KI-Ranking: Offene Modelle stellen 34% der Top 50 Systeme

Offene KI-Modelle erobern die Spitze – der Vorsprung der Konzerne schmilzt.

Neue Daten vom 4. Juli 2026 zeigen einen grundlegenden Wandel in der KI-Landschaft. Laut der Analyseplattform BenchLM.ai stellen Open-Weight-Modelle inzwischen 34 Prozent der 50 besten KI-Systeme – insgesamt 17 Modelle schaffen den Sprung in die Spitzengruppe. Besonders in dieser Woche sorgten Veröffentlichungen von Mistral AI, Z.ai und Poolside für Aufsehen.

Die entscheidende Kennzahl: Der Arena-Elo-Abstand zwischen offenen und proprietären Modellen schrumpfte im Mai auf nur noch 31,7 Punkte. Vor einem Jahr betrug die Differenz noch über 50 Punkte. Zwar dominieren weiterhin geschlossene Systeme wie Claude Mythos 5 die absolute Spitze, doch offene Alternativen wie DeepSeek V4 Pro (Max) klettern bereits auf Platz 13 der globalen Rangliste.

Spezialisierte Modelle für Nischenmärkte

Mistral AI erweiterte am 4. Juli sein Portfolio mit Leanstral 1.5 – einem Modell, das speziell für formale Verifikation und Beweisführung in der Programmiersprache Lean 4 entwickelt wurde. Die Architektur basiert auf einem Mixture-of-Experts (MoE)-Ansatz mit 119 Milliarden Gesamtparametern, von denen nur 6,5 Milliarden aktiv sind. Das Ergebnis: eine Erfolgsquote von 100 Prozent auf dem miniF2F-Benchmark. Das System löste 587 von 672 PutnamBench-Aufgaben – zu Kosten von umgerechnet rund vier Euro pro Problem. Zudem entdeckte es fünf bislang unbekannte Fehler in Open-Source-Projekten.

Im Coding-Bereich zog Poolside am 2. Juli nach: Laguna XS 2.1, ein 33B-MoE-Modell, verbesserte seinen multilingualen SWE-Bench-Score um 5,4 Prozentpunkte auf 63,1 Prozent. Die Veröffentlichung erfolgt in einer schwierigen Phase für das Unternehmen – eine Finanzierungsrunde über zwei Milliarden Euro war im April geplatzt. Das neue Modell erscheint unter der OpenMDW-1.1-Lizenz und läuft auf einer einzelnen GPU.

Während offene Modelle die technologische Entwicklung beschleunigen, stellt der rechtliche Rahmen Unternehmen vor neue Herausforderungen. Dieser kostenlose Umsetzungsleitfaden bietet einen kompakten Überblick über alle Anforderungen, Pflichten und Fristen des EU AI Acts. EU AI Act in 5 Schritten verstehen: Fristen, Pflichten und Risikoklassen kompakt erklärt

Auch DeepReinforce mischt im spezialisierten Coding-Markt mit: Ornith-1.0, veröffentlicht am 25. Juni, erreichte in der 397B-MoE-Variante 82,4 Punkte auf SWE-Bench Verified. Damit übertrifft das Modell Claude Opus 4.7, liegt aber knapp hinter Version 4.8.

Hardware-Vorteile: Offene Modelle werden günstiger

Aktuelle Tests von Z.ais GLM 5.2, das im Juni 2026 auf den Markt kam, zeigen, dass Open-Source-Modelle auch bei der Infrastruktur-Effizienz aufholen. Benchmarks von Wafer AI belegen: Auf AMD MI355X-Hardware erreicht das System einen Durchsatz von 2.626 Tokens pro Sekunde pro Knoten.

Die Analyse ergab, dass diese Konfiguration rund 80 Prozent der Leistung vergleichbarer Blackwell-basierter Systeme liefert – bei deutlich niedrigeren Hardwarekosten. GLM 5.2 belegt aktuell Platz fünf auf dem Artificial-Analysis-LLM-Ranking und Rang zwei im Frontend-Coding auf Code Arena. Branchenbeobachter weisen jedoch darauf hin, dass die Akzeptanz in regulierten Sektoren weiterhin durch Datenschutzbedenken gebremst wird.

Wer KI-Systeme entwickelt oder einsetzt, muss heute genau wissen, welche Anwendungen als Hochrisiko eingestuft werden, um empfindliche Strafen zu vermeiden. Erfahren Sie in diesem kostenlosen Report, wie Sie Ihre Compliance-Strategie an die neue EU-KI-Verordnung anpassen. Kostenlosen Umsetzungsleitfaden zum EU AI Act jetzt sichern

Benchmark-Systeme passen sich an

Die Bewertungskriterien für KI-Modelle entwickeln sich rasant weiter. Am 1. Juli fügte Epoch AI 13 neue Evaluierungen hinzu, nachdem bereits am 22. Juni neun externe Benchmarks integriert worden waren. Der Hintergrund: Proprietäre Modelle stoßen zunehmend an die Grenzen bestehender Tests. So stellte Claude Fable 5 am 15. Juni einen neuen Rekord auf dem ECI-Benchmark auf und besiegte knapp GPT-5.5 Pro.

Weitere Nischenmodelle dieser Woche: Interfazes diffusion-gemma-asr-small, ein quelloffenes mehrsprachiges Spracherkennungsmodell, das seit dem 2. Juli verfügbar ist. Mit einem 26B-Backbone und einem 42M-trainierbaren Adapter transkribiert es sechs Sprachen und übertrifft bestehende Diffusions-basierte Sprachwerkzeuge in Standard-Fehlertests.

Bereits über die Hälfte der 272 von großen Analysefirmen erfassten KI-Modelle sind inzwischen als Open-Weight kategorisiert. Ein klares Zeichen: Die Branche bewegt sich hin zu zugänglichen Hochleistungsarchitekturen.

de | wissenschaft | 69691519 |