Was 'offene Gewichte' wirklich bedeuten, und warum das nicht dasselbe ist wie Open Source

Offene Gewichte sind die gelernten numerischen Parameter, die beim Training eines neuronalen Netzes entstehen. Wer sie auf Hugging Face veröffentlicht, ermöglicht jedem mit einer GPU, das Modell auszuführen, nachzutrainieren oder selbst zu hosten. Das ist nützlich. Laut der Open Source Initiative und mehreren bekannten Vertretern der Freie-Software-Bewegung ist es trotzdem nicht dasselbe wie Open Source.

Der Unterschied ist mehr als ein Streit um Etiketten. Er entscheidet, ob man ein fertiges neuronales Netz nur einsetzen darf oder ob man das System, das es hervorgebracht hat, einsehen, reproduzieren, verändern und weitergeben kann. James Landay, Direktor von Stanford HAI, sagte gegenüber The Register: "Open weights answer 'Can I run this?' Open source answers 'Can I trust this, improve it, and build the next thing on top of it?'"

Was man beim Download tatsächlich bekommt

Eine typische Veröffentlichung offener Gewichte enthält die Gewichte, die Modellarchitektur und den Inferenzcode. Zusammen mit einer Laufzeitumgebung wie llama.cpp reicht das, um Text zu erzeugen. Superwhispers S1-mini zum Beispiel ist ein Text-Normalisierer mit 0,6B Parametern für die Ausgabe von Spracherkennung. Er wurde auf Qwen/Qwen3-0.6B nachtrainiert und ist unter Apache 2.0 plus einer Namensklausel lizenziert. Die Modellkarte nennt 596M eindeutige Parameter, 28 Schichten, 16 Query-Heads und 8 Key/Value-Heads bei gruppierter Query-Attention sowie einen quantisierten Build, der eine 462 MiB große Datei ist.

Was auf dieser Karte fehlt, sind die Trainingsdaten. Superwhisper sagt nicht, mit welchen Transkripten S1-mini trainiert wurde, wie sie ausgewählt wurden oder was entfernt wurde. Das ist normal für Veröffentlichungen offener Gewichte, und genau diese Lücke kritisieren die Kritiker.

Der Glossareintrag der OSI zieht die Grenze deutlich. "Open Weights refer to the final weights and biases of a trained neural network", heißt es dort, und weiter, die Gewichte allein gäben nur "a fraction of the information required for full accountability" preis. Ohne Trainingsdaten oder ausführliche Dokumentation können Außenstehende nicht feststellen, welche Quellen verwendet wurden, welches urheberrechtlich geschützte oder private Material enthalten sein könnte, wie die Daten gefiltert wurden, welche Sprachen unterrepräsentiert waren, ob Benchmark-Daten ins Training gelangt sind oder welche Alignment- und Sicherheitsverfahren nach dem Pretraining angewandt wurden.

"You still can't see how the thing was built, what it was trained on, or why it behaves the way it does. That's not an open model. That's open distribution." James Landay, Stanford HAI

Die OSI versuchte eine Definition, und der Streit ist nicht vorbei

Die Open Source Initiative veröffentlichte im Oktober 2024 die Open Source AI Definition, OSAID 1.0. Sie verlangt, dass Modellparameter einschließlich der Gewichte unter von der OSI anerkannten Bedingungen verfügbar gemacht werden, schreibt aber keinen bestimmten rechtlichen Mechanismus vor. Die OSI räumte bei der Veröffentlichung ein, dass die Definition sich weiterentwickeln werde. Kritiker sagen, die zentralen Mängel seien nicht behoben.

Luca Antiga, CTO von Lightning AI und PyTorch-Mitwirkender, argumentierte, die Behandlung der Gewichte in der OSAID lasse "a gaping hole that will make licenses less effective in determining whether OSI-licensed AI systems can be adopted in real-world contexts". Bruce Perens, Autor der ursprünglichen Open Source Definition, lehnte die OSAID 2024 ab und sagte später: "It's not Open Source! … It's unfortunate that the Open Source Initiative itself is now involved in Openwashing."

Bradley Kuhn von der Software Freedom Conservancy und Richard Fontana, leitender Handelsjurist bei Red Hat, gingen weiter und forderten die Aufhebung der OSAID. Ihr Argument, zitiert von The Register: "The OSI acted too quickly to impose an overly ambitious policy compromise on the community. OSAID undeniably created a rift in the FOSS community; that rift seriously damaged the OSI's reputation, authority, and influence."

Unterdessen reichte Mike Dolan von der Linux Foundation die Open Model, Data, and Weights License, OpenMDW, bei der OSI ein. Sie existiert seit 2025 und nennt Mitwirkende von Amazon, Meta, IBM, Microsoft und Nvidia. Ihr Ansatz besteht darin, in einer Vereinbarung getrennte Bedingungen für Architektur, Trainingsdaten und Gewichte eines Modells zu definieren. Die Einreichung stieß auf der Lizenzprüfungs-Mailingliste der OSI auf Widerspruch. Stefano Maffulli, ehemaliger Geschäftsführer der OSI, sagte, er habe weiter den Eindruck, die Prüfung "is tainted by an ideological bias: Because we don't like big tech and AI now is big tech, then we don't like AI; therefore, we'll do anything to block it."

Die Fähigkeiten sind real, der Vorbehalt auch

Nichts davon hat das Tempo der Veröffentlichungen gebremst. Mozilla veröffentlichte am 15. September Version 1.1 seines Berichts State of Open Source AI mit Datenstand 1. September, wie Tom's Hardware berichtet. Darin liegt das beste offene Modell im 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, im Einklang mit der Vier-Monats-Schätzung von Epoch AI.

Mozillas Zahlen stammen aus einer Umfrage von Mozilla und SlashData unter rund 1.400 Entwicklern, aus OpenRouter-Verkehrsdaten und aus Benchmark-Indizes Dritter. Mozilla setzt sich für offene Modelle ein; TIME berichtete am 14. Juli, Mozilla-CTO Raffi Krikorian habe den Bericht teils als Interessenvertretung bezeichnet. Der Bericht zählt 16 bemerkenswerte offene Veröffentlichungen und merkt an, dass keine das von der OSI-Definition verlangte Datenrezept liefere.

• Auf 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 Rückstand auf Opus 4.8, bei weniger als einem Fünftel der Kosten pro Test.
• Auf OpenRouter zählte Mozilla acht der zehn Modelle mit dem höchsten Token-Volumen im August zu den offenen Gewichten, sieben davon chinesischen Ursprungs.
• Geschlossene Anbieter erzielten laut der Linux Foundation von Mai bis September 2025 weiterhin 96% der Umsätze auf Modellebene auf OpenRouter.
• Das beste offene Modell, das auf einen Server passt, erreichte 52,6 in Mozillas Hardware-Übersicht; das beste auf einer GPU erreichte 40. Der Abstand zur Spitze beträgt 10 und 23 Punkte.

Der letzte Punkt ist der praktische Haken. Der native MXFP4-Checkpoint von Kimi K3 läuft über etwa 1,56TB verteilt auf 96 Shards, und Mozillas Serving-Konfiguration nennt 64 oder mehr Beschleuniger, während vLLM für Produktionsverkehr mindestens acht GB300 GPUs über mehrere Knoten verlangt. Mozilla beschreibt das als offen, aber nicht lauffähig für die meisten, die es besitzen. Eine Ausnahme, die der Bericht nennt, ist Thinking Machines' Inkling-Small unter Apache 2.0, dessen NVFP4-Version auf einen B300 mit einer Untergrenze von 180GB passt.

Krikorian sagte in einer E-Mail an Ars Technica: "We see the decision to pay for closed [models] as workload-specific rather than organization-specific."

Urheberrechtsverfahren stoßen auf dieselbe Wand

Der Definitionsstreit hat ein Gegenstück vor Gericht. Ein Artikel von A. Feder Cooper, Mark A. Lemley und sieben Mitautoren, auf arXiv veröffentlicht und im Juli 2026 überarbeitet, maß die Memorierung von 200 Büchern über 14 offene LLMs in mehr als 3.000 Experimenten. Ihr Schluss lautet, dass Kläger und Beklagte in Urheberrechtsverfahren zu generativer KI beide zu stark vereinfachen.

Die meisten LLMs memorieren die meisten Bücher nicht, weder ganz noch teilweise, nach der Extraktionsmethode der Autoren. Es gibt aber Ausnahmen: Llama 3.1 70B memorisiert einige Bücher vollständig, darunter Harry Potter and the Sorcerer's Stone, bis zu dem Punkt, dass das ganze Buch nahezu wörtlich aus den ersten Wörtern extrahiert werden kann. Die Autoren schreiben, ihre Ergebnisse hätten erhebliche Folgen für Urheberrechtsverfahren, allerdings keine, die eindeutig einer Seite nützen.

Ungefähr dort steht die Debatte um offene Gewichte. Die Dateien sind öffentlich. Das Rezept ist es nicht. Und die beiden Seiten können sich nicht einmal darauf einigen, wie das Ergebnis heißen soll.