardi a 2,78 trilioni di parametri. Negli Stati Uniti resta sotto 130 miliardi in cinque dei sette mesi. Fanno eccezione Nemotron 3 Ultra di NVIDIA a 561 miliardi in maggio e giugno, e Inkling di Thinking Machines Lab1.
Il documento distingue gli attori in due gruppi e, tra i nomi cinesi nella fascia alta, cita Moonshot, MiniMax, Xiaomi e Z.ai. La linea è netta: nei mesi considerati, la scala massima dei modelli aperti pubblicati in Cina spesso eccede quella dei rilasci statunitensi1.
Cambia anche la traiettoria di pubblicazione. In passato i laboratori salivano di dimensione a gradini. Nel 2026 alcuni gruppi cinesi saltano gli step intermedi e vanno direttamente al massimo disponibile. L’effetto emerge nei picchi mensili per numero di parametri: gli Stati Uniti guidano solo con Nemotron 3 Ultra a maggio e giugno e con Inkling; negli altri mesi il vertice resta in Cina1.
La base pubblica cresce ogni giorno, tra modelli, dataset e Spaces. L’uso però si concentra su pochissimi repository. La coda lunga si allunga, la testa si restringe e assorbe quasi tutti i download. Il report propone questa chiave di lettura prima di passare ai confronti tra picchi mensili e laboratori: un mercato affollato in cui pochi progetti catalizzano l’attenzione, mentre la maggioranza resta invisibile ai numeri1.
Per chi rilascia open model l’implicazione è pratica. Conta la scala del modello, ma conta anche la capacità di intercettare domanda in una curva di attenzione stretta. I record mensili si decidono dove queste due forze si incrociano, mentre l’Hub continua ad aumentare di volume senza una distribuzione uniforme dei download1.
Fonti
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.