Offene Gewichte sind nicht Open Source: der Streit um ein Label

Eine Modelldatei von Hugging Face herunterzuladen dauert Sekunden. Zu wissen, was hineingeflossen ist, erfordert eine Vorladung. Genau diese Lücke ist die ganze Debatte.

Steven J. Vaughan-Nichols vom Register machte den Unterschied am 15. September unmissverständlich klar: Eine Veröffentlichung kann offene Gewichte haben, ohne Open Source zu sein. Dieser Unterschied entscheidet, ob man ein fertiges neuronales Netz nur ausführen oder das System, das es erzeugt hat, tatsächlich einsehen, reproduzieren, verändern und weitergeben kann. Gewichte sind die gelernten numerischen Parameter, die beim Training entstehen. Zusammen mit der Architektur und dem Inferenzcode bringen sie ein großes Sprachmodell zum Laufen. Ein Modell mit offenen Gewichten lässt sich selbst hosten, auf interne Dokumente feinabstimmen und ohne Prompts an eine proprietäre API betreiben. Was man bei den meisten Veröffentlichungen nicht kann: das Datenrezept dahinter sehen.

Für die Leute, die Lizenzen schreiben, ist das keine Formalie.

Die OSI zieht eine Grenze und wird dafür kritisiert

Die Open Source Initiative verwaltet die Open Source Definition. Sie stellt klar fest, dass "Open Weights sich auf die endgültigen Gewichte und Biases eines trainierten neuronalen Netzes beziehen" und dass ihre Veröffentlichung nur "einen Bruchteil der Informationen preisgibt, die für vollständige Nachvollziehbarkeit nötig sind". Ihre eigene Open Source AI Definition, OSAID 1.0, sollte diese Lücke schließen. Sie verlangt, dass Modellparameter einschließlich der Gewichte unter von der OSI anerkannten Bedingungen verfügbar sind, schreibt aber keinen bestimmten rechtlichen Mechanismus vor. Sie wurde im Oktober 2024 veröffentlicht und galt damals als Dokument, das sich weiterentwickeln würde.

Kritiker sagen, der zentrale Mangel sei nie behoben worden. Luca Antiga, CTO von Lightning AI und bekannter PyTorch-Mitwirkender, hat argumentiert, die Behandlung der Gewichte durch OSAID lasse "ein klaffendes Loch, das Lizenzen weniger wirksam darin macht, zu bestimmen, ob KI-Systeme unter OSI-Lizenz in der Praxis übernommen werden können". Bruce Perens, Autor der ursprünglichen Open Source Definition, verurteilte OSAID im Jahr 2024 und erklärte später: "Es ist nicht Open Source! … Es ist bedauerlich, dass die Open Source Initiative selbst jetzt an Openwashing beteiligt ist." Bradley Kuhn von der Software Freedom Conservancy und Richard Fontana, Senior Commercial Counsel bei Red Hat, haben die Aufhebung von OSAID gefordert. Die OSI habe "zu schnell gehandelt, um der Gemeinschaft einen überaus ehrgeizigen politischen Kompromiss aufzuzwingen". Der Riss habe "den Ruf, die Autorität und den Einfluss der OSI ernsthaft beschädigt".

James Landay, Direktor des Stanford Institute for Human-Centered AI, brachte die praktische Version der Beschwerde gegenüber dem Register auf den Punkt: "Offene Gewichte sind ein Fortschritt. Man kann das Modell herunterladen, auf der eigenen Maschine laufen lassen, es aus der Datenpipeline anderer heraushalten. Aber man sieht immer noch nicht, wie das Ding gebaut wurde, womit es trainiert wurde oder warum es sich so verhält, wie es sich verhält. Das ist kein offenes Modell. Das ist offene Verbreitung."

"Offene Gewichte beantworten 'Kann ich das ausführen?' Open Source beantwortet 'Kann ich dem vertrauen, es verbessern und das Nächste darauf aufbauen?'", sagte Landay.

Ohne Trainingsdaten oder ausführliche Dokumentation können Außenstehende nicht feststellen, welche Quellen verwendet wurden, welches urheberrechtlich geschützte oder private Material enthalten sein könnte, wie Daten ausgewählt oder entfernt wurden, welche Sprachen und Gemeinschaften unterrepräsentiert waren, ob Benchmark-Daten ins Training gelangt sind oder welche Alignment- und Sicherheitsmethoden das Modell nach dem Pretraining geprägt haben.

Eine Lizenz, die den Unterschied ausgleichen will

In dieses Vakuum kam die Open Model, Data, and Weights Licence der Linux Foundation, die Mike Dolan bei der OSI eingereicht hat. OpenMDW gibt es seit 2025, und sie listet Mitwirkende von Amazon, Meta, IBM, Microsoft und Nvidia, was ihr industrielles Gewicht verleiht. Ihr Ansatz: getrennte Bedingungen für Architektur, Trainingsdaten und Gewichte eines Modells zu definieren und alles, was ein Lizenzgeber liefert, unter eine Vereinbarung zu bringen. Herkömmliches Open Source dreht sich um Quellcode. LLMs verbinden Code, Architektur und numerische Gewichte, die aus Datensätzen stammen, die proprietär, urheberrechtlich geschützt oder schlicht nicht offengelegt sein können.

Die Einreichung ist auf der Lizenzprüfungs-Mailingliste der OSI auf Einwände gestoßen. Stefano Maffulli, ehemaliger Geschäftsführer der OSI, der die Organisation leitete, als OSAID formuliert wurde, sagte: "Ich habe weiterhin den Eindruck, dass die OpenMDW-Prüfung von einem ideologischen Vorurteil getrübt ist: Weil wir Big Tech nicht mögen und KI jetzt Big Tech ist, mögen wir KI nicht; also tun wir alles, um sie zu blockieren."

Unterdessen kommen die Modelle weiter auf den Markt. Mozillas Bericht State of Open Source AI, Version 1.1, veröffentlicht am 15. September mit Datenstand 1. September, zählte 16 bemerkenswerte offene Veröffentlichungen. Keine liefert das Datenrezept, das OSAID verlangt. Mozilla setzt sich für offene Modelle ein, und sein CTO Raffi Krikorian sagte am 14. Juli gegenüber TIME, der Bericht sei teilweise Advocacy, so Tom's Hardware.

Die Fähigkeitslücke schließt sich, die Kostenlücke nicht

Mozillas Zahlen sind das konkreteste Maß dafür, wo offene Gewichte heute stehen. 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% des Preises. Mozillas Anpassung an die METR-Aufgabenhorizont-Daten setzt die Lücke zwischen offen und geschlossen bei etwa 4,4 Monaten an, im Einklang mit der Vier-Monats-Schätzung von Epoch AI. Die METR-Daten bewerten Modelle nach der Länge der Aufgabe in menschlicher Arbeitszeit, die sie zur Hälfte bewältigen. Die offene Fähigkeit verdoppelt sich nach Mozillas Berechnung alle 3,9 Monate, gegenüber 5,5 Monaten bei geschlossenen Modellen.

Auf dem Terminal-Bench 2.1 von vals.ai, der jedes Modell durch denselben Prüfstand schickt, erreichte GLM-5.2 von Z.ai einen Punkt Abstand zu Claude Opus 4.7 und etwa vier Punkte hinter Opus 4.8, bei weniger als einem Fünftel der Kosten pro Test. Auf OpenRouter zählte Mozilla acht der zehn besten Modelle nach Token-Volumen im August zu den offenen Gewichten, sieben davon chinesisch gebaut. Geschlossene Anbieter nahmen laut Linux Foundation von Mai bis September 2025 weiterhin 96% des Umsatzes auf Modellebene auf OpenRouter ein. Krikorian sagte in einer E-Mail an Ars Technica: "Wir sehen die Entscheidung, für geschlossene [Modelle] zu zahlen, als arbeitslastspezifisch und nicht als organisationsspezifisch."

Diese Zahlen haben Einschränkungen, die der Bericht selbst nennt. Die Vier-Monats-Lücke und der Token-Preis von 30% werden API zu API auf gehosteten Endpunkten und zum Listenpreis gemessen. Mozillas eigene Hardware-Tabelle setzt das beste offene Modell, das auf einen Server passt, bei 52,6 an und das beste, das auf eine GPU passt, bei 40. Das sind Rückgänge von 10 und 23 Punkten gegenüber der Spitze, eine größere Lücke als vier Monate. Der native MXFP4-Checkpoint von Kimi K3 läuft mit etwa 1,56TB über 96 Shards. Mozillas Serving-Konfiguration listet 64 oder mehr Beschleuniger, während vLLM mindestens acht GB300 GPUs verlangt, mit mehreren Knoten für Produktionsverkehr. Der Bericht beschreibt dies als offen, aber für die meisten, die es besitzen, nicht ausführbar. Thinking Machines' Inkling-Small unter Apache 2.0 ist eine Ausnahme: Seine NVFP4-Version passt auf eine einzelne B300 bei einer Untergrenze von 180GB.

Die Daten enden am 1. September, und die Ranglisten haben sich seither bewegt. Artificial Analysis betreibt jetzt Index v4.3 mit einem anderen Bewertungssatz. Seine Live-Tabelle hat Claude Fable 5.1 bei 53 auf der höchsten Aufwandsstufe und Kimi K3 bei 44. Diese Zahlen sind nicht mit den v4.1.1-Werten vergleichbar, die Mozilla aufgetragen hat. Die Bildunterschrift in Mozillas eigener Grafik lautet: "Die Lücke wird mit jedem Veröffentlichungszyklus zurückgesetzt."

An K3 hängt außerdem eine ungeklärte Behauptung. Eine gemeinsame Warnung vom 8. September von NSA, CISA und FBI (AA26-251A) behauptet, Moonshot habe Daten von Claude Fable 5 extrahiert, um K3 durch Destillation zu trainieren. Destillation ist die Praxis, ein Modell mit den Ausgaben eines anderen Modells zu trainieren. Mozillas Bericht bezeichnet die Behauptung als "behauptet und nicht belegt". Am 17. Juli hatte Artificial Analysis K3 bei 57 gegenüber Fable 5 bei 60; bis zum 1. September hatte Mozilla es zwei Punkte zurück.

Wofür das Label eigentlich steht

Nichts davon entscheidet die Urheberrechtsstreitigkeiten. Ein Beitrag von A. Feder Cooper, Mark A. Lemley und Mitautoren, erstmals im Mai 2025 bei arXiv eingereicht und bis Juli 2026 überarbeitet, testete 200 Bücher gegen 14 Modelle mit offenen Gewichten in mehr als 3000 Experimenten. Die meisten LLMs memorieren die meisten Bücher nicht, weder ganz noch teilweise, fanden die Autoren. Aber Llama 3.1 70B memoriert einige Titel vollständig, darunter Harry Potter und der Stein der Weisen, bis zu dem Punkt, dass das ganze Buch nahezu wörtlich aus seinen ersten Worten extrahiert werden kann. Die Schlussfolgerung des Beitrags ist, dass die Memorierung je nach Modell und je nach Buch variiert und dass die Ergebnisse erhebliche Folgen für Urheberrechtsfälle haben, "allerdings keine, die eindeutig eine der beiden Seiten begünstigen".

Das ist die unbequeme Mitte, in der das Label sitzt. Offene Gewichte sagen, dass ein Modell ausgeführt und feinabgestimmt werden kann. Sie sagen nicht, was es gefressen hat. Landays Formulierung, wie sie das Register zitiert, ist die klarste Version: Offene Gewichte beantworten, ob man das Ding ausführen kann, Open Source beantwortet, ob man ihm vertrauen, es verbessern und darauf aufbauen kann. Im Moment ist für fast jede Veröffentlichung auf dem Hub die erste Antwort ja und die zweite noch eine Frage.