Hugging Face опубликовала свой летний отчёт 2026 года «State of Open Models» — периодический обзор того, как модели с открытыми лицензиями (языковые и мультимодальные) соотносятся по качеству с закрытыми проприетарными системами от крупных лабораторий.
Главный вывод отчёта: за последний год разрыв в производительности между лучшими открытыми моделями и ведущими закрытыми моделями существенно сократился по целому ряду стандартных бенчмарков — включая рассуждение, работу с кодом и следование инструкциям. Hugging Face объясняет это сочетанием факторов: более широкой доступностью качественных обучающих данных, более эффективными методами обучения, которые публикуются и воспроизводятся открытыми исследовательскими группами, а также продолжающимися вложениями со стороны нескольких хорошо финансируемых лабораторий и компаний, публикующих веса моделей открыто, а не закрывающих их доступ исключительно за API.
В отчёте также отмечается, что открытые модели по-прежнему сохраняют преимущество по стоимости инференса при масштабировании — особенно для компаний, готовых к самостоятельному хостингу или использованию более дешёвого стороннего хостинга вместо оплаты по токенам у провайдеров закрытых моделей. Hugging Face формулирует это скорее как расширение практических вариантов выбора, а не как утверждение, что открытые модели теперь категорически превосходят закрытые — на самых сложных бенчмарках рассуждения и мультимодальности лучшие закрытые модели, по данным отчёта, всё ещё сохраняют небольшое преимущество, хотя разрыв, по описанию, уже уже, чем в предыдущие годы.
Отдельные конкретные цифры бенчмарков и сравнения по названным моделям в отчёте здесь независимо не проверялись и должны рассматриваться как данные, представленные Hugging Face, до подтверждения из других источников или независимого тестирования.
Для компаний, строящих автоматизированные рабочие процессы — будь то система сортировки обращений в поддержку, конвейер квалификации лидов в продажах или внутренний ассистент для операций — практический вывод касается не столько какого-то одного релиза модели, сколько появления вариативности выбора. Более узкий разрыв в производительности означает, что решение о том, какая модель обслуживает конкретный процесс, становится скорее инженерным и финансовым вопросом, а не вопросом «справиться с этим может только один поставщик». Такой сдвиг обычно происходит постепенно: команды редко переключают производственный процесс за одну ночь, но начинают параллельно тестировать открытые альтернативы — особенно для чётко определённых задач, не требующих рассуждений на уровне флагманских моделей: классификация документов, черновики писем или извлечение структурированных данных, в отличие от сложных многошаговых агентных сценариев.
В отчёте не утверждается, что открытые модели теперь можно без раздумий подставлять вместо закрытых во всех сценариях — сама Hugging Face подчёркивает, что выбор модели по-прежнему должен соответствовать сложности задачи, требованиям к задержке и чувствительности данных. Для операторов, оценивающих поставщиков автоматизации или разрабатывающих внутренние инструменты, практический следующий шаг — не обязательно смена провайдера, а повторный расчёт соотношения затрат и выгод: предположения, которые год назад оправдывали архитектуру исключительно на закрытых моделях, сегодня могут уже не выглядеть столь же однозначными.