W tekście podsumowującym, opracowanym na podstawie wystąpienia przed przedstawicielami i współpracownikami Kongresu USA, badacz uczestniczący w tworzeniu modeli Olmo z Allen Institute for AI przedstawia stan obecny modeli AI o otwartych wagach. Według niego, laboratoria chińskie są dziś liderami zarówno w rankingach wydajności, jak i w zastosowaniach.
Modele o otwartych wagach (« open-weight ») udostępniają publicznie swoje parametry, które można badać lub ponownie wykorzystywać. Są one przeciwieństwem modeli „zamkniętych », takich jak GPT-4 czy Claude Opus 4.5, dostępnych jedynie przez API, czyli interfejs umożliwiający zdalne zapytania do modelu. Do modeli o otwartych wagach należą Llama od Meta, Qwen od Alibaba, Gemma od Google czy modele DeepSeek. Modele określane jako „open source » idą dalej, publikując także kod i dane treningowe. W tym kontekście tekst wymienia modele Olmo z Allen Institute for AI, Marin z OpenAthena oraz Pythia z EleutherAI.
Chińska przewaga w pobraniach i rankingach
Według autora, Chiny objęły prowadzenie w liczbie pobrań na Hugging Face w lipcu 2025, głównie dzięki modelom Qwen. Ich przewaga wynosi około 1,6 miliarda pobrań na łączną liczbę 3,2 miliarda, czyli dwukrotnie więcej niż suma amerykańska. W Artificial Analysis Intelligence Index (AAII) na dzień 14 września 2026 trzy najlepsze modele chińskie to GLM-5.3 (wynik 45), Kimi K3 (44) oraz GLM-5.3-Flash (42) od wydawców Z.ai i Moonshot AI. Najlepsze modele amerykańskie, Inkling i Inkling Small od Thinking Machines, osiągają 26, a Nemotron 3 Ultra od Nvidia 23. Tekst ocenia, że modele chińskie mają przewagę od 2 do 6 miesięcy nad amerykańskimi odpowiednikami.
Platforma OpenRouter, umożliwiająca przełączanie się między modelami, wykazuje podobną tendencję. Według jej danych, wolumen tokenów przetwarzanych przez modele otwarte wzrósł z około 1 biliona tygodniowo we wrześniu 2025 do około 80 bilionów obecnie, a udział modeli chińskich wzrósł z około 70% do ponad 80% zastosowań.
W przedsiębiorstwach kilku graczy opiera się na modelach chińskich: Harvey, specjalizujący się w prawie, Cursor w kodowaniu, a także DoorDash korzystający z modeli Kimi, Airbnb używające Qwen oraz Perplexity wykorzystujące DeepSeek. W badaniach autor przeanalizował artykuły z pięciu głównych kategorii arXiv poświęconych uczeniu maszynowemu. Udział publikacji wspominających model otwarty wzrósł z 2% w styczniu 2023 do 50% we wrześniu 2026. Qwen pojawia się w około 30% artykułów, a Llama w około 21%.
Zmniejszająca się różnica, według autora
Autor ocenia, że destylacja, technika polegająca na trenowaniu modelu na odpowiedziach potężniejszego modelu, daje laboratoriom chińskim przewagę 1-2 miesięcy. Szacuje też, że pełna prewencja, np. narzędzia weryfikacji tożsamości klientów stosowane przez Anthropic i OpenAI, zwiększyłaby tę różnicę tylko o 1-2 miesiące. Zwraca uwagę, że laboratoria chińskie coraz częściej kupują dane treningowe, w tym środowiska uczenia przez wzmacnianie dla zadań agentowych.
Tekst porusza także ryzyka, zwłaszcza w cyberbezpieczeństwie, na przykładzie incydentu z udziałem OpenAI i Hugging Face. Informuje, że Hugging Face użył modelu chińskiego o otwartych wagach do analizy cyberataku, gdy modele zamknięte odmówiły wykonania tych zapytań. Autor apeluje, by Stany Zjednoczone kontynuowały wspieranie inwestycji w modele otwarte, aby lepiej przewidywać te zagrożenia i zmniejszyć zależność amerykańskich firm od modeli opracowanych w Chinach. Przyznaje jednak, że istnieje wiele niewiadomych: brakuje danych o zastosowaniach poza USA i Chinami, w tym w monitoringu otwartych modeli amerykańskich, który rozpoczął w sierpniu 2025 pod nazwą American Truly Open Models (ATOM) Project.
