Drei Meldungen derselben Woche, zusammen gelesen: die Jahresbilanz des Schweizer offenen Modells Apertus, DeepSeeks erste multimodale Veröffentlichung unter sauberer MIT-Lizenz, und ein offenes Modell, das sich auf Medizin spezialisiert. Was davon für Ihre Architektur wirklich zählt.
In neun Tagen haben fünf Open-Weight-Veröffentlichungen bestätigt, dass sich die Fähigkeitslücke zu geschlossenen Modellen schneller schließt als erwartet — und an einem konkreten Fall gezeigt, warum die Lizenz von gestern keine Garantie für die von morgen ist.
In nur einer Woche: bereits herunterladbare MIT-Gewichte, eine frisch veröffentlichte Revenue-Share-Lizenz, ein Modell, das kritische Schwachstellen findet und seine Gewichte unter Verschluss hält, und ein viertes Modell, das nicht einmal einen Namen hat. Was sich für Entscheider heute ändert.
Meta macht bei seiner geschlossenen Strategie eine Kehrtwende, Nvidia veröffentlicht sein allererstes offenes Modell. Gleiche Woche, gleiche Richtung: kleine Modelle, Lizenzen, die einer Prüfung standhalten, gebaut für eine einzige GPU.
In derselben Woche kündigt Alibaba ein "offenes" Modell ohne Gewichte und Lizenz an, veröffentlicht DeepSeek seine unter MIT, und die Europäische Union wählt aus, wer ihr souveränes offenes Modell bauen wird. Drei sehr unterschiedliche Grade von Offenheit.
Zwei Nachrichten derselben Woche, eine aus Brüssel und eine aus Washington, sagen mehr über die Richtung der Regulierung offener Modelle aus als jede Benchmark-Rangliste. So sieht es für Unternehmen aus, die sie bereits in der Schweiz einsetzen.
Die vollständigen Gewichte von Kimi K3 — 2,8 Billionen Parameter, die größte Open-Weight-Veröffentlichung aller Zeiten — sind seit heute online. Doch die Entscheidung, die für ein Unternehmen zählt, ist nicht, welches Modell heruntergeladen wird, sondern wo es läuft.
Zwei Wochen nach unserer letzten Übersicht hat sich die Open-Weight-Rangliste bereits zweimal gedreht. Hier sind Kimi K3 und Inkling, ihre Lizenzen, und warum das Jagen nach dem Podium nicht der nützliche Teil ist.
In den ersten sechs Monaten des Jahres 2026 hat sich die Rangliste der Open-Weight-Modelle öfter verändert, als sich verfolgen liess. Das zählt wirklich für ein Unternehmen — jenseits des Benchmark-Lärms.
Das grösste Modell ist nicht immer die beste Wahl. Optimierungstechniken ermöglichen oft dieselbe wahrgenommene Qualität zu einem Bruchteil der Hardwarekosten.
RAG und Fine-Tuning werden oft als gleichwertige Alternativen dargestellt. Das sind sie nicht: Sie lösen unterschiedliche Probleme, und die falsche Wahl kostet Monate an Arbeit.
Ein KI-Tool einzuführen, ohne geprüft zu haben, wo die Daten landen, ist der schnellste Weg, einen Produktivitätsgewinn in ein Compliance-Problem zu verwandeln. Das sollten Sie vorher prüfen.
Ein geschlossenes Modell und ein offenes Modell sind keine zwei Varianten desselben Produkts: Sie unterscheiden sich darin, wer Ihre Daten sieht und wer das System kontrolliert. So entscheiden Sie von Fall zu Fall.
KI-Agenten versprechen, ganze Arbeitsabläufe zu automatisieren. Auf offenen Modellen funktionieren heute einige Anwendungsfälle gut in Produktion — andere nicht, und das sollte man wissen, bevor man darauf aufbaut.
Das Wort "offen" wird in der KI-Welt sehr grosszügig verwendet. Die Lizenzen hinter den Modellen unterscheiden sich jedoch stark — und sie vor der Einführung zu lesen, ist keine Option, sondern Pflicht.
"Brauchen wir einen Supercomputer?" ist die Frage, die die meisten KI-Projekte blockiert, noch bevor sie beginnen. Fast immer fällt die Antwort bescheidener aus als befürchtet.
"Offenes Modell" ist keine einheitliche Kategorie: Hinter dem Begriff verbergen sich sehr unterschiedliche Familien. So finden Sie sich zurecht, ohne sich nur von Benchmarks leiten zu lassen.