Laut einem aktuellen Bericht von Mozilla hat sich die Leistungslücke zwischen führenden proprietären KI-Modellen US-amerikanischer Technologieunternehmen und den besten Open-Weights-Modellen aus China auf lediglich 4,4 Monate reduziert. Diese Entwicklung erklärt, warum viele Unternehmen für Routinearbeiten zunehmend auf die deutlich kostengünstigeren Open-Source-Modelle umsteigen und wo sich der Einsatz teurerer proprietärer Modelle noch lohnt.
Der am 15. September veröffentlichte und vorab mit Ars geteilte „State of Open Source AI Report“ von Mozilla empfiehlt den meisten Organisationen, offene Modelle als Standard für den Großteil ihrer Aufgaben zu nutzen. Der Bericht hebt hervor, dass ein führendes offenes Modell, Moonshot AIs Kimi K3, im „Artificial Analysis Intelligence Index“ einen Gesamt-KI-Leistungswert erreicht, der nur drei Punkte hinter dem geschlossenen proprietären Modell Fable 5 von Anthropic liegt, während es lediglich 30 Prozent der Kosten verursacht.
Kosten und Einsatzbereiche
Raffi Krikorian, Chief Technology Officer bei Mozilla, erläuterte, dass proprietäre Modelle ihren Preis in spezifischen Bereichen rechtfertigen: bei spezialisierten professionellen Aufgaben, intensiver Informationsbeschaffung und der Verarbeitung langer Textkontexte. Die Entscheidung für den Einsatz geschlossener Modelle sei daher eher auf die jeweilige Aufgabe als auf die Organisation bezogen.
Open-Weights-Modelle ermöglichen es jedem, die Kernkomponenten herunterzuladen und die Modelle auf eigenen Systemen auszuführen. Allerdings halten Entwickler oft wichtige Informationen wie Trainingsdaten, Datenpipelines und Trainingscode zurück. Im Gegensatz dazu bieten US-amerikanische Tech-Unternehmen wie Anthropic und OpenAI meist proprietäre „Frontier-Modelle“ an, die vollständig geschützt sind und einen kostenpflichtigen Zugang erfordern.
Unternehmen zahlen weiterhin für proprietäre Modelle, da diese sofort einsatzbereit sind und mit „Compliance-Paketen, Support und Rechenschaftspflicht“ geliefert werden. Viele Organisationen verfügen laut Krikorian nicht über das Personal, um Open-Weights-Modelle effektiv zu betreiben. Dennoch erkennen viele Unternehmen die stetig schrumpfende Leistungslücke und die Kosteneffizienz offener Modelle an. So nutzt beispielsweise der Lieferdienst DoorDash Kimi für Routineaufgaben und reserviert Fable für komplexere Probleme, die menschliche Experten normalerweise länger bearbeiten würden.
Messung der Leistungsdifferenz
Die sich verringernde Leistungslücke wird auf verschiedene Weisen gemessen. Die Forschungsorganisation METR definiert den „Zeit-Horizont“ eines KI-Modells als die Dauer von Aufgaben, die menschliche Experten benötigen würden, und die das KI-Modell mit einer zuverlässigen Erfolgsquote von 50 Prozent bewältigen kann. Dieser Zeit-Horizont hat sich über die Zeit immer schneller verdoppelt.
Aktuell kann das beste geschlossene Modell Aufgaben bewältigen, die 1,7-mal länger sind als die längsten Aufgaben, die das beste offene Modell zuverlässig abschließen kann. Krikorian verdeutlichte: „Kann das offene Frontier-Modell eine Sieben-Stunden-Aufgabe bewältigen, schafft das geschlossene eine Zwölf-Stunden-Aufgabe.“ Innerhalb von vier Monaten werde das offene Modell die Zwölf-Stunden-Aufgabe meistern, während das geschlossene Modell dann Aufgaben von etwa 20 Stunden bewältigen könne.
Aufgaben, die zwischen acht und zwölf Stunden erfordern, können derzeit typischerweise von geschlossenen, aber noch nicht von offenen Frontier-Modellen bearbeitet werden. Aufgaben unter acht Stunden können von beiden Modelltypen erledigt und an die günstigeren offenen Modelle delegiert werden.
Benchmarking und Marktentwicklung
Vergleiche sind mit Nuancen verbunden. Proprietäre Modelle verfügen oft über einen eigenen „Harness“ – eine Softwareschicht, die den Modellen hilft, Werkzeuge und Speicher für agentenähnliche Aktionen zu nutzen. Solche speziell entwickelten Harnesses können die Leistung steigern.
Um einheitliche Vergleichsbedingungen zu schaffen, bewertet das Benchmarking-Unternehmen Vals AI Modelle mit einem neutralen Harness. In der „Terminal-Bench 2.1“-Evaluierung erreichte das Open-Weights-Modell GLM 5.2 des chinesischen Unternehmens Z.ai (Zhipu AI) einen Wert, der nur einen Punkt von Anthropic’s Claude Opus 4.7 und 4.8 entfernt war, während es pro erledigter Aufgabe etwa fünfmal weniger kostete.
Dies bedeutet, dass die Investition in geschlossene Frontier-Modelle einen Vorsprung von etwa vier Monaten zum fünffachen Kosten pro Aufgabe erkauft – allerdings nur bei Aufgaben, die derzeit zwischen acht und zwölf Stunden dauern. Krikorian rät, nur dann zu zahlen, wenn dieser Vorsprung den Wert rechtfertigt, etwa bei engen Fristen. Routinearbeiten, die im nächsten Quartal noch anfallen, sollten nicht mit teuren Modellen erledigt werden, da sie bald für ein Fünftel der Kosten und ohne Modell-Engpass erledigt werden können.
Die wachsende Beliebtheit offener Modelle zeigt sich auf OpenRouter, einem KI-Gateway, das Zugang zu Hunderten von Modellen bietet. Der Mozilla-Bericht stellte fest, dass im August 2026 acht der zehn meistgenutzten Modelle nach Token-Volumen Open Weights bereitstellen.
Konzentration und zukünftige Entwicklung
Trotz der Popularität liegen offene Modelle beim Umsatz noch zurück. Eine Untersuchung von Frank Nagle und Daniel Yue für die Linux Foundation zeigte, dass offene Modelle im Zeitraum von Mai bis September 2025 nur 4 Prozent des Gesamtumsatzes im Vergleich zu 96 Prozent der geschlossenen Modelle erzielten. Krikorian erwartet jedoch eine Verschiebung der Umsätze, da offene Modelle im letzten Jahr stark expandiert haben.
„Die Realität ist, dass die meisten der offenen Modelle, die die Welt nutzt, chinesisch sind“, so Krikorian. Er vergleicht dies mit Chinas Strategie, das „Android-Playbook“ zu nutzen: Modelle kostenlos anbieten, aber das Ökosystem darum herum besitzen. Krikorian ist nicht so sehr besorgt über „chinesische Modelle“ als vielmehr über das Risiko der Konzentration. Er plädiert dafür, dass US-amerikanische und europäische Labore im „gleichen offenen Bereich“ konkurrieren sollten, um eine Monopolstellung eines einzelnen Landes zu verhindern.
Eine Koalition für den Bau weiterer offener KI-Modelle würde laut Krikorian wahrscheinlich aus „Institutionen mit einer Mission statt einem Markt“ bestehen, ähnlich der Finanzierung von Open-Source-Software-Infrastrukturen wie Linux durch Organisationen, die eine gemeinsame Basisschicht benötigten, und neutrale Stiftungen.
Thema: Mozilla. Quelle/Inspiration: Ars Technica.