3 miliardy stažení za půl roku. AI model od Alibaby válcuje Google, Metu i OpenAI. Většina lidí o něm neslyšela

Alibaba tvrdí, že její rodina AI modelů Qwen překročila za šest měsíců 3 miliardy stažení. Nezávislá data z Hugging Face to z velké části potvrzují.

Zdroj fotografie: Alibaba

Tři miliardy stažení. Ne tři miliardy lidí, ne tři miliardy konverzací s chatbotem. Tři miliardy serverově zaznamenaných stažení napříč více než 460 otevřenými modely, které Alibaba postupně vypouští pod značkou Qwen. Číslo pochází z firemního vyjádření Alibaby, které v srpnu 2026 citoval Fortune. Nezávislá analýza platformy Hugging Face uvádí pro rok 2026 zhruba 2,05 miliardy stažení jen na svém hubu, a to je pouze jedna z distribučních cest. V čem přesně Qwen „válcuje“ konkurenci? Ve staženích a v počtu odvozených projektů na Hugging Face: Google tam má 418 milionů stažení, Meta 227 milionů. A proč o tom většina běžných uživatelů netuší? Protože Qwen není jen chatbot, se kterým si lidé povídají. Je to infrastrukturní vrstva, základ, na kterém vývojáři po celém světě tiše staví vlastní aplikace, doladěné varianty a lokální nasazení. V Číně přitom Qwen tak neznámý není: Alibaba v únoru 2026 uváděla přes 300 milionů měsíčně aktivních uživatelů spotřebitelské verze. Neznámost platí hlavně v západní bublině.

Co přesně je Qwen a proč nejde o jeden model

Qwen není jediný soubor, který si stáhnete a spustíte. Je to celá rodina jazykových a multimodálních modelů od Alibaba Group, od miniaturních verzí s 0,6 miliardy parametrů, které rozběhnete i na starším notebooku, po masivní varianty se stovkami miliard parametrů určené pro serverové clustery. Aktuální vlajková loď se jmenuje Qwen3-Max, ale čísla stažení se vztahují k celé rodině, ne k jednomu konkrétnímu checkpointu.

Oficiální dokumentace deklaruje podporu více než 100 jazyků a dialektů. U jednotlivých modelů se však jazyková podpora liší. Licence se rovněž liší podle konkrétního modelu a verze, takže nelze říct, že celá rodina Qwen je bez výjimky vydána pod Apache 2.0. U modelů, které tuto licenci používají, může kdokoli váhy upravit a nasadit i komerčně za podmínek dané licence. A právě tady začíná příběh těch miliard.

Proč tolik stažení a co ta čísla skutečně znamenají

Hugging Face ve své srpnové analýze vysvětluje klíčový rozdíl: „like“ na platformě ukazuje, co komunitu zaujalo. Stažení naopak ukazuje, jak často jsou modely skutečně získávány pro další použití. Qwen má na Hugging Face více než 150 000 odvozených modelů, tedy projektů, které vycházejí z původních vah a stavějí na nich něco vlastního. Google jich má desítky tisíc. Tempo růstu přitom dosahuje stovek nových repozitářů denně.

Důvody jsou tři:

• Konzistentní vydávání nových verzí – Alibaba nepřichází s jedním modelem ročně, ale průběžně pokrývá různé velikosti a specializace.
• Široké pokrytí případů užití – od malých edge modelů po velké reasoning modely, od čistě textových po multimodální.
• Otevřené modely a relativně volné licence – tam, kde je použita licence Apache 2.0, snižuje právní i technické tření na minimum. Vývojář nemusí řešit individuální licenční smlouvu s výrobcem.

Důležitá poznámka k samotným číslům: „stažení“ na Hugging Face neznamená unikátního uživatele. Platforma počítá serverové události spojené se stahováním souborů modelu. Automatizované pipeline, které model stahují opakovaně, mohou generovat další události. Tři miliardy tedy rozhodně nejsou tři miliardy lidí, ale ani to z nich nedělá bezvýznamné číslo. Podle Hugging Face tvoří modely pod jednu miliardu parametrů více než 80 % všech historických stažení. Malé modely jednoduše běží na dostupnějším hardwaru, a vývojáři je proto mohou snadněji lokálně nasazovat.

Jak si Qwen stojí proti Llamě a Gemmě

Srovnávat otevřené modely je ošemetné, protože každý výrobce testuje jinak. Přesto existují orientační body. Qwen3 Technical Report, tedy vlastní evaluace autorů modelu, uvádí, že Qwen3-32B překonává Google Gemma 3 27B na řadě benchmarků a Qwen3-14B si vede lépe než Gemma 3 12B na sledovaných testech. Meta u Llama 3.1 8B Instruct uvádí skóre MMLU 69,4 a HumanEval 72,6. Google u Gemma 3 4B reportuje MMLU 59,6 a HumanEval 36,0.

Nejde o jednotný test v identickém prostředí, každá firma měří po svém. V oficiálních benchmarkových materiálech ale Qwen vychází velmi silně, zejména v poměru výkonu k počtu parametrů. Pro češtinu bohužel veřejná benchmarková tabulka, která by umožnila férové srovnání celé této trojice, neexistuje. Modely Qwen češtinu podporují, ale označit je bez dalšího za „špičku pro češtinu“ by bylo nad rámec dostupných dat.

Proč to Alibaba dělá zadarmo

Otevřenost není charita. Management Alibaby na výsledkových konferencích opakovaně uvádí, že prosperující open-source ekosystém zvyšuje poptávku po cloudových službách firmy. Čím víc vývojářů staví na Qwenu, tím víc z nich může potřebovat výpočetní kapacitu, a Alibaba Cloud ji může prodat. Je to potenciálně sebeposilující cyklus: otevřené modely přitahují komunitu, komunita generuje deriváty a nasazení a ta mohou vytvářet poptávku po cloudové infrastruktuře.

Pro běžného uživatele to znamená, že Qwen si lze vyzkoušet několika cestami. Nejsnáze přes HuggingChat nebo prostřednictvím cloudových služeb Alibaby, pokud jsou v daném regionu dostupné. Lokální běh přes nástroje jako Ollama nebo LM Studio je také reálný, ale vyžaduje určitou technickou zdatnost a dostatečně výkonný hardware. Samostatná mobilní aplikace pro Qwen není podmínkou lokálního ani cloudového používání modelů.

Co to znamená pro bezpečnost a soukromí

U lokálního běhu zůstávají modelové váhy i prompty na zařízení uživatele, pokud konkrétní aplikace nebo integrace data nikam dále neodesílá. U cloudového API platí podmínky konkrétního poskytovatele. Alibaba Cloud uvádí bezpečnostní certifikace, šifrování a zásady týkající se využívání zákaznických dat; přesné podmínky se ale mohou lišit podle služby, regionu a typu účtu. Nejde o nezávislý důkaz bezpečnosti, ale o deklarace poskytovatele, stejně jako u jiných cloudových služeb.

Qwen není příběh o tom, že by jeden čínský chatbot porazil ChatGPT v popularitě. Je to příběh o tom, jak se jedna modelová rodina stala významnou součástí otevřeného AI ekosystému, na které vývojáři stavějí aplikace, specializované modely a lokální nasazení. A část lidí, kteří používají nástroje postavené na Qwenu, o tom skutečně nemusí vědět.