// Capítulo 01 · Ecosistema

Cada fuente tiene un líder distinto

Qwen concentra más de la mitad de las descargas que seguimos en Hugging Face, sobre todo con modelos pequeños. Suponemos que se usan en GPUs domésticas. Pero, ¿es lo mismo que usan las empresas?

Datos: estadísticas de descargas y repositorios de Hugging Face (cfahlgren1/hub-stats, Apache-2.0), lista de modelos seguidos del ATOM Project, OpenAlex (CC0).

54%

de las descargas de los modelos que seguimos en Hugging Face de octubre de 2025 a septiembre de 2026 fueron a Qwen.

Descargas de Hugging Face (hub-stats); ATOM Project.

Ilustración: paisaje en capas con un sol pálido
Descargas, derivados, menciones

De octubre de 2025 a septiembre de 2026 Qwen se llevó el 54% de las descargas de los modelos abiertos que seguimos en Hugging Face y ocho de los diez repositorios más descargados son suyos. Casi todas esas descargas son de modelos pequeños, que quizá sean más fáciles de distribuir y de probar en hardware doméstico. Pero que un modelo se descargue mucho no significa que sea el más usado: en los tokens servidos a través de OpenRouter, el primero es DeepSeek.

01 Los más descargados

Qwen tiene ocho de los diez modelos más descargados del año

La clasificación la encabezan modelos pequeños. El más descargado, Qwen3-0.6B, tiene 0,6 mil millones de parámetros; doce de los quince tienen menos de 10 mil millones.

Los modelos abiertos más descargados de nuestra selección en Hugging Face

Qwen Otros modelos/labs

De octubre de 2025 a septiembre de 2026 · cuota del total de descargas de los modelos que seguimos

  1. 1

    Qwen3-0.6B Qwen

    201,9 millones 5,1%

  2. 2

    Qwen2.5-7B-Instruct Qwen

    137,5 millones 3,5%

  3. 3

    Qwen3-8B Qwen

    107,5 millones 2,7%

  4. 4

    Qwen2.5-1.5B-Instruct Qwen

    103,5 millones 2,6%

  5. 5

    Llama-3.1-8B-Instruct Meta

    96,6 millones 2,4%

  6. 6

    Qwen2.5-3B-Instruct Qwen

    92,9 millones 2,3%

  7. 7

    gpt-oss-20b OpenAI

    81,1 millones 2,0%

  8. 8

    Qwen2.5-VL-3B-Instruct Qwen

    72,6 millones 1,8%

  9. 9

    Qwen3-4B Qwen

    70,6 millones 1,8%

  10. 10

    Qwen2.5-VL-7B-Instruct Qwen

    68,8 millones 1,7%

Ver puestos 11 a 15
  1. 11

    Llama-3.2-1B-Instruct Meta

    68,0 millones 1,7%

  2. 12

    Qwen3-VL-8B-Instruct Qwen

    67,0 millones 1,7%

  3. 13

    Qwen3.5-9B Qwen

    62,7 millones 1,6%

  4. 14

    gemma-4-26B-A4B-it Google

    62,0 millones 1,6%

  5. 15

    gemma-4-31B-it Google

    58,7 millones 1,5%

Descargas de los modelos de la lista de seguimiento del ATOM Project, sumadas sobre las lecturas de 30 días de Hugging Face. Una descarga es una solicitud de los archivos de un repositorio, no un usuario. Fuente: Hugging Face hub-stats; ATOM Project.

Sin Qwen: quién encabeza las descargas

Sin Qwen: las familias y los modelos más descargados, últimos 12 meses

  1. 1

    Gemma 4 Google

    201,7 millones 5,1%

  2. 2

    gpt-oss OpenAI

    131,1 millones 3,3%

  3. 3

    Llama 3.2 Meta

    128,1 millones 3,2%

  4. 4

    Llama 3.1 Meta

    124,4 millones 3,1%

  5. 5

    DeepSeek-R1 DeepSeek

    91,3 millones 2,3%

  6. 6

    Gemma 3 Google

    90,1 millones 2,3%

  7. 7

    Mistral 7B Mistral AI

    70,0 millones 1,8%

  8. 8

    Nemotron 3 NVIDIA

    63,4 millones 1,6%

Las mismas descargas y el mismo periodo, sin los modelos de Qwen. Las cuotas son sobre el total de descargas, Qwen incluido, para que se puedan comparar con la clasificación anterior. Una familia agrupa los modelos de un desarrollador de una misma línea o generación. Fuente: hub-stats de Hugging Face; ATOM Project.

Sin Qwen, las familias más descargadas del año son de labs estadounidenses: Gemma 4 (Google), gpt-oss (OpenAI) y Llama 3.2 (Meta). Ninguna se le acerca: Gemma 4, la mayor, se llevó el 5% de todas las descargas, una décima parte del 54% de Qwen, y Llama 3.2 y Llama 3.1 juntas, el 6%.

02 Descargas

Los laboratorios detrás de los modelos más descargados han cambiado

Desde agosto de 2024 el equilibrio entre labs ha cambiado. Casi todos los modelos abiertos más descargados vienen ahora de Estados Unidos o de China. Pero, desde agosto de 2025 los modelos de desarrolladores con sede en China se han llevado la mayor parte todos los meses. En octubre de 2026 se llevaron 68% de las descargas.

Porcentaje de descargas de modelos desarrollados en China

68%

en octubre de 2026, frente al 17% en agosto de 2024. Cada cuadrado es un punto porcentual.

Figura 1.1

Cuota de las descargas de los modelos abiertos seguidos, por región del desarrollador

Desde agosto de 2025, los desarrolladores con sede en China superan cada mes a los de EE. UU.

  • Con sede en China 68%
  • de ellos, Qwen 55%
  • Con sede en EE. UU. 30%
  • Con sede en Europa 2%
  • Con sede en China, sin Qwen 29%
  • Con sede en China, modelos presentes en ago. 2024 23%
Cuota de las descargas observadas de modelos abiertos por región del desarrollador, con la parte de QwenMensual, de 2024-08 a 2026-10. Cuota de los desarrolladores con sede en China en las descargas observadas de los modelos seguidos: 17% al inicio (24% sin el tope de valores atípicos) y 68% en 2026-10. Solo Qwen: 55% de todas las descargas en 2026-10. Con sede en EE. UU., de 69% a 30%; con sede en Europa, de 12% a 2%. Sin Qwen, la cuota con sede en China pasa del 9% al 29%; entre los 486 modelos ya presentes en 2024-08, del 23%. Descargas, no usuarios ni despliegues.0%25%50%75%100%ago. 2024ene 2025jul. 2025ene 2026jul. 2026oct. 2026cambio de baseModelos de Qwen
Cuota de las descargas observadas de modelos abiertos por región del desarrollador, con la parte de QwenMensual, de 2024-08 a 2026-10. Cuota de los desarrolladores con sede en China en las descargas observadas de los modelos seguidos: 17% al inicio (24% sin el tope de valores atípicos) y 68% en 2026-10. Solo Qwen: 55% de todas las descargas en 2026-10. Con sede en EE. UU., de 69% a 30%; con sede en Europa, de 12% a 2%. Sin Qwen, la cuota con sede en China pasa del 9% al 29%; entre los 486 modelos ya presentes en 2024-08, del 23%. Descargas, no usuarios ni despliegues.0%25%50%75%100%ago. ’24ene ’26oct. ’26cambio de baseQwen

Fuente Contadores de descargas del Hub de Hugging Face, a través del archivo cfahlgren1/hub-stats; lista de modelos de ATOM Project (Apache-2.0)

Qwen explica buena parte del cambio, pero no todo. Si se dejan fuera los modelos de Qwen, los demás desarrolladores con sede en China también suben, del 9% al 29% de las descargas restantes, sobre todo con DeepSeek y Z.ai. Aun así, sin Qwen los labs estadounidenses seguirían por delante: en octubre de 2026 se llevaron el 66% de las descargas que no fueron a Qwen.

Cómo lo medimos
Cuota de las descargas en 30 días, leídas el día 1 de cada mes; cada modelo tiene un tope de cinco veces su propio mes mediano. La región es la sede del desarrollador según la etiqueta de ATOM, no el origen de las descargas.

Sin el tope, el primer mes empieza en el 24%, no en el 17%. Banda gris, de diciembre de 2024 a febrero de 2025: salto de recuento (Mistral), no interpretado.

Poblaciones alternativas, no un margen de error, en la tabla de datos: sin los modelos de Qwen, y los 486 modelos que existían en agosto de 2024.

Fuente
Contadores de descargas del Hub de Hugging Face, a través del archivo cfahlgren1/hub-stats (licencia del archivo: Apache-2.0); lista de modelos y etiquetas de región: ATOM Project tracked-models @d4b1709 (Apache-2.0)
Base
Los 1676 modelos que seguimos (lista ATOM de modelos con pesos publicados) con descargas el 1 de octubre de 2026
Evidencia
E3tabulación propia
Datos del gráfico 1.1: cuotas de las descargas observadas por región del desarrollador
MesModelosCon sede en Chinade ellos, QwenCon sede en EE. UU.Con sede en EuropaChina, sin topeChina sin QwenChina, 486 modelos de ago. 2024
2024-0844117,2%9,5%68,8%11,8%23,7%8,5%17,2%
2024-0947519,7%13,1%65,7%12,7%24,7%7,6%19,4%
2024-1055026,1%15,2%64,4%8,2%30,7%12,9%26,4%
2024-1158147,0%42,8%46,7%5,5%47,5%7,2%20,4%
2024-1263249,1%45,1%46,4%3,8%55,4%7,2%25,1%
2025-0167424,5%19,6%45,2%29,4%14,9%6,1%15,8%
2025-0273227,0%18,3%50,8%21,0%24,1%10,6%17,9%
2025-0376340,5%19,2%50,3%8,5%39,8%26,4%20,0%
2025-0480341,9%23,0%48,9%8,4%41,9%24,5%22,2%
2025-0589045,0%28,5%48,0%6,1%44,8%23,1%21,9%
2025-0693845,7%32,4%47,9%5,6%46,9%19,7%17,0%
2025-0793946,4%32,6%47,3%5,5%47,4%20,5%17,1%
2025-08109657,3%45,7%38,5%3,8%61,8%21,3%29,6%
2025-09116353,1%40,3%44,1%2,4%49,7%21,6%28,9%
2025-10121156,2%44,3%41,1%2,4%56,1%21,4%23,7%
2025-11128160,0%47,8%35,6%4,2%60,5%23,4%20,8%
2025-12130763,8%50,0%32,3%3,8%64,7%27,7%21,5%
2026-01138261,4%47,3%34,3%4,1%62,2%26,8%22,3%
2026-02139066,2%55,6%30,6%3,1%67,2%23,8%23,2%
2026-03142068,2%56,3%28,0%3,7%69,0%27,1%21,9%
2026-04146467,5%56,0%29,5%2,9%67,6%26,0%22,7%
2026-05152167,6%55,0%29,2%3,1%77,4%27,9%24,2%
2026-06153966,8%54,3%30,0%3,0%70,4%27,4%26,0%
2026-07158066,3%53,8%31,3%2,2%65,8%27,0%30,6%
2026-08159965,0%53,7%32,3%2,5%64,8%24,5%25,3%
2026-09164368,6%57,3%29,2%2,0%68,0%26,5%23,3%
2026-10167668,2%55,4%29,6%2,0%67,0%28,7%23,4%

03 Modelos de Qwen

Qué modelos de Qwen se descargan más

Los diez modelos de Qwen más descargados del año tienen menos de 10 mil millones de parámetros. Tres de ellos muestran el abanico: un modelo de texto diminuto, uno mediano ajustado para seguir instrucciones y otro que además lee imágenes.

Tres de los modelos de Qwen más descargados, últimos 12 meses

  1. Qwen/Qwen3-0.6B

    Un modelo de texto pequeño

    0,6 mil millones de parámetrosQwen3n.º 1 en total

    201,9 millones descargas

  2. Qwen/Qwen2.5-7B-Instruct

    Un modelo mediano ajustado para seguir instrucciones

    7,61 mil millones de parámetrosQwen2.5n.º 2 en total

    137,5 millones descargas

  3. Qwen/Qwen2.5-VL-3B-Instruct

    Un modelo que además lee imágenes

    3 mil millones de parámetrosQwen2.5n.º 8 en total

    72,6 millones descargas

Descargas sumadas sobre doce lecturas de 30 días, con cada modelo limitado a cinco veces su propio mes mediano; el puesto es entre todos los modelos que seguimos. Parámetros según los publica Qwen. Fuente: Hugging Face hub-stats; ATOM Project.

Dos generaciones sostienen la familia: entre los modelos de Qwen del top 100, del año, Qwen3 (2025) se llevó el 44% de sus descargas y Qwen2.5 (2024), el 35%. Los modelos antiguos se siguen descargando mucho después de que lleguen los nuevos.

04 Descargados y usados

Los más descargados no son los más usados

De octubre de 2025 a septiembre de 2026 Qwen se llevó el 54% de las descargas que seguimos; en esos mismos meses se llevó el 1,0% de los tokens de pesos abiertos del top 50, diario de OpenRouter, donde DeepSeek lideró con el 31%. Descargas y uso no siempre van relacionados.

Cada fuente tiene un líder distinto: Qwen en descargas, DeepSeek en tokens y Meta en solicitudes

Los cinco primeros laboratorios de cada fuente, cada uno con su propia escala. Un laboratorio tiene el mismo color en las tres columnas; pasa el cursor por uno para verlo en las demás.

DescargasHugging Face, modelos que seguimosoct. 2025 – sept. 2026

  1. 1Qwen54,2% de las descargas
  2. 2Google8,5% de las descargas
  3. 3Meta8,2% de las descargas
  4. 4DeepSeek6,1% de las descargas
  5. 5OpenAI3,3% de las descargas

TokensOpenRouter, pesos abiertos del top 50 diariooct. 2025 – sept. 2026

  1. 1DeepSeek31,3% de los tokens
  2. 2Tencent16,5% de los tokens
  3. 3Xiaomi12,2% de los tokens
  4. 4Z.ai12,1% de los tokens
  5. 5MiniMax7,3% de los tokens

SolicitudesCloudflare Workers AI, generación de textooct. 2026

  1. 1Meta29,1% de las solicitudes
  2. 2Z.ai17,9% de las solicitudes
  3. 3DeepSeek11,0% de las solicitudes
  4. 4Qwen8,0% de las solicitudes
  5. 5OpenAI7,0% de las solicitudes
En gris, los laboratorios que solo están entre los cinco primeros de una fuente. Una descarga es una petición de ficheros, no un usuario; los tokens son los de las versiones verificadas como de pesos abiertos; las solicitudes no son tokens. Las cuotas no son cuotas de mercado y no se pueden sumar. Fuentes: Hugging Face hub-stats y ATOM Project; OpenRouter (CC BY 4.0); Cloudflare Radar (con permiso).

Cada medida corona a un lab distinto: Qwen encabeza las descargas (54%), DeepSeek los tokens (31%) y Meta las solicitudes en Workers AI (29%). Solo DeepSeek está entre los cuatro primeros de las tres. No hay una única respuesta a qué modelo abierto se usa más: las descargas, el tráfico por API y una plataforma como Cloudflare ven usos distintos.

05 Lo que se construye encima

Qué se construye sobre Qwen

Hugging Face permite seguir los modelos que se publican a partir de otros modelos. Una versión cuantizada, una adaptación a una tarea o un modelo ajustado con datos nuevos pueden conservar una referencia al original. Siguiendo esas referencias, encontramos 470.289 repositorios derivados en nuestra selección. Casi la mitad, 229.596, parten de Qwen.

Figura 1.4

Repositorios derivados y cuentas que los publican, por familia de modelos

Repositorios derivados y cuentas distintas que los publican, por familia del modelo baseQwen: 229.596 repositorios derivados (34% de cuentas con 1000 o más), 35.098 cuentas distintas; Google: 72.718 repositorios derivados (44% de cuentas con 1000 o más), 12.457 cuentas distintas; Meta (Llama): 65.987 repositorios derivados (12% de cuentas con 1000 o más), 15.496 cuentas distintas; Mistral AI: 32.857 repositorios derivados (19% de cuentas con 1000 o más), 8285 cuentas distintas; Hugging Face (Smol): 16.111 repositorios derivados (3% de cuentas con 1000 o más), 4436 cuentas distintas; DeepSeek: 12.269 repositorios derivados (17% de cuentas con 1000 o más), 4349 cuentas distintas; Microsoft: 10.762 repositorios derivados (13% de cuentas con 1000 o más), 3428 cuentas distintas; Ai2: 3558 repositorios derivados (15% de cuentas con 1000 o más), 486 cuentas distintas.Repositorios · cuentas que publicanQwen229.596 · 35.098 cuentasGoogle72.718 · 12.457 cuentasMeta (Llama)65.987 · 15.496 cuentasMistral AI32.857 · 8285 cuentasHugging Face (Smol)16.111 · 4436 cuentasDeepSeek12.269 · 4349 cuentasMicrosoft10.762 · 3428 cuentasAi23558 · 486 cuentas
Repositorios derivados y cuentas distintas que los publican, por familia del modelo baseQwen: 229.596 repositorios derivados (34% de cuentas con 1000 o más), 35.098 cuentas distintas; Google: 72.718 repositorios derivados (44% de cuentas con 1000 o más), 12.457 cuentas distintas; Meta (Llama): 65.987 repositorios derivados (12% de cuentas con 1000 o más), 15.496 cuentas distintas; Mistral AI: 32.857 repositorios derivados (19% de cuentas con 1000 o más), 8285 cuentas distintas; Hugging Face (Smol): 16.111 repositorios derivados (3% de cuentas con 1000 o más), 4436 cuentas distintas; DeepSeek: 12.269 repositorios derivados (17% de cuentas con 1000 o más), 4349 cuentas distintas; Microsoft: 10.762 repositorios derivados (13% de cuentas con 1000 o más), 3428 cuentas distintas; Ai2: 3558 repositorios derivados (15% de cuentas con 1000 o más), 486 cuentas distintas.Repositorios · cuentas que publicanQwen230k · 35k cuentasGoogle73k · 12k cuentasMeta (Llama)66k · 15k cuentasMistral AI33k · 8,3k cuentasHF (Smol)16k · 4,4k cuentasDeepSeek12k · 4,3k cuentasMicrosoft11k · 3,4k cuentasAi23,6k · 0,5k cuentas
  • Modelo base con sede en China
  • Con sede en EE. UU.
  • Con sede en Europa
  • de cuentas con 1000+ derivados

Fuente Metadatos de repositorios de Hugging Face (hub-stats), 22 de octubre de 2026

Si se cuentan las cuentas que los publican, Qwen sigue en cabeza: 35.098 cuentas con modelos basados en Qwen, más que con Llama de Meta (15.496) y con los modelos de Google (12.457) juntos. El cambio es reciente: en 2024, 8446 cuentas publicaron derivados de modelos con sede en EE. UU. y 2040 de modelos con sede en China; en 2026, hasta el 22 de octubre, fueron 13.352 frente a 25.574. Una cuenta no es una persona, y algunas publican de forma automática.

Cómo lo medimos
Un derivado es un repositorio público que declara como base un modelo seguido, directamente o a través de otros repositorios. Familia = espacio de nombres del desarrollador del modelo base; las cuentas son publicadores distintos, incluidos los automáticos. Los repositorios borrados no se ven, así que los primeros años quedan infracontados. *Del 2026 al 22 de octubre.
Fuente
Metadatos de repositorios de Hugging Face (declaraciones base_model) a través del archivo cfahlgren1/hub-stats, instantánea del 2026-10-22 (licencia del archivo: Apache-2.0); etiquetas de región: ATOM
Base
470.289 repositorios derivados activos el 2026-10-22
Evidencia
E3tabulación propia
Datos del gráfico 1.4: repositorios derivados y cuentas
Familia / añoRegión baseRepositoriosDe cuentas con 1000+CuotaCuentas distintasMayor cuentaSus repositorios
QwenCon sede en China229.59677.03033,6%35.098mradermacher12.205
googleCon sede en EE. UU.72.71831.77243,7%12.457Krabat5049
meta-llamaCon sede en EE. UU.65.987804112,2%15.496mradermacher4663
mistralaiCon sede en Europa32.857634719,3%8285mradermacher4064
HuggingFaceTBCon sede en EE. UU.16.1114542,8%4436qualiaadmin746
deepseek-aiCon sede en China12.269211417,2%4349mradermacher972
microsoftCon sede en EE. UU.10.762138112,8%3428GMorgulis578
allenaiCon sede en EE. UU.355854415,3%486mradermacher337
openaiCon sede en EE. UU.345870420,4%1405dementor-research409
nvidiaCon sede en EE. UU.310580225,8%936mradermacher378
2024 · todas las familiasCon sede en China80.92858.5752040
2024 · todas las familiasCon sede en Europa12.35818183433
2024 · todas las familiasCon sede en EE. UU.64.76530.0888446
2025 · todas las familiasCon sede en China65.43810.12213.615
2025 · todas las familiasCon sede en Europa12.76630462704
2025 · todas las familiasCon sede en EE. UU.60.823673214.422
2026 · todas las familiasCon sede en China103.25211.80725.574
2026 · todas las familiasCon sede en Europa631614572044
2026 · todas las familiasCon sede en EE. UU.55.577790513.352

06 Otros líderes

Fuera de las descargas, DeepSeek, Z.ai y Moonshot destacan por otras razones

DeepSeek fue el laboratorio abierto con más tokens en OpenRouter en 19 de los 21 meses completos desde enero de 2025, y se llevó el 31,3% de los tokens de pesos abiertos entre octubre de 2025 y septiembre de 2026. Z.ai, con GLM, se llevó el 12,1%, y GLM-5.3 Flash fue la versión más usada del top 50 en septiembre de 2026. Moonshot apenas pesa en ese tráfico, un 3,7%, pero su Kimi K3.1 Pro es el modelo abierto más cercano a los cerrados en las pruebas del capítulo 02.

Quién destaca en cada dimensión

  1. Descargas

    Qwen

    54,2% de oct. de 2025 a sept. de 2026; 55,4% en la lectura de octubre de 2026

    Hugging Face, modelos que seguimos

  2. Derivados

    Qwen

    229.596 de 470.289 repositorios derivados

    Hugging Face, repositorios que declaran un modelo base

  3. Tokens

    DeepSeek

    31,3% de oct. de 2025 a sept. de 2026; primero en 19 de 21 meses

    OpenRouter, pesos abiertos del top 50 diario

  4. Solicitudes

    Meta (Llama)

    29,1% en octubre de 2026

    Cloudflare Workers AI, generación de texto

  5. Capacidad

    Moonshot (Kimi K3.1 Pro)

    a 2,2 puntos del mejor cerrado en ciencia de posgrado y a 1,5 en tareas agénticas largas

    Epoch AI y Vals AI, mejor modelo abierto

  6. Coste por tarea resuelta

    DeepSeek y Z.ai (versiones Flash)

    DeepSeek V4.1 Flash, $1,70 con un 31,8% de tareas; GLM-5.3 Flash, $3,26 con un 37,4%

    Vals AI, Terminal-Bench 4.0

  7. Investigación

    GPT y ChatGPT; después, Llama

    65% y 23% en 2025; DeepSeek, del 0% al 14% desde 2023

    OpenAlex, artículos que nombran una familia

Fuentes: Hugging Face hub-stats y ATOM Project (capítulo 01); OpenRouter (capítulos 01 y 03); Cloudflare Radar, con permiso (capítulo 03); Epoch AI y Vals AI (capítulo 02); Vals AI (capítulo 04); OpenAlex (capítulo 01).

Los tres perfiles son distintos. DeepSeek combina volumen y continuidad: sus versiones cambian, pero el laboratorio sigue en cabeza. Z.ai compite con versiones baratas que resuelven una parte razonable de las tareas largas. Kimi K3.1 Pro se acerca a los cerrados en ciencia de posgrado y en tareas agénticas, pero sigue sin copar el uso, y su coste es alto: $7,18 por tarea resuelta en Terminal-Bench 4.0, cuatro veces más que DeepSeek V4.1 Flash ($1,70).

07 Lo que nombran los artículos

Qué modelos aparecen en la literatura científica

Los artículos científicos cuentan otra historia. GPT y ChatGPT siguen siendo los más nombrados, pero su cuota entre los artículos que nombran una familia de modelos ha caído: 65% en 2025, frente al 93% de 2023. Llama pasó del 10% al 23%.

Porcentaje de los artículos científicos que nombran una familia de modelos, por familia, 2023 y 2025

2023 2025

0%25%50%75%100%GPT / ChatGPT65% desde 93%Llama23% desde 10%Gemini18% desde 1%DeepSeek14% desde 0%Claude12% desde 2%Qwen6% desde 0%
0%25%50%75%100%GPT / ChatGPT65% desde 93%Llama23% desde 10%Gemini18% desde 1%DeepSeek14% desde 0%Claude12% desde 2%Qwen6% desde 0%
Proporción de los artículos de investigación que nombran una familia de modelos, por familia
Familia de modelos20232025
GPT / ChatGPT93%65%
Llama10%23%
Gemini1%18%
DeepSeek0%14%
Claude2%12%
Qwen0%6%
Artículos de OpenAlex cuyo título o resumen nombra una familia de modelos junto a un término de modelo de lenguaje. Un artículo puede nombrar varias familias, así que los porcentajes suman más del 100%. Una mención no es un uso. Fuente: OpenAlex (CC0), consultado el 26 de octubre de 2026.

Qwen también sube en la literatura, del 0,3% de los artículos que nombran una familia en 2023 al 6% en 2025, pero queda lejos de su 54% de las descargas del año. DeepSeek aparece en el 14%, el doble. Los artículos muestran qué estudian los investigadores; las descargas, qué ejecuta la gente.

Capítulo 01 · Cierre

Una visión transversal de las descargas

Qwen se ha convertido en el nombre dominante de las descargas y gran parte de esa presencia se concentra en modelos pequeños, que son más fáciles de correr en hardware doméstico. Pero el uso doméstico no implica uso empresarial. Los tokens servidos a través de API, en el capítulo 03, cuentan otra historia bastante diferente.

Los modelos pequeños de Qwen
Qwen se ha convertido en el nombre dominante de las descargas y gran parte de esa presencia se concentra en modelos pequeños, que son más fáciles de correr en hardware doméstico.
Descargados y usados
Cada medida corona a un lab distinto: Qwen encabeza las descargas (54%), DeepSeek los tokens (31%) y Meta las solicitudes en Workers AI (29%).
Uso doméstico, uso empresarial
El uso doméstico no implica uso empresarial. Los tokens servidos a través de API, en el capítulo 03, cuentan otra historia bastante diferente.