Offene Gewichte sind nicht Open Source, und die Lücke wird sichtbar

Gewichte sind die gelernten numerischen Parameter aus dem Training. Wer sie hat, kann ein Modell betreiben, selbst hosten, auf internen Dokumenten nachtrainieren und die API eines Anbieters umgehen. Das ist etwas, das man tatsächlich besitzt. Laut Open Source Initiative sind sie zugleich nur "ein Bruchteil der Informationen, die für vollständige Nachvollziehbarkeit nötig sind".

Steven J. Vaughan-Nichols von The Register legte am 15. September dar, dass die Branche still ein Wort gegen ein anderes getauscht hat. Ein Unternehmen veröffentlicht Modelldateien auf Hugging Face, Entwickler betreiben sie auf eigenen GPUs, und schon wird die Veröffentlichung als Open-Source-Modell bezeichnet. Nicht unbedingt, argumentiert er. Es kann sich auch nur um offene Gewichte handeln.

Der Unterschied klingt akademisch. Er ist es nicht.

Ohne Trainingsdaten oder ausführliche Dokumentation können Außenstehende nicht feststellen, welche Quellen in ein Modell eingegangen sind. Unklar bleibt, welches urheberrechtlich geschützte oder private Material enthalten sein könnte, wie Daten gefiltert wurden, welche Sprachen unterrepräsentiert waren, ob Benchmark-Daten ins Training gelangt sind und welche Alignment-Arbeit nach dem Pretraining geleistet wurde. James Landay, Direktor des Stanford Institute for Human-Centered AI, sagte The Register, offene Gewichte seien ein Fortschritt, weil man das Modell aus der Datenpipeline anderer heraushalten könne. Er fügte aber hinzu: "Man sieht trotzdem nicht, wie das Ding gebaut wurde, womit es trainiert wurde oder warum es sich verhält, wie es sich verhält. Das ist kein offenes Modell. Das ist offene Verbreitung."

Die Open Source Initiative versuchte, die Sache mit ihrer Open Source AI Definition zu klären, OSAID 1.0, veröffentlicht im Oktober 2024. Sie verlangt, dass Modellparameter, Gewichte eingeschlossen, unter OSI-anerkannten Bedingungen verfügbar sind, schreibt aber keinen bestimmten rechtlichen Mechanismus vor. Diese Lücke ist nicht geschlossen. Luca Antiga, CTO von Lightning AI, nannte den Umgang mit Gewichten "ein klaffendes Loch, das Lizenzen weniger wirksam machen wird". Bruce Perens, Autor der ursprünglichen Open Source Definition, verurteilte OSAID 2024 und sagte später, die OSI selbst sei inzwischen an Openwashing beteiligt. Bradley Kuhn von der Software Freedom Conservancy und Richard Fontana von Red Hat forderten, die Definition zurückzuziehen.

Was die Gewichte tatsächlich bringen

Mozilla veröffentlichte am 15. September Version 1.1 seines Berichts State of Open Source AI, mit Datenstand 1. September. Der Bericht ist ein nützlicher Realitätscheck für beide Seiten der Debatte. Das beste offene Modell lag im Artificial Analysis Intelligence Index drei Punkte hinter dem geschlossenen Spitzenreiter, bei 60% des Preises, und zwei Punkte hinter Claude Fable 5 bei 30%. Bei der Anpassung an METR-Aufgabenhorizont-Daten setzte Mozilla die Lücke zwischen offen und geschlossen bei etwa 4,4 Monaten an, nahe der Schätzung von Epoch AI von vier Monaten. Die offene Fähigkeit verdoppelt sich laut Mozillas Berechnung alle 3,9 Monate, die geschlossene alle 5,5 Monate.

Mozilla tritt für offene Modelle ein, und der Bericht ist nicht neutral. TIME berichtete am 14. Juli, Mozilla-CTO Raffi Krikorian habe ihn als teils advocacy beschrieben. Auch die eigenen Zahlen des Berichts sprechen gegen die Schlagzeile. Er zählt 16 bemerkenswerte offene Veröffentlichungen, und keine liefert das Datenrezept, das die OSI-Definition verlangt. Die Vier-Monats-Lücke und die 30%-Preiszahl werden API gegen API auf gehosteten Endpunkten zum Listenpreis gemessen.

Dann ist da die Hardware. Mozillas Grafik setzt das beste offene Modell, das auf einen Server passt, bei 52,6 an und das beste, das auf eine einzelne GPU passt, bei 40, Rückgänge um 10 und 23 Punkte. Der native MXFP4-Checkpoint von Kimi K3 läuft über etwa 1,56TB verteilt auf 96 Shards. Die Serving-Konfiguration listet 64 oder mehr Beschleuniger, und vLLM verlangt mindestens acht GB300 GPUs mit mehreren Knoten für Produktionsverkehr. Mozillas eigener Ausdruck dafür lautet: offen, aber nicht lauffähig für die meisten, die es besitzen. Eine Ausnahme ist Inkling-Small von Thinking Machines, unter Apache 2.0, das auf eine einzelne B300 mit einer Untergrenze von 180GB passt.

Krikorian sagte Ars Technica per E-Mail, die Entscheidung, für geschlossene Modelle zu zahlen, wirke arbeitslastspezifisch und nicht organisationstypisch. Das Geld stimmt zu. Geschlossene Anbieter nahmen von Mai bis September 2025 96% des Umsatzes auf Modellebene auf OpenRouter ein, laut der Linux Foundation. Mozilla zählte zugleich acht der zehn Modelle mit dem höchsten Token-Volumen bis August als offene Gewichte, sieben davon chinesisch gebaut.

Dieses letzte Detail ist für den Lizenzstreit wichtig. Mozillas Daten enden am 1. September, und Artificial Analysis hat seinen Index seither auf v4.3 mit einem anderen Evaluationsset umgestellt. Die abgebildeten Zahlen sind daher nicht mehr direkt mit dem laufenden Board vergleichbar. Mozillas eigene Bildunterschrift lautet: "die Lücke setzt sich mit jedem Veröffentlichungszyklus zurück." Ein Rückstand von 4,4 Monaten ist eine Momentaufnahme, keine Trendlinie.

Der Urheberrechtsaspekt ist der Punkt, an dem die fehlende Dokumentation teuer wird. Ein Artikel von A. Feder Cooper, Mark A. Lemley und Mitautoren, auf arXiv veröffentlicht und am 20. Juli 2026 überarbeitet, führte über 3.000 Experimente mit 200 Büchern und 14 Open-Weight-LLMs durch. Die meisten Modelle memorierten die meisten Bücher nicht, weder ganz noch teilweise. Aber Llama 3.1 70B memorierte einige Titel vollständig, darunter Harry Potter and the Sorcerer's Stone, genug, dass das ganze Buch fast wörtlich aus seinen ersten Worten extrahiert werden kann. Die Autoren sagen, das Ergebnis begünstige keine Seite vor Gericht.

Der Streit um die Bezeichnung ist also keine Semantik. Wer die Daten nicht sieht, kann nicht prüfen, was ein Modell memoriert hat, und kann das System, das es hervorbrachte, nicht reproduzieren. Landays Formulierung ist die klarste, die es gibt. Offene Gewichte beantworten, ob man das hier betreiben kann. Open Source beantwortet, ob man ihm trauen, es verbessern und das Nächste darauf bauen kann.