Vuosi sitten Meta Llama oli kiistatta avoimen tekoälyn suosituin nimi. Nyt tilanne on toinen. Alibaban Qwen-malliperhe ohitti Llaman Hugging Face -latausmäärissä viimeistään tammikuussa 2026, ja ero kasvaa kuukausi kuukaudelta. Qwen-mallien johdannaisversioita – eli muiden kehittäjien pohjalle rakentamia hienosäätöjä – julkaistaan nyt enemmän kuin Llama-pohjaisia: yli 40 prosenttia kaikista uusista Hugging Face -johdannaisista käyttää Qwen-pohjaa, kun Llaman osuus on pudonnut viidestäkymmenestä prosentista noin viiteentoista.
Luvut ovat merkittäviä, koska Hugging Face -lataukset ovat käytännön mittari siitä, mitä kehittäjät oikeasti käyttävät. Qwen2.5-1.5B-Instruct on tällä hetkellä ladatuin yksittäinen kielimalli koko alustalla, ohittaen Metan Llama-3.1-8B-Instructin.
Hintaero on ratkaiseva
Suomalaiselle startupille tai kehitystiimille, joka miettii API-kustannuksia, hintaero on konkreettinen. GPT-4o maksaa 2,50 dollaria miljoonaa syötetokenia kohden. Qwen 2.5 72B – malli, joka vertailutesteissä häviää GPT-4o:lle vain marginaalisesti matematiikassa ja koodauksessa – maksaa noin 0,23 dollaria vastaavasta määrästä. Ero on yli kymmenkertainen.
Uudemmat Qwen3-sarjan mallit menevät vielä pidemmälle. Qwen3-Coder Next -malli maksaa 0,07 dollaria miljoonaa syötetokenia kohden, kun vertailukohtana GPT-4.1 on 2,60 dollaria. Kun sovellus käsittelee miljoonia tokeneita kuukaudessa, puhumme kymmenien tuhansien eurojen vuosittaisesta säästöstä.
Miksi Qwen vetää puoleensa
Hinta ei yksin selitä nousua. Qwen-malliperhe kattaa hyvin eri kokoisia malleja pienestä 0,6 miljardin parametrin versiosta 235 miljardin MoE-arkkitehtuuriin. Apache 2.0 -lisenssi sallii vapaan kaupallisen käytön ilman rajoituksia, mikä on käytännöllisempää kuin Llaman lisenssi, jossa on tiettyjä yli 700 miljoonan kuukausittaisen käyttäjän palveluja koskevia rajoituksia.
Monikielisyys on toinen tekijä, jota ei pidä aliarvioida. Qwen hallitsee kiinan lisäksi arabian ja useita muita kieliä merkittävästi paremmin kuin englantipainotteiset länsimaiset mallit. Suomen kielellä tilanne on monimutkaisempi – erityismallit kuten FinBERT tai suomeksi hienosäädetyt versiot saattavat edelleen pärjätä paremmin tietyissä tehtävissä.
Geopoliittinen ulottuvuus ei katoa
Qwenin nousu ei tapahdu tyhjiössä. Allen Institute for AI:n tutkija Nathan Lambert on todennut suoraan, että kiinalaiset avoimet mallit harjoittavat tehokasta pehmeää valtaa yhdysvaltalaisessa tekoälyekosysteemissä. Kun mallit ovat avoimia ja ilmaisia, niistä tulee infrastruktuuria – ja infrastruktuuri on poliittista.
Kiinalaisiin tekoälymalleihin liittyy tunnettuja poliittisia rajoituksia – DeepSeek kieltäytyi vastaamasta Taiwania koskeviin kysymyksiin kokonaan, ja vastaavia rajoituksia löytyy todennäköisesti myös Qwenistä. Eurooppalaisille yrityksille, joiden pitää noudattaa GDPR:ää ja EU:n tekoälysäädöstä, tietosuojakysymykset ja tietojenkäsittelyn maantiede ovat lisäksi käytännöllisiä huolenaiheita.
Keskeinen kysymys kuuluu: rakennetaanko tulevaisuuden tekoälysovellukset yhdysvaltalaiselle vai kiinalaiselle teknologiapinolla? Suomalainen kehittäjä voi ladata Qwen-mallin paikalliseen ympäristöön, jolloin tietosuojakysymykset poistuvat – mutta silloin menetetään myös Alibaban pilvialustan hinnoitteluetu.
