Wem gehört das Modell?
Allein im Juli sind in kurzer Zeit vier neue offene Sprachmodelle erschienen, die jeder frei herunterladen kann. Mindestens eines davon liegt in der aktuellen Spitzengruppe der besten Modelle — direkt hinter den geschlossenen Systemen, die bisher als eher uneinholbar gehandelt wurden.
Das Ergebnis, aber ohne den Weg dorthin
Ein Modell ist am Ende vor allem eine sehr große Zahlentabelle. Milliarden von Werten, die beim Training des Modells entstanden sind und darüber entscheiden, welche Worte aufeinander folgen. Diese Tabelle nennt man die Gewichte. Wenn ein Anbieter sie veröffentlicht, kann man sie als Modell herunterladen, auf eigener Hardware betreiben, verändern und weitergeben.
Dann sieht niemand sonst die Dialoge. Und niemand kann das Modell abschalten oder den Zugriff darauf verwehren. Die Kontrolle bleibt vollständig beim Nutzer.
Open Weights sind aber auch deutlich weniger, als das Wort offen vermuten lässt. Denn man erhält daraus zwar das Ergebnis, aber nicht den Weg dorthin. Die Trainingsdaten selbst bleiben unter Verschluss, genau wie der Trainingscode auch.
Wir können das Modell benutzen, aber weder nachbauen noch prüfen, woraus es entstanden ist. Die Open Source Initiative OSI, die seit fast 30 Jahren definiert, was offen heißt, hat dafür 2024 einen Maßstab formuliert: Trainingsdaten, Trainingscode, Gewichte. Offene Modelle erfüllen davon in der Regel genau einen Punkt.
Open Weights might seem revolutionary at first glance, but they’re merely a starting point.
Zwei heiße Wochen im Juli
Am 15. Juli veröffentlichte Thinking Machines — das Labor von Mira Murati — das erste Modell: Inkling, 975 Milliarden Parameter, multimodal, unter Apache 2.0. Das ist eine der großzügigsten Lizenzen im Feld, ohne Klauseln, ohne Schwellen.
Elf Tage später legte Moonshot AI nach. Kimi K3, 2,8 Billionen Parameter, das bisher größte frei verfügbare Modell. Auf dem Artificial Analysis Index landet es direkt auf Rang vier — vor allem, was bis dahin offen war, und vor einer ganzen Reihe geschlossener Systeme. Dazwischen liegen DeepSeek V4 und MiniMax M3, beide ebenfalls offen.
Die Annahme, dass die stärksten Modelle automatisch immer hinter einer API bleiben, hat diesen Sommer nicht überlebt.
Wobei sich schon hier zeigt, wie unscharf das Wort offen geworden ist: Kimi K3 kommt nicht mehr unter einer Standardlizenz, sondern unter einem eigenen Dokument, das kommerzielle Nutzung ab zwanzig Millionen Dollar Jahresumsatz einschränkt. Offen heißt nicht das gleiche wie frei und beides bedeutet nicht dasselbe wie überprüfbar.
Freiheit in der Theorie
Jetzt kommt die unbequeme Rechnung. Die Gewichte von Kimi K3 belegen selbst in stark komprimierter Form rund 1,4 Terabyte. Moonshot empfiehlt für den Betrieb 64 Beschleuniger oder mehr. Eine einzelne H200 reicht nicht annähernd. Überschlägt man das bei aktuellen Hardwarekosten, landet man bei einem Invest von mehreren Millionen Euro plus etwa eine Gigawattstunde Strombedarf pro Jahr.
Du darfst dieses Modell also herunterladen. Selbst betreiben kannst du es nicht. Die Freiheit ist real und für die allermeisten trotzdem theoretisch — sie verlagert sich bestenfalls zu dem, der ein Rechenzentrum hat.
Ein Modell, das man nur mieten kann, gehört einem nicht — selbst wenn die Gewichte dazu frei sind.
Die interessantere Nachricht kam deshalb Ende Juli, fast unbemerkt. Thinking Machines veröffentlichte Inkling-Small: 276 Milliarden Parameter statt 975 — und im Intelligenz-Index nur einen Punkt hinter dem großen Bruder.
Das ist die Bewegung, auf die es ankommt. Nicht das größte offene Modell, sondern das kleinste, das genügt. Was heute 64 Beschleuniger braucht, läuft vielleicht schon nächstes Jahr auf einem Server im eigenen Haus — und irgendwann auf dem Gerät in deiner Tasche.
Offen und doch nicht transparent
Damit wird die Frage relevant, die heute noch akademisch klingt: Wovon wollen wir abhängig sein? Ein Modell hinter einer API kann verteuert, verändert, blockiert oder eingestellt werden, ohne dass du gefragt wirst. Eines, das auf der eigenen Hardware liegt, kann niemand einfach abschalten. Es altert — aber es verschwindet nicht.
Das ist allerdings nur die halbe Unabhängigkeit. Wir gewinnen Verfügbarkeit. Was weiterhin fehlt, ist die Herkunft. Woraus das Modell entstanden ist, bleibt verschlossen — und damit auch die Antworten auf die Fragen, die für Organisationen zuerst kommen: Welche Texte stecken darin? Wie kann man sicher sein, dass das Modell wirklich das tut, was es soll?
Genau hier hört Transparenz auf, eine akademische Kategorie zu sein. Wer nicht prüfen kann, woraus ein Werkzeug besteht, bleibt abhängig — nicht mehr von dem, der am Betriebshebel sitzt, sondern von Entscheidungen, die im Training gefallen sind und die niemand mehr einsehen kann.
Wer auf diese Werkzeuge baut, muss sich dieser Unterscheidung bewusst sein. Dafür gibt es bisher keinen Index.
—
opensource.org: Open Weights — not quite what you’ve been told
thinkingmachines.ai: Inkling Model Card — 975 Milliarden Parameter unter Apache 2.0
thinkingmachines.ai: Inkling-Small Model Card — 276 Milliarden Parameter
huggingface.co: Kimi K3 — Modellgewichte und Modellkarte
artificialanalysis.ai: Kimi K3 im Intelligenz-Index
entresol.de: LLM in a pocket — wie KI ins Endgerät wandert
entresol.de: From Swiss, with Love — Apertus und digitale Souveränität