Kaum eine Woche vergeht ohne ein neues „offenes“ KI-Modell. Allein in den letzten Tagen: Mistral hat Large 4 angekündigt, ein Team aus ehemaligen Deepmind Forschern will mit einem eigenen Open-Weight-Modell gegen DeepSeek und Qwen antreten, und Microsoft holt Open-Source-Werkzeuge direkt in Windows. Wer da den Überblick verliert, ist in guter Gesellschaft. Denn „offen“ bedeutet bei KI sehr unterschiedliche Dinge.
Open Source: alles einsehbar
Bei klassischer Open-Source-Software ist der Quellcode öffentlich. Jeder darf ihn lesen, verändern und weitergeben, in der Regel auch kommerziell. Bei KI würde echtes Open Source bedeuten: Nicht nur das fertige Modell ist frei, sondern auch der Code für das Training und möglichst die Information, mit welchen Daten trainiert wurde. Das ist bei großen Sprachmodellen bisher selten.
Open Weights: das fertige Modell zum Herunterladen
Die meisten „offenen“ Modelle sind Open Weights. Das heißt: Sie können das trainierte Modell herunterladen und auf eigener Hardware betreiben. Wie es trainiert wurde und mit welchen Daten, bleibt aber meist im Dunkeln. Für Unternehmen ist das trotzdem enorm wertvoll, weil es KI im eigenen Haus erst möglich macht.
Die Lizenz entscheidet
Der eigentliche Unterschied steckt in der Lizenz. Ein aktuelles Beispiel: Mistral Large 3 stand unter der Apache-Lizenz, die kommerzielle Nutzung, Anpassung und Weitergabe weitgehend erlaubt. Large 4 hat Mistral Ende Oktober 2026 unter einer eigenen Lizenz veröffentlicht: Nutzung und Anpassung sind frei, wer das Modell aber als Dienst für andere anbietet, braucht eine zusätzliche Lizenz von Mistral. „Offen“ im Marketing und „offen“ in der Lizenz sind also zwei verschiedene Dinge.
Standpunkt von MintCode Solutions
Einordnung von MintCode
MintCode Solutions setzt in seinen KI-Projekten bewusst auf offene Standards und offene Modelle. Unsere Plattform Nexus ist so gebaut, dass Modelle austauschbar sind. Der Grund ist einfach: Wer heute ein Modell wählt, weiß nicht, welches in einem Jahr das beste ist. Und er weiß nicht, ob der Anbieter Preise, Regeln oder Verfügbarkeit ändert.
Gleichzeitig erleben wir oft, dass „Open Source“ als Gründe für Sicherheit oder Neutralität verstanden wird. Das stimmt so nicht. Ein offenes Modell kann trotzdem Verzerrungen aus seinen Trainingsdaten mitbringen, und eine freie Lizenz sagt nichts darüber, ob das Modell für Ihre Aufgabe taugt. Offenheit ist für uns die Voraussetzung für Kontrolle, aber kein Qualitätssiegel.
Unser Rat an Geschäftsführer: Lassen Sie sich nicht von dem Wort „offen“ überzeugen, sondern von drei Antworten. Darf ich das Modell kommerziell nutzen? Darf ich es auf eigener Hardware betreiben? Und löst es meine Aufgabe zuverlässig?
Checkliste für die Modellwahl
Für die Wahl eines offenen KI-Modells empfiehlt MintCode, vor dem Projektstart fünf Punkte zu prüfen:
- Lizenz lesen. Kommerzielle Nutzung, Anpassung, Weitergabe und eventuelle Grenzen bei Nutzerzahlen oder Umsatz.
- Herkunft prüfen. Wer hat das Modell gebaut, in welchem Rechtsraum, und gibt es Angaben zu den Trainingsdaten?
- Hardware einschätzen. Passt das Modell auf die Hardware, die Sie haben oder kaufen wollen?
- Am Alltag testen. Mit echten Dokumenten aus Ihrem Betrieb, nicht mit Benchmarks aus dem Netz.
- Austauschbarkeit sichern. Bauen Sie Abläufe so, dass ein Modellwechsel kein neues Projekt ist.
Quellen
- Open Source Initiative: The Open Source AI Definition 1.0
- Mistral AI: Mistral Large 4 (Le Chonk) is now open weight (Lizenzangaben), Oktober 2026
- Hugging Face: Modellkarte mistralai/Mistral-Large-4-1T-A52B
- AI Magazine: Reflection AI's Beam Challenges Chinese Open-Weight Models, Oktober 2026
- Microsoft Foundry on Windows Blog, 07.10.2026
