Mozilla hat den Zustand der offenen KI erstmals systematisch vermessen. Technisch ist der Abstand zu den geschlossenen Anbietern fast verschwunden, wirtschaftlich klafft er weit auseinander. Für Entscheider verschiebt das die Frage von der Leistung hin zu den Betriebskosten.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Open-Source-KI liegt nur noch 3,3 Prozent hinter den führenden geschlossenen Modellen, gemessen an der Fähigkeitslücke, die Mozilla über zwei Jahre verfolgt hat[1]. Anfang 2024 waren es noch gut 8 Prozent. Das Argument, das offene Modelle bislang aus Budgetrunden gekippt hat, trägt damit nicht mehr.
Das Wichtigste in Kürze
- Die Fähigkeitslücke zu geschlossenen Modellen ist von 8,04 auf 3,3 Prozent geschrumpft.
- 79 Prozent der befragten Entwickler arbeiten mit offenen Modellen, aber nur 51 Prozent bringen sie in den Produktivbetrieb.
- Offene Modelle tragen rund ein Drittel der realen Nutzung und holen davon 4 Prozent des Umsatzes.
- Die Open-Source-Ausnahme im EU AI Act endet genau dort, wo die stärksten offenen Modelle anfangen.
Wie groß ist der Rückstand wirklich?
Im Mittel 3,3 Prozent, aber ungleich verteilt: Bei Programmieraufgaben und beim Befolgen von Anweisungen sind offene Gewichte gleichauf. Beim mehrstufigen Schlussfolgern und bei langen Kontexten führen die geschlossenen Systeme weiter deutlich.
Datenbasis: Mozilla stützt den Befund auf eine gemeinsam mit SlashData erhobene Entwicklerbefragung mit 1.410 Teilnehmern aus acht Weltregionen. Ein Durchschnittswert verdeckt allerdings, dass die Front zerklüftet verläuft.
Preisumkehr: Beim Geld hat sich das Verhältnis noch deutlicher gedreht. Inferenz ist in 36 Monaten um den Faktor 50 billiger geworden, ein geschlossener Aufruf kostet rund das Sechsfache eines vergleichbaren offenen.
Wie schnell das geht, hat zuletzt Kimi K3 gezeigt, das offene Modell aus China. Chinesische Gewichte machen mittlerweile über 45 Prozent des wöchentlichen Traffics beim Modell-Vermittler OpenRouter aus.
Warum scheitern offene Modelle am Produktivbetrieb?
Nicht am Modell, sondern am Betrieb: 79 Prozent der Entwickler arbeiten mit offenen Modellen, aber nur 51 Prozent bringen sie tatsächlich in Produktion. Bei geschlossenen Modellen sind es 63 Prozent. Der Abstand entsteht hinter der Modellwahl.
Betriebslast: Als größte Hürde nennen 27 Prozent der Befragten die Infrastrukturkosten, direkt danach folgen Sicherheit und Compliance mit 26 Prozent. Die Produktionsquote steigt dabei kaum mit der Unternehmensgröße.
Darin liegt der Mechanismus: Ein offenes Modell verlangt eine Mannschaft für Hosting, Updates und Nachweise, die bei einem geschlossenen Anbieter im Preis steckt. Werkzeuge wie LM Studio Bionic, das offene Modelle als lokalen Agenten fahrbar macht, setzen genau an dieser Lücke an.
Mozilla hat den Abstand zwischen offenen und geschlossenen KI-Modellen erstmals vermessen. Die Leistung stimmt, das Geschäft nicht.
So weit liegen offene Gewichte noch hinter den führenden geschlossenen Modellen. Anfang 2024 waren es 8,04 Prozent.
79 Prozent der Entwickler arbeiten mit offenen Modellen, nur 51 Prozent bringen sie in den Produktivbetrieb. Bei geschlossenen Modellen sind es 63 Prozent.
Um diesen Faktor ist Inferenz in 36 Monaten billiger geworden. Ein geschlossener Aufruf kostet rund das Sechsfache eines offenen.
Mehr als diesen Anteil am wöchentlichen OpenRouter-Traffic bestreiten chinesische Modelle, Stand April 2026.
Wo der Wert versickert
Etwa ein Drittel der tatsächlichen Arbeit läuft über offene Modelle.
So wenig davon fließt in das offene Ökosystem zurück, das die Arbeit leistet.
Woran der Produktivbetrieb hängt
Größte genannte Hürde beim Rollout offener Modelle.
Nachweispflichten und Freigaben bremsen den Weg in die Produktion.
Updates, Betrieb und Fehlersuche liegen beim Anwender statt beim Anbieter.
Offene Modelle sind längst gut genug. Was fehlt, ist die Mannschaft, die sie im Alltag am Laufen hält, und genau dort entscheidet sich der Kostenvorteil.
— Markus Seyfferth, Chefredakteur Dr. Web
Was ändert der EU AI Act für offene Modelle?
Weniger als erhofft. Artikel 53 Absatz 2 befreit frei lizenzierte Modelle nur von der technischen Dokumentation und der Zulieferer-Information. Die Copyright-Regeln und die Zusammenfassung der Trainingsdaten bleiben Pflicht.
Schwellenwert: Bei Modellen mit systemischem Risiko entfällt die Ausnahme vollständig[2]. Die Grenze liegt bei 10 hoch 25 Gleitkommaoperationen im Training, oberhalb davon greifen zusätzlich adversariales Testen, Risikobewertung, Meldepflicht bei Vorfällen und Cybersicherheitsauflagen.
Die Entlastung gilt damit für kleine und mittlere offene Modelle, nicht für die Spitzenklasse. Das spricht für schlanke Spezialisten wie das 26-Millionen-Modell Needle, das beim Function Calling mithält. Warum die Open Source Business Alliance offene Gewichte als europäische Antwort auf abschaltbare US-Dienste fordert, hat zuletzt die Exportkontrolle für Anthropics Cyber-Modell vorgeführt.
Rechnen Sie vor der nächsten Modellentscheidung den Tokenpreis gegen die Betriebskosten aus Hosting, Updates und Compliance-Nachweis auf. Prüfen Sie zusätzlich, auf welcher Seite der Risikoschwelle Ihr Wunschmodell liegt, denn davon hängt der Dokumentationsaufwand ab.
Quellen
[1] Mozilla: „The State of Open Source AI, V1.0″ ↩
[2] EU-Kommission, AI Act Service Desk: „Artikel 53: Pflichten für Anbieter von KI-Modellen mit allgemeinem Verwendungszweck“ ↩
Mehr Newshunger?
- Kimi K3: Chinas offenes KI-Modell erreicht die Weltspitze zu einem Bruchteil der Kosten
- LM Studio Bionic: der KI-Agent für offene Modelle
- Lässt sich Open-Source-KI abschalten? Niemals
- Schlägt ein 26-Millionen-Modell die Großen beim Function Calling?
- Anthropic-IPO: Was bedeutet der Börsengang für Europa?
- Die 10 besten KI-Textgeneratoren im Vergleich
