Wie nah sind Open-Weight-Modelle wirklich an der Frontier? Die Antwort hängt davon ab, wie man misst
Im Juni veröffentlichte Jamie Dborin von der Inference-Firma Doubleword einen Blogbeitrag mit einer aufsehenerregenden Vorhersage: Ein Frontier-Open-Source-LLM wird am 3. Dezember 2026 veröffentlicht. Die Überschrift war natürlich provokant gemeint – doch die dahinterliegende Analyse trifft einen zentralen Punkt der diesjährigen Sommerdebatte über offene versus geschlossene Modelle.
Die Vorhersage stammt aus einem auf Twitter/X kursierenden Diagramm, das den Abstand zwischen den besten Open-Weight-Modellen und den geschlossenen Frontier-Modellen auf dem Artificial Analysis Intelligence Index zeigt – einem zusammengesetzten Index, der die Gesamtfähigkeit von Modellen zu bewerten versucht. Zieht man eine Trendlinie durch diese Lücke und verlängert sie in die Zukunft, kreuzt sie die Nulllinie etwa am 3. Dezember dieses Jahres.
Doch wie Dborin selbst mit einem Augenzwinkern betont – bevor man seine Altersvorsorge auflöst und auf eine einsame Insel zieht –, ist das nicht das ganze Bild.
Ein einzelner Benchmark kann täuschen
Das Kernproblem ist, dass ein einzelner Index kein vollständiges Bild der Fähigkeiten eines Modells liefert. Deshalb wiederholte Doubleword die Analyse über 18 verschiedene Benchmarks von Artificial Analysis – von Mathematik und Coding bis hin zu agentischen Aufgaben und Terminal-Arbeit.
Das Ergebnis gibt zu denken:
| Messung | Ergebnis |
|---|---|
| Intelligence Index allein | Lücke schließt sich um Dez. 2026 |
| Durchschnitt über alle 18 Benchmarks | Nahezu flach – durchgehend knapp 5 Monate Rückstand |
| Coding-Index | Von 15 Monaten Rückstand auf nur noch 1–2 Monate |
| Die meisten übrigen Benchmarks | Moderat wachsende Lücke über die Zeit |
Mit anderen Worten: Wer nur auf einen einzigen Index schaut, kann eine „Open-Source-Singularität" bis Weihnachten vorhersagen – wer aber über viele Messgrößen hinweg schaut, sieht offene Modelle durchgehend rund fünf Monate im Rückstand, wobei die Lücke außerhalb des Codings möglicherweise sogar wieder wächst.
Der Hintergrund: Wo stehen wir im Sommer 2026 wirklich?
Die vergangenen Wochen brachten eine Reihe bemerkenswerter Open-Weight-Veröffentlichungen – Kimi K3 von Moonshot AI (2,8 Billionen Parameter), GLM-5.2 von Z.ai und Qwen3.8-Max von Alibaba. Es lohnt sich, sie einzuordnen:
Die Frontier-Lücke ist tatsächlich klein. Laut dem State-of-Open-Source-AI-Bericht (Juli 2026) erzielt das stärkste geschlossene Modell (Claude Opus 5) 61 Punkte auf dem Artificial Analysis Intelligence Index v4.1, gegenüber 57 Punkten für das stärkste offene Modell (Kimi K3). Damit liegt Kimi K3 auf Platz vier insgesamt – vor drei der größten geschlossenen Labore. Der Epoch Capabilities Index zeigt dasselbe Bild: Kimi K3 mit 156 gegenüber GPT-5.6 Sol mit 162 – eine Lücke von sechs Punkten, etwa ein Release-Zyklus.
Es kommt jedoch auf die Art der Aufgabe an. Beim Frontend-Coding liegen offene Modelle sogar vorn (Kimi K3 debütierte an der Spitze von LMArenas Frontend Code Arena). Bei agentischer Terminal-Arbeit ist es ein knappes Rennen (88,3 gegenüber 88,8 bei Sol). Geschlossene Modelle behalten dagegen weiterhin einen klaren Vorsprung bei tiefem Schlussfolgern, Zuverlässigkeit bei langem Kontext und professioneller Wissensverarbeitung.
Eine unabhängige LessWrong-Studie weist zudem auf etwas Wichtiges hin: Bei privaten Benchmarks, deren Daten nicht öffentlich verfügbar sind, liegen offene Modelle weiterhin etwa 8–10 Monate zurück – während die Lücke bei öffentlichen Benchmarks nur 4–6 Monate beträgt. Das deutet auf ein gewisses Maß an Benchmark-Overfitting bei offenen Modellen hin.
Warum ist das wichtig?
Es gibt mindestens drei Gründe, warum dieses Thema Aufmerksamkeit verdient:
Das Messproblem ist real
Die Geschichte zeigt, wie schwierig es überhaupt ist, die Qualität von LLMs zu messen. Je nachdem, welchen Index man wählt, kommt man zu völlig unterschiedlichen Schlussfolgerungen darüber, wie nah Open Source am Frontier-Niveau ist. Das hat konkrete Konsequenzen für Unternehmen bei der Wahl ihres Modellanbieters – und für die Regulierungsdebatte, die sich auf diese Zahlen stützt.
Die Ökonomie hat sich bereits verschoben
Auch wenn die Frontier-Lücke technisch fortbesteht, dreht sich die Produktion laut dem Bericht bereits größtenteils um Open-Weight-Modelle: Die sieben meistgenutzten Modelle nach Token-Volumen auf OpenRouter sind allesamt Open-Weight-Modelle, und der Großteil der Produktions-Tokens läuft inzwischen über sie. Der Preisverfall war drastisch – die Inferenzkosten sind über drei Jahre um etwa das 50-Fache gesunken. Wenn man mit einem Bruchteil des Preises (Kimi K3 kostet etwa ein Drittel) auf wenige Punkte an das Frontier-Niveau herankommt, wird die Rechnung für die meisten Workloads schnell attraktiv.
Die Souveränitätsperspektive
Für europäische Unternehmen fügt sich der Trend direkt in die Debatte über KI-Souveränität und EU-gehostete Infrastruktur ein (die wir hier im Blog bereits früher behandelt haben). Wenn sich die Fähigkeiten der besten Modelle als offene Gewichte herunterladen und lokal oder bei europäischen Hosting-Anbietern betreiben lassen – statt über amerikanische APIs oder Cloud-Dienste mit Datenübertragung in Drittländer –, verändert das die Compliance-Situation sowohl unter der DSGVO als auch unter dem EU-KI-Gesetz erheblich.
Fazit
Doublewords Analyse liefert keine endgültige Antwort – im Gegenteil, sie zeigt auf elegante Weise, wie leicht man sich mit einer einzigen Kennzahl selbst täuschen kann. Das ehrlichste Bild sieht derzeit so aus:
Open-Weight-Modelle haben bei Coding und agentischen Aufgaben tatsächlich nahezu zur Frontier aufgeschlossen – liegen insgesamt aber weiterhin mehrere Monate zurück, besonders wenn man breit misst oder private Benchmarks heranzieht, gegen die nicht trainiert werden kann.
Egal, auf welcher Seite der „Open-Source-Singularität"-Debatte man landet: Die Geschichte unterstreicht klar eines: Bei der Modellwahl der Zukunft geht es weniger um „offen versus geschlossen" als Schwarz-Weiß-Frage, sondern mehr darum, das richtige Modell zur richtigen Aufgabe zu finden – mit Blick auf Fähigkeiten, Preis und Datenjurisdiktion gleichermaßen.