Open-Weight-Modell einfach erklärt: Was offene KI-Modelle von Open Source und ChatGPT unterscheidet

Was „Gewichte“ sind und was offen daran ist

Ein Sprachmodell lernt im Training, indem es Milliarden von Zahlenwerten immer wieder anpasst. Diese Zahlen heißen Gewichte oder Parameter. Die Open Source Initiative (OSI) beschreibt sie als die endgültigen Werte eines trainierten neuronalen Netzes, die bestimmen, wie das Modell Eingaben verarbeitet und Antworten erzeugt. Man kann sie sich als das gespeicherte Können des Modells vorstellen.

Bei einem Open-Weight-Modell veröffentlicht der Hersteller diese Gewichte als Datei. Wer genug Rechenleistung hat, lädt sie herunter, lässt das Modell auf eigener Hardware laufen und kann es weiter anpassen.

Das Gegenstück sind geschlossene Modelle. Bei ihnen bleiben die Gewichte beim Anbieter, du nutzt sie nur über dessen App oder Programmierschnittstelle. So ist es bei den Modellen hinter ChatGPT, Gemini und Claude, und seit April 2026 auch bei Metas Spitzenmodell Muse Spark, das ohne herunterladbare Gewichte erschienen ist.

Open Weight ist nicht gleich Open Source

Viele Hersteller und Medien sagen „Open Source“, wenn sie eigentlich „Open Weight“ meinen. Die OSI hat dafür 2024 eine eigene Definition für Open-Source-KI veröffentlicht (Version 1.0). Danach gehören zu echter Open-Source-KI neben den Gewichten auch der vollständige Code, mit dem trainiert wurde, und so genaue Angaben zu den Trainingsdaten, dass Fachleute ein im Wesentlichen gleichwertiges System nachbauen könnten.

Genau das fehlt bei den meisten Open-Weight-Modellen. Die OSI kritisiert, dass sich ihre Entstehung und mögliche Verzerrungen dann nicht vollständig nachvollziehen lassen. DeepSeek schreibt zum Beispiel auf seiner Modellseite nur, dass V4 mit mehr als 32 Billionen Textbausteinen (Tokens) trainiert wurde, nicht mit welchen.

Dazu kommt die Lizenz, also was du mit den Gewichten tun darfst. Sehr freizügig sind Apache 2.0 und MIT. Andere Lizenzen schränken ein: Laut der Nutzungsrichtlinie zu Llama 4 erhalten Privatpersonen mit Wohnsitz in der EU und Firmen mit Hauptsitz in der EU für die multimodalen Llama-4-Modelle keine Nutzungsrechte. Wer nur eine App verwendet, in der ein solches Modell steckt, ist davon laut Meta nicht betroffen.

Bekannte offene Modelle im Überblick

OpenAI: Im August 2025 veröffentlichte OpenAI gpt-oss-120b und gpt-oss-20b unter der Apache-2.0-Lizenz. Das kleinere Modell braucht laut OpenAI nur 16 GB Arbeitsspeicher, das größere läuft auf einer einzelnen Grafikkarte mit 80 GB.

Meta: Mit Llama hatte Meta eine der am häufigsten heruntergeladenen Modellreihen mit offenen Gewichten. Nach dem geschlossenen Muse Spark brachte Meta im August 2026 mit Muse Glimmer wieder ein offenes Modell heraus: 30 Milliarden Parameter, Apache-2.0-Lizenz, laut Meta lauffähig auf einem Mac oder PC mit einer leistungsstarken Grafikkarte.

Mistral: Das französische Unternehmen führt in seiner Modellübersicht unter anderem Mistral Small 4 und Mistral Large 3 mit Apache-2.0-Lizenz und Mistral Medium 3.5 mit einer abgewandelten MIT-Lizenz.

DeepSeek: Die V4-Modelle hat DeepSeek laut Modellseite als Vorschauversion veröffentlicht, sie stehen unter der MIT-Lizenz. V4-Pro hat 1,6 Billionen Parameter, V4-Flash 284 Milliarden.

Qwen: Alibaba veröffentlicht viele Qwen-Modelle mit offenen Gewichten. Im August 2026 kündigte das Team an, erstmals auch die Gewichte eines Modells der größten Max-Klasse freizugeben.

Was hinter DeepSeek und Qwen steckt und wie es um Datenschutz und Zensur bei diesen Modellen steht, erklären wir ausführlich in unserem Beitrag über chinesische KI-Modelle.

Was das für Datenschutz und den eigenen Rechner bedeutet

Offene Gewichte sind die Voraussetzung dafür, dass du ein Modell lokal betreiben kannst, also ohne dass deine Eingaben das Gerät verlassen. Wie das praktisch geht und welcher Computer reicht, erklärt unser Beitrag über lokale KI-Modelle.

Unsere Einordnung: Open Weight heißt nicht automatisch privat. Nutzt du dasselbe Modell über die App oder Website des Herstellers, landen deine Eingaben trotzdem auf dessen Servern. Privat wird es erst, wenn das Modell wirklich bei dir oder bei einem Dienstleister deines Vertrauens läuft.

Außerdem passt nicht jedes offene Modell auf einen Heimrechner. Bei Modellen mit Hunderten Milliarden oder mehr als einer Billion Parametern wie DeepSeek V4 brauchst du Server-Hardware. Für zu Hause kommen eher kleine Modelle in Frage, etwa gpt-oss-20b oder Muse Glimmer.

Für Firmen ist die Lizenz entscheidend: Apache 2.0 und MIT erlauben in der Regel auch kommerzielle Nutzung, bei anderen Lizenzen wie der von Llama 4 solltest du die Bedingungen vorher genau lesen.