Hub Dollars — V2, 18 octobre 2026 Résultat Le scénario des 50 familles vaut 834 M$ au centre, avec scénarios bas/haut de 281 M$ / 3,46 Md$. Cette fourchette n'est pas un intervalle de confiance. À l'intérieur de ce scénario, nous isolons désormais 459 M$ valorisés à partir de volumes de calcul renseignés : 45 composantes dans 30 familles. Leur fourchette de conversion vaut 228–922 M$. Le calcul est parfois directement rapporté en heures GPU, parfois déduit de paramètres actifs et de tokens publiés. Les prix de conversion et le proxy 6ND restent des hypothèses. Les 374 M$ restants du scénario central dépendent de volumes inconnus, d'analogies, d'extrapolations familiales et de suppléments de post-training. Ce sous-total renseigné n'est ni une facture ni un minimum comptable garanti. La masse hors sélection reste NON ESTIMÉE. Je retire les 130 M$ de V1 du total central : ni le coefficient d'inclusion de 60% du catalogue Epoch, ni le «1% des dépôts × 1000$» n'étaient mesurés. Les conserver comme scénarios exploratoires est possible; les additionner comme résultat data-driven ne l'est pas. Inconnu ne signifie pas zéro. Il n'y a donc pas de nouveau total Hub complet dans cette V2; le milliard de V1 reste une hypothèse exploratoire. Ce qui est réellement devenu plus solide - Session Claude Code «Hub Dollars Audit Claude» créée dans Agent Manager. Audit indépendant des 15 familles dominantes, représentant 542 M$ sur les 829 M$ de la première sélection. Audit et décisions d'intégration conservés. - Correction de Nemotron Nano : 25T tokens consommés, pas 10,6T tokens uniques du corpus. Super : 25T, pas 20T. Ajout explicite de Nemotron-H 8B. - Qwen3-Coder et Qwen3-Next séparés de la marge générique; 7,5T et 15T vérifiés dans l'annonce officielle et la fiche. La preuve primaire remplace Epoch. - Inkling : 45T tokens confirmés dans l'annonce officielle; le volume du grand modèle cesse d'être une supposition. Inkling-Small reste incertain. - Llama3.2 : environ 2,936 millions d'heures H100 supplémentaires explicitées. Les 7,7 millions d'heures Llama3.0 ne sont pas ajoutées au centre tant que leur chevauchement éventuel avec le budget3.1 n'est pas résolu. - KimiK3 : aucune publication de tokens/heures retrouvée. Epoch utilise la même hypothèse de tokens; ce n'est pas une confirmation indépendante. - Les changements de priors sans nouvelle donnée ne sont pas adoptés. Même architecture ne prouve pas mêmes poids, et architecture différente ne prouve pas entraînement depuis zéro. Les filiations restent qualifiées. - Suppression des regex de couverture dans les calculs V2. Un registre conserve les 1378 entrées ouvertes du catalogue Epoch et leur statut. 27 noms auparavant absorbés par une famille sont explicitement signalés comme non chiffrés séparément ou couverts par une simple marge. Recensement, au lieu d'un échantillon des modèles populaires Source publique : https://huggingface.co/datasets/cfahlgren1/hub-stats Snapshot du 17 octobre 2026, proche du relevé API courant. Données brutes archivées localement; calcul DuckDB reproductible, sans appel LLM par dépôt. 3 161 599 lignes, 3 161 594 identifiants distincts (5 lignes dupliquées). 896 565 dépôts déclarent un parent, soit 929 490 liens vers 89 483 parents cités distincts. Ces parents incluent des dérivés : ce n'est pas un compte d'entraînements de base indépendants. 358 928 fine-tunes; 331 374 adapters; 190 958 quantifications; 15 305 merges. 2 265 029 dépôts n'ont pas de relation structurée; ce ne sont pas 2,26M bases. Les tailles safetensors ne sont renseignées que pour 911 789 dépôts (~29%). Elles décrivent des éléments stockés, pas les paramètres actifs d'un MoE. Analyse des fichiers, après correction du détecteur grâce à un échantillon : - 2 494 972 dépôts avec fichiers candidats de poids reconnus; - 356 924 ne contiennent que .gitattributes : dépôts vides; - 128 334 n'ont que documentation/fichiers administratifs; - 62 246 ont des archives candidates, sans format de poids reconnu; - 119 118 restent non résolus. Les fiches peuvent renvoyer vers des poids externes. Présence d'un nom de fichier de poids ne prouve ni entraînement effectif ni originalité des poids. Audit reproductible de la longue traîne Échantillon pseudo-aléatoire à graine fixe de 160 dépôts avec fichier de poids candidat et sans parent parsé. La population de sondage est le snapshot, pas le top téléchargements. 60 autres dépôts sans poids reconnus ont servi à améliorer le détecteur de fichiers : LoRA.bin, state_dict.bin, Kaldi, OCDBT. Parmi les 160 dépôts : 17 adaptations avec provenance explicite retrouvée dans la fiche; 6 conversions/quantifications avec provenance explicite; 1 entraînement depuis zéro décrit précisément; 5 mentions génériques «from scratch» non probantes dans des templates; 75 cas non résolus malgré une fiche disponible; 56 fiches indisponibles (README404/401; cela ne prouve pas l'absence de poids). Aucune imputation de coût zéro aux cas inconnus. Aucun remplacement des fiches inaccessibles par des fiches plus faciles à trouver. Le cas documenté entraîné depuis zéro : 15M paramètres, 655M tokens, un L40S pendant environ 50 minutes selon l'auteur. Un seul budget ne permet pas d'estimer la moyenne. https://huggingface.co/brianbellx/ternary15M L'échantillon mesure la disponibilité des preuves; il ne permet pas encore une estimation monétaire de toute la longue traîne ou de son nombre de runs. Catalogue résiduel et travail restant La première jointure stricte retrouve 116 entrées résiduelles avec un dépôt et un fichier candidat de poids, 2 sans fichier reconnu, 642 non résolues. Non apparié ne veut pas dire absent du Hub. Leur calcul n'est pas additionné : les modèles dérivés et les doublons de versions doivent encore être résolus. Les 100 plus grosses entrées portent 93% des FLOP renseignés du résiduel V1 : c'est le meilleur prochain lot à vérifier. Il faut également chiffrer les familles manquantes explicitement recensées : Mistral Large3, Hy3, Qwen3.8 Flash-Next et certains incréments Kimi. Le registre les conserve, sans zéro. Prix et périmètre Prix constants de scénario identiques à V1, afin d'isoler les corrections de données. Le tarif public actuel Lambda H100 SXM (nœud de 8 GPU) est 3,99 $/GPU-h; notre prix de 2,50 $ central est donc une hypothèse de valorisation, pas ce tarif ni un contrat observé. Même distinction pour A100/B200. Source et prix dans pricing-evidence.json. Les tarifs de petits nœuds à la demande ne prouvent pas ceux d'un grand cluster. https://lambda.ai/instances Données, R&D humaine, inférence des utilisateurs et expériences abandonnées exclues. Ne pas additionner les teachers/base models à chaque dérivé. Les coûts synthétiques déjà incorporés devront être dédupliqués avec les datasets. Prêt pour le futur Hugging Face Space - CSV/JSON des familles, organisations et composantes de calcul; - registre des modèles et des inconnues, métadonnées de provenance; - cinq graphiques exportables PNG/SVG; - rapport HTML consultable localement; - aucun déploiement public effectué. Le Space devrait afficher trois catégories : calcul renseigné valorisé, hypothèses réglables, reste non estimé. Il ne doit jamais transformer null en zéro ni afficher le scénario central comme un montant observé. Contrôle empirique de filiation Claude a comparé des tranches de poids publiques de 2 millions d'éléments, sans télécharger les modèles complets. Devstral2/Medium3.5 : r≈0,994–0,999; Qwen3.5/3.6/3.8-27B : fortes similarités sur plusieurs tenseurs, comparées à des contrôles de couches adjacentes proches de zéro. Cela soutient une parenté de poids; ce n'est ni une confirmation de la filiation exacte par le producteur ni une mesure du calcul supplémentaire. Une initialisation commune reste une explication possible. Un r faible ne prouve pas un nouvel entraînement indépendant. Les essais initiaux utilisaient les branches main : il faudra les reproduire avec des révisions immuables avant publication. Ces résultats servent à signaler les risques de double compte, sans modifier les dollars par une conversion arbitraire de la corrélation en tokens.