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

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

Suche
LIVE
›

Offene Gewichte, offene Fragen: Was die letzten Releases wirklich zeigen

Mozilla hat am 15. September Version 1.1 seines Berichts State of Open Source AI veröffentlicht, mit Daten bis zum 1. September. Danach liegen die besten chinesischen Modelle mit offenen Gewichten etwa 4,4 Monate hinter den führenden US-Angeboten. Die Zahl ist nützlich und stark eingeschränkt, und genau das kennzeichnet die Debatte über offene Gewichte.

KI & ModelleAnalyseLena BrandtVeröffentlicht: 28. September 20268 Min. LesezeitQuellen 6
Offene Gewichte, offene Fragen: Was die letzten Releases wirklich zeigen

Mozilla hat Version 1.1 seines Berichts State of Open Source AI am 15. September veröffentlicht, mit Daten bis zum 1. September, wie Tom's Hardware berichtet. Das wichtigste Ergebnis: Das beste offene Modell lag auf dem Artificial Analysis Intelligence Index drei Punkte hinter dem geschlossenen Spitzenreiter, bei 60% des Preises, und zwei Punkte hinter Claude Fable 5 bei 30%. Mozillas Anpassung an die METR-Daten zum Aufgabenhorizont ergibt eine Lücke zwischen offen und geschlossen von rund 4,4 Monaten, was zur Schätzung von Epoch AI von vier Monaten passt.

Das ist eine geschrumpfte Lücke. Sie ist auch auf sehr spezifische Weise gemessen.

Was die Vier-Monats-Zahl tatsächlich misst

Die Zahl stützt sich auf METR, eine gemeinnützige Forschungseinrichtung. Sie bewertet Modelle nach der Länge einer Aufgabe 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 dieses Niveau etwa vier Monate später. Mozilla berechnet eine Verdopplung der offenen Fähigkeiten alle 3,9 Monate, bei geschlossenen Modellen alle 5,5 Monate. Der Bericht beruht auf einer Umfrage von Mozilla und SlashData unter rund 1.400 Entwicklern, dazu Daten zum Verkehr auf OpenRouter und Benchmarks von Drittanbietern, wie Tom's Hardware berichtet. Mozilla ist die gemeinnützige Organisation hinter Firefox und tritt für offene Modelle ein: TIME berichtete am 14. Juli, Mozilla-Technikvorstand Raffi Krikorian habe den Bericht als teilweise auch politische Position bezeichnet.

In der Methodik steckt ein zweiter Vorbehalt. Die Vier-Monats-Lücke und die Preisangabe von 30% je Token sind von API zu API auf gehosteten Endpunkten und zu Listenpreisen gemessen. Verglichen wird also, wie zwei Modellkategorien verkauft werden, nicht nur, was sie können.

Die Hardware-Grafik im Bericht schärft den Punkt. Das beste offene Modell, das auf einen Server passt, erreicht 52,6; das beste, das auf eine GPU passt, 40. Der Abstand zur Spitze beträgt 10 beziehungsweise 23 Punkte, also mehr als die berichteten vier Monate. Kimi K3 läuft mit seinem nativen MXFP4-Checkpoint über etwa 1,56TB auf 96 Shards. Mozillas Serving-Konfiguration listet 64 oder mehr Beschleuniger, während vLLM mindestens acht GB300 GPUs verlangt, für Produktionslast mehrere Knoten. Der Bericht beschreibt das als offen, aber für die meisten Besitzer nicht lauffähig. Tom's Hardware bezifferte den Speicherbedarf im Juli auf nahezu 1,5TB. Ein Gegenbeispiel im Bericht ist Inkling-Small von Thinking Machines unter der Apache-2.0-Lizenz, dessen NVFP4-Version auf einen B300 passt, mit einer Untergrenze von 180GB.

Also: herunterladbar, ja. Für ein kleines Team praktikabel, manchmal nicht.

Die Benchmarks für billig und nah dran

Mozilla hat außerdem die Ergebnisse von vals.ai im Terminal-Bench 2.1 abgebildet. Dort läuft jedes Modell durch dieselbe Harness, also die Softwareschicht, die einem Modell seine Werkzeuge bereitstellt. GLM-5.2 von Z.ai lag einen Punkt hinter Claude Opus 4.7 und etwa vier Punkte hinter Opus 4.8, bei weniger als einem Fünftel der Kosten pro Test. Auf OpenRouter, einem Marktplatz, der Entwicklerverkehr an Hunderte Modelle verteilt, zählte Mozilla acht der zehn Modelle mit dem größten Token-Volumen im August zu den offenen Gewichten, sieben davon chinesisch gebaut. Geschlossene Anbieter nahmen dennoch 96% der Umsätze auf Modellebene über OpenRouter zwischen Mai und September 2025 ein, nach Angaben der Linux Foundation.

Krikorian schrieb Ars Technica in einer E-Mail, Mozilla sehe die Entscheidung für geschlossene Modelle als vom Arbeitslastfall abhängig, nicht von der Organisation.

Die Daten enden am 1. September, und die Ranglisten haben sich seither bewegt. Artificial Analysis hat seinen Index auf v4.3 mit einem anderen Bewertungssatz umgestellt. Die aktuelle Liste führt Claude Fable 5.1 mit 53 bei höchster Anstrengungsstufe, Kimi K3 folgt mit 44. Diese Zahlen sind nicht mit den v4.1.1-Werten vergleichbar, die Mozilla abgebildet hat. Die Liste von vals.ai im Terminal-Bench 2.1, aktualisiert am 11. September, führt GPT-6 Astra mit 87,27%, Fable 5.1 folgt mit 85,02%. Mozillas eigene Bildunterschrift lautet: „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. Der Vorwurf, den Mozillas Bericht als „asserted, and unshown“ wiedergibt, lautet, Moonshot habe Daten aus Claude Fable 5 durch Destillation extrahiert, um K3 zu trainieren, also ein Modell mit den Ausgaben eines anderen Modells trainiert. Am 17. Juli lag K3 bei Artificial Analysis bei 57 gegen 60 für Fable 5; am 1. September war es bei Mozilla zwei Punkte zurück.

Offene Gewichte sind nicht Open Source, und der Unterschied hat Gewicht

Die Open Source Initiative nutzte den Moment für eine Abgrenzung. In einem Beitrag vom 19. September argumentierte die OSI, Modelle mit offenen Gewichten erlaubten es, einige der vier Softwarefreiheiten auszuüben, aber nicht alle und nur bis zu einem gewissen Grad. Diese Freiheiten sind: ein Werkzeug nutzen, untersuchen, verändern und weitergeben, ohne den Rechteinhaber zu fragen. Ein Modell besteht aus drei Teilen: Trainingsdaten, Gewichte und Parameter sowie Code für Datenaufbereitung und Training. Offene Gewichte geben nur den mittleren Teil frei.

Mit offenen Gewichten können Sie ein Modell lokal betreiben und zahlen nur Strom und Hardware, oder Sie lassen es bei einem Drittanbieter hosten. Sie können das Modell auch mit eigenen Daten feinabstimmen.

Als Gegenbeispiel nennt die OSI Olmo von Ai2, veröffentlicht als Open Source AI. Damit konnten Forscher neue Informationen in die Trainingsdaten einspeisen und beobachten, wie das Modell sie speicherte oder vergaß. Mozillas Bericht zählt 16 bemerkenswerte offene Veröffentlichungen, doch Tom's Hardware merkt an, dass keine das Datenrezept liefert, das die Definition der Open Source Initiative verlangt. Die OSI beziffert den Wert des Open-Source-Ökosystems auf der Nachfrageseite mit 8.800.000.000.000 Dollar.

Diese Einordnung ist politisch wichtig, sie entscheidet aber nicht, ob offene Gewichte nützlich sind. In engen Aufgaben sind sie es offensichtlich.

Kleine Modelle, konkrete Aufgaben

Superwhisper veröffentlichte S1-mini, einen Textnormalisierer mit 600.000.000 Parametern für die Ausgabe von Spracherkennung. Er ist aus Qwen/Qwen3-0.6B feinabgestimmt und unter Apache 2.0 mit einer Namensklausel lizenziert. Das Modell nimmt ein rohes ASR-Transkript und schreibt es in sauberen Text um: Füllwörter entfernt, falsche Anfänge aufgelöst, Satzzeichen gesetzt, gesprochene Zahlen und Daten in Schriftform gebracht. Auf einem zurückgehaltenen Satz von 7.519 englischen Fällen erreicht es 94,8% Token-Genauigkeit. Die quantisierte Fassung ist eine Datei von 462 MiB, die auf einer Laptop-CPU läuft. Die Modellkarte ist ungewöhnlich deutlich zum Umfang: Es ist kein Chatmodell, folgt keinen allgemeinen Anweisungen, deckt nur Englisch ab und erwartet eine Steuerzeile am Anfang der Eingabe. Die Parameterzahl ist zugleich eine kleine Lektion im Lesen von Modellkarten: Die Seitenleiste des Hub nennt 800.000.000, die Karte erklärt jedoch, lm_head.weight sei als materialisierte Kopie des Eingabe-Embeddings gespeichert. Dadurch zählt das Embedding mit 155.600.000 Parametern doppelt, 751.600.000 Tensorelemente gegen 596.000.000 eindeutige Parameter.

Ein zweites Beispiel stammt aus einem Erfahrungsbericht eines Praktikers, nicht von einem Anbieter. James Cruce beschrieb am 22. September, wie er in seinem eigenen Agentensystem einen deterministischen Router durch Laya ersetzte. Laya ist ein Modell mit offenen Gewichten für typisierte Entscheidungen von convaiinnovations, mit rund 421.000.000 Parametern, einem ModernBERT-large-Encoder und einem Limit von 1.024 Token. Es liefert typisierte Antworten, eine Auswahl unter benannten Optionen, einen Wert auf einer geordneten Skala oder eine Wahrscheinlichkeit für eine Ja-Nein-Aussage, statt Prosa zum Parsen. Er entschied sich gegen das gehostete Jev von TypeSafe, das 0,042 Dollar je Million Eingabe-Token nennt, keine Kosten für Ausgabe-Token berechnet und Auswahlen mit bis zu 255 Optionen verarbeitet. Der Grund: Er wollte Routineentscheidungen lokal auf einem Mac Studio mit M3 Ultra und 256GB Unified Memory laufen lassen. Er sagt ausdrücklich, das sei eine einzelne Bereitstellung: Ob Laya Jev allgemein schlägt, hat er nicht getestet, und er behandelt das Modell als Empfehlungsgeber in einem Programm, nie als Quelle für Erlaubnis oder Wahrheit. Die Modellkarte warnt, es sei überconfident und brauche eine domänenspezifische Kalibrierung.

Das sind die Fälle, in denen offene Gewichte aufhören, ein geopolitisches Argument zu sein, und zu einer technischen Entscheidung werden. Ein Normalisierer mit 462 MiB und ein Entscheidungsmodell mit 421.000.000 Parametern sind keine Frontier-Systeme. Sie gehören aber zu dem, was ein Team festlegen, offline betreiben und prüfen kann, ohne einen Beschaffungsprozess anzustoßen.

Die Urheberrechtsfrage bleibt offen

Die folgenreichste Forschung zu offenen Gewichten im vergangenen Jahr betrifft das, was in den Gewichten steckt. Ein Papier von A. Feder Cooper, Mark A. Lemley und sieben Mitautoren, erstmals eingereicht am 18. Mai 2025 und überarbeitet bis zum 20. Juli 2026, misst die Speicherung von Büchern über 200 Titel und 14 offene LLMs, in mehr als 3.000 Experimenten. Das Abstract stellt fest, dass die meisten LLMs die meisten Bücher nicht speichern, weder ganz noch teilweise, dass es aber bemerkenswerte Ausnahmen gibt. Llama 3.1 70B speichert einige Bücher vollständig, darunter Harry Potter and the Sorcerer's Stone. Die Autoren schreiben, man könne das ganze Buch fast wortgleich deterministisch extrahieren, wenn man die ersten Wörter des Buches als ersten Prompt nutzt.

Die Einordnung des Papiers ist bewusst unbequem für beide Seiten der Urheberrechtsstreitigkeiten. Es stellt fest, dass Kläger und Beklagte pauschale, gegensätzliche Behauptungen aufstellen, die das Verhältnis von Speicherung und Urheberrecht stark vereinfachen. Seine Ergebnisse hätten erhebliche Folgen für Urheberrechtsfälle, aber keine, die eindeutig einer Seite nützen. Das Papier wurde auf der COLM 2026 angenommen.

Führt man beide Stränge zusammen, ist das Bild des Monats weniger ordentlich, als es beide Lager möchten. Offene Gewichte liegen auf aggregierten Benchmarks nah genug an der Spitze, um viel Arbeit neu zu bepreisen, und bei manchen davon sind sie drastisch billiger. Häufig sind sie zu groß, um sie ohne Rack zu betreiben. Nach der Definition, die ein großer Teil der Community nutzt, sind sie nicht Open Source. Sie können wortgleichen Text aus Büchern enthalten, die niemand lizenziert hat. Und ein Modell mit 600.000.000 Parametern, das Diktate bereinigt, tut weiterhin genau das, was draufsteht.

Mozillas eigene Bildunterschrift ist vielleicht der ehrlichste Satz im Bericht: the gap resets every release cycle.

Kommentare 0

Quellen

6
  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 books from open-weight language modelsEN
  6. 06OpenAI expands review of model behavior after more rogue agent incidents emergeEN

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.