Was offene Gewichte wirklich bringen, und was nicht
Veröffentlichungen mit offenen Gewichten machen es leicht, ein Sprachmodell herunterzuladen und auf eigener Hardware zu betreiben. Die Bezeichnung sagt aber nichts über Trainingsdaten, Code oder Lizenz. Genau diese Lücke steht inzwischen im Mittelpunkt einer öffentlichen Auseinandersetzung unter denen, die Open-Source-Definitionen schreiben.

Mozilla hat am 15. September Version 1.1 seines Berichts State of Open Source AI veröffentlicht, mit Datenstand 1. September. Die Schlagzahl ist ein Abstand von vier Monaten zwischen den besten Modellen mit offenen Gewichten und den geschlossenen Spitzenangeboten. Der Bericht zählt 16 bemerkenswerte offene Veröffentlichungen und merkt an, dass keine davon das Datenrezept mitliefert, das die Open Source Initiative verlangt.
Dieser letzte Punkt wiegt schwerer als die vier Monate.
Steven J. Vaughan-Nichols vom Register brachte den Unterschied am 15. September auf den Punkt: Modelldateien auf Hugging Face zu veröffentlichen und Entwickler sie auf eigenen GPUs laufen zu lassen, ist offene Verbreitung, nicht Open Source. Die Open Source Initiative, die die Open Source Definition verwaltet, definiert offene Gewichte als "die endgültigen Gewichte und Bias-Werte eines trainierten neuronalen Netzes". Diese Werte bestimmen, wie ein Modell einen Prompt liest und eine Antwort erzeugt. Sie sagen nicht, was hineingeflossen ist.
Was der Download enthält
Eine Gewichtsdatei ist das Ergebnis des Trainings, nicht das Training selbst. Ohne Datensatz oder ausführliche Dokumentation kann ein Außenstehender nicht feststellen, welche Quellen verwendet wurden, welches urheberrechtlich geschützte oder private Material mit hineingezogen wurde, wie die Daten gefiltert wurden, welche Sprachen und Gemeinschaften dünn besetzt blieben, ob Benchmark-Daten in den Lauf gelangt sind oder welche Alignment-Arbeit nach dem Pretraining stattfand. James Landay, Direktor des Stanford Institute for Human-Centered AI, sagte dem Register: "Offene Gewichte sind Fortschritt. Man kann das Modell herunterladen, auf der eigenen Maschine laufen lassen, es aus der Datenpipeline anderer heraushalten. Aber man sieht trotzdem 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."
Der praktische Nutzen ist real und sollte ohne Spott benannt werden. Selbsthosting gibt Kontrolle über Daten, Privatsphäre, Kosten, API-Änderungen und Anbieterbindung. Es hat ein großes Ökosystem aus Laufzeitumgebungen, Inferenz-Anbietern und Fine-Tuning-Werkzeugen hervorgebracht. Superwhispers s1-mini, ein Text-Normalisierer mit 600.000.000 Parametern, veröffentlicht unter Apache 2.0 mit einer Namensklausel, zeigt das kleine Ende dieses Ökosystems: 596.000.000 eindeutige Parameter, ein quantisierter Build mit 462 MiB, feinabgestimmt aus Qwen/Qwen3-0.6B, läuft auf einer Laptop-CPU. Man kann eine Version mit einem Revision-Tag festnageln. Den Korpus sieht man trotzdem nicht.
Der Streit um die Definition
Die Open Source Initiative hat im Oktober 2024 ihre Open Source AI Definition, OSAID 1.0, veröffentlicht und damals eingeräumt, dass sie sich weiterentwickeln werde. Sie verlangt, dass Modellparameter einschließlich der Gewichte unter von der OSI anerkannten Bedingungen verfügbar sind, schreibt aber keinen rechtlichen Mechanismus vor. Luca Antiga, CTO von Lightning AI und PyTorch-Mitwirkender, argumentierte, die Behandlung der Gewichte hinterlasse ein von ihm so genanntes riesiges Loch. Lizenzen könnten dadurch weniger wirksam festlegen, ob OSI-lizenzierte Systeme in der Praxis übernommen werden können.
Bruce Perens, Autor der ursprünglichen Open Source Definition, griff OSAID 2024 scharf an und sagte später: "Das ist nicht Open Source! … Es ist bedauerlich, dass die Open Source Initiative selbst jetzt beim Openwashing mitmacht." Bradley Kuhn von der Software Freedom Conservancy und Richard Fontana von Red Hat haben die Rücknahme von OSAID gefordert. Sie schrieben, die OSI habe zu schnell gehandelt, und der Bruch habe ihrem Ruf und Einfluss geschadet.
Unterdessen hat Mike Dolan von der Linux Foundation die Lizenz Open Model, Data, and Weights, bekannt als OpenMDW, bei der OSI eingereicht. Sie existiert seit 2025 und nennt Mitwirkende von Amazon, Meta, IBM, Microsoft und Nvidia. Ihr Ansatz sind getrennte Bedingungen für Architektur, Trainingsdaten und Gewichte, die alles, was ein Lizenzgeber liefert, unter eine Vereinbarung bringen. Die Einreichung hat auf der Lizenzprüfungs-Mailingliste der OSI Widerspruch ausgelöst. Stefano Maffulli, der frühere Geschäftsführer der OSI, sagte, er habe weiter den Eindruck, die Prüfung sei von ideologischer Voreingenommenheit gegen große Tech-Konzerne belastet.
Offene Gewichte beantworten "Kann ich das laufen lassen?" Open Source beantwortet "Kann ich dem trauen, es verbessern und das Nächste darauf aufbauen?"
Der Satz stammt wieder von Landay, erneut über das Register, und er ist die klarste Zusammenfassung des Streits. Er erklärt auch, warum man Mozillas Benchmark-Arbeit mit Vorsicht lesen sollte. Die Zahl von vier Monaten stammt aus METR-Aufgabenhorizont-Daten. Sie bewerten Modelle danach, wie lange eine Aufgabe in menschlicher Arbeitszeit ist, die sie zur Hälfte schaffen. Mozillas Anpassung setzt geschlossene Modelle bei Aufgaben an, die Fachleute 8 bis 12 Stunden kosten, und offene Modelle erreichen das etwa vier Monate später. Mozilla berechnet eine Verdopplung der offenen Fähigkeiten alle 3,9 Monate, gegenüber 5,5 bei geschlossenen.
Beim Preis gewinnen offene Gewichte klar. Mozilla fand, dass das beste offene Modell beim Artificial Analysis Intelligence Index drei Punkte hinter dem geschlossenen Spitzenreiter lag, bei 60 Prozent des Preises, und zwei Punkte hinter Claude Fable 5 bei 30 Prozent. Bei Terminal-Bench 2.1 von vals.ai erreichte Z.ai's GLM-5.2 einen Punkt Abstand zu Claude Opus 4.7 und etwa vier Punkte zu Opus 4.8, bei weniger als einem Fünftel der Kosten pro Test. Auf OpenRouter zählte Mozilla acht der zehn nach Token-Volumen im August führenden Modelle zu den offenen Gewichten, sieben davon chinesisch gebaut. Geschlossene Anbieter nahmen laut der Linux Foundation dennoch 96 Prozent der Einnahmen auf Modellebene bei OpenRouter zwischen Mai und September 2025 ein.
Die Hardware ist der Haken. Mozillas eigene Grafik setzt das beste offene Modell, das auf einen Server passt, bei 52,6 an und das beste auf einer GPU bei 40. Das sind Rückgänge von 10 und 23 Punkten gegenüber der Spitze, weiter als vier Monate vermuten lassen. Der native MXFP4-Checkpoint von Kimi K3 umfasst etwa 1,56TB über 96 Shards, und Mozillas Serving-Konfiguration nennt 64 oder mehr Beschleuniger. Inkling-Small von Thinking Machines, unter Apache 2.0, passt auf einen B300 bei einer Untergrenze von 180GB.
Die Daten enden am 1. September. Artificial Analysis ist inzwischen auf Index v4.3 mit einem anderen Bewertungssatz umgestiegen, und Mozillas eigene Bildunterschrift lautet: "Die Lücke setzt sich mit jedem Release-Zyklus zurück." Die Bezeichnung wird die Definition weiter überholen.
Quellen
3- 01Open weights are not open source: Why AI's favorite label is under disputeEN
- 02China's open-weight AI models are now just 4 months behind frontier US offerings, Mozilla report claimsEN
- 03S1-mini, Superwhisper's first open-weights language modelEN
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.