Der am 15. September veröffentlichte Bericht „State of Open Source AI“ von Mozilla kommt zu dem Schluss, dass Organisationen für den Großteil ihrer Arbeit standardmäßig offene Modelle einsetzen sollten. Das Open-Weight-Modell Kimi K3 von Moonshot AI liegt im Artificial Analysis Intelligence Index nur drei Punkte hinter dem geschlossenen Modell Fable 5 von Anthropic, arbeitet aber zu 30 Prozent von dessen Kosten. Laut Mozilla-CTO Raffi Krikorian bieten geschlossene Modelle Vorteile bei anspruchsvollen professionellen Aufgaben, intensivem Informationsabruf und langen Kontexten. Sie werden außerdem bevorzugt, weil sie sofort einsatzbereit sind und Compliance-Pakete, Support sowie Verantwortlichkeit bieten. Open-Weight-Modelle können zwar heruntergeladen werden, doch Trainingsdaten, Datenpipeline und Trainingscode werden meist nicht veröffentlicht.
DoorDash setzt Kimi für Routinearbeiten und Fable für schwierigere Aufgaben ein. Die von METR anhand der Bearbeitungszeit menschlicher Fachleute gemessenen Daten zum „Zeithorizont“ zeigen, dass das beste geschlossene Modell 1,7-mal so lange Aufgaben bewältigen kann, wie das beste offene Modell zuverlässig abschließen kann. Krikorian erklärte, dass ein offenes Modell eine siebenstündige Aufgabe bewältigen könne, während ein geschlossenes Modell eine 12-stündige Aufgabe abschließen könne; vier Monate später erreiche das offene Modell 12 Stunden und das geschlossene Modell etwa 20 Stunden. Aufgaben von weniger als acht Stunden können beiden Modelltypen übertragen werden, während sich der derzeitige Unterschied hauptsächlich bei Arbeiten von acht bis 12 Stunden zeigt. Insgesamt kann kein Modell Aufgaben von mehr als 12 Stunden zuverlässig bewältigen.
Spezielle Softwareschichten, die Modellen den Zugriff auf Werkzeuge und Speicher ermöglichen, können die Vergleiche beeinflussen. Bei der mit der neutralen Software von Vals AI durchgeführten Terminal-Bench-2.1-Bewertung kam das Modell GLM 5.2 von Z.ai bis auf etwa einen Punkt an die Modelle Claude Opus 4.7 und 4.8 von Anthropic heran; zugleich war es pro abgeschlossener Aufgabe etwa fünfmal günstiger. Demnach verschafft die Bezahlung für geschlossene Modelle lediglich bei Aufgaben von acht bis 12 Stunden einen viermonatigen Vorsprung, und das zu etwa fünffachen Kosten.
Mit Stand August 2026 verfügen acht der ersten 10 Modelle auf OpenRouter gemessen am Token-Volumen über offene Gewichte. Dagegen entfielen laut einer Untersuchung der Linux Foundation auf Grundlage von Daten von Mai bis September 2025 4 % der Einnahmen auf offene und 96 % auf geschlossene Modelle. Krikorian erklärte, dass die Konzentration der besten offenen Modelle in China und der geschlossenen Modelle in den USA ein Risiko darstelle. Für ein alternatives Ökosystem in den USA und Europa schlug er die Unterstützung durch öffentliche Rechenprogramme, neutrale Stiftungen, Unternehmen und philanthropische Organisationen vor; zugleich betonte er, dass es schwierig sei, Modellen zu vertrauen, deren Trainings- und Bewertungsverfahren unbekannt seien.
Warum das wichtig ist
Diese Übersicht zeigt, dass es für Organisationen sinnvoller ist, ihre Auswahl nach Aufgabendauer, Kosten, Support- und Compliance-Anforderungen zu treffen, statt sich auf einen einzigen Modelltyp festzulegen. Während Modelle mit offenen Gewichten bei Routineaufgaben und kurzen Aufgaben den Kostendruck verringern, wird der Vorteil geschlossener Modelle bei längeren Aufgaben, die Fachwissen erfordern, deutlicher; dass jedoch keine der Optionen Aufgaben von mehr als 12 Stunden zuverlässig bewältigen kann, verdeutlicht weiterhin die Grenzen der Automatisierung. Die Tatsache, dass die Ergebnisse je nach proprietärer Softwareschicht variieren können, zeigt, dass bei Vergleichen nicht nur die reinen Leistungswerte berücksichtigt werden sollten. Dass sich die Nutzung auf offene Modelle, die Einnahmen dagegen auf geschlossene Modelle konzentrieren, rückt die Unterscheidung zwischen Akzeptanz und kommerziellem Wert sowie die Rolle von Supportdiensten in den Vordergrund. Zugleich macht die uneinheitliche Benennung der Anthropic-Modelle in der Quelle eine Überprüfung der Vergleiche erforderlich.
Begriff: offene Gewichte
Offene Gewichte bedeuten, dass die trainierten Parameter eines Modells der künstlichen Intelligenz heruntergeladen werden können; da die Trainingsdaten und der Code nicht offen sein müssen, ist dies nicht gleichbedeutend mit Open Source.