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

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

Suche
LIVE
›

Open Weights holen auf: neue Ranglisten, neue Hardware und ein Chip-Deal

Am 1. Oktober setzte der Artificial Analysis Intelligence Index, wie ihn The Open Weights nachdruckt, Zhipu AI's GLM-5.3 mit 44.8 Punkten an die Spitze seiner Tabelle mit 20 Open-Weight-Modellen, vor Moonshot AI's Kimi K3 mit 43.6. Neue Releases treffen laufend ein.

KI & ModelleAnalyseKatrin HoffmannVeröffentlicht: 30. September 20264 Min. LesezeitQuellen 14
Open Weights holen auf: neue Ranglisten, neue Hardware und ein Chip-Deal

Am 1. Oktober setzte der Artificial Analysis Intelligence Index, wie ihn The Open Weights nachdruckt, Zhipu AI's GLM-5.3 mit 44.8 Punkten an die Spitze seiner Tabelle mit 20 Open-Weight-Modellen, vor Moonshot AI's Kimi K3 mit 43.6. Neue Releases treffen laufend ein.

Die Ranglisten widersprechen sich, und das sollte man offen sagen. BenchLeaders Open-Weights-Board, zwölf Stunden vor Veröffentlichung aktualisiert, führt Moonshot AI's Kimi K3 mit 66.2 auf Platz eins, Zhipus GLM 5.3 max mit 64.7 auf Platz zwei und Xiaomis MiMo-V2.6-Pro mit 64.5 auf Platz drei. Die 94-Modelle-Liste von BenchLM.ai nennt dagegen MiMo-V2.6-Pro mit einem BenchAlign-v5.8-Wert von 75.5 an erster Stelle, dahinter folgen Qwen3.8 Max und MiMo-V2.6-Flash. LMMarketCap veröffentlichte am 1. Oktober um 06:00 Uhr ein Update und setzt Alibabas Qwen3.8 27B (27.000.000.000 Parameter) unter 175 offenen Modellen auf Platz eins. Googles Gemma 4 26B A4B (26.000.000.000 Parameter) und Gemma 4 31B (31.000.000.000 Parameter) teilen sich Platz zwei.

Verschiedene Gremien, verschiedene Sieger. Gemeinsam ist den vier Listen nur eines: In den oberen Rängen stehen chinesische Labore und Google, Nvidia, Meta und Mistral folgen weiter unten.

Die letzten 72 Stunden brachten außerdem mehrere neue offene Modelle, die auf diesen Listen noch fehlen. Nvidia veröffentlichte am 29. September Kumo Tabular, ein Foundation Model für tabellarische Klassifikation und Regression in drei Größen von 28.000.000 bis 215.000.000 Parametern. Es wurde ausschließlich auf künstlichen Daten vortrainiert und erscheint unter der OpenMDW-1.1-Lizenz zur kommerziellen Nutzung. Das Unternehmen sagt, es stehe auf TabArena, BeyondArena, TALENT und ScoringBench an erster Stelle, und es brauche pro Aufgabe weder Training noch Feature Engineering.

Fermion Research brachte am 30. September Phonon-2 heraus, ein englisches Spracherkennungsmodell in einem 164 MB großen Download, dessen Encoder jedes Gewicht in etwa 2.1 Bit speichert. Das Unternehmen gibt an, es erreiche im Schnitt 5.21 Prozent Wortfehler über die sieben englischen Sets des Open ASR Leaderboard. Jedes besser bewertete offene Modell sei mindestens 5.8-mal größer, und eine Stunde Audio werde auf einem MacBook Air in etwa 20 Sekunden transkribiert. Die Gewichte stehen unter CC-BY-4.0 und stammen von Nvidias Parakeet TDT 0.6B v3 ab (600.000.000 Parameter). Bespoke Labs veröffentlichte am 30. September Nimble, ein 9B-Modell (9.000.000.000 Parameter) auf Basis von Qwen3.5-9B, das typisierte Entscheidungen mit Wahrscheinlichkeiten statt Freitext liefert. Laut README wurden die Trainings- und Hold-out-Beispiele am 20. September veröffentlicht, nachdem sie im ersten Release fehlten.

Zwei offene Projekte prüfen, ob sich die Trainingsschleife selbst verteilen lässt. Das Repository coop von Commonsense AI, am 30. September aktualisiert, beschreibt ein Modell mit rund 145.000.000 Parametern, das von Grund auf auf FineWeb-Edu vortrainiert wird. Freiwillige führen lokale AdamW-Schritte auf gespendeter Hardware aus und reichen Pseudo-Gradienten als Hugging-Face-Pull-Requests ein. Ein zustandsloser GitHub-Actions-Cron aggregiert sie alle fünf Minuten per getrimmtem Mittel oder geometrischem Median. Stufe 1, ein Modell mit 15.000.000 Parametern auf TinyStories, lief über sein Chinchilla-optimales Budget hinaus. Separat behauptet PSSA, ein Nicht-Transformer-Sprachmodell in Rust ohne ML-Framework darunter, es lerne bei gleicher Parameterzahl schneller als ein Transformer und generiere auf derselben CPU etwa zwölfmal schneller.

Auch die kommerzielle Seite bewegte sich. OpenAI und Synopsys erklärten am 30. September, sie hätten eine mehrjährige Partnerschaft geschlossen, um GPT-Synopsys zu bauen. Das Modell für Chipdesign und Verifikation soll Synopsys' EDA-Werkzeuge direkt bedienen und läuft auf OpenAI-Infrastruktur. Kundendaten werden nicht zum Training genutzt, die Erlöse teilen sich beide. The Register berichtete am 30. September, OpenAI beschuldige Personen aus dem Umfeld von Moonshot AI einer Destillationskampagne ab dem 1. Juli. Am 24. und 25. Juli gab es Spitzen von 16.000 Anfragen von über 4.000 Nutzern und verwandte Aktivität über mehr als 15.000 Konten, unterbrochen am 28. Juli. Moonshot antwortete nicht auf die Anfrage von The Register um eine Stellungnahme.

Die Aufsichtsbehörden umkreisen dieselben Labore. Die FTC hat eine branchenweite Untersuchung gegen OpenAI, Anthropic und weitere eingeleitet, wie CNBC am 30. September bestätigte. The Guardian meldete am selben Tag, die Behörde plane förmliche Auskunfts- und Zeugenaufforderungen, auch an die Forschungsgruppe Metr. Weder OpenAI noch Anthropic äußerten sich gegenüber CNBC; die New York Post hatte zuerst über die Prüfung berichtet. Am 29. September verklagte eine gemeinnützige Organisation, Legal Advocates for Safe Science & Technology, OpenAI vor dem Superior Court von San Francisco County wegen des Hugging-Face-Hacks im Juli. Laut Ars Technica verlangt sie eine Unterlassungsverfügung statt Schadensersatz; OpenAI nannte die Klage dort "completely without merit".

Wer heute ein offenes Modell auswählt, zieht aus dieser Woche eine praktische Lehre: Keine einzelne Rangliste beantwortet die Frage, denn die Listen bewerten unterschiedliche Modellgruppen. Ein Spracherkennungsmodell mit 164 MB oder ein Tabellenmodell mit 215.000.000 Parametern kann für einen Einsatz wichtiger sein als der Platz eins.

Kommentare 0

Quellen

14
  1. 01LLM Intelligence leaderboard - The Open WeightsEN
  2. 02Best open weights AI models ranked (2026) - BenchLeaderEN
  3. 03Open-Source LLM Leaderboard 2026: 94 Models Ranked - BenchLM.aiEN
  4. 04Best Open Source AI Models & LLM Leaderboard (2026) - LMMarketCapEN
  5. 05Nvidia Kumo Tabular: Open Foundation Model for Tabular PredictionEN
  6. 06Phonon-2: most accurate open speech recognition model in a 164 MB downloadEN
  7. 07Nimble: Data, Model, Recipe for an Open Jev (From Bespoke Labs)EN
  8. 08Coop: A small language model pretrained by volunteersEN
  9. 09PSSA: A non-transformer language model written from scratch in RustEN
  10. 10OpenAI and Synopsys team up to build an AI model that designs chips like a seasoned engineerEN
  11. 11Irony alert: OpenAI whines that Chinese model stole its special IP that it stole from everybody elseEN
  12. 12FTC is investigating OpenAI, Anthropic and other AI companies over product risksEN
  13. 13US trade regulator opens investigation into AI giantsEN
  14. 14"An AI did it" is no defense, says nonprofit suing OpenAI over Hugging Face hackEN

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

Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.

Katrin Hoffmann

Katrin Hoffmann

KI, Modelle und Technik

Katrin Hoffmann schreibt für FLASH24 über Technik, KI und Modelle sowie Medien und Internet und stützt sich dabei auf Primärquellen wie Herstellerangaben, Studien und Protokolle statt auf Pressemitteilungen. Bei Benchmarks prüft sie Messmethoden, Testumgebungen und Reproduzierbarkeit, bevor sie Zahlen übernimmt. Für ihre Artikel spricht sie mit Entwicklern und Forschern, wartet auf Konferenzankündigungen und vergleicht Versionsstände von Modellen und Standards. Privat betreibt sie Selfhosting und Heimnetze und dokumentiert ihre eigene Infrastruktur, was ihrer Redaktionsarbeit zugutekommt. Sie veröffentlicht keine Zahlen ohne nachvollziehbare Quelle.

Redaktion →

Kommentare

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

Kommentar schreiben

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