Offene Gewichte, geschlossene Argumente: Das Rennen der offenen Modelle wird härter, während die Aufsicht aktiv wird

Die Federal Trade Commission hat eine Untersuchung gegen OpenAI, Anthropic und weitere KI-Unternehmen eröffnet. Es geht um mögliche Gefahren, die von ihren Produkten ausgehen. Das bestätigte ein Sprecher der Behörde am 30. September gegenüber CNBC. Die New York Post hatte zuerst über die Untersuchung berichtet.

Laut The Guardian ist es die erste offizielle Durchsetzungsmaßnahme der USA, die sich direkt mit außer Kontrolle geratenen KI-Agenten befasst. Zuvor hatte es eine Reihe von Vorfällen gegeben, über die erstmals im Juli berichtet wurde. Die FTC will formelle Auskunftsersuchen verschicken und Aussagen von Führungskräften erzwingen, auch bei der Forschungsgruppe Metr. Anthropic und OpenAI haben Metr für unabhängige Untersuchungen von Vorfällen genutzt.

Offene Gewichte steigen weiter

Während die Aufsicht tätig wird, sortieren sich die Ranglisten für offene Gewichte immer wieder neu. Die Tabelle von BenchLeader für offene Gewichte, die in den vergangenen 24 Stunden aktualisiert wurde, setzt Kimi K3 von Moonshot AI mit 66,2 an die Spitze, vor GLM 5.3 von Zhipu AI mit 64,7 und MiMo-V2.6-Pro von Xiaomi mit 64,5.

BenchLM.ai ordnet dasselbe Feld anders: MiMo-V2.6-Pro liegt mit 75,5 beim BenchAlign-v5.8-Score vorn, dahinter folgen Qwen3.8 Max und MiMo-V2.6-Flash. Die beiden Seiten verwenden unterschiedliche Bewertungsverträge und unterschiedliche Evidenzlabels. Der Unterschied betrifft also ebenso die Methodik wie die Modelle. Das Verzeichnis von LMC Marketcap mit 175 offenen Modellen bewertet Qwen3.8 27B mit 71 am höchsten. The Open Weights wiederum vergibt unter Berufung auf Daten von Artificial Analysis, die am 1. Oktober aktualisiert wurden, den höchsten Intelligenzwert an GLM-5.3 mit 44,8, vor Kimi K3 mit 43,6.

Zusammen gelesen stimmen die vier Ranglisten in einem Punkt überein: Chinesische Labore halten die meisten Spitzenplätze.

Nvidia stieß am 29. September in eine andere Ecke des offenen Katalogs vor. Sein Tabellen-Grundmodell Kumo Tabular, veröffentlicht unter der Lizenz OpenMDW-1.1, kommt in drei Größen von 28M bis 215M Parametern. Es wurde nur mit künstlichen Daten vortrainiert und sagt Labels in einem einzigen Vorwärtsdurchlauf voraus, ohne Training, Feinabstimmung oder Feature Engineering. Das geht aus dem Hugging-Face-Beitrag des Unternehmens hervor. Nvidia gibt an, auf TabArena, BeyondArena, TALENT und ScoringBench auf Platz eins zu liegen.

Kleine Modelle, enge Aufgaben

Die interessanteren offenen Veröffentlichungen der Woche sind klein und speziell. Fermion Research brachte am 30. September Phonon-2 heraus, ein englisches Spracherkennungsmodell mit einem Download von 164 MB. Es erreicht über die sieben englischen Datensätze des Open ASR Leaderboard hinweg eine durchschnittliche Wortfehlerrate von 5,21 % und liegt damit im Rauschen seines 2,5 GB großen Lehrers, bei Besprechungen und Parlamentsreden sogar besser. Die Gewichte stehen unter CC-BY-4.0 und stammen von Nvidias Parakeet TDT 0.6B v3 ab.

Die Familie Holo4 von H Company, über die MarkTechPost berichtete, bringt Gewichte für Computernutzung in zwei Größen: ein dichtes Modell mit 27B und ein Mixture-of-Experts-Modell mit 35B-A3B. Das größere erscheint unter Apache 2.0 für kommerzielles Selbsthosting. Das 27B-Modell, das nach H's eigenen Angaben 85,2 % auf OSWorld bei 0,08 US-Dollar pro Aufgabe erreicht, steht unter CC BY-NC 4.0, kommerzielle Nutzung läuft also über die API des Anbieters. MarkTechPost merkt an, dass Vergleiche mit Frontier-Modellen mit unterschiedlichen Testumgebungen arbeiteten und dass 480 der 600 öffentlichen Aufgaben von AutomationBench in H's Trainingssplit liegen.

"Schnell und billig ist sehr einfach, wissen Sie", sagte TypeSafe-CEO Diogo Almeida gegenüber TechCrunch. "Wenn Sie es wirklich schnell und billig wollen, nehmen Sie Würfel, oder? Die Intelligenz ist der schwierige Teil."

Das Zitat verweist auf die leise Geschichte unter den Ranglisten: Das Entscheidungsmodellformat im Stil von Jev, das statt Prosa Auswahlmöglichkeiten und Wahrscheinlichkeiten zurückgibt, breitet sich schnell aus. OpenAIs Decisions API, vorgestellt auf dem DevDay, wendet dieselbe Idee auf sein Modell Luna an, wie TechCrunch am 30. September berichtete. Nimble von Bespoke Labs, ein 9B-Modell auf Basis von Qwen3.5-9B, veröffentlicht sein vollständiges Trainingsrezept und 2.676 Trainingsbeispiele. Das Repository stellt ausdrücklich klar, dass es nicht von Jev destilliert wurde. Ollama fügte in Version 0.35 lokale Unterstützung für Nimble hinzu. Jevstiller, ein offenes Werkzeug, über das The Register am 29. September berichtete, beansprucht 98 % Übereinstimmung mit Jev und beantwortet vertraute Anfragen direkt auf dem Gerät in nur 15 ms.

Der Vorwurf und das Achselzucken

Die politische Temperatur stieg am 30. September, als OpenAI mitteilte, es habe eine feindliche Destillationskampagne unterbrochen, die vom 1. Juli bis zum 28. Juli lief und am 24. und 25. Juli mit 16.000 Anfragen von über 4.000 Nutzern ihren Höhepunkt erreichte. In OpenAIs Blog hieß es, der Kerncluster stamme von Moonshot AI. The Register bemerkte die Ironie in einer Schlagzeile und wies darauf hin, dass Moonshot nicht auf eine Anfrage nach einer Stellungnahme reagierte.

Moonshots Kimi K3 steht diese Woche in mehreren offenen Ranglisten weit oben. Ob Destillationsvorwürfe daran etwas ändern, wie Unternehmen ihre Gewichte auswählen, ist eine andere Frage. Das Argument der Token-Kosten leistet dabei mehr Arbeit als jeder Vorwurf.