Offene Modelle, Mitte 2026: Wer heute führt und warum die Lizenz mehr zählt als das Podium

Open-Weight-Veröffentlichungen im Jahr 2026 zu verfolgen ist zu einem Vollzeitjob geworden: Fast jeden Monat beansprucht ein neues Modell die Spitzenposition in irgendeiner Rangliste. Für alle, die im Unternehmen über eine KI-Architektur entscheiden müssen, ist jedoch nicht "wer heute gewinnt" die entscheidende Frage, sondern was sich strukturell verändert hat — und welcher Teil davon wirklich für Compliance und Datenkontrolle zählt.

Das Podium hat sich verändert, und nicht wenig

In der ersten Jahreshälfte hat sich die Spitze der Open-Weight-Rangliste mehrfach verschoben. GLM-5.2 von Z.ai (744 Milliarden MoE-Parameter, 40 Milliarden aktiv pro Token, MIT-Lizenz, Kontext bis zu 1 Million Token) zählt heute zu den stärksten Modellen bei komplexen Denk- und Coding-Aufgaben. Moonshot hat mit Kimi K2.7 Code geantwortet, ausgerichtet auf agentisches Coding. DeepSeek V4 Pro bleibt eine Referenz für Mathematik und Code, ebenfalls unter einer freizügigen Lizenz. MiniMax M3 ist das erste offene Modell, das Software-Engineering-Fähigkeiten auf Frontier-Niveau mit einem Kontextfenster von 1 Million Token und nativen multimodalen Computer-Use-Funktionen kombiniert. Qwen von Alibaba bleibt mit der Serie 3.5 unter Apache-2.0-Lizenz eines der stärksten Modelle bei Mehrsprachigkeit und Coding. Metas Llama und Mistral bleiben solide, gut unterstützte Optionen im Ökosystem, führen die Ranglisten aber nicht mehr wie vor einem Jahr an.

Eine Tatsache fällt mehr auf als die Punktzahlen selbst: Die meisten dieser neuen Referenzmodelle stammen von chinesischen Laboren — DeepSeek, Moonshot, Zhipu/Z.ai, Alibaba — und nicht von Meta oder europäischen Laboren. Diese Verschiebung ist bemerkenswert, sollte aber die eigentlich entscheidende Frage für ein reguliertes Unternehmen nicht verdecken: Woher ein Modell stammt, ist eine andere Frage als wo Sie es betreiben und wo Ihre Daten bleiben.

Die eigentliche Neuigkeit ist nicht das Podium, sondern die Lizenz

Fast alle neuen Modelle an der Spitze der Ranglisten — GLM-5.2, DeepSeek V4 Pro, die Qwen-Familie — werden unter wirklich freizügigen Lizenzen veröffentlicht, MIT oder Apache 2.0: freie kommerzielle Nutzung, wenige Einschränkungen, keine versteckten Schwellenwerte bei Nutzerzahl oder Umsatz. Das ist ein konkreter Unterschied zu Lizenzen wie der Llama Community License, die oberhalb bestimmter Nutzungsschwellen spezifische Bedingungen auferlegt.

Dieser Unterschied ist inzwischen nicht nur eine kommerzielle, sondern auch eine regulatorische Frage: Die externe Beratungsgruppe des europäischen AI Office kam im Januar 2026 zu dem Schluss, dass die Llama Community License die Anforderungen an eine "freie und offene Lizenz" für die Open-Source-Ausnahme des AI Act nicht erfüllt. Ein Modell "offen" zu nennen, reicht praktisch nicht mehr aus, um zu bestimmen, ob es unter das erleichterte Regime der Verordnung fällt — man muss die konkrete Lizenz jeder Veröffentlichung lesen, nicht dem Etikett vertrauen.

Warum es jetzt zählt, nicht erst in einem Jahr

Die AI-Act-Pflichten für Allzweckmodelle gelten seit August 2025, doch erst ab August 2026 — wenige Wochen nach Erscheinen dieses Artikels — greifen die Sanktionen. Und das unterschätzen viele Unternehmen noch: Die Wahl eines offenen Modells überträgt die Compliance-Verantwortung nicht automatisch auf das Labor, das es veröffentlicht hat. Die Verordnung weist diese Verantwortung ausdrücklich demjenigen zu, der das System in der Europäischen Union in Verkehr bringt oder in Betrieb nimmt — in der Praxis also Ihnen.

Was sich für ein Schweizer Unternehmen ändert, das heute KI evaluiert

• Mehr Auswahl bei gleicher Qualität: Mit mehr starken Modellfamilien unter wirklich freizügigen Lizenzen lässt sich eine Open-First-Architektur heute leichter technisch begründen, nicht nur als Prinzipienfrage.
• Die Lizenz muss Veröffentlichung für Veröffentlichung geprüft werden: Das Etikett "offen" allein garantiert nichts mehr, weder kommerziell noch im Hinblick auf den AI Act.
• Herkunft des Modells und Betriebsort sind zwei getrennte Fragen: Ein anderswo entwickeltes offenes Modell, betrieben auf eigener Infrastruktur oder einer Schweizer souveränen Cloud, bei dem Ihre Daten diesen Perimeter nie verlassen, ist eine völlig andere Entscheidung als sich auf eine ausländische API zu verlassen — selbst wenn das Modell aus demselben Labor stammt.
• Die regulatorischen Fristen rücken näher: Mit den anstehenden AI-Act-Sanktionen kostet es heute deutlich weniger, die Compliance der eigenen Architektur zu prüfen, als ein Problem später zu entdecken.

Genau das ist die Arbeit, die wir jede Woche mit unseren Kunden machen: diese Veröffentlichungen verfolgen, Lizenzen lesen, bevor sie zum Problem werden, und eine Architektur aufbauen, in der das richtige Modell dort läuft, wo es laufen muss — mit Daten, die Ihre bleiben, unabhängig davon, wer das Modell trainiert hat.