Mozillas am 15. September 2026 veröffentlichter Bericht State of Open Source AI v1.1 schätzt den Abstand zwischen führenden Open-Weight-Modellen und geschlossenen Frontier-Systemen auf rund 4,4 Monate. Das ist eine Auswertung von Aufgaben-Horizonten – also davon, wie lange ein menschlicher Experte typischerweise an einer Aufgabe arbeitet, die ein Modell noch zuverlässig bewältigen kann. Es ist kein aktueller Gleichstand auf jedem Benchmark und keine Garantie für jede Anwendung.
Die wichtigste praktische Nachricht: Chinesische Modelle wie Kimi K3 und GLM-5.2 sind bei bestimmten Aufgaben erstaunlich nah an geschlossenen Systemen. Wer sie selbst betreiben will, tauscht jedoch den Aufpreis für einen fertigen Dienst gegen Hardware, Engineering und laufenden Betrieb. Genau dort wird die Sache interessant.
Mozillas 4,4-Monate-Schätzung hat klare Bedingungen
Mozillas Schätzung basiert auf einer angepassten Auswertung von METR-Daten und bezieht sich auf den Abstand zwischen offenen und geschlossenen Modellen in ihrer Fähigkeit, längere Aufgaben zu erledigen. In Mozillas Einordnung liegt der wesentliche Vorsprung geschlossener Systeme derzeit bei Aufgaben, für die menschliche Experten ungefähr acht bis zwölf Stunden benötigen. Aufgaben unterhalb dieser Größenordnung können beide Modellgruppen häufig erreichen; jenseits von zwölf Stunden sind beide Gruppen im Allgemeinen nicht zuverlässig.
Die Zahl beschreibt damit eine Messung unter bestimmten Bewertungsbedingungen – keine globale Rangliste. Schon die verwendete Hardware, der Testaufbau und die konkrete Arbeitslast können das Ergebnis verschieben. In einem Snapshot des Artificial Analysis Intelligence Index vom 1. September 2026 erzielten Kimi K3 und GLM-5.3 jeweils 60 Punkte. Die vier Spitzenplätze belegten dort geschlossene Modelle.
Open Weight ist nicht dasselbe wie Open Source
Bei einem Open-Weight-Modell lassen sich die trainierten Gewichte oder Parameter herunterladen. Dadurch können Betreiber das Modell – abhängig von seiner Lizenz – selbst hosten, anpassen oder in eigene Systeme integrieren.
Das macht ein Modell aber noch nicht vollständig quelloffen. Trainingsdaten, Datenaufbereitung, Trainingscode und eine reproduzierbare Anleitung fehlen bei solchen Veröffentlichungen häufig. Mozillas Bericht unterscheidet deshalb deutlich zwischen herunterladbaren Gewichten und Open-Source-KI im strengen Sinn: Für echte Reproduzierbarkeit braucht es mehr als die fertigen Parameter.
Für Unternehmen ist diese Trennung entscheidend. Herunterladbare Gewichte können Abhängigkeiten von einem einzelnen API-Anbieter verringern. Sie lösen aber nicht automatisch Fragen zu Lizenzierung, Sicherheitsprüfungen, Modellpflege oder zur Herkunft der Trainingsdaten.
Wo chinesische Modelle nahe herankommen
Ein vergleichbarer Test macht die Annäherung greifbar. Im neutralen Terminal-Bench 2.1 erzielte GLM-5.2 67,79 Prozent. Claude Opus 4.7 kam auf 68,54 Prozent, Claude Opus 4.8 auf 71,91 Prozent. Der chinesische Open-Weight-Kandidat lag damit in diesem Test hinter beiden geschlossenen Modellen, aber nicht außerhalb derselben Leistungsklasse.
| Modell | Terminal-Bench 2.1 | Preis pro abgeschlossener Aufgabe | Modelltyp |
| GLM-5.2 | 67,79 % | 0,43 US-Dollar | Open Weight |
| Claude Opus 4.7 | 68,54 % | 1,98 US-Dollar | geschlossen |
| Claude Opus 4.8 | 71,91 % | 2,41 US-Dollar | geschlossen |
Die Preise beziehen sich auf den genannten gehosteten Vergleich und nicht auf die vollständigen Betriebskosten. Sie zeigen dennoch, warum Open-Weight-Modelle für bestimmte Anwendungen attraktiv sind: Der API-Zugang zu GLM-5.2 kostete in diesem Vergleich deutlich weniger als der Zugang zu den beiden Claude-Modellen.
Der Vorsprung geschlossener Modelle bleibt laut Mozilla vor allem bei anspruchsvoller Expertenarbeit, langen Kontexten und einigen retrieval-intensiven Aufgaben relevant. Ein Modell kann bei einem Coding-Test nahe an der Spitze liegen und bei einer anderen Arbeitslast trotzdem zurückfallen. KI-Benchmarks sind kein Zehnkampf mit einer einzigen Siegerliste.
Kimi K3 ist kein Heimserver-Projekt
Kimi K3 zeigt, wie schnell die praktische Infrastrukturfrage die Leistungsdiskussion einholt. Das Modell verfügt laut Mozillas Angaben über insgesamt 2,8 Billionen Parameter, davon sind ungefähr 104 Milliarden aktiv. Der native MXFP4-Checkpoint umfasst rund 1,56 TB und verteilt sich auf 96 Shards. Mozillas beschriebene Serving-Konfiguration benötigt mindestens 64 Beschleuniger.
Das bedeutet nicht, dass jedes denkbare Kimi-K3-Setup exakt diese Ausstattung braucht. Es zeigt aber die Größenordnung der genannten nativen Konfiguration: Für typische Verbraucher-Hardware ist ein vollständiger lokaler Betrieb nicht realistisch. Der Bericht nennt mit Inkling-Small ein deutlich kleineres Modell als Beispiel für eine Ein-GPU-Konfiguration – nicht Kimi K3.
Damit sollte man zwei Fragen getrennt betrachten: Wie gut ist ein Modell unter einem bestimmten Test? Und wie viele Ressourcen braucht der Dienst, um diese Leistung für viele Nutzer bereitzustellen? Ein guter Benchmark beantwortet die erste Frage, nicht automatisch die zweite.
Die Arbeitslast entscheidet über den Anbieter
Geschlossene Modelle kosten mehr, weil sie den technischen Unterbau für den Nutzer weitgehend verbergen: Zugriff per Dienst, verwaltete Infrastruktur, Support und häufig zusätzliche Pakete für Compliance und Verantwortlichkeit. Beim Open-Weight-Modell übernimmt die Organisation mehr selbst – von der Auswahl geeigneter Hardware bis zu Monitoring, Updates, Integration und Sicherheitsprüfungen.
Für wiederkehrende, klar begrenzte Aufgaben kann die Kosten- und Berechnungskontrolle eines Open-Weight-Modells attraktiv sein. Bei einer zeitkritischen Expertenaufgabe, langen Dokumentketten oder einem Einsatz mit hohen Anforderungen an Support und Verantwortlichkeit kann der geschlossene Dienst seinen Aufpreis rechtfertigen.
Raffi Krikorian, Chief Technology Officer von Mozilla, beschreibt diese Entscheidung als abhängig von der jeweiligen Arbeitslast und nicht von einer grundsätzlichen Vorliebe für eine ganze Organisation. Ein gemischter Betrieb ist deshalb plausibler als die Suche nach einem einzigen Modell für alles: offene Gewichte dort, wo Kontrolle und Kosten zählen, geschlossene Systeme dort, wo der zusätzliche Vorsprung oder der verwaltete Betrieb wichtig ist.
Nutzung wächst schneller als die Umsatzdaten
Die Nachfrage nach offenen Modellen zeigt bereits eine deutliche Verschiebung. In der von Mozilla ausgewerteten OpenRouter-Rangliste für August 2026 hatten acht der zehn Modelle mit dem höchsten Token-Volumen offene Gewichte; sieben dieser acht Modelle stammten aus China.
Das ist nicht dasselbe wie der Umsatzmarkt. Ältere Daten der Linux Foundation für den Zeitraum Mai bis September 2025 ordneten 96 Prozent der Einnahmen auf Modellebene geschlossenen Anbietern zu. Die beiden Angaben betreffen unterschiedliche Zeiträume und Kennzahlen: Token-Nutzung misst Aktivität, nicht automatisch Umsatz oder Gewinn.
Die strategische Frage lautet: Wer liefert die offenen Modelle?
Die Entwicklung verschiebt nicht nur Benchmark-Abstände, sondern auch die Verteilung von Einfluss. Chinesische Labore stellen einen wachsenden Teil der Open-Weight-Angebote bereit, während die stärksten geschlossenen Frontier-Systeme weiterhin bei US-Unternehmen konzentriert sind.
Für Entwickler bedeutet das mehr Auswahl bei Hosting, Anpassung und Kosten. Für Unternehmen und öffentliche Einrichtungen entsteht zugleich eine neue Abhängigkeit: Wer offene Gewichte nutzt, vermeidet zwar die Bindung an einen einzelnen API-Anbieter, kann aber stärker von der Herkunft des Modells, seiner Lizenz, seinen Updates und dem umgebenden Ökosystem abhängig werden. Die Open-Weight-Landschaft wird damit größer – und zugleich von chinesischen Labs geprägt.
