Gekaufte Charts? Wir haben die Liker der Hugging-Face-Spitze durchleuchtet

Darum geht es

Wer auf huggingface.co nach offenen KI-Modellen sucht, sieht zuerst die Liste „Trending“. Was dort oben steht, landet in Newslettern, automatischen News-Digests und Reddit-Threads und wird heruntergeladen. Die Liste ist damit eine Art Charts für offene KI. Am Wochenende hat die Community auf Hugging Face und Reddit eine unangenehme Frage gestellt: Wie viele dieser Likes sind echt? Auslöser war Diskussion #97 beim Videomodell LTX-2.5 von Lightricks. Gleichzeitig steht ein auffälliges Modell auf Platz 1.

Wir haben die öffentlichen Daten von Hugging Face selbst ausgewertet. Ein Hinweis vorab: Wir haben keine vollständigen Listen mit Tausenden Likern ausgezählt. Wir haben Stichproben gezogen, vor allem die jeweils 100 neuesten Liker von sieben Modellen sowie Ausschnitte aus der Mitte der Listen. Abgerufen haben wir die Daten am 15. November 2026. Bei der automatischen Auswertung können einzelne Ablesefehler passiert sein.

Wie die Trending-Liste tickt (soweit bekannt)

Hugging Face veröffentlicht keine Formel für den Trending-Score. Eine Frage dazu im offiziellen Forum ist seit November 2024 ohne Antwort vom Personal. Der Datensatz severo/trending-repos beschreibt Trending als Abbild „der Likes, die Hugging-Face-Nutzer in der letzten Woche vergeben haben“. Unser Schnappschuss passt dazu. Bei ganz neuen Modellen liegt der Score fast genau bei der Zahl aller Likes: Haru-4B hat 283 Likes und einen Score von 267, Edge0-145B 278 Likes und 250. Downloads spielen offenbar kaum eine Rolle. Das Comfy-Org-Repo von MiniMax-H3-Image wurde in 30 Tagen fast zwei Millionen Mal geladen und kommt trotzdem nur auf 366 Punkte.

Unsere Einschätzung: Der Score ist im Kern ein Zähler für frische Likes, eventuell zeitlich gewichtet. Wer Likes herstellen kann, kann damit auch die Charts herstellen.

Der Schnappschuss: die Top 20 am 15. November

Das Verhältnis von Likes zu Downloads ist kein Beweis. Modelle, die erst drei Tage alt sind, haben naturgemäß wenige Downloads, und riesige Modelle wie Kimi lädt kaum jemand privat herunter. Der Spitzenreiter fällt trotzdem aus dem Rahmen. Er ist 16 Tage alt, hat nur 9 Milliarden Parameter und läuft damit auf jeder besseren Gaming-Grafikkarte. Er kommt auf 276 Likes je 1.000 Downloads, rund 90-mal so viele wie Qwen3.8-27B. Laut Model Card ist er eine mit dem Werkzeug Heretic „entzensierte“ Fassung von Jackrong/DeepSeek-V4-Pro-Qwen3.5-9B. Heretic ist eine Methode, die Verweigerungen aus dem Modell herausrechnet: Statt 100 von 100 Testanfragen lehnt es nur noch 3 ab. Das Ausgangsmodell selbst hat laut API ganze 82 Likes und 2.515 Downloads.

Was die Liker-Listen verraten

Die Schnittstelle /api/models/{repo}/likers ist öffentlich. Für jeden Liker liefert sie eine _id, eine sogenannte MongoDB-ObjectID. Ihre ersten 8 Hex-Zeichen sind ein Unix-Zeitstempel und verraten damit, wann das Konto angelegt wurde. Ein Beispiel: 6af90000 entspricht dem 15. November 2026, 00:42 Uhr UTC. Alles, was mit 6af8 oder 6af9 beginnt, ist zum Zeitpunkt unseres Abrufs also höchstens etwa 36 Stunden alt.

Das Ergebnis widerspricht der naheliegenden Vermutung. „Viele Liker haben ihr Konto am selben Tag angelegt“ trifft auf den verdächtigen Spitzenreiter zu, aber genauso auf Qwen3.8-27B und auf Metas ein Jahr altes Segmentierungsmodell sam3. Dieser Wert allein trennt also nicht zwischen echt und gefälscht.

Zwei Einzelfälle zeigen, warum. Das Konto BlackDevil38 wurde am 15. November um 06:13 UTC angelegt. Drei Minuten später likte es innerhalb von 52 Sekunden genau die Plätze 1, 3 und 4 der Trending-Liste und sonst nichts. Das Konto Ppeerapon existiert dagegen seit Juli und hat 106 Likes über Monate verteilt, vor allem Embedding- und Übersetzungsmodelle. Am 15. November likte es binnen elf Minuten elf Trending-Modelle, ziemlich genau in der Reihenfolge der Liste. So verhält sich jemand, der die Charts von oben nach unten durchklickt. Unsere Einschätzung: Ein Teil der frischen Likes ist echtes Neukunden-Verhalten, und die Trending-Liste verstärkt sich dadurch selbst. Wer erst einmal oben steht, bekommt weitere Likes, auch echte.

Die deutlicheren Spuren: Konten vom Fließband

Eindeutiger sind Serien, die nach Massenproduktion aussehen. Etwa in der Mitte der Liker-Liste des Spitzenreiters stehen rund 30 Konten hintereinander, mit Namen wie jimmyhess1993, lori1992, bryan0427, kristen0718 oder robertdixon1998. Ihre Zeitstempel liegen alle zwischen 19:17 und 19:36 UTC am 6. November. Das Konto jimmyhess1993 hat insgesamt genau drei Likes vergeben: eines am 8. November und zwei am 12. November, für den Spitzenreiter und PrunaAI/P-H3-Image, im Abstand von fünf Sekunden.

Dasselbe Muster findet sich in anderen Repos: bei sam3 (adamcole1999, jacob1993, rhondahaas0418), bei speridlabs/idol, bei einem DavidAU-Modell und auch bei MiniMax-H3. Dort liken neun Konten nach dem Schema „Vorname+Nachname+6 Hex-Zeichen“ (etwa lunahoward19f6ee), die alle am 12. November zwischen 04:05 und 05:38 UTC entstanden sind. lunahoward19f6ee hat vorher ein Whisper-Modell, einen Datensatz und eine Space geliked. Unsere Einschätzung: Das passt zu Bot-Konten, die sich mit gestreuten Likes tarnen. Die Muster ähneln denen, die HiddenLayer im Mai beschrieben hat („firstname-lastname###“).

Wichtig dabei: Wenn dieselbe Konto-Fabrik viele populäre Repos liked, lässt sich aus ihrer Anwesenheit nicht ablesen, wer sie bezahlt hat. Das gilt auch für den Spitzenreiter. Für eine Beteiligung von xtools-at haben wir keinen Beleg.

Der Fall LTX-2.5

Für LTX-2.5 hat der Nutzer EclipseMist in Diskussion #97 die vollständigen Listen ausgewertet:

Bei H3 sieht das aus wie ein normaler Start: viele Neulinge im ersten Monat, danach weniger. Bei LTX-2.5 stiegen die Neukonten-Likes drei Monate lang an, während die Downloads laut dem Reddit-Beitrag bei etwa 2,6 Millionen im Monat stagnierten. Öffentliche Digests auf GitHub bestätigen den Anstieg: 8.377 Likes am 19. Oktober, 10.387 am 3. November, 12.014 an unserem Abruftag. Unsere Stichprobe aus der Mitte der Liste zeigt eine weitere Welle: 34 von 60 aufeinanderfolgenden Likern haben Konten, die am 4. Oktober zwischen etwa 13:20 und 21:20 UTC angelegt wurden. Die Namen wirken allerdings individuell und nicht schablonenhaft.

Einen Störfaktor erwähnt in der Diskussion niemand. LTX-2.5 ist laut API „gated“: Wer es herunterladen will, muss sich einloggen und eine Lizenz akzeptieren. MiniMax-H3 ist nicht gated. Ein Teil der Neuanmeldungen könnte also echte Nutzer sein, die nur wegen des Downloads ein Konto anlegen. Den monatelangen Anstieg bei gleichbleibenden Downloads erklärt das aber nicht. Die Benchmark-Angaben aus dem Reddit-Beitrag (LTX-2.5 mit 72 Prozent gegenüber 87 Prozent bei H3 in einem Test von IFM) haben wir nicht geprüft. Lightricks und Hugging Face haben sich in dem Thread bis heute nicht geäußert.

Warum das gefährlich werden kann

Wie riskant das ist, zeigte im Mai der Fall Open-OSS/privacy-filter. Das Repo gab sich als OpenAIs „Privacy Filter“ aus und erreichte laut HiddenLayer in unter 18 Stunden Platz 1, mit rund 244.000 angezeigten Downloads und 667 Likes. 657 dieser Likes stammten von Konten mit Namensschablonen. Das Skript loader.py installierte unter Windows einen Infostealer, also Schadsoftware, die Passwörter, Session-Cookies und Krypto-Wallets abgreift. Hugging Face löschte das Repo. Laut Decrypt hat die Plattform nicht gesagt, ob sie Trending-Repos künftig genauer prüft. Die Analyse von Harper Foley bringt es auf den Punkt:

Ein Popularitätsranking ist keine Identität.

Die Content Policy von Hugging Face verbietet ausdrücklich, Hub-Kennzahlen zu manipulieren („z. B. Belohnungen gegen Likes“), außerdem „exzessive Massenaktivität“ und nicht autorisierte Bot-Zugriffe. Ob Hugging Face Likes junger Konten beim Score herausfiltert, ist nicht dokumentiert. Unsere Stichproben sprechen dagegen. Beim aktuellen Spitzenreiter gibt es übrigens keine Hinweise auf Schadcode: Die Model Card nennt nur Standard-Dateien im Safetensors-Format und keine eigenen Ladeskripte.

Einordnung

Unsere Einschätzung: Die Trending-Liste von Hugging Face lässt sich billig beeinflussen. Sie zählt im Wesentlichen frische Likes, und Konten lassen sich offenbar zu Dutzenden innerhalb von Minuten anlegen. Die Daten zeigen Schablonen-Konten in mindestens fünf der von uns geprüften Repos. Sie zeigen aber auch, dass die oft zitierte Kennzahl „Anteil junger Konten“ für sich allein wenig aussagt. Bei Qwen3.8-27B und sam3 liegt sie ähnlich hoch wie beim Spitzenreiter. Belastbarer sind drei andere Signale: Serien mit gleichen Namensmustern und Zeitstempeln im Minutentakt, ein Like-Download-Verhältnis weit außerhalb der Norm und Like-Kurven, die Monate nach dem Start noch steigen.

Offen bleibt, wer dahintersteckt, ob Hersteller, Dritte oder Like-Dienstleister, die zur Tarnung auch fremde Modelle liken. Für dich als Nutzer heißt das: „Trending“ ist kein Gütesiegel. Schau auf den Herausgeber, auf die Downloads und auf unabhängige Tests. Starte keine Skripte aus unbekannten Repos. Ein Blick in die öffentliche Liker-Liste kostet nur Sekunden. Hugging Face könnte das Problem entschärfen, indem es die Formel offenlegt und Likes sehr junger Konten beim Score geringer gewichtet. Eine Stellungnahme der Plattform dazu liegt bisher nicht vor.