Model-Schau: Offene Modelle aus den USA, große aus China und kleine aus Europa

Was geschehen ist – die Kernmeldung

Der Markt für große Sprachmodelle (LLMs) befindet sich derzeit in einer Phase extremer Dynamik. Wie aktuelle Beobachtungen zeigen, hat sich die Landschaft im Sommer 2026 in verschiedene Richtungen ausdifferenziert. Während chinesische Technologieunternehmen mit Modellen aufwarten, die neue Superlative bei der Anzahl der Parameter erreichen, zeichnet sich in den USA ein Trend zu mehr Offenheit ab. Gleichzeitig gewinnen kleinere, hochspezialisierte Modelle an Bedeutung, die eine effizientere Nutzung ermöglichen. Auch in Europa gibt es Bewegung: Schweizer Entwickler haben ihre Angebote verbessert, und aus Deutschland ist mit „Soofi“ erstmals ein lokales Modell auf den Markt gekommen, das jedoch noch mit Anlaufschwierigkeiten zu kämpfen hat. Die technologische Entwicklung verläuft dabei nicht linear, sondern in Sprüngen, wobei die Community insbesondere auf die Veröffentlichung von Modellgewichten wartet, um die Leistungsfähigkeit der geschlossenen Systeme unabhängig verifizieren zu können. Die Branche zeigt sich äußerst produktiv, wobei die technologische Kluft zwischen den verschiedenen Akteuren weltweit zunimmt.

Die Einzelheiten der aktuellen Modellgeneration

Die chinesischen Anbieter setzen Maßstäbe bei der schieren Größe. Das Modell „Kimi K3“ von Moonshot beeindruckt mit 2,8 Billionen Parametern. Technisch setzt Moonshot auf eine Mixture-of-Experts-Architektur (MoE) mit 896 Experten. Durch eine Optimierung namens „Kimi Delta Attention“ (KDA), bei der lineare und globale Attention-Layer im Verhältnis 3:1 wechseln, wird der Speicherbedarf gesenkt. Dennoch erfordert der Betrieb mindestens 1,5 Terabyte RAM. Ein weiteres Schwergewicht ist „Qwen3.8-Max“ von Alibaba, das mit 2,4 Billionen Parametern arbeitet und sich als fähig erwies, komplexe Coding-Aufgaben wie das „oh-my-cli“-Projekt über 16 Tage hinweg autark zu bearbeiten. Im Gegensatz dazu steht das „DeepSeek-V4-Flash-0731“. Trotz der Bezeichnung „Flash“ verfügt es über 284 Milliarden Parameter, wovon 13 Milliarden aktiv sind. Es zeichnet sich durch eine Vier-Bit-Quantisierung aus, die den Speicherbedarf auf 168 Gigabyte für die Gewichte reduziert. In Benchmarks übertrifft es das größere „DeepSeek-V4-Pro“ und erreicht bei entsprechender Hardware, wie etwa vier RTX 5090-Grafikkarten, eine beachtliche Geschwindigkeit.

Hintergrund und bisheriger Verlauf

Die Entwicklung der letzten Monate war geprägt von einem intensiven Wettlauf um die Modellgröße und die Effizienz der Inferenz. Die Community der Sprachmodell-Entwickler hat in den vergangenen Jahren gelernt, dass nicht nur die schiere Masse an Daten, sondern auch die architektonische Struktur über den Erfolg entscheidet. Frühere Modelle wie das „Qwen3.6-27B“ galten lange Zeit als Standard für lokale Anwendungen, insbesondere aufgrund ihrer Performance bei der Multi-Token Prediction (MTP). Dass nun Modelle mit Billionen von Parametern in den Fokus rücken, markiert einen deutlichen Anstieg der Anforderungen an die Infrastruktur. Die Entwicklung von „Kimi K3“ folgte auf die Erfahrungen mit „Kimi K2.6“, wobei die Optimierungen bei der Attention-Architektur direkt aus der Notwendigkeit heraus entstanden, längere Kontexte effizienter zu verarbeiten. Auch die Entwicklung von DeepSeek zeigt den Trend zur Optimierung: Die Versionsnummer 0731 deutet auf ein spezifisches Update vom 31. Juli 2026 hin, das die Leistungsfähigkeit des Modells signifikant steigerte und es zu einem der beliebtesten Werkzeuge in der Community machte.

Die Beteiligten und ihre Rollen

An der Spitze der technologischen Entwicklung stehen vor allem chinesische Unternehmen wie Moonshot und Alibaba, die durch massive Investitionen in Rechenkapazitäten und Modellgrößen auffallen. Auf der anderen Seite stehen US-Anbieter, die verstärkt auf offene Modelle setzen, wenngleich diese oft kleiner ausfallen. In der Forschung und Analyse nimmt Prof. Dr. Christian Winkler von der TH Nürnberg eine wichtige Rolle ein, indem er die Entwicklungen im Bereich der automatisierten Analyse natürlichsprachiger Texte (NLP) kritisch begleitet. Er betont die Bedeutung der User Experience bei der Optimierung dieser Systeme. Auf der Ebene der Infrastruktur-Anbieter spielt OpenRouter eine Rolle, indem sie den Zugang zu leistungsfähigen Modellen wie denen von DeepSeek über Cloud-APIs ermöglichen. Die Community selbst, bestehend aus Entwicklern und Forschern, fungiert als Kontrollinstanz, die durch Benchmarks wie „arena.ai“ oder „artificialanalysis.ai“ die Versprechen der Anbieter prüft und durch Projekte wie „vLLM-Moet“ die praktische Nutzbarkeit der Modelle auf lokaler Hardware erst ermöglicht.

Einordnung der technologischen Trends

Einzuordnen ist die aktuelle Entwicklung als eine Phase der Konsolidierung und zugleich der extremen Skalierung. Während die chinesischen Modelle bei politischen Fragen oft eine strikte Übereinstimmung mit den Vorgaben der Kommunistischen Partei zeigen, sind die westlichen oder offenen Modelle in dieser Hinsicht oft neutraler, wenngleich auch sie ihre eigenen Tendenzen aufweisen. Den Berichten zufolge ist die lokale Ausführung von Modellen in der 2-Billionen-Parameter-Klasse für die meisten Unternehmen aufgrund der Hardwarekosten von fünfstelligen Beträgen kaum realisierbar. Die technologische Souveränität, die durch europäische Projekte wie „Apertus“ oder das deutsche „Soofi“ angestrebt wird, steht noch am Anfang. Die Einordnung der Leistungsfähigkeit durch Benchmarks ist zwar hilfreich, aber laut Expertenmeinungen mit Vorsicht zu genießen, da die tatsächliche Praxistauglichkeit oft erst nach intensiven, unabhängigen Tests bewertet werden kann. Die schiere Größe der Modelle scheint dabei ein Indikator für Macht und Ressourcen zu sein, während die Effizienz der Flash-Modelle den eigentlichen Fortschritt in der Anwendung darstellt.

Offene Fragen und Wissenslücken

Der Quelltext lässt einige wesentliche Fragen unbeantwortet. So bleibt unklar, welche spezifischen architektonischen Änderungen bei „Qwen3.8-Max“ im Vergleich zur offenen „Qwen3.6“-Reihe vorgenommen wurden, da technische Details hierzu bisher kaum vorliegen. Ebenso ist die Frage der politischen Neutralität bei vielen Modellen nicht abschließend geklärt; während bei DeepSeek eine geringere Ausprägung festgestellt wurde, bleibt der Einfluss der Trainingsdaten auf die politische Färbung bei anderen Modellen eine Blackbox. Auch die langfristige wirtschaftliche Tragfähigkeit der Cloud-Dienste, die diese Modelle zu vergleichsweise günstigen Preisen anbieten, wird nicht explizit thematisiert. Zudem ist offen, inwieweit die angekündigten Modelle von Bytedance mit 10 Billionen Parametern tatsächlich die Effizienzgrenzen verschieben werden oder ob sie lediglich die Hardwareanforderungen weiter in die Höhe treiben, ohne einen proportionalen Mehrwert für den Anwender zu bieten. Die Veröffentlichung der Modellgewichte für viele der genannten Systeme steht zudem noch aus, was eine unabhängige Verifizierung der Leistungsversprechen derzeit unmöglich macht.

Wie es weitergeht – Ausblick und Termine

Die Entwicklung bleibt in Bewegung. Für den 15. Oktober 2026 ist die Online-Konferenz „LLMs im Unternehmen“ angesetzt, die sich explizit mit lokalen Modellen, der erforderlichen Hardware und der Performance-Optimierung befassen wird. Dies dürfte für Unternehmen, die über den Einsatz solcher Systeme nachdenken, ein zentraler Termin werden. Zudem wartet die Community gespannt auf die Veröffentlichung der Gewichte für „Qwen3.8-Max“ sowie für das angekündigte „Qwen3.8-27B“. Letzteres wird von Anwendern besonders erwartet, da das Vorgängermodell als Standard für lokale agentische Systeme gilt. Die Financial-Times-Berichte über Bytedance deuten zudem darauf hin, dass der Wettbewerb um die größte Parameterzahl noch nicht am Ende ist. Es ist davon auszugehen, dass in den kommenden Monaten weitere Optimierungen bei den Inferenz-Kerneln und der Quantisierung folgen werden, um die Lücke zwischen den extremen Hardwareanforderungen und der praktischen Nutzbarkeit in kleineren Rechenzentren oder auf lokaler Hardware weiter zu schließen.