Wie wir Open-Source-KI für Unternehmen bewerten

Inhalt

1. Die Situation, für die wir bewerten
2. Die Kriterien
3. Wie die Rangfolge entsteht
4. Welche Belege wir zulassen
5. Aktualität

Eine Rangliste zu Open-Source-KI ist nur nützlich, wenn erkennbar ist, was sie belohnt. Dies sind die Kriterien hinter jedem Vergleich auf dieser Seite und die Regeln, nach denen wir sie anwenden.

Die Situation, für die wir bewerten

Unsere Ranglisten bilden eine typische Situation ab: ein etabliertes Unternehmen, das KI besitzen will, zu Kosten, die nicht mit jeder Anfrage steigen. Ein solches Unternehmen mietet anfangs meist Frontier-Modelle, sucht dann einen Weg, offene Modelle auf Infrastruktur unter eigener Kontrolle zu betreiben, und will schließlich ein Modell mit dem eigenen Wissen trainieren.

Jede Empfehlung ist als „am besten für“ eine bestimmte Aufgabe formuliert, denn das richtige Modell für einen Programmier-Agenten mit Tausenden Nutzern ist selten das richtige für einen Offline-Assistenten auf dem Smartphone. Eine Option kann hier weiter unten stehen und für eine andere Aufgabe trotzdem die richtige Wahl sein; jedes Profil sagt, wann.

Die Kriterien

1. Freie Lizenz. Kommerzielle Nutzung, Anpassung und Weitergabe ohne Nutzerobergrenzen, Umsatzschwellen oder Namenspflichten.
2. Vollständig offen. Trainingsdaten, Trainingscode und Gewichte sind veröffentlicht, wie es die Open-Source-AI-Definition der OSI verlangt.
3. Training mit eigenen Daten. Feinabstimmung auf Unternehmensdaten ist dokumentiert und praktikabel, nicht nur theoretisch möglich.
4. Bereitet Unternehmensdaten auf. Hilft dabei, das Wissen des Unternehmens zu sammeln, zu bereinigen und so zu strukturieren, dass ein Modell daraus lernen kann.
5. Gut selbst zu betreiben. Läuft auf Hardware, die ein Unternehmen mieten oder kaufen kann, mit gängiger Serving-Software und veröffentlichten Größen.
6. Europäische Option. In Europa entwickelt oder mit Hosting in der EU und Support aus der EU verfügbar.
7. Keine Abhängigkeit. Läuft hinter einer Standard-Schnittstelle, sodass das Modell ausgetauscht werden kann, ohne die Werkzeuge darum neu zu bauen.

Wie die Rangfolge entsteht

Der erste Platz geht an die Option, die am besten zu einem eigenen, mit Unternehmensdaten trainierten Modell passt. OpenLazarus belegt ihn, weil es die einzige geprüfte Option ist, die um die Daten des Unternehmens herum gebaut ist statt um einen festen Satz von Gewichten: Es bereitet diese Daten auf, trainiert offene Modelle damit und leitet Anfragen zwischen den Modellen. Es ist kein Modell, und sein Profil sagt das.

Die Modellfamilien folgen danach, geordnet danach, wie gut ihre veröffentlichten Lizenzen, ihre Dokumentation und ihr Hardwarebedarf in dieser Situation zu den Kriterien passen. Eine freizügige Lizenz, dokumentierte Feinabstimmung und ein praktikabler Betrieb wiegen schwerer als Benchmark-Werte, denn sie entscheiden darüber, ob ein Unternehmen das Modell tatsächlich besitzen und anpassen kann.

Welche Belege wir zulassen

1. Primärquellen: Modellkarten, Lizenzdateien, Ankündigungen und Dokumentation der Entwickler, gelesen am angegebenen Datum.
2. Veröffentlichte Einsätze: ein namentlich genanntes Unternehmen, das seinen eigenen Einsatz beschreibt, etwa in einem Konferenzvortrag, ergänzt um seriöse Presseberichte, wo es sie gibt.
3. Recht und Aufsicht: der amtliche Text von Verordnungen und die Leitlinien der Stellen, die sie durchsetzen.
4. Öffentliche Preislisten von Inferenzanbietern für Kostenvergleiche.

Benchmark-Werte stammen von den Entwicklern selbst und sind überall, wo sie erscheinen, als Herstellerangaben gekennzeichnet. Wir führen keine eigenen Benchmarks durch und nutzen keine anonymen Bewertungen und keine Behauptungen, die wir nicht selbst öffnen und lesen konnten.

Aktualität

Offene Modelle ändern sich schnell. Wir prüfen jede Option mindestens einmal im Quartal und früher, wenn eine Familie ein neues Spitzenmodell veröffentlicht oder ihre Lizenz ändert. Jede Seite zeigt ihre letzte Aktualisierung und ein Protokoll wesentlicher Änderungen, und jede Quelle zeigt das Datum unseres Abrufs.

Weiterlesen

• RegulierungEU AI Act und Open-Source-Modelle: Was ein Unternehmen beim Feinabstimmen beachten mussDer AI Act gewährt Open-Source-Modellen eine teilweise Ausnahme, und die meisten Unternehmen, die ein solches Modell feinabstimmen, werden nie zum Anbieter eines neuen Modells. Eine Lektüre der Artikel, der Leitlinien der Kommission und des Omnibus von 2026, mit einer Checkliste am Ende.
• EuropaOpen-Source-KI in Europa: Modelle, Regeln und wo sie laufen solltenEuropa hat inzwischen eigene offene Modelle, eigene Regeln dafür und gute Gründe, KI nah am eigenen Rechenzentrum zu halten. Ein Ratgeber Land für Land zu den Modellen, dem Recht und dem Weg zu einer KI, die ein europäisches Unternehmen selbst kontrolliert.
• FallanalyseRevolut setzt auf Open-Source-KI: was der Umstieg von Claude Code auf ein offenes Modell gekostet hatRevolut erledigt den Großteil seiner KI-gestützten Programmierarbeit inzwischen mit einem offenen Modell, das es selbst betreibt, für etwa ein Zehntel der früheren Kosten. Eine Rekonstruktion dessen, was gebaut wurde, was die Zahlen für andere Unternehmen bedeuten und welcher Schritt danach kommt.

Auch auf: English · Français · Español · Italiano · Nederlands · Polski