Zum Inhalt
WeltzeitEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal über KI und Technologieereignisse · analysen · interviews · technischer hintergrund

Suche
LIVE
›

Offene Gewichte holen auf, doch der Abstand setzt sich mit jedem Release zurück

Der Bericht State of Open Source AI von Mozilla erschien am 15. September, die Daten reichen bis zum 1. September. Er sieht chinesische Modelle mit offenen Gewichten rund 4,4 Monate hinter den führenden US-Angeboten. Die Hardware-Grafik im selben Bericht zeigt einen größeren Abstand als diese Schlagzeile, und die Bildunterschrift räumt ein: Die Distanz setzt sich mit jedem Release zurück.

KI & ModelleAnalyseLena BrandtVeröffentlicht: 28. September 20267 Min. LesezeitQuellen 5
Offene Gewichte holen auf, doch der Abstand setzt sich mit jedem Release zurück

Der Bericht ist Version 1.1 einer wiederkehrenden Einschätzung, die Mozilla am 14. Juli zuerst im eigenen Blog veröffentlichte. Laut Tom's Hardware stützt er sich auf eine Umfrage von Mozilla und SlashData unter rund 1.400 Entwicklern, auf OpenRouter-Verkehrsdaten und auf Benchmark-Indizes Dritter. Mozilla ist eine gemeinnützige Organisation, die sich für offene Modelle einsetzt. TIME berichtete am 14. Juli, Mozilla-CTO Raffi Krikorian habe den Bericht als teilweise advokatorisch bezeichnet. Diese Einordnung zählt, wenn man die Zahlen liest.

Die zentrale Aussage von Mozilla: Das beste offene Modell lag auf dem Artificial Analysis Intelligence Index drei Punkte hinter dem geschlossenen Spitzenmodell, bei 60% des Preises. Auf Claude Fable 5 fehlten ihm zwei Punkte, bei 30% des Preises. Aus den METR-Aufgabenhorizonten leitet Mozilla einen Abstand von etwa 4,4 Monaten ab, im Einklang mit der Schätzung von Epoch AI von vier Monaten. METR ist eine gemeinnützige Forschungsorganisation. Sie bewertet Modelle danach, wie lang eine Aufgabe in menschlicher Arbeitszeit ist, die sie in der Hälfte der Fälle schaffen.

Was die vier Monate tatsächlich messen

Nach Mozillas angepasster Schätzung bewältigen geschlossene Modelle Aufgaben, für die menschliche Experten 8 bis 12 Stunden brauchen. Offene Modelle erreichen dieses Niveau etwa vier Monate später. Mozilla berechnet eine Verdopplung der offenen Fähigkeiten alle 3,9 Monate, bei geschlossenen Modellen alle 5,5 Monate. vals.ai schickt auf Terminal-Bench 2.1 jedes Modell durch denselben Prüfaufbau. Dort lag GLM-5.2 von Z.ai einen Punkt hinter Claude Opus 4.7 und etwa vier Punkte hinter Opus 4.8, bei weniger als einem Fünftel der Kosten pro Test.

"We see the decision to pay for closed [models] as workload-specific rather than organization-specific," Krikorian told Ars Technica in an email.

Die Verbreitung bei Entwicklern sieht anders aus als der Umsatz. OpenRouter ist ein Marktplatz, der Verkehr an Hunderte Modelle weiterleitet. Dort zählte Mozilla nach Token-Volumen bis August acht der zehn stärksten Modelle zu den offenen Gewichten, sieben davon chinesisch gebaut. Geschlossene Anbieter nahmen laut der Linux Foundation von Mai bis September 2025 dennoch 96% des Umsatzes auf Modellebene über OpenRouter ein. Kostenlose oder billige Token und bezahlter Umsatz sind nicht derselbe Markt.

Mozilla zählt 16 bemerkenswerte offene Releases, doch keines liefert das Datenrezept, das die Definition der Open Source Initiative verlangt. Genau darum geht es in einem OSI-Beitrag vom 19. September mit dem Titel "Open Weights Are Good. Open Source Is Better." Offene Gewichte, schreibt die OSI, erlauben es, ein Modell lokal zu betreiben, einen Dritten mit dem Hosten zu beauftragen oder es auf eigene Daten feinabzustimmen. Vollständig studieren lassen sie sich nicht. Der Code und die Trainingsdaten fehlen, ebenso eine genaue Beschreibung ihrer Erstellung.

Der Vorbehalt bei der Hardware

Die 4,4 Monate und der Token-Preis von 30% sind von API zu API auf gehosteten Endpunkten zum Listenpreis gemessen. Die Hardware-Grafik von Mozilla selbst erzählt eine härtere Geschichte. Das beste offene Modell, das auf einen Server passt, erreicht 52,6; das beste, das auf eine GPU passt, erreicht 40. Der Abstand zur Spitze beträgt 10 beziehungsweise 23 Punkte, mehr als vier Monate nahelegen.

Der native MXFP4-Checkpoint von Kimi K3 umfasst laut Bericht etwa 1,56TB über 96 Shards. Mozillas Serving-Konfiguration listet 64 oder mehr Beschleuniger. vLLM verlangt mindestens acht GB300-GPUs, für Produktionsverkehr über mehrere Knoten. Tom's Hardware bezifferte den Speicherbedarf im Juli auf nahezu 1,5TB. Der Bericht beschreibt das als offen, aber für die meisten, die es besitzen, nicht lauffähig. Eine Ausnahme nennt er: Inkling-Small von Thinking Machines unter Apache 2.0. Dessen NVFP4-Version passt auf eine B300, mit einer Untergrenze von 180GB.

Dazu kommt ein Timing-Problem. Die Daten des Berichts enden am 1. September. Seither hat Artificial Analysis seinen Index auf v4.3 mit einem anderen Evaluationsset umgestellt. Auf der aktuellen Tafel steht Claude Fable 5.1 bei 53 auf seiner höchsten Aufwandsstufe, Kimi K3 bei 44. Diese Zahlen hat Mozilla nicht eingetragen, und sie sind mit den verwendeten Werten aus v4.1.1 nicht vergleichbar. Die Tafel von vals.ai zu Terminal-Bench 2.1, aktualisiert am 11. September, führt inzwischen GPT-6 Astra mit 87,27%, gefolgt von Fable 5.1 mit 85,02%. In der Bildunterschrift von Mozilla heißt es: "the gap resets every release cycle."

K3 steht zudem im Zentrum eines Vorwurfs, den die gemeinsame Warnung AA26-251A von NSA, CISA und FBI vom 8. September ausführt. Mozillas Bericht gibt die Behauptung als "asserted, and unshown" wieder. Sie lautet, Moonshot habe Daten von Claude Fable 5 extrahiert, um K3 durch Destillation zu trainieren, also ein Modell mit den Ausgaben eines anderen Modells. Am 17. Juli führte Artificial Analysis K3 mit 57 gegen Fable 5 mit 60; am 1. September lag es bei Mozilla zwei Punkte zurück.

Kleine Modelle, enge Aufgaben

Nicht jedes Release mit offenen Gewichten jagt die Spitze. S1-mini von Superwhisper, auf Hugging Face veröffentlicht, ist ein Textnormalisierer mit 800.000.000 Parametern für die Ausgabe von Spracherkennung. Er nimmt ein rohes ASR-Transkript und schreibt es als geschriebenen Text um: Füllwörter entfernt, falsche Anfänge und Selbstkorrekturen aufgelöst, Zeichensetzung und Großschreibung ergänzt, gesprochene Zahlen, Daten, Uhrzeiten, Währungen und E-Mail-Adressen in Schriftform gebracht. Auf einem zurückgehaltenen Satz von 7.519 englischen Fällen erreicht er 94,8% Token-Genauigkeit. Der quantisierte Build ist eine Datei von 462 MiB, die auf einer Laptop-CPU läuft.

Die Modellkarte ist ungewöhnlich deutlich darin, was das Modell nicht ist. S1-mini ist kein Chatmodell und folgt keinen allgemeinen Anweisungen. Es ist aus Qwen/Qwen3-0.6B feinabgestimmt und erwartet am Anfang der Eingabe eine Steuerzeile, die Stil, Struktur und Kontext festlegt. Wer den System-Prompt weglässt, seinen Wortlaut ändert oder Werte außerhalb der trainierten Mengen schickt, bekommt Halluzinationen oder unlesbare Ausgabe, so warnt die Karte. Das Modell ist nur für Englisch, lizenziert unter Apache 2.0 plus einer Namensklausel. Die Seitenleiste des Hub meldet 800.000.000 Parameter. Die Karte erklärt jedoch, model.safetensors speichere lm_head.weight als materialisierte Kopie des Input-Embeddings und zähle das Embedding mit 155.600.000 Parametern doppelt: 751.600.000 Tensorelemente gegen 596.000.000 eindeutige Parameter. Das Layout stammt von Qwen3-0.6B, das aus demselben Grund 800.000.000 meldet.

Ein ähnliches Muster zeigt sich in einer Deployment-Notiz von James Cruce vom 22. September. Er entschied sich für Laya, ein Entscheidungsmodell mit offenen Gewichten und 421.000.000 Parametern, statt für das gehostete Jev von TypeSafe. Es ging ihm um die kleinen, begrenzten Entscheidungen seiner Coding-Agenten. Der Checkpoint convaiinnovations/laya-typed-decisions hat einen ModernBERT-large-Encoder und ein Limit von 1.024 Token. Er liefert typisierte Antworten: eine Auswahl unter benannten Optionen, einen Wert auf einer geordneten Skala oder eine Wahrscheinlichkeit für eine Ja-Nein-Aussage. Keine Absätze zum Auswerten. Jev dagegen ist ein gehosteter Dienst mit Early Access. Er kostet 0,042 Dollar pro Million Input-Token, ohne Gebühr für Output-Token, und bewältigt TypeSafe zufolge Auswahlen mit bis zu 255 Optionen.

Cruces angegebener Grund für den Wechsel war nicht der Preis. Er wollte Routineentscheidungen auf seinem Mac Studio laufen lassen, mit lokalen Daten, die lokal bleiben. Außerdem wollte er Kontrolle über das genaue Modell, die erlaubten Optionen und das Verhalten im Fehlerfall. Einen Break-even hat er nicht berechnet und sagt, er habe keine Zahl zu Einsparungen. Er nennt auch Grenzen: Der Anbieter hat Laya auf vier synthetischen Workflows trainiert, und Model Routing gehört nicht dazu. Das Ergebnis ist also ein Deployment auf einem M3 Ultra mit 256GB Unified Memory und kein allgemeines Urteil über Laya gegen Jev. Die Modellkarte warnt, das Modell sei überconfident und brauche domänenspezifische Kalibrierung. "A typed answer can be structurally perfect and factually wrong," schreibt er.

Die Rechtslage rund um Gewichte ist ebenso ungeklärt. Ein Papier von A. Feder Cooper, Mark A. Lemley und Mitautoren, erstmals eingereicht am 18. Mai 2025 und überarbeitet bis zum 20. Juli 2026, maß die Memorierung über 200 Bücher und 14 Modelle mit offenen Gewichten in über 3.000 Experimenten. Das Ergebnis spricht gegen beide Seiten der Urheberrechtsstreitigkeiten. Die meisten Modelle memorieren die meisten Bücher nicht, weder ganz noch teilweise. Llama 3.1 70B aber memoriert einige vollständig, darunter Harry Potter and the Sorcerer's Stone. Das ganze Buch lässt sich fast wörtlich aus den ersten Worten als Prompt extrahieren. Die Autoren schreiben, ihre Ergebnisse hätten erhebliche Bedeutung für Urheberrechtsfälle, allerdings keine, die eindeutig eine Seite begünstige.

Nichts davon entscheidet, ob offene Gewichte gewinnen. Die Kennzahlen, die für Offenheit am besten aussehen, Preis pro Token und Anteil am weitergeleiteten Verkehr, stehen neben Kennzahlen, die schlechter aussehen: Fähigkeit auf einem Server und einer GPU sowie Umsatzanteil. Die Bildunterschrift von Mozilla ist die ehrliche Zusammenfassung: Der Abstand setzt sich mit jedem Release zurück.

Kommentare 0

Quellen

5
  1. 01China's open-weight AI models are now just 4 months behind frontier US offerings, Mozilla report claimsEN
  2. 02Open Weights Are Good. Open Source Is Better.EN
  3. 03S1-mini, Superwhisper's first open-weights language modelEN
  4. 04Does an open-weight decision model beat a hosted one? Jev vs. LayaEN
  5. 05Extracting memorized pieces of (copyrighted) books from open-weight language modelsEN

Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.

Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.

Lena Brandt

Lena Brandt

KI, Modelle und Technik

Lena Brandt schreibt für FLASH24 über Technik, KI und Modelle sowie Medien und Internet und stützt sich dabei auf Herstellerangaben, Studien und öffentlich zugängliche Datensätze, statt Pressemitteilungen ungeprüft zu übernehmen. Bei Modellvergleichen kontrolliert sie Benchmark-Werte, Trainingsdaten und Versionsnummern und rechnet Angaben zu Rechenleistung und Kosten selbst nach. Sie spricht mit Entwicklern und Forschern, wartet auf angekündigte Updates und vergleicht Releases, bevor sie eine Einschätzung abgibt. Privat beschäftigt sie sich mit 3D-Druck, alten Rechnern und der Frage, wie Modelle aus Internetmüll lernen – Themen, die regelmäßig in ihre Texte einfließen. Sie publiziert keine Zahlen, deren Quelle sie nicht selbst überprüfen konnte.

Redaktion →

Kommentare

0
  1. Noch keine Kommentare — seien Sie der Erste.

Kommentar schreiben

Kommentare sind öffentlich sichtbar. Wir veröffentlichen keine Beleidigungen, Werbung oder Spam.