Hugging Face のクレム・デラング：エンジンと車を比較するのをやめよう
Hugging Face の CEO クレム・デラング氏は、オープンソース AI とクローズド API を比較する誤った前提を指摘し、AI ビルダーの爆発的増加と物理的なインタラクションによる学習効果の重要性を説いている。
キーポイント
エンジン対車の比喩によるパラダイムシフト
オープンウェイトモデルをクローズド API と比較することは「エンジンと車を比較する」ような誤りであり、API にはツールやルーターなどのシステム全体が含まれるため、単純な性能比較は意味を成さないと指摘。
AI ビルダーの爆発的増加予測
現在の数百万人規模から、2026 年末には AI エージェントが人間以上のユーザーベースとなる可能性を含め、トレーニングやファインチューニングを行うビルダーが数千万〜1億人に成長すると予測。
物理的インタラクションによる学習効果
Reachy Mini などのオープンソースロボットを組立・改造する体験が、人々の AI への理解と関与度を劇的に高めるとし、物理的な介入が学習プロセスに不可欠であると強調。
セキュリティと安全性の複雑な真実
「クローズドの方が安全」という単純化された議論を否定し、ローカルモデルが弱く見えるのは周囲のエージェントハッチェスがプロプライエタリ API 向けに最適化されているためであり、安全性はビジネス利益のための隠れ蓑になり得ると指摘。
影響分析・編集コメントを表示
影響分析
このインタビューは、業界全体が抱えるオープンソースとクローズドの二項対立を再定義する重要な示唆を与えており、開発者コミュニティが直面している比較基準の誤りを正す役割を果たします。特に、AI ビルダーの民主化と物理的インタラクションの重要性を強調することで、今後の AI 教育や開発ツールの設計思想に大きな影響を与える可能性があります。
編集コメント
「エンジンと車」の比喩は、オープンソースモデルが単なる性能指標ではなく、エコシステム全体の一部として評価されるべきであることを如実に示しています。物理的なロボットを通じた学習体験の重要性も、今後の AI 教育や開発者育成において注目すべき視点です。
*Hugging Face の共同創設者兼 CEO、クレム・デラング氏との対談：オープンソース AI の現状と（シシュポスの）神話について*
クレムの最も明確な指摘の一つは、オープンウェイトモデルをクローズド API と比較することは、エンジンと自動車を比較するようなものだということです。そのため、「オープンソースモデルが追いついているか？」という問い自体が、同じ文脈で重要視されるべきものではありません。API の背後には、ツール、ハーンセス（枠組み）、ルーティング、そして場合によっては複数のモデルが存在します。したがって、人々がオープンモデルは「遅れている」と言うとき、真の問いは「どのシステムに対して」「どのようなタスクのために」「どれほどのコストで」遅れているのかという点にあります。
オープン化することは、より多くの人々が構築できるようになることを意味します。クレムはこの先がどうなるか具体的に予測しています。彼は、AI 構築者が現在の数千万人から、数億人、あるいは 100 万人規模に成長すると予想しています。つまり、自らモデルをトレーニングし、ファインチューニングし、最適化し、実行する人々です。Hugging Face はすでにそのような世界に向けて準備を進めています。そこではエージェントがモデルを引き出し、データセットを利用し、ドキュメントを読み込み、2026 年末には人間よりも大きなユーザーベースになる可能性があります。
また、Reachy Mini（リッチ・ミニ）についても議論しました。これは Hugging Face が開発したオープンソースのデスクトップロボットで、すでに約 10,000 台が販売されています。クレムの主張はシンプルです。人々は AI を使って構築し、組み立て、壊し、修理し、小さなものを動かすことで、AI に対する見方を変えます。それが物理的なもの、例えば愛らしいロボットである場合、その効果はさらに高まります！このアイデアを私は大変気に入りました。
そして、オープンソースの議論でしばしば避けられてきた論点に踏み込みます：なぜサイバーセキュリティのケースは「クローズドの方が安全」という単純な図式よりも複雑なのか、なぜ安全性がビジネス利益のための隠れ蓑として利用されうるのか、またなぜローカルモデルは周囲のエージェント・ハッチ（harnesses）がプロプライエタリ API 向けに構築されているために一見弱く見えるのかについてです。
これは、選択権、コントロール、そして次世代の AI ビルダーたちについての対話です。動画はこちら（※1.2 倍速または 1.5 倍速での視聴をお勧めします）→
*参考用に文字起こしを用意しましたが、*完全な体験は動画で*。そしていつも通り：いいねとコメントをお願いします。YouTube での成長に役立ち、より多くのインサイトを皆様にお届けできます。
Clem Delangue が語る AI ビルダーが急増する理由
Ksenia:Clem さん、このインタビューに応じていただきありがとうございます。Hugging Face**とオープンソースコミュニティへの貢献は素晴らしいものだと私は信じています。長年あなたを知り、ついに直接お会いできて光栄です。
Clem:**はい、招いていただきありがとうございます。
クセニア：まず、最近の ML Intern に関する投稿と、Hugging Face でそれをどのように活用しているかについてお話ししましょう。現在、実際の機械学習タスクでエージェントがどのように動作するかについて、最も驚くべきこと、あるいは最も面白いことは何ですか？
クレム：興味深いのは、デフォルトの設定のコーディングエージェントは依然として AI を構築する際にあまりうまくいかないということです。アンドレイ・カルパティが Auto Research をリリースした際（あるいはそれ以前に何かを発表した際）、彼がそれを構築するためにほとんどエージェントを使わなかったと語ったのを覚えているでしょう。それは、タスクが分布外すぎて対応できなかったか、まだ AI 構築には機能していなかったからです。
しかし、ハネスの調整、モデル接続、そして Hugging Face Hub のようなツールの一部を少し変更するだけで、実際に大きな進歩を遂げることができます。ML Intern が現在、小規模なモデルのファインチューニングやデータセットの作成、異なる形式へのモデル変換を達成していることには驚きました。今日、チームは研究者向けの面接テストに合格させることに成功しました。わずか 30 分でそのテストを完璧にクリアしたのです。
私たちはこれに対して非常に興奮しています。もしエージェントが AI を構築するための参入障壁を下げるなら、それは世界にとって非常に価値あるものになるでしょう。より多くの人々がオープンソースモデルの構築やオープンデータセットの作成に参加できるようになり、歴史的には少し難しかったローカルモデルの活用も、現在は徐々に容易になっていくはずです。
クセニア：今後数ヶ月でこの技術はどのように発展していくとお考えですか？どこに加速が見られるでしょうか？
Clem: AI ビルダーになれる人の数は爆発的に増えると思います。この種の作業を行うスキルを持つ人が、今は数十万人から数百万人程度ですが、それが数千万人、もしかしたら 5000 万人、あるいは将来的には 1 億人にまで達するでしょう。
やがてすべてのソフトウェアエンジニアが、モデルの最適化、トレーニング、ファインチューニングを自分自身で行えるようになるかもしれません。それは素晴らしいことです。なぜなら、それによって彼らは、条件を一方的に決定したり、いつでも価格を引き上げたり、いつでもモデルを廃止したり、背景で勝手に変更してワークロードの品質が低下した理由さえもわからないようなクローズド API やサードパーティベンダーに依存しなくて済むからです。
これはビルダーに再びコントロール権を取り戻させるものであり、素晴らしいことです。
Ksenia: 数ヶ月前に Steve Yegge と少しインタビューを行いました。彼は非技術的な人々も間違いなくこのコーディングの世界に入ってくると言っていました。それについてどうお考えですか？私たちはその準備ができているのでしょうか？
Clem: AI の素晴らしい点は、その多くがデータセットや一般的なテキストによって駆動されていることです。プログラミング言語を学ぶ必要があったソフトウェアエンジニアリングと比較すると、AI ははるかに広いユーザーベースを持つ可能性があり、そこに貢献できる人々がいるのです。
そうなることを願っています。それは良いことだと思います。なぜなら、ビルダーの多様性が増せば増すほど、視点が広がり、その分野にとって有益なことが、人々にとって実際に重要で、真の課題に焦点を当てた方向へと押しやられるからです。
もしより多くの人々が AI を構築できるようになれば、おそらく「AI によるゴミ動画」は少し減り、生物学、化学、医学、気候変動など、シリコンバレーの一部の男性がそれほど関心を持たないかもしれないが、他の人々にとっては非常に重要な分野での進展が増えるでしょう。これにより多様な視点がもたらされ、より多くの現実的な問題が解決されることを期待しています。
Ksenia: AI を用いた創造活動が最終的にある品質の閾値に達し、人々がゴミのようなものを創るのをやめて実際に問題を解決するようになると思いますか？
Clem: 単なる「ゴミ」以上のものを作る余地はたくさんあります。より多くの人々に構築する力を与えれば与えるほど、彼らはゴミ以外のものを創り出すようになります。
また、より多くの人々が AI ビルダーになることを可能にすることは、一般社会における AI への認識も変えるでしょう。現在の認識はひどいものです。調査結果を見ればわかりますが、人々は非常に恐怖を感じているか、AI を嫌っているか、あるいはそれについて聞きたくないと思っているかのどちらかです。
一方、これらのシステムをどのように構築するかを理解し、自ら構築させることで、人々は AI を自分たちを力づけるものとして捉え始めます。つまり、自分たちが重要だと考える問題を解決するために使えるツールであると認識するようになるのです。これが世間の認識を変える最も効果的な方法の一つだと思います。AI が数社や一部の開発者の手にのみ留まっていれば、これらの企業がマーケティングを行うことはできるでしょうが、AI が良いものであると人々に納得させることはできないと考えます。
多くの人々への AI の開放
Ksenia: AI の世界を開放し、その認識を変えるという点についてですが、それを主導できる主なプレイヤーは誰でしょうか？現在、主要な企業は 5 社あり、政府や Hugging Face による空間の開放に向けた試みもあります。実際に世論を変えられるのは誰なのでしょうか？
Clem: それは全員が少しずつ関わることです。生態系のすべての部分が役割を果たす必要があります。政策決定者も大きな役割を担います。企業も同様です。研究機関や学術界も重要な役割を果たします。
具体的な良い例として、Reachy Mini があります。抽象的に「AI ロボットについてワクワクしていますか？」と人々に尋ねても、大多数がイエスとは答えないでしょう。一部の人は（私たちのような特定のコミュニティの中では）そうかもしれませんが、多くの人ではありません。
実際にこれらの製品を発売するとどうなるかというと、私たちはすでに約 10,000 台を販売していますが、AI ロボットに特に興奮していない人々でも、それが可愛いから、あるいは子供たちと遊べるかもしれないと思うから購入します。そして組み立てます。これには 3 時間かかります。自分たちで構築するのです。そうすると使い始め、アプリも作成し始めます。
そして、自動的に AI ロボットを愛するようになります。
これは、人々がプロセスに参加し、自分たちで AI を構築し、その認識が変化する仕組みの一例です。
明らかに現在、AI には恐怖に基づくマーケティングが多く見られます。
Ksenia:それが目的なのでしょうか？
Clem: **それは売れるからです。Project Glasswing が発表されて数日後、プログラムに関連するいくつかの企業から、商業契約を提案するメールが届き始めました。明らかに、そのような目的のために利用されていますね。
また、そのようにマーケティングを行っている人々の一部は、アクセス制限が重要だと心から信じているのだと思います。しかし、それは誤りであり、誤解を招くものです。
目指すべきは、人々にアクセス権を与え、彼らに構築させ、それがツールであることを実感させることです。これはソフトウェア 2.0 またはソフトウェア 3.0 です。Robocop のようなものでもなければ、自己意識を持って自律的に統治する存在でもありません。私たちが作り上げた技術であり、私たちはそれを正しい方向へとさらに推進していくつもりです。したがって、私の意見では、これほどまでに恐怖に基づくマーケティングに頼る必要はありません。
オープンソース AI がサイバーセキュリティを強化する（その逆ではない）
Ksenia:オープンソースが生物兵器やディープフェイクを作成するためのツールとして位置づけられる見方に対して、いくつか反論してみましょう。そのような人々に対して何を言いますか？それが真実である理由、あるいは真実でない理由は何でしょうか？
Clem: サイバーセキュリティは良い例です。なぜなら、他の分野に対して武器化されることが常に起こるからです。「だからこれらのモデルを公開すべきではない」と言う人がいるのです。
しかし、サイバーセキュリティが実際にどのように機能するかを見てみると、それは常に攻撃者よりも多くの防衛者を強化すること、つまり攻撃するコストを防御するコストよりも高くすること、そしてシステムに回復力を組み込むことで、攻撃が成功した場合でもシステムは迅速にパッチ適用され、迅速に解決され、被害が体系的な問題に拡大しないようにすることを意味します。
これらの要素を一つずつ考えてみると、オープンソースはむしろ問題というより解決策です。例えば、誰もが知っている通り、オープンソースのリポジトリはプロプライエタリシステムよりもはるかに速くパッチ適用されます。一度、クローズドな環境でプロプライエタリシステムに対する攻撃が発生すると、攻撃者はユーザーデータや重要な情報へのアクセスを利用して、パッチが適用されるまで数週間もその状態を悪用し続けることができます。そしてパッチが適用された頃には、すでに手遅れです。
したがって、クローズドソースのまま少数の人の手に委ねることは、実際にはリスクを増大させることになります。なぜなら、権限と能力の非対称性が高まるからです。一部の人間だけが強力な能力を得る一方で、防衛者にはそれがありません。その時にこそ、より多くのリスクが生まれます。
一方、オープンにすることでバランスをより均等に保つことができ、通常は防衛者が攻撃者に対抗する手段を持っています。
この考え方は、AI の分野でも以前から見てきました。有名なのは、GPT-2 が「公開するには危険すぎる」とかつて言われたことです。しかし今では私たちはそれを笑い飛ばしています。実際には、人々が懸念していたような問題は発生しませんでした。
より大きなリスクは、モデルがより強力になり、それが漏洩した場合や、悪意のある主体がその能力にアクセスできる一方で、世界の他の人々がアクセスできない場合に生じます。そのような状況こそが、より多くのリスクを生み出すのです。
API や小規模な制限付きリリースは、しばしば制御と安全性の偽りの印象を与えます。しかし、サイバーセキュリティがどのように機能するかを体系的に見れば、オープンソースは実際にはこれらの問題に対する解決策であることがわかります。
オープンモデル公開のビジネス的根拠
Ksenia:**あなたは API について言及しました。ElevenLabs のような多くの企業にとって、オープンソース化しないのはそれが彼らのビジネスモデルだからです。彼らは長期間クローズドなモデルの開発に取り組んできており、大手プレイヤーとの関係では単純にオープンソース化できません。そこで、あなたがオープンソースをこれほど情熱的に主張する一方で、それはビジネス側とどう整合するのでしょうか？
Clem:**まず、企業がオープンソース化しないことは全く問題ありません。それ自体に何の悪意もありません。私が腹立たしく思うのは、企業がそれを正直に言わず、「ああ、安全性のためにオープンソース化していない」と言う場合です。
それが通常は真の理由ではないと思います。真の理由はあなたが言った通り、彼らのビジネス上の利益にならないからです。それは全く問題ありません。
私たちがよくこれらの企業に説明するのは、もし彼らが自社の活動の一部をオープンソース化する——研究論文を発表する、部分的に公開されたデータセットをリリースする、大規模なモデルは非公開のまま小規模なモデルをリリースする——のであれば、まず第一に世界にとって良いことです。それはその分野に有意義な貢献をするのです。
第二に、企業がオープンソース化することのメリットも数多く確認されています。これにより優秀な人材の採用が可能になり、企業の信頼性が高まり、認知度も向上します。
Mistral や Cohere のような企業は、オープンソースで成果物を公開しながらも大規模なビジネスを構築することに成功した事例が多数あります。そのため、通常はその点を説明しています。ただし、自社の戦略と合致しない場合は、あえてオープンソース化しなくても全く問題ありません。
DC におけるオープンソース AI 反対のロビー活動：何が争点となっているのか
Ksenia:**最近、ワシントン DC でオープンソース AI に反対するロビー活動が行われていることを指摘されています。あなたはそのことに対して非常に情熱を持っておられますが、お立場はどのようなものですか？彼らに何を伝えたいのでしょうか？私たちには何をしてほしいとお考えでしょうか？なぜそれが重要なのでしょうか？
Clem:**まず、これは初めてのことではありません。2〜3 年前にも同様の出来事が異なる理由で起こりました。しかし、再びその動きが戻ってきているように見えます。
米国だけでなく、事実上どの国にとっても、オープンソースの進展を遅らせようとするのは誤りだと考えます。なぜなら、オープンソースはすべての技術の基盤だからです。オープンソースを主導する国こそが、AI 全般においてもリーダーシップを発揮できる国なのです。
今日あなたが目にする AI の進歩の多く、そして私の意見では米国の多くのリーダーシップは、米国におけるオープンソースのリーダーシップに由来しています。Google は有名にもトランスフォーマーとアテンションをオープンソース化しましたが、それが ChatGPT によって利用されました。これは、米国でオープンソース内で起こった模倣と協力が今日のリーダーシップにつながったことの一例に過ぎません。
したがって、明日米国がオープンソースの進展を鈍化させれば、自動的に数ヶ月後あるいは数年後に、全体的な AI リーダーシップを失うことになります。これは私たちが望むことではありません。
第二に、オープンソースの進展を鈍化させることは、権限・能力・収益の集中を招きます。AI が 1 社、2 社、あるいは 3 社の企業によって支配されるリスクが生じます。なぜなら、オープンソースを排除すれば、大企業に対抗できる他の誰かの参入を防ぐことになるからです。
オープンソースモデル、オープンデータセット、そしてオープンライブラリがなければ、OpenAI、Anthropic、および大手テック企業を除いて、誰も AI を行うことは不可能になります。
数社しか AI を行えない世界を想像してみてください。それは、ソフトウェアを行える企業が数社しかないようなものです。それは非常に恐ろしいことです。競争を生み出し、雇用を増やし、より多くの模倣と成長をもたらすために、オープンソースが必要なのです。
もし AI を行う企業が数社だけなら、彼らはすべての価値を独占し、失われる仕事を補うのに十分な雇用を生み出すことはできないでしょう。私たちは、小さな企業から中堅企業、大企業まで、誰もが AI を構築して価値を生み出せる生態系を望んでいます。そうでなければ、一部の企業だけがすべてを独占する世界になり、それは成長として不十分です。
パタニティ・リーブからの復帰
Ksenia: 最近、3 ヶ月間のパタニティ・リーブ（育児休暇）を取得されましたが、AI の分野では 3 ヶ月は長い時間です。今の世界をどう見ていますか？何が変わりましたか？**
Clem: 実は、計画より少し早く復帰しました。正直に言って、復帰することに興奮しすぎていたからです。また、妻が赤ちゃんの世話を素晴らしい仕事でこなしてくれたおかげで、自信を持って職場に戻ることができました。
明らかに、最近では 1 週間ですら AI の分野では長い時間に感じられます。
最大の変化は、コーディング・エージェント（coding agents）の完全な支配と、驚くべきほどの普及です。これは、ほとんどの技術が構築される方法を根本から変えました。
Hugging Face でもその影響を見ています。私たちの利用のうち、エージェントに由来する部分がますます大きくなっています。今年の終わりまでに、Hugging Face の人間ユーザーよりもエージェントユーザーの方が多いとしても驚きません。Hugging Face からモデルを呼び出し、データセットを取得し、貢献を行うエージェントを利用している人々が多く見られます。これは非常にエキサイティングです。ビルダーにとって信じられないほどの乗数効果をもたらしています。
クセニア：それは非常に興味深いですね。ちょうど新しいビルダー、つまり AI エンジニアや ML エンジニアとは限らないが、この分野で何かをいじる人々が参入してくるという話をしていました。同時に、エージェントも同じプラットフォームにやってきています。では、Hugging Face について話すなら、プラットフォームを構造的または技術的にどのように変える必要がありますか？エージェントが新たな顧客となるため、適応する必要があるのでしょうか？**
クレム：はい、もちろんそうです。エージェントは新たなユーザーなのですから、適応する必要があります。
CLIs（コマンドラインインターフェース）、APIs、そしてエージェントが容易に採用できるヘッドレスな機能すべてに、より多くの焦点を当てなければなりません。ドキュメントや agents.md ファイルなど、すべてのものがエージェントにとってシームレスに動作するように確保します。
人々が過小評価しがちなのが、プラットフォームをエージェント向けに トークン 効率的にする必要があるという点です。特に現在のトークン価格を考えると、プラットフォームを利用するためにエージェントがあまりにも多くのトークンを消費してしまうことは避けたいものです。APIs や抽象化レイヤーは非常に効率的である必要があります。
良い例として Reachy Mini** を挙げられます。昨年この開発を始めた頃は、人々がこれ向けのアプリを構築するのは本当に困難でした。しかし今週または来週に新しいバッチを出荷する予定で、皆さんが一つ受け取ることになります。そうすれば、人々は自分のエージェントと会話するだけで、望むあらゆるロボット工学アプリを構築できるようになります。
Reachy Mini は、エージェントネイティブに完全に設計されたロボットの一つとなるでしょう。人々がこれを受け取ると、すぐに数時間以内に自分のエージェントを使って興奮するアプリの構築を始めることができます。新しいバッチで人々が何を作り出すかを見るのがとても楽しみです。
Hugging Face、ロボティクス、および HF のビジネスモデル
Ksenia: 貴社はそれを可能にする最初のプラットフォームの一つです。Hugging Face のロボティクスエコシステムは、貴社のビジネス戦略にどのように位置づけられるのでしょうか？
Clem: ロボティクスは私たちにとって非常に重要です。それは私たちのプラットフォームの拡張です。LeRobot を中心としたコミュニティは非常に活発で、オープンロボティクスにおいて最も利用されているライブラリの一つとなっています。私たちはこれを、AI 構築者を支援する別の手段と捉えています。
AI 構築者が自分自身のモデルをトレーニングし最適化できるのと同様に、彼らも自分自身のロボットを構築・最適化できるべきです。そして正直に言って、それは楽しいものです。手元に届いたときにお分かりいただけるでしょう—自分で組み立て、問題が起きたときに修理し、アプリを構築する—これは本当に楽しいことです。
私たちは常に収益化について深く考えることに最も優れているとは限りません。視点によっては、それが欠点であると同時に長所ともなります。しかし、私たちは適切なシステムが形成されつつあるのを見ています：多くの活動が無料でオープンとなるプレミアムモデルです。そして、企業ユーザー、ストレージ、トークン使用量、またはロボットの購入などにおいて、ごく一部の割合で有料となります。この有料部分が無料部分を支え、成長を続け収益化を実現するための正しいフラインホイール（増幅効果）を生み出すことを願っています。
クセニア:「みんながラップトップでローカルモデルに切り替えた頃には、あなた方のビジネスはほとんど残らず、ロボットを販売するハードウェア企業になるだけではないでしょうか。」
クレム:「それは素晴らしいことです。
私はローカル AI にとても興奮しています。なぜなら、モデルをローカルで実行すれば、ほぼ無料だからです。多くの場合、すでに必要なハードウェアは手元にあります。またプライバシーも守られます。データはどこにも送信されず、デバイス内に留まるため、これは大きなサイバーセキュリティ上の利点となります。Apple がローカルにこれほど注力しているのには理由があります。
速く、制御可能で、良い意味でハック可能です。重みの更新や転送、実験もできます。Hugging Face からのローカルモデルのダウンロードが実際に爆発的に増加しているのが見られます。私たちのチームの一部は llama.cpp を担当しており、これはローカル AI において最も利用されているランタイムの一つです。これにより、モデルを簡単にダウンロードし、ほぼあらゆるハードウェアで実行することが可能になります。
私たちはまだ AI の初期段階にいます。何らかの理由で、現在のワークロードの 99% は巨大なプロプライエタリモデルへの API 呼び出しとなっています – おそらくそれが容易であり、人々がそこから始めることに安心感を持っているからでしょう。しかし究極的には、ワークロードの非常に大きな部分がオープンソースモデル、より小さく専門的なモデル、そしてローカルモデルへと移行していくと考えます。もしかすると、トークンの 5% は巨大なプロプライエタリ API で処理し、残りの 95% は専門化されたモデルやローカルモデルで処理するようになるかもしれません。それは素晴らしいことです。
ローカル AI とクローズド API: 真のトレードオフ
Ksenia: 最近、Nathan Lambert と会話したのですが、彼はオープンモデルがクローズドモデルに追いつくのは近々ではない、もしかしたら永遠にないかもしれないと言っていました。それについてどうお考えですか？
Clem: オープンウェイト（重み）と API を比較するのは、リンゴとオレンジを比べるようなもので、実際には同じシステムではありません。API の背後には、ツール、ハーンセス（枠組み）、システムがあり、時にはインターフェースの背後に複数のモデルが存在することもあります。それを生きたままのモデルと比較するのは不公平です。「私のエンジンが車より良くなることは決してない」と言うのと似ています。それは別物だからです。
| オプション | 最も適している用途 | トレードオフ |
|---|---|---|
| クローズド API | 迅速なプロトタイピング | コントロールが限られる |
| オープンモデル | カスタマイズと学習 | より多くのエンジニアリング作業が必要 |
| ローカルモデル | プライバシーとコスト管理 | 常に最先端レベルではない |
| エージェントネイティブプラットフォーム | 自動化されたワークフロー | クリーンな API とドキュメントが必要 |
また、正確性が完全に一致する必要もありません。なぜなら、それぞれが異なる種類の価値を提供するからです。ローカルモデルは無料です。プライバシーも守られます。したがって、すべてのタスクで同じ精度が出なくても、コストを節約し、プライバシーとコントロールを提供できるため、多くのタスクにおいてより良い選択肢となり得ます。
はい、精度を比較するのは確かに楽しいことです。その差は縮まってきていると感じており、オープンソースコミュニティはフロンティアを押し広げる点で素晴らしい活躍をしています。しかし結局のところ、それが最も重要だと私は考えていません。特に人々がコストや計算リソースの制約により関心を深めるにつれ、ベンチマークでの精度がどれほど近いかに関わらず、これらはオープンソースモデルにとってプラスの力となります。
ベンチマークとは単なるベンチマークです。あるモデルが大規模な一般向けチャットベンチマークで優れているからといって、特定のタスクでもより良く機能するとは限りません。私たちは「より良いか悪いか」という絶対的な考え方を段階的に手放し、精度、コスト、速度、プライバシー、制御の間の最適なトレードオフと、具体的なユースケースに目を向けるべきだと考えています。
人々が十分に議論していないことのひとつは、オープンソースが学習体験をもたらすという点です。モデルをトレーニングするスキルを構築します。長期的に見れば、これは企業にとって鍵となる要素です。なぜなら、機能や製品の構築は次第に些細なこと becoming しているからです。Cursor や Lovable、そしてこれらのツールのおかげで、ほぼ誰でもウェブサイト、アプリ、機能を構築できるようになっています。
企業が差別化し成功するために役立つのは、フロンティアにより近づくことです。おそらく、自社でモデルをトレーニングする能力、最適化する能力、ファインチューニングする能力、独自のデータでポストトレーニングする能力です。そして当然ながら、これを実行できるのはオープンソースのみです。API では実現できません。
AI リテラシー、ロボティクス、そして見落としているもの
クセニア：**私はいつも、AI リテラシーが読書や筆記と同じくらい重要になると話しています。しかし、あなたが言っていることは、私たちは読むことや書くことだけでなく、モデルのトレーニングも必要になることを示唆しています。
クレム： **はい – モデルのトレーニング、モデルの最適化、データセットの構築、マルチモーダルシステムの作成、ローカルでの実行など。これらすべてが、数年前のソフトウェア構築に相当する新しいスキルです。これらのスキルは、あなたが自分を差別化するためにますます必要となるものです。
ロボティクスも同様です。
スキル | 現在の意味
---|---
ファインチューニング | クローズドシステムへのプロンプトだけでなく、独自のタスクやデータに合わせてモデルを適応させること。
データセット構築 | AI を有用にするデータを創造し、クリーニングし、評価すること。
ローカル展開 | プライバシー、コスト、制御のために、自分のデバイスまたはインフラストラクチャ上でモデルを実行すること。
エージェントハネス | モデルを取り巻くツール、ルーティング、API、プロンプトを理解すること。エンジンと車は別物です。
ロボティクス | Reachy Mini などの単純な物理的 AI システムを構築し、テストし、修正すること。
トレードオフ思考 | ベンチマークの順位だけでなく、タスク、コスト、速度、プライバシー、制御に基づいて選択すること。
クセニア： Hugging Face は Reachy Mini を持って学校に行き、モデルトレーニングを教えていくべきです。
クレム： **私たちはすでに、学生がロボティクスを学ぶのを助けるために Reachy Mini を購入している多くの教授たちを持っています。それは素晴らしいことです。
クセニア：あなたは多くの人々よりもロボティクスに触れてきました。ロボティクスにおける「スロップ（質の低いもの）」に相当するものは何ですか？**
Clem: 人間型ロボットにおいては、明らかに偽物の AI マーケティング動画が多数存在します。実際に出荷され、本当に有用となった人間型ロボットはまだ多くありません。そのため、マーケティング側には質の低いコンテンツ（スロップ）があふれています。
ロボット動画を見るたびに、批判的思考を用いてください。多くの動画は単なるマーケティングであり、ロボットの実際の能力や現実世界での振る舞いとは程遠いです。
Reachy Mini は、最近では最も多く出荷されたロボットのうちの 1 つです。その価格帯においては、すでに最前線に近いレベルだと言えます——その価格でこれより大幅に先進的なものは見たことがありません。
まだ完全な物理 AI（Physical AI）ではありません。チャットボットからロボットへと至る中間段階といったところです。信頼性が高く有用な人間型ロボットが一般的になるまでには、まだ解決すべき課題が多くあります——おそらく 3 年、4 年、5 年、あるいは 6 年後のことでしょう。
Ksenia: Hugging Face プラットフォームの観点から見て、何が不足していますか？データセットでしょうか。あなたの聴衆がロボティクス分野で解決に貢献できるボトルネックは何ですか？**
Clem: はい——データセットが不足しています。特に大規模なデータセットです。それらを収集・ホストするにはコストがかかるためです。私たちは最近、その課題を支援する製品として「Hugging Face Buckets」の開発に取り組みました。これは、Hub 上に大規模なデータセットを保存するための手段であり、S3 に似ていますが、AI 向けにより設計されています。これは私たちが買収した企業であるXetの技術を基盤としており、データセットの重複排除を行い、ホストをより容易かつ低コストにする技術です。
したがって、これが何らかの手助けになれば幸いです。
率直に言えば、私たちにはさらに多くのビルダーが必要です。歴史的にロボット工学は参入が難しい分野と見なされており、それが人々を遠ざけてきました。しかし、私はその状況が変わりつつあると考えています。現在では、より多くのビルダー、特にソフトウェアエンジニアが、Reachy Mini を購入して学習曲線を開始することで、ロボット工学に触れることができるようになりました。数ヶ月経てば、特にエージェントを活用すれば、本当に素晴らしいことを実現できます。
つまり、ビルダーを増やし、データセットを増やし、オープン性を高めることです。現在も多くの企業が研究を共有せずにサイロの中で活動しています。よりオープンで、より協力的な環境になれば、ロボット工学の発展がモデルの発展と同様に加速されるでしょう。
Hugging Face が機関へと成長する
Ksenia:Hugging Face がエコシステムの大きな一部となり、ほぼ独自の機関として確立されたことについて、どのようにお感じですか？かつて対峙していたような企業になることを恐れてはいませんか？
Clem: **いいえ。私たちはまだ多くの他社に比べて小さく、依然としてコミュニティ主導で運営されています。それが私たちが人々が本当に必要としていることに根ざしたままいる理由だと考えています。
現在、プラットフォームを利用している AI ビルダーは 1500 万人に達しています。8 秒ごとに新しいリポジトリが作成され、公開されているモデルは約 300 万、データセットは約 100 万あります。しかし、この分野の変化は非常に速く、私たちが絶えず変化し、革新を続けるための強力な強制力となっています。**
私たちは現在、社員数が約200名と、同業他社と比較すれば比較的少ない規模です。しかし、ロボット工学、ストレージ、インフラストラクチャ、そしてエージェント側においても、自分たちをさらに押し上げるための体制は整っていると考えています。これは、誰もがAIビルダーになれるよう支援すると同時に、エージェント自体がユーザーと共にAIビルダーとして成長するのを助けるためでもあります。
私の育休もまた、その点において素晴らしい経験でした。一度休憩を取り、新鮮な創業者としてのエネルギーを持って戻ることができたのです。それは大きな助けとなりました。
クセニア：**あなたの最大の気づきは何でしたか？
クレム：**子供を持つことは、より広い視点を与えてくれます。物事を深刻に受け止めなくなるし、特定の事柄を過度に考え込むこともやめ、何よりもインパクトのあることに集中して成果を出すことに注力するようになります。その結果、家族との時間も確保できるようになるのです。
それがおそらく最大の転換点でした。時間とともにさらなる洞察が得られることは間違いありませんが、まだ新鮮な感覚が残っています。
クセニア：最近、Nvidiaから大規模な投資を断ったという話は本当ですか？
クレム：**私たちは通常、非公開の資金調達に関する会話についてはコメントしません。私たちはコミュニティの中で非常に戦略的な立場にあり、強力な投資家からの支援を受けていることに幸運を感じています。これまでの金額の10倍もの資金を調達できた可能性も十分にあったでしょうが、その点には感謝しています。
しかし、私たちのような組織にとって、資金調達が最も重要だとは限りません。私たちは長期的な視点でコミュニティプラットフォームを構築しています。常にトレードオフが伴います。銀行口座の残高が増えたり、チームが大きくなったり、支出が増えたりすることには、投資家へのリターンをより多く求めるという制約や、特定の方向へ進むことに対する制約など、新たな制約も付随するものです。これらは創業者たちが常に直面するトレードオフです。
Hugging Face の CEO が興奮し、かつ懸念していること
クセニア：会話を締めくくるにあたり、今後数年間で最もワクワクすることは何ですか？
クレム：これまでの数年間はバブルに突入するかのような感覚でした。研究し、実験し、構築する日々でした。しかし今年は私にとってより具体的なものに感じられます。あなたはどうお感じでしょうか。
クセニア：
クレム：はい、この分野は間違いなく成熟しています。先ほど申し上げた通り、私たちは誰もが API を通じて最大規模の独自モデルを使用していた世界から、人々がより慎重になる世界へと移行しています。彼らは考えています。「ある用途には API を使い、別の用途には専門的なオープンソースモデルを使い、さらに別の用途には無料のローカルモデルを使う」と。
私はその点に興奮を覚えます。これは分野が成熟した証であり、持続可能性を高めます。多くの企業にとって、あらゆることに大規模なモデルへのトークン支出を増やし続けることは、もはや持続可能ではありません。
したがって、それが私が最も興奮する点でしょう。そしてその中でも、ローカル AI が特に私の心を揺さぶるものです。
クセニア：廃業することを恐れてはいないのですか？
Clem: いいえ。ローカル AI を行う人が増えれば、彼らは問題を解決し、AI の価値をより多く理解するようになり、その結果、他のすべてのツールも利用するようになります。
私はローカル AI は素晴らしいと思います。llama.cpp などのツールは驚くべきものであり、人々がそれらをどのように使用しているか、ラップトップで得られる速度を見たとき、その凄さがわかります。しかし、多くのオープンエージェントプラットフォームは、これまでのところローカル AI に対してあまり良くない結果をもたらしてきました。これは皮肉なことです。なぜなら、それらは本来オープンなコーディングエージェントプラットフォームであるべきだからです。
実際には、ハーンセス（harnesses）や周辺システムはオープンソース化されていましたが、プロプライエタリ API のために最適化されていました。そのため、最先端のクローズドモデルとは非常に良く動作しましたが、ローカルモデルやオープンモデルとの相性は悪かったです。その結果、人々はモデル自体が悪いのだと誤解しがちですが、実際にはパフォーマンスを左右していたのは、ハーンセスやモデルを取り巻く多くのトリックでした。
OpenCode のようなものを単に取得して、1 つのモデルを別のモデルに置き換えるだけで、即座に動作するものだと期待することはできません。モデルのパフォーマンスと精度に影響を与える要素は多数あります。
しかし、私たちはこれらのコミュニティと協力し続けており、彼らはこれを改善するために素晴らしい取り組みを行ってきました。そのため、ローカルモデル、オープンソースモデル、そしてより良いオープンエージェントプラットフォームが結びつく中で、今後数ヶ月間に人々が何を作り出すのかを見るのが楽しみです。
Ksenia: 最も懸念されていることは何ですか？
Clem: 先ほどお話しした内容です——米国におけるオープンソースに対する再燃するロビー活動です。これは懸念すべきことです。なぜなら、私の意見ではそれは間違った方向へ進み、この分野にとって破壊的だからです。
ビルダーたちはすでに世界有数のテクノロジー企業との競争において十分な課題を抱えています。彼らがローカルでモデルを実行することを妨げる規制についてまで心配させたくはありません。もし私がソフトウェアを書いてそれをローカルで実行したいなら、それは許されるべきことです。なぜ AI だけが異なる扱いを受ける必要があるのでしょうか？
それは私を直接不安にさせるわけではありません。なぜなら、人々は最終的にオープンソースがいかに重要であり、いかに世界にとって有益であるかを理解するだろうと思うからです。しかし、それは私を悩ませます。なぜなら、こうした戦いに時間を費やすよりも、もっとやるべきことがあると感じるからです—そして残念ながら、私たちはまだそれらの戦いを続けなければなりません。
重要な一冊
クセニア：私の最後の質問はいつも本についてです。あなたに大きな影響を与えた本は何ですか？—あなたの形成期から最近のものまで、ぜひ共有したい一冊を教えてください。
クレム：私が最も好きな本のひとつは、カミュの『シーシュポスの神話』です。この物語では、シーシュポスは岩を山頂まで押し上げるよう呪われ、山頂に到達するたびに岩が転がり落ち、また最初からやり直さなければなりません。
この本の結論—最後の一文—は「シーシュポスを幸せな人間として想像しなければならない」というものです。
その背後にある哲学は、任務の表面的な無意味さにもかかわらず、シーシュポスがその行為自体に幸福を見出すという点にあります。単に頂上に到達することや最終的に成功することに焦点を当てるのではなく、仕事を見るにはより意味のある方法があるのです。
これは創業者としての私にとって非常に有用な比喩となっています：最終的な成果や到達したい地点だけでなく、構築する行為そのものを楽しむことです。
今、AI の分野では特にそれがより必要だと私は思います。なぜなら、人々が不安を感じたり、ストレスを抱えたり、圧倒されたりするようなことがあまりにも多く起こっているからです。「どうやってついていけばいいのか？」「どうやって競争すればいいのか？」と尋ねる人もいます。特に私たち親にとって、シリコンバレーで 24 時間年中無休で働く 20 代の若者を見て、「そんな世界でどうやって存在感を保てばいいのだろう」と思うこともあります。
タスクを楽しむというマインドセットを持ち、旅そのものを楽しみ、有益な仕事を行い、楽しむこと——それが大きな部分を占めているように思えます。
*このインタビューは明確化のために編集・要約されています。*
さらに読むべき資料
関連する Turing Post のリソース:
よくある質問 (FAQ)
- Clem Delangue 氏のオープンソース AI に関する主張は何ですか？
彼は、オープンソース AI はコントロール、学習、競争、アクセスに関わるものだと主張しています。より多くの人々が、モデルを自らトレーニングし、ファインチューニングし、最適化し、実行できるようになるべきです。
- オープンウェイトとクローズド API の違いは何ですか？
オープンウェイトとは、ビルダーが検査・適応可能なモデルコンポーネントのことです。一方、クローズド API は、ツールやルーティング、ハネスを備えた完全なシステムであり、インターフェースの背後には複数のモデルが存在することもあります。
- ローカル AI がなぜ重要なのか？
ローカル AI はコスト削減、プライバシーの向上、ビルダーによるコントロール強化をもたらします。Clem 氏は、現在大規模なプロプライエタリ API に依存している多くのワークロードを、ローカル AI が処理できる可能性があると主張しています。
原文を表示
*In conversation with Clem Delangue, co-founder and CEO at Hugging Face about the state of Open Source AI (and the myth of Sisyphus) *
One of Clem’s clearest points is that comparing open weights to closed APIs is like comparing an engine to a car. And that’s why the question “are open-source models catching up?” doesn’t even matter in the same way. Behind an API, there are tools, harnesses, routing, and sometimes several models. So when people say open models are “behind,” the real question is: behind what system, for what task, and at what cost?
Opening it up means making it possible for many more people to build. Clem is specific about where this goes. He expects AI builders to grow from a few million today to tens of millions, maybe even 100 million: people who train, fine-tune, optimize, and run models themselves. Hugging Face is already preparing for that world, where agents pull models, use datasets, read docs, and may become a larger user base than humans by the end of 2026.
We also talk about Reachy Mini, Hugging Face’s open-source desktop robot, which has sold close to 10,000 units. Clem’s point is simple: people change their view of AI when they build with it, assemble it, break it, fix it, and make something small work. When it’s something physical – like a cute robot – it works even better! I loved that idea.
And we get into the arguments open source conversations often avoid: why the cybersecurity case is more complicated than “closed is safer,” why safety can be used as cover for business interests, and why local models sometimes look weaker because the surrounding agent harnesses were built for proprietary APIs.
This is a conversation about choice, control, and the next class of AI builders. Watch it! *(I recommend 1.2x or 1.5x speed)→*
*We prepared a transcript for reference, but *the full experience is in the video*. And as always: like and comment. It helps us grow on YouTube and bring you more insights.*
Clem Delangue on why AI builders may multiply
Ksenia:Thank you, Clem, for agreeing to this interview. I’m a big fan ofHugging Face and what you’ve been doing for the open-source community. It’s been amazing to know you for many years and finally meet you in person.
Clem:**Yes – thanks for having me.
Ksenia:**Let’s start with your recent post about ML Intern and how you’ve been playing with it on Hugging Face. What’s the most surprising – and maybe funniest – thing you’ve learned about how agents work on real machine learning tasks right now?
Clem:**What’s interesting is that default coding agents are still pretty bad at building AI. You saw that when Andrej Karpathy released Auto Research – or maybe it was something before that – and said he barely used agents to build it, because either it was too out-of-distribution or it just didn’t work yet for building AI.
But with a couple of tweaks to the harnesses, the model connections, and the tools – like the Hugging Face Hub – you can actually make a lot of progress. We were surprised that ML InTern is now managing to fine-tune small models, create datasets, convert models into different formats. Today the team got it to pass the interview test they had for researchers. In half an hour, it aces the test.
We’ve been really excited about that. If agents can lower the barrier to entry for building AI, it’s going to be very valuable for the world. It will enable more people to build open-source models, create open datasets, and maybe play with local models – which historically has been a bit hard to do, but is getting easier now.
Ksenia:**How do you see this developing over the coming months? Where is the acceleration?
Clem:**I think the number of people who can become AI builders is going to explode. We’ll go from maybe a few hundred thousand – or low millions – of people who have the skills to do this kind of work, to tens of millions, maybe fifty million, maybe a hundred million at some point.
Maybe eventually every software engineer will be able to optimize models, train models, fine-tune models themselves. That would be amazing, because it would mean they’re not only relying on closed APIs and third-party vendors that can dictate terms, raise prices whenever they want, deprecate models whenever they want, or change them behind the scenes so you’re not even sure why the quality has gone down on your workloads.
It gives some control back to builders, which is nice.
Ksenia:**A couple of months ago I did a little interview with Steve Yegge, and he said non-technical people will definitely come into this coding world. How do you feel about that? Are we ready?
Clem:**The beauty of AI is that a lot of it is driven by datasets and text in general. Compared to software engineering, where you had to learn a programming language, AI has the potential to have a much wider base of users – people who can contribute to it.
So I hope it happens. I think it would be good, too, because the more diversity of builders you have, the wider the perspectives. And what’s good for the field is that it pushes it toward actual challenges and things that are important to people.
If more people could build AI, maybe we’d have a little less video-AI slop and a little more biology, chemistry, medicine, climate, things that a couple of Silicon Valley guys may not care that much about, but that other people do care about. It brings more perspective, and hopefully more real problems get solved.
Ksenia:**Do you think more creation with AI eventually gets to some quality threshold – where people stop creating slop and start actually solving problems?
Clem:**I think there’s a lot more than slop to build. The more you empower people to build, the more they’ll build things other than slop.
And empowering more people to become AI builders will also change the public perception of AI. Right now, the perception is terrible. If you look at the studies, it’s crazy – people are either very scared, or they hate AI, or they don’t want to hear about it.
Whereas if you help them understand how to build these systems, and let them build them, they start seeing AI as something empowering – something they can use to solve problems that matter to them. I think that’s one of the best ways to change public perception. If AI stays only in the hands of a few companies and a few builders, those companies can do marketing, sure, but I don’t think they’ll convince people that AI is good.
Opening AI to More People
Ksenia:**To your point about opening the world and changing the perception of AI – who is the main player who can do that? Right now we have five main companies, governments, and attempts like Hugging Face to open the space. Who can actually change opinion?
Clem:**A bit of everyone. Every part of the ecosystem has a role to play. Policymakers have a big role. Companies have a big role. Research and academia have a big role.
A good practical example is the Reachy Mini**. If you ask people in the abstract, “Are you excited about AI robots?” I don’t think most people would say yes. Some are – in our bubble – but most are not.
What happens is: when you actually ship one of these – and we’ve sold almost 10,000 of them – people who may not be especially excited about AI robots buy one because it’s cute, or because they think they can play with it with their kids. Then they assemble it. It takes three hours. They build it themselves. They start playing with it. They build apps.
And automatically, they start to love AI robots.
That’s an example of the mechanics of enabling people to take part in the process, build AI themselves, and see their perception change.
Obviously there’s a lot of fear-based marketing in AI right now.
Ksenia:What’s the purpose of that?
Clem:**Well, it sells. A few days after Project Glasswing was announced, we started receiving emails from some companies connected to the program trying to sell us commercial agreements. So obviously, it serves that kind of purpose.
I also think some people doing that marketing genuinely believe that restricting access is important. But I think it’s a mistake, and it’s misleading.
What you want is to give people access so they can build and realize it’s a tool. It’s software 2.0 or software 3.0. It’s not Robocop. It’s not some self-conscious entity governing itself. It’s a technology we built, and that we are going to keep pushing in the right direction. So in my opinion, there’s no need to lean so hard on fear-based marketing.
How Open Source AI Strengthens Cybersecurity (Not the Opposite)
Ksenia:**Let’s try to counter some of those views that frame open source specifically as a tool to create bioweapons, deepfakes, and so on. What would you say to those people? Why is it true, or why is it not true?
Clem:**Cybersecurity is a good example, because it gets weaponized against other domains all the time. People say, “This is why you shouldn’t release these models.”
But if you look at how cybersecurity actually works, it’s always about empowering more defenders than attackers – making it more expensive to attack than to defend, and building resilience into systems so that when an attack succeeds, the system can be patched quickly, resolved quickly, and the damage doesn’t become systemic.
If you take those things one by one, open source is much more a solution than a problem. For example, we all know that open-source repositories are patched much faster than proprietary systems. Once you have an attack on a proprietary system behind closed doors, attackers can take advantage of access to user data or important information for weeks before it gets patched. And by the time it’s patched, it’s too late.
So by keeping things closed-source, in the hands of a small number of people, you actually increase the risk – because you increase the asymmetry of power and capability. A few people get powerful capabilities, while defenders don’t. That’s when you create more risk.
When you open things up, you keep the balance more even, and defenders usually have a way to counter attackers.
We’ve seen this thinking before in AI. Famously, GPT-2 was once described as too dangerous to release. And now we laugh about it. It didn’t create the kind of problem people feared.
The bigger risk is when a model is more powerful and gets leaked, or when some entity with bad intentions has access to those capabilities while the rest of the world doesn’t. That’s when you create more risk.
APIs and small restricted releases often give a fake impression of control and safety. But if you look systematically at how cybersecurity works, open source is actually a solution to many of these problems.
The Business Case for Releasing Open Models
Ksenia:**You mentioned APIs. For many companies – like ElevenLabs, for example – they don’t open source because that’s their business model. They’ve been working on a closed model for a long time, and with the big players they simply can’t. So when you advocate for open source so passionately, how does that fit with the business side?
Clem:**First, it’s totally fine for companies not to do open source. There’s nothing wrong with that. What frustrates me is when companies don’t say that honestly, and instead say, “Oh, I’m not open-sourcing because of safety.”
I don’t think that’s usually the real reason. The real reason is what you said: it’s not in their business interest. That’s totally fine.
What we often explain to those companies is that if they open-source small parts of what they do – publish a research paper, release a partially public dataset, release a small model while keeping the big model proprietary – then first, it’s good for the world. It contributes something meaningful to the field.
Second, we’ve seen many examples where it’s also good for the company. It helps them hire better people. It makes them more credible. It increases their visibility.
We’ve had lots of examples of companies like Mistral or Cohere benefiting tremendously from releasing things in open source while still managing to build big businesses. So that’s usually what we explain. But again, it’s perfectly fine for a company not to open source if it doesn’t align with their strategy.
DC Lobbying Against Open Source AI: What's Actually at Stake
Ksenia:**You’ve recently been flagging lobbying in DC against open source, and again, you’re very passionate about it. What’s your stand here? What do you want to tell them? What do you want us to do? Why is it important?
Clem:**First, it’s not the first time. We had similar things happen two or three years ago for different reasons. But it looks like it’s coming back.
I think it would be a mistake for the US – and frankly for any country – to try to slow down open source, because open source is the foundation of all technology. A country that leads open source is a country that can lead AI in general.
All the progress in AI that you’re seeing today, and a lot of American leadership, in my opinion, comes from the open-source leadership of the US. Google famously open-sourced transformers and attention – and that got used by ChatGPT. That’s just one example of the emulation and collaboration that happened in open source in the US and led to today’s leadership.
So if tomorrow the US slows down open source, then automatically, a few months or a few years later, it’s going to lose its AI leadership in general. That’s not something we want.
Second, if you slow down open source, you increase concentration of power, capability, and revenue. You run the risk of AI being dominated by one, two, or three companies. Because if you remove open source, you prevent anyone else from competing with the big guys.
Without open-source models, open datasets, and open libraries, it becomes impossible for anyone to do AI except OpenAI, Anthropic, and the big tech companies.
Imagine a world where only a few companies could do AI – just like if only a few companies could do software. That would be quite scary. You want open source to create competition, more jobs, more emulation, more growth.
If only a few companies do AI, they’ll capture all the value, and they won’t create enough jobs to compensate for the jobs that are destroyed. You want an ecosystem of small companies, medium-sized companies, large companies – everyone able to build AI and create value. Otherwise, you end up with a world where only a few companies capture everything, and that’s not enough growth.
Coming Back From Paternal Leave
Ksenia:**You recently had a three-month paternal leave – and three months is a long time in AI. How do you see the world now? What changed?
Clem:**I actually came back a bit earlier than planned because I was too excited to come back, to be honest. And I was lucky that my wife did such an amazing job taking care of the babies that I felt confident going back to work.
Obviously, even a week feels like a long time in AI these days.
The biggest change has been the total domination – and mind-blowing adoption – of coding agents. That completely changed how most technology is built.
We’ve seen that at Hugging Face too. A bigger and bigger part of our usage is coming from agents. I wouldn’t be surprised if by the end of this year we had more agent users than human users of Hugging Face. We’re seeing a lot of people using agents that pull models from Hugging Face, pull datasets, contribute to things. That’s super exciting. It’s a crazy multiplier effect for builders.
Ksenia:**That’s very interesting, because we were just talking about new builders arriving – maybe not AI engineers or ML engineers, but people who tinker with this stuff. At the same time, agents are coming to the same platform. So if we talk about Hugging Face, how do you need to change the platform structurally or technically? Do you have to adapt because agents are your new customers?
Clem:**Yes, absolutely. You have to adapt because agents are your new users.
You put much more focus on CLIs, APIs, and everything headless that agents can adopt easily. You make sure your documentation, your agents.md files, everything works seamlessly for agents.
Something people underestimate is that you also need to make your platform token-efficient for agents. You don’t want agents burning through too many tokens just to use your platform, especially with token prices where they are. You want your APIs and abstractions to be very efficient.
A good example is also the Reachy Mini**. When we started working on it last year, it was really hard for people to build apps for it. Now we’re shipping a new batch this week or next week – you’re going to receive one – and now people can just talk to their agents to build any robotics app they want.
So Reachy Mini is going to be one of the first robots that is fully agent-native. People receive it, and right away they can start building apps they’re excited about with their agents in a few hours. I’m super excited to see what people build with the new batch.
Hugging Face, Robotics, and HF’s Business Model
Ksenia:You’re one of the first platforms making that possible. How does the Hugging Face robotics ecosystem fit into your business strategy?
Clem:Robotics is very important for us. It’s an extension of our platform. The community is very vibrant with LeRobot. It’s become one of the most used libraries for open robotics, and we see it as another way to empower AI builders.
The same way an AI builder should be able to train and optimize their own models, they should be able to build and optimize their own robots. And frankly, it’s fun. You’ll see when you get yours – assembling it yourself, fixing it when there’s a problem, building apps – it’s really fun.
We’re probably not always the best at thinking too much about monetization. Depending on your perspective, that’s either a flaw or a quality. But we’re starting to see the right system emerge: a premium model where a lot of what we do is free and open, and then a small percentage – especially with enterprise users, storage, token usage, or buying a robot – is paid. Hopefully that paid part funds the free part, and we create the right flywheel to keep growing and become profitable.
Ksenia:Maybe when everybody switches to local models on their laptops, there won’t be much business left there for you, and you’ll just become a hardware company selling robots.
Clem:**That would be amazing.
I’m so excited about local AI because when you run a model locally, it’s almost free. You already have the hardware most of the time. It’s private. It’s a huge cybersecurity advantage because you don’t send your data anywhere – it stays on your device. There’s a reason Apple is so focused on local.
It’s fast, controllable, hackable in a good way – you can update weights, transfer weights, experiment. We’re seeing downloads of local models from Hugging Face really explode. Part of our team has llama.cpp**, which is one of the most used runtimes for local AI. It makes it easy to download a model and run it on almost any hardware.
We’re still in the early stage of AI, and for some reason 99% of workloads today are API calls to massive proprietary models – probably because it’s easier and people feel more comfortable starting there. But ultimately, I think a very large part of workloads will move to open-source models, smaller specialized models, and local models. Maybe you’ll use a big proprietary API for 5% of your tokens, and the other 95% will be handled by specialized or local models. That would be great.
Local AI vs Closed APIs: The Real Trade-offs
Ksenia:I recently had a conversation with Nathan Lambert, and he said he doesn’t believe open models will catch up to closed models anytime soon – maybe ever. How do you think about that?
Clem:**Comparing open weights with APIs is a bit like comparing apples and oranges, because they’re not really the same systems. Behind an API, you have tooling, harnesses, systems – sometimes several models behind the interface. Comparing that to a raw model is unfair. It’s like saying, “My engine is never going to be better than the car.” It’s not the same thing.
Option
Best for
Tradeoff
Closed API
Fast prototyping
Less control
Open model
Customization and learning
More engineering work
Local model
Privacy and cost control
Not always frontier-level
Agent-native platform
Automated workflows
Needs clean APIs and docs
And they don’t need to have exactly the same accuracy, because they provide different kinds of value. A local model is free. It’s private. So even if it doesn’t have the same accuracy on every task, it can still be the better choice for many tasks because it saves money and gives you privacy and control.
Yes, it’s fun to compare accuracy. I think the gap has been shrinking, and the open-source community has been amazing at pushing the frontier. But at the end of the day, I don’t think that’s what matters most. Especially as people become more concerned about cost and compute constraints, those are positive forces for open-source models, regardless of how close they are on some benchmark.
And benchmarks are benchmarks. Just because one model is better at a big generalist chat benchmark doesn’t mean it will perform better on your specific task. I think we should progressively let go of this thinking in absolute terms – better or worse – and instead look at specific use cases and the best trade-offs between accuracy, cost, speed, privacy, and control.
One thing people don’t talk about enough is that open source gives you a learning experience. It builds your skill at training models. In the long run, I think that’s key for companies, because building features and products is becoming trivial. With Cursor, Lovable, and all these tools, progressively almost anyone can build websites, apps, and features.
What will help you differentiate and succeed as a company is getting closer to the frontier – maybe your ability to train models yourself, optimize them, fine-tune them, post-train them on your own data. And obviously, you can only really do that with open source. You can’t do it with an API.
AI Literacy, Robotics, and What We’re Missing
Ksenia:**I always talk about AI literacy becoming as important as reading and writing. But what you’re saying suggests we won’t only need to read and write – we’ll also need to train models.
Clem:**Yes – training models, optimizing models, building your datasets, creating multimodal systems, running them locally. All of that is the new equivalent of building software a few years ago. These are the skills you’ll increasingly need to differentiate yourself.
Robotics too.
Skill
What it means now
Fine-tuning
Adapting models to your own task or data, not only prompting closed systems.
Dataset building
Creating, cleaning, and evaluating the data that makes AI useful.
Local deployment
Running models on your own device or infrastructure for privacy, cost, and control.
Agent harnesses
Understanding the tools, routing, APIs, and prompts around the model. The engine is not the car.
Robotics
Building, testing, and fixing simple physical AI systems like Reachy Mini.
Tradeoff thinking
Choosing by task, cost, speed, privacy, and control, not by benchmark rank alone.
Ksenia:**Hugging Face needs to go to schools with Reachy Mini and teach model training.
Clem:**We already have a bunch of professors buying Reachy Mini to help their students learn robotics. It’s good.
Ksenia:**You’ve been playing with robotics more than many people. What’s the equivalent of robotic slop?
Clem:**In humanoid robots, there are definitely a lot of fake AI marketing videos. Not many humanoid robots have actually shipped or become really useful yet. So there’s a lot of slop on the marketing side.
Every time you see a robot video, use critical thinking. A lot of them are just marketing and nowhere close to the robot’s real capabilities or real-world behavior.
Reachy Mini is actually one of the robots that has shipped the most these days. And for that level of cost, it’s pretty close to the frontier – I haven’t seen anything significantly more advanced at that price.
It’s not yet full physical AI. It’s more of an intermediate step from chatbots toward robotics. We still have a lot to solve before reliable, useful humanoid robots become normal – maybe in three, four, five, six years.
Ksenia:**From the Hugging Face platform perspective, what’s missing? Datasets? What are the bottlenecks your audience can help solve in robotics?
Clem:Yes – datasets are missing, especially large datasets, because they’re costly to gather and host. We recently worked on a product to help with that called Hugging Face Buckets. It’s a way to store large datasets on the Hub – a bit like S3, but designed more for AI. It builds on technology from Xet, a company we acquired, which deduplicates datasets and makes them much easier and cheaper to host.
So hopefully that helps.
Frankly, we also need more builders. Historically, robotics was seen as a difficult field to break into, and that scared people off. But I think that’s changing. Now more builders – especially software engineers – can start playing with robotics by buying a Reachy Mini and starting their learning curve. After a few months, especially with agents, they can do really cool things.
So: more builders, more datasets, more openness. Right now a lot of companies are still working in silos without sharing much of their research. More openness and more collaboration would accelerate robotics the same way it accelerated models.
Hugging Face Becoming an Institution
Ksenia:How do you feel about Hugging Face becoming such a big part of the ecosystem – almost an establishment in its own right? Aren’t you afraid of becoming the kind of company you originally fought against?
Clem:**No. We’re still tiny compared to many others. We’re still very community-driven, and I think that keeps us grounded in what people actually need.
We now have 15 million AI builders using the platform. There’s a new repository created every eight seconds. Almost three million public models on the platform, almost a million datasets. But the field changes so fast that it creates really strong forcing functions for us to keep changing and innovating.
We’re only about 200 people as a company, which is relatively small compared to our peers. I think we have a good setup to keep pushing ourselves – on robotics, storage, infrastructure, and the agent side, both to help everyone become AI builders and to help agents themselves become AI builders with their users.
My paternity leave was amazing for that too – taking a break and then coming back with fresh founder energy. It helped.
Ksenia:**What was your biggest revelation?
Clem:**Having kids gives you more perspective. You stop taking things too seriously. You stop overthinking certain things and focus more on getting things done – on what’s most impactful – so that you also have time for your family.
That was probably the biggest shift. I’m sure more insights will come over time, but it’s still a bit fresh.
Ksenia:**Is it true that you recently turned down a big investment from Nvidia?
Clem:**We usually don’t comment on private fundraising conversations. We’ve been lucky to be in a very strategic position in the community and to have strong investor support. We probably could have raised ten times more money than we have so far, and we’re grateful for that.
But for something like us, I’m not sure fundraising is what matters most. We’re building a community platform for the long run. It’s always trade-offs. Sometimes more money in the bank, bigger teams, or bigger spending also comes with more constraints – constraints to return more money to investors, constraints to go in certain directions. These are always the trade-offs founders make.
What Excites – and Concerns – Hugging Face's CEO
Ksenia:**Concluding our conversation: what excites you the most in the coming couple of years? The previous years felt like rushing into the bubble – researching, experimenting, building. This year feels more concrete to me. I don’t know how you feel.
Clem:**Yes, the field is definitely maturing. As I mentioned, we’re moving from a world where everyone just used the largest proprietary model through an API to a world where people are more thoughtful. They’re thinking: for some things we use APIs, for others we use specialized open-source models, and for others we use local models that are free.
I’m excited about that. It’s a sign the field is maturing, and it makes things more sustainable. For many companies, it’s just not sustainable to keep increasing token spend on large models for everything.
So that’s probably what excites me most – and within that, local AI is probably the thing that excites me the most.
Ksenia:**Aren’t you afraid to go out of business?
Clem:**No. The more people do local AI, the more they solve problems, the more they see the value of AI, and the more they’ll use everything else too.
I think local AI is great. Tools like llama.cpp are amazing – when you see how people use them, the speed they get on laptops. A lot of open agent platforms have actually been pretty bad for local AI so far, which is paradoxical, because they’re supposed to be open coding-agent platforms.
Often the harnesses and surrounding systems were open-source, but optimized for proprietary APIs. So they worked really well with frontier closed models and poorly with local or open ones. People then assumed the models themselves were bad, but often it was the harnesses and all the tricks around the model that were making or breaking performance.
You can’t just take something like OpenCode and swap one model for another and expect it to work instantly. There are many things around the model that affect performance and accuracy.
But we’ve been working with these communities, and they’ve been amazing about improving this. So I’m excited to see what people build over the next few months as local models, open-source models, and better open agent platforms come together.
Ksenia:**What concerns you the most?
Clem:**What we talked about earlier – renewed lobbying against open source in the US. That’s concerning, because in my opinion it pushes in the wrong direction and is destructive for the field.
Builders already have enough challenges competing with some of the biggest technology companies in the world. You don’t want them also worrying about regulation that prevents them from running a model locally. If I want to write software and run it locally, I’m allowed to do that. Why should it be different for AI?
It doesn’t exactly worry me, because I think people will ultimately understand how important open source is and how good it is for the world. But it does bother me, because I feel like we have better things to do than fight these battles – and unfortunately we still have to fight them.
A Book That Matters
Ksenia:**My last question is always about a book. What book influenced you a lot – one you’d love to share, either from your formative years or more recently?
Clem:One of my favorite books is The Myth of Sisyphus by Camus. The idea is that Sisyphus is condemned to push this rock up a mountain, and every time he reaches the top, the rock rolls back down and he has to start again.
The conclusion of the book – the last sentence – is that you must imagine Sisyphus happy.
The philosophy behind it is that, despite the seeming meaninglessness of the task, Sisyphus finds happiness in the task itself. There are more meaningful ways to look at the work than just reaching the top or succeeding at the end.
That’s been a very useful metaphor for me as a founder: enjoying the act of building itself, not only the outcome or where you ultimately want to be.
I think you need that even more in AI right now, because so many things are happening that people can feel nervous, stressed, overwhelmed. They ask: how do I keep up? How do I compete? Especially for us as parents – sometimes you see a 20-year-old in Silicon Valley working 24/7 and you think, how am I going to stay relevant in a world like that?
Adopting more of a mindset of enjoying the task, enjoying the journey, doing useful work, and having fun – that seems like a big part of it.
*This interview has been edited and condensed for clarity.*
Further reading
Relevant Turing Post resources:
FAQ
- What is Clem Delangue’s argument about open source AI?He argues that open source AI is about control, learning, competition, and access. More people should be able to train, fine-tune, optimize, and run models themselves.
- Open weights vs closed APIs: what is the difference?Open weights are model components builders can inspect and adapt. Closed APIs are full systems with tools, routing, harnesses, and sometimes multiple models behind the interface.
- Why does local AI matter?Local AI can reduce cost, improve privacy, and give builders more control. Clem argues it may handle many workloads that currently default to large proprietary APIs.
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み