Offene Gewichte, geschlossene Rezepte: Was vier Berichte über die Modelle sagen, die man wirklich herunterladen kann
Sprachmodelle mit offenen Gewichten liegen bei einem Fähigkeitsmaßstab rund vier Monate hinter den besten geschlossenen Modellen zurück. Das steht in einem Bericht von Mozilla vom 15. September. Dieselbe Untersuchung zeigt aber, dass die Lücke deutlich größer wird, sobald man die Modelle auf eigener Hardware betreiben will.

Das Argument für offene Gewichte ruht seit jeher auf einem Versprechen: Man bekommt die Datei und damit die Kontrolle. Vier Dokumente, die zwischen Mai und September 2026 erschienen sind, prüfen, wie viel von diesem Versprechen einer Messung standhält. In vielem stimmen sie nicht überein. Einig sind sie sich darin, dass das Wort "offen" weniger leistet, als die Schlagzeilen annehmen.
Die Vier-Monats-Zahl und was sie verdeckt
Mozilla hat am 15. September Version 1.1 seines Berichts State of Open Source AI veröffentlicht, mit Datenstand 1. September, wie Tom's Hardware berichtet. Der Kernbefund: Auf dem Artificial Analysis Intelligence Index lag das beste offene Modell drei Punkte hinter dem geschlossenen Spitzenmodell, bei 60% des Preises. Hinter Claude Fable 5 lag es zwei Punkte zurück, bei 30% des Preises. Mozillas Anpassung an die METR-Daten zum Aufgabenhorizont setzt die Lücke zwischen offen und geschlossen bei etwa 4,4 Monaten an. Das deckt sich mit der Vier-Monats-Schätzung von Epoch AI.
METR bewertet Modelle nach der Länge der Aufgabe, gemessen in menschlicher Arbeitszeit, die sie in der Hälfte der Fälle bewältigen. Nach Mozillas angepasster Schätzung schaffen geschlossene Modelle Aufgaben, für die menschliche Experten 8 bis 12 Stunden brauchen. Offene Modelle erreichen das rund vier Monate später. Nach Mozillas Berechnung verdoppelt sich die offene Fähigkeit alle 3,9 Monate, bei geschlossenen Modellen alle 5,5 Monate. Tom's Hardware weist auf einen Vorbehalt hin, den Mozilla selbst trägt: Die Vier-Monats-Zahl und der Token-Preis von 30% werden API gegen API auf gehosteten Endpunkten zum Listenpreis gemessen.
Die Hardware-Grafik ist die unbequeme
Derselbe Bericht enthält eine Grafik, die neben der Schlagzeile unbequem wirkt. 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 bzw. 23 Punkte, eine größere Lücke als vier Monate Fähigkeitsfortschritt.
Der native MXFP4-Checkpoint von Kimi K3 umfasst etwa 1,56TB über 96 Shards. Mozillas Serving-Konfiguration listet 64 oder mehr Beschleuniger, vLLM verlangt mindestens acht GB300-GPUs, für Produktionsverkehr mehrere Knoten. Der Bericht formuliert es selbst so: offen, aber für die meisten, die es besitzen, nicht lauffähig. Tom's Hardware bezifferte den Speicherbedarf im Juli auf nahe 1,5TB. Es gibt Ausnahmen. Inkling-Small von Thinking Machines, unter der Apache-2.0-Lizenz, hat eine NVFP4-Version, die auf einen B300 mit 180GB Untergrenze passt. Das ist ein echter Datenpunkt, und es ist ein Modell.
Offene Gewichte sind nicht Open Source, und der Unterschied trägt
Die Open Source Initiative hat den Unterschied in einem Beitrag vom 19. September ausdrücklich gemacht. KI-Modelle haben drei Hauptbestandteile: Trainingsdaten, Gewichte und Parameter sowie den Code für Datenaufbereitung und Training. Veröffentlichungen mit offenen Gewichten publizieren die Gewichte. Den Rest publizieren sie nicht.
Offene Gewichte erlauben dir, einige Freiheiten auszuüben, aber nicht alle, und nur bis zu einem gewissen Grad. Echtes Open Source AI erlaubt dir, alle vier ohne Einschränkung auszuüben.
Die vier Freiheiten sind Nutzung, Studium, Veränderung und Weitergabe, ohne den Rechteinhaber um Erlaubnis zu fragen. Die OSI beziffert den nachfrageseitigen Wert des Open-Source-Ökosystems auf 8.800.000.000.000 $. Sie argumentiert, Modelle mit offenen Gewichten schränkten die Veränderung ein und verhinderten das vollständige Studium. Ohne Code und Trainingsdaten lässt sich nämlich nicht prüfen, warum ein Modell eine Ausgabe erzeugt hat. Mozillas Bericht zählt laut Tom's Hardware 16 bemerkenswerte offene Veröffentlichungen, von denen keine das Datenrezept liefert, das die Definition der Open Source Initiative verlangt.
Was die Memorierungsforschung zu den Urheberrechtsstreitigkeiten beiträgt
Ein Paper auf arXiv, erstmals am 18. Mai 2025 eingereicht und bis 20. Juli 2026 überarbeitet, misst, wie viel von 200 Büchern 14 offene LLMs tatsächlich behalten. Die Autoren sind A. Feder Cooper, Mark A. Lemley, Allison Casasola, Ahmed Ahmed, Aaron Gokaslan, Amy B. Cyphert, Christopher De Sa, Daniel E. Ho und Percy Liang.
Ihre Einordnung ist zugespitzt: Kläger und Beklagte in Urheberrechtsverfahren zu generativer KI erheben pauschale, gegensätzliche Behauptungen zur Memorierung. Beide Positionen, so heißt es in dem Paper, vereinfachen das Verhältnis zwischen Memorierung und Urheberrecht dramatisch. In mehr als 3.000 Experimenten finden die Autoren, dass die meisten LLMs die meisten Bücher nicht memorieren, weder ganz noch teilweise. Aber die Ausnahmen zählen. Llama 3.1 70B memoriert laut dem Paper einige Bücher vollständig, darunter Harry Potter and the Sorcerer's Stone. Die Memorierung ist dort so umfangreich, dass sich das ganze Buch fast wörtlich und deterministisch extrahieren lässt, wenn man seine ersten Worte als Prompt verwendet. Die Autoren stellen fest, dass die Ergebnisse erhebliche Folgen für Urheberrechtsfälle haben, allerdings keine, die eindeutig einer der beiden Seiten nützen.
Die kleineren, seltsameren Einsätze
Nicht jede Veröffentlichung mit offenen Gewichten jagt die Spitze. Superwhisper hat S1-mini veröffentlicht, einen Textnormalisierer mit 800.000.000 Parametern, feinabgestimmt aus Qwen/Qwen3-0.6B, unter Apache 2.0 plus einer Namensklausel. Er erfüllt eine Aufgabe: rohe Speech-to-Text-Ausgabe in sauberen geschriebenen Text umschreiben. 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 sagt deutlich, dass es kein Chat-Modell ist und keinen allgemeinen Anweisungen folgen wird.
Die Modellkarte dokumentiert außerdem eine Eigenheit der Hub-Zählung: Die Seitenleiste meldet 800.000.000 Parameter, weil das Embedding mit 155.600.000 Parametern doppelt gezählt wird. Das ergibt 751.600.000 Tensorelemente gegen 596.000.000 eindeutige Parameter. Das Layout ist von Qwen3-0.6B übernommen, das auf dem Hub aus demselben Grund 800.000.000 meldet.
Die Begründung eines Käufers und ihre Grenzen
Eine Deployment-Beschreibung von James Cruce, veröffentlicht am 22. September, schildert die Entscheidung für Laya und gegen den gehosteten Dienst Jev von TypeSafe. Laya ist ein offenes Entscheidungsmodell mit 421.000.000 Parametern, einem ModernBERT-large-Encoder und einem Limit von 1.024 Token. Layas Herausgeber hat es auf vier synthetischen Workflows trainiert: Agenten-Beobachtbarkeit, Kundenservice, Rechnungsverarbeitung und Sicherheitsvorfälle.
Cruce sagt ausdrücklich, was der Vergleich beweist. TypeSafe listet Jev mit 0,042 $ pro Million Input-Token ohne Output-Token-Gebühr und Auswahlmöglichkeiten von bis zu 255 Optionen. Laya läuft auf einer reinen Loopback-API auf seinem Mac Studio mit einem M3 Ultra und 256 GB Unified Memory, sodass Routineentscheidungen die Maschine nie verlassen. Datenschutz und Kontrolle waren für ihn die entscheidenden Gründe, die Kosten ein Nebeneffekt; eine Einsparsumme kann er nicht nennen. Ob Laya Jev allgemein schlägt, hat er nicht getestet.
Er weist auch darauf hin, dass die Modellkarte davor warnt, Laya sei zu selbstsicher und brauche domänenspezifische Kalibrierung. Eine typisierte Antwort kann strukturell perfekt und sachlich falsch sein. Sein Fazit ist eng: Behandle es als Empfehlungssystem innerhalb eines Programms, niemals als Quelle für Erlaubnis oder Wahrheit.
Was Bestand hat
Die vier Dokumente weisen in dieselbe Richtung, ohne dasselbe zu sagen. Mozillas Daten sagen, dass offene Gewichte bei der Fähigkeit nahe dran und beim gehosteten Listenpreis weit günstiger sind. Die eigene Hardware-Grafik sagt, dass die Modelle an der Spitze für die meisten nicht lauffähig sind. Die OSI sagt, das Etikett werde über seine Bedeutung hinaus gedehnt. Das Memorierungspaper sagt, die Gerichtsargumente beider Seiten seien zu pauschal für das, was die Experimente zeigen. Cruces Bericht sagt, der entscheidende Grund für offene Gewichte könne die Kontrolle darüber sein, wohin die Daten gehen, nicht die Benchmark-Position.
Mozillas eigene Bildunterschrift lautet: "the gap resets every release cycle." Seine Daten enden am 1. September, und die Live-Boards haben sich seither bewegt. Artificial Analysis ist auf Index v4.3 mit einem anderen Bewertungssatz umgestiegen; das Live-Board führt Claude Fable 5.1 mit 53 auf seiner höchsten Aufwandsstufe, mit Kimi K3 bei 44. Das Terminal-Bench-2.1-Board von vals.ai, aktualisiert am 11. September, wird von GPT-6 Astra mit 87,27% angeführt, mit Fable 5.1 bei 85,02%.
Ein weiterer Punkt bleibt im Protokoll ungeklärt. K3 trägt eine Behauptung, die in der gemeinsamen Warnung AA26-251A von NSA, CISA und FBI vom 8. September ausgeführt wird und die Mozillas Bericht als "asserted, and unshown" wiedergibt: Moonshot habe Claude-Fable-5-Daten durch Destillation extrahiert, um K3 zu trainieren. Am 17. Juli hatte Artificial Analysis K3 bei 57 gegen Fable 5 bei 60. Am 1. September lag es bei Mozilla zwei Punkte zurück. Ob diese Annäherung aus unabhängigem Training oder aus der behaupteten Extraktion stammt, stellt keines dieser vier Dokumente fest.
Quellen
5- 01China's open-weight AI models are now just 4 months behind frontier US offerings, Mozilla report claimsEN
- 02Open Weights Are Good. Open Source Is Better.EN
- 03Extracting memorized pieces of (copyrighted) books from open-weight language modelsEN
- 04S1-mini, Superwhisper's first open-weights language modelEN
- 05Does an open-weight decision model beat a hosted one? Jev vs. LayaEN
Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.
Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.
Kommentare
0- Noch keine Kommentare — seien Sie der Erste.