허깅페이스가 2026년 1~8월 허브 데이터를 공개했다: 저장소 1.5%가 전체 다운로드의 99.2%를 가져갔고 다운로드의 83%는 10억 파라미터 미만 모델로 갔다

허깅페이스는 2026년 8월 14일 공개한 오픈 모델 반기 관측 보고서에서 2026년 1월부터 8월까지 7개월간의 허브 활동을 집계하고, 전체 저장소의 1.5%가 다운로드의 99.2%를 가져갔으며 저장소의 85.6%는 누적 다운로드가 200회에 미치지 못했다고 밝혔다. 같은 기간 다운로드의 83%는 파라미터 10억 개 미만 모델로 갔고 1,000억 개 이상 모델의 몫은 1%였다. 공개 모델 저장소는 243만 개에서 296만 개로, 데이터셋은 71만 1,000개에서 100만 개로 늘었다. ASAP은 이 보고서에서 확인되는 수치만 정리한 뒤, 같은 숫자가 오픈 모델 생태계에 대해 무엇을 말하지 않는지까지 함께 본다.

월간 최대 모델 크기는 중국 7,540억에서 2조 7,800억 파라미터 사이를 오갔다

허깅페이스는 2026년 들어 월별로 공개된 가장 큰 모델을 나라별로 비교해 중국 랩의 월간 상한이 7,540억에서 2조 7,800억 파라미터 사이였고 미국의 상한은 7개월 중 5개월 동안 1,300억 파라미터를 밑돌았다고 적었다. 보고서가 이름을 든 중국 쪽 대형 공개 모델은 문샷의 Kimi-K3(2조 8,000억), 알리바바 큐원의 Qwen 3.8 Max(2조 4,000억), 딥시크의 DeepSeek-V4-Flash(2,840억)다.

미국 쪽에서도 대형 공개 모델은 나왔다. 씽킹 머신스 랩의 Inkling이 9,520억 파라미터, 엔비디아의 Nemotron 3 Ultra가 5,610억, 같은 제품군의 Nemotron 3 Super가 1,240억, 아르시 AI의 Trinity-Large가 3,990억이다. 다만 이 규모의 공개가 매달 이어지지 않았다는 점이 월간 상한 비교에서 드러난 차이다.

크기가 곧 성능은 아니라는 단서도 보고서에 함께 붙는다. 허깅페이스는 이 집계가 허브에 올라온 공개 가중치의 파라미터 수를 센 것이며 모델 품질이나 상업적 채택을 재는 값이 아니라고 명시했다. 즉 이 대비는 어느 쪽 모델이 더 좋은지가 아니라, 어느 쪽이 큰 가중치를 공개적으로 푸는 데 더 적극적이었는지를 보여 준다.

저장소 1.5%가 다운로드의 99.2%를 가져갔다

허브 다운로드는 2026년에도 극단적으로 쏠렸다. 전체 저장소의 1.5%가 다운로드의 99.2%를 차지했고 85.6%는 누적 다운로드 200회를 넘기지 못했다. 크기 구간으로 보면 파라미터 10억 개 미만 모델이 전체 기간 다운로드의 83%를, 1,000억 개 이상 모델이 1%를 가져갔으며 2026년만 놓고 보면 700억 개 초과 모델의 몫이 3%다.

관심과 사용이 어긋난다는 점도 수치로 나타난다. 7개월간 다운로드 상위 25개와 좋아요 상위 25개 목록에 동시에 오른 저장소는 단 하나였다. 문장 임베딩 모델 all-MiniLM-L6-v2는 같은 기간 15억 5,000만 회 내려받혔지만 좋아요는 5,156개였고, 반대로 Kimi-K3는 좋아요 하나당 다운로드가 약 60회였다.

허브 자체는 계속 커졌다. 공개 모델은 243만 개에서 296만 개로 약 21.8%, 데이터셋은 71만 1,000개에서 100만 개로 약 40.6%, 스페이스는 100만 개에서 144만 개로 44% 늘었다. 저장소 총량이 21.8% 늘어나는 동안 다운로드가 1.5%에 몰렸다는 두 숫자를 겹쳐 놓으면, 새로 생긴 저장소 대부분은 사용자가 아니라 목록에만 추가됐다는 뜻이 된다.

커뮤니티의 기본 모델 자리는 Qwen이 가져갔다

파생 모델 집계에서 알리바바의 Qwen 계열은 허브에서 15만 1,448개의 파생 저장소를 보유해 메타 전체 발자국의 2.6배, Llama 저장소만 놓고 보면 4.7배에 이르렀다. 새로 생기는 Qwen 기반 저장소는 하루 180~210개이고, GGUF 형식 다운로드는 월 3,960만 회다.

이 자리는 원래 Llama의 것이었다. 파인튜닝과 양자화와 어댑터가 쌓이는 베이스 모델이 바뀌면 그 위의 도구와 레시피와 튜토리얼이 함께 옮겨 가므로, 파생 저장소 수는 인기 지표라기보다 생태계의 관성을 재는 값에 가깝다. 허깅페이스도 큐원의 우위를 단일 모델의 성능이 아니라 넓은 제품군과 일정한 공개 주기와 개방성이 만든 되먹임으로 설명했다.

라이선스는 200억 파라미터 이상 구간에서 갈렸다

2026년 공개된 200억 파라미터 초과 중국 모델 178건 중 59%가 아파치 2.0, 22%가 MIT 라이선스를 달았고 비상업 제한을 건 사례는 0%였다. 같은 크기 구간의 미국 공개 모델은 아파치나 MIT가 29%, 자체 약관이 41%, 미표기가 30%였다.

숫자가 큰 쪽보다 미표기 30%가 실무에서 더 걸린다. 라이선스가 적히지 않은 가중치는 사내 검토를 통과하기 어렵고, 자체 약관 41%는 사용 범위와 재배포 조건을 건건이 읽어야 한다는 뜻이다. 도입 속도를 결정하는 것이 벤치마크가 아니라 법무 검토 대기열인 조직에서는 이 표가 모델 선택 순서를 그대로 바꾼다.

7월 에이전트 트래픽의 44.4%는 클로드 코드였다

허깅페이스는 이번 보고서에서 처음으로 에이전트 트래픽을 따로 집계했고, 7월 기준 클로드 코드가 44.4%, 코덱스가 20.8%를 차지했으며 아직 이름이 등록되지 않은 하네스에서 온 트래픽이 약 24%였다고 밝혔다. 4월에 67.8%였던 클로드 코드 몫은 3개월 만에 23.4%포인트 내려갔고, 미등록 트래픽은 5월에 59.8%까지 오른 적이 있다.

보고서가 붙인 표현은 에이전트가 새 사용자라는 것이다. 사람이 모델 카드를 읽고 내려받던 경로 옆에, 코딩 에이전트가 작업 중에 가중치와 데이터셋을 끌어오는 경로가 생겼다는 뜻이다. 미등록 24%는 이 집계의 사각이기도 하다. 어떤 하네스가 얼마를 쓰는지 특정되지 않은 몫이 4분의 1 가까이 남아 있으면, 상위 두 이름의 점유율은 자릿수 그대로 읽기보다 순위 정도로 읽는 편이 안전하다.

작은 모델이 이긴 것이 아니라 배포 경로가 갈렸다

10억 파라미터 미만이 다운로드의 83%라는 숫자를 작은 모델의 승리로 읽으면 절반만 맞는다. 런타임 쪽 증가율을 함께 보면 GGUF 저장소가 7개월간 464%, 로봇 학습용 lerobot이 194%, 애플의 mlx가 148% 늘어난 반면 transformers와 peft는 16%, diffusers는 21% 증가에 그쳤다. 늘어난 쪽은 모두 로컬 실행과 온디바이스 추론에 쓰이는 형식과 라이브러리다.

큰 모델의 다운로드가 적은 이유도 여기서 갈린다. 허깅페이스는 이 집계가 API 사용, 사내 비공개 배포, 다른 경로로 배포된 모델을 포함하지 않는다고 명시했다. 1,000억 파라미터 이상 모델을 쓰는 조직 대부분은 가중치를 내려받는 대신 API로 호출하므로, 이 표에서 큰 모델의 1%는 수요가 없다는 뜻이 아니라 소비 경로가 허브 밖에 있다는 뜻으로 읽어야 한다. 결국 이 보고서가 잘 보여 주는 것은 모델 시장 전체가 아니라 가중치를 직접 내려받아 돌리는 층의 구성이다.

한국 팀이 이 표에서 실제로 꺼내 쓸 것

파인튜닝 베이스를 고르는 팀에게 15만 1,448개라는 파생 저장소 수는 성능 지표가 아니라 문서와 예제와 양자화 산출물의 재고량에 가깝다. 같은 성능이라면 파생이 두꺼운 계열이 문제 해결 시간을 줄이고, 반대로 파생이 얇은 계열은 벤치마크에서 앞서더라도 배포 단계의 잔업이 늘어난다. 큐원 계열의 하루 180~210개라는 유입 속도는 이 격차가 당분간 더 벌어진다는 신호다.

온디바이스와 로컬 추론을 검토하는 팀에게는 GGUF 464%와 mlx 148%가 더 직접적인 근거가 된다. 맥 기반 개발 환경과 사내망 배포를 함께 고려하는 조직이라면 두 형식의 지원 여부가 모델 후보군을 먼저 걸러 낸다. 여기에 라이선스 미표기 30%라는 수치를 겹치면, 후보 선정 절차는 벤치마크 비교보다 라이선스 확인과 배포 형식 확인이 앞서는 순서가 된다.

이 표가 재지 않는 것

허깅페이스는 보고서 말미에 이 지표들이 모델 품질이나 상업적 채택이나 시장 점유율의 직접 측정치로 해석돼서는 안 된다고 적었다. 다운로드는 허브 생태계의 활동을 반영할 뿐이며 오픈소스 AI 채택은 여러 경로에서 일어나므로 허브 활동은 완전한 측정이 아니라 하나의 관점으로 봐야 한다는 것이다.

이 단서를 지운 채 인용하면 오독이 쉽게 생긴다. 다운로드 수는 자동화된 재시도와 캐시 미스와 에이전트 호출로도 늘어나므로 이용자 수와 같지 않고, 좋아요는 사람의 관심을 재지만 사용량과는 어긋난다는 사실이 이번 집계에서 상위 25개 목록의 겹침 1건으로 확인됐다. 국가별 상한 비교 역시 매달 가장 큰 한 모델만 세는 방식이라 릴리스 편수나 실사용과는 다른 축이다. 이 보고서를 인용할 때 남는 안전한 문장은 한 가지다. 2026년 상반기 허브에서 가중치를 직접 내려받는 층은 작고 개방적인 모델 쪽으로 쏠렸으며, 그 층에 새로 들어온 사용자 중 상당수가 사람이 아니라 에이전트였다.

출처: 허깅페이스 공식 블로그 오픈 모델 현황 2026년 여름 관측 보고서(2026년 8월 14일) 기반 ASAP 정리