Die besten Open-Source-KI-Modelle 2026 im Ranking und Vergleich

Die besten Open-Source-KI-Modelle haben gerade den größten Teil des verbliebenen Abstands zur geschlossenen Spitze aufgeholt. Moonshot veröffentlichte die Gewichte für Kimi K3 am 27. Juli 2026, und Artificial Analysis bewertet es mit 57 Punkten auf seinem Intelligence Index, gegenüber 61 für Claude Opus 5, dem bestbewerteten geschlossenen Modell auf diesem Board. GLM 5.2 erreicht 62,1 auf SWE-bench Pro, DeepSeek V4 kommt auf 80,6 im SWE-Bench Verified, und Gemma 4 läuft auf einem Laptop und erzielt dabei 85,2 % im MMLU-Pro. Unser vollständiger Vergleich DeepSeek gegen Claude stellt die beiden direkt gegenüber.

Dieser Leitfaden ordnet die Open-Source-KI-Modelle, die 2026 deine Zeit wert sind, zeigt, worin jedes wirklich am besten ist, und wie du sie ohne ein Rack voller GPUs tatsächlich betreiben kannst. Wir haben die Auswahl anhand aktueller Benchmark-Daten, Lizenzbedingungen und echter Zugänglichkeit getestet, denn die meisten Listen zu „bester Open-Source-KI“ werden von Unternehmen geschrieben, die dir die Hardware dafür verkaufen wollen. Wir verkaufen eine App, keine GPUs, dieses Ranking hat also kein Eigeninteresse in diesem Rennen. Für einen genaueren Blick darauf, wie sich ein offenes Modell gegen die bezahlten Flaggschiffe schlägt, sieh dir GLM im direkten Vergleich mit den Closed-Source-Flaggschiffen an.

Falls dir die Bezeichnung „Open Source“ selbst zu unklar ist, erklärt unser Beitrag dazu, was Open-Source-KI wirklich bedeutet, offene Gewichte, Lizenzierung und warum „offen“ nicht immer das bedeutet, was du denkst.

Das Wichtigste in Kürze

• Kimi K3 ist das leistungsfähigste offene Modell, das du herunterladen kannst, ein multimodales Design mit 2,8 Billionen Parametern, das pro Token 104 Mrd. Parameter aktiviert und einen Kontext von 1 Mio. Token liest. Seine Gewichte gingen am 27. Juli 2026 live. Inkling von Mira Muratis Thinking Machines ist inzwischen das stärkste in den USA gebaute Open-Weight-Modell mit 41 Punkten im Artificial Analysis Intelligence Index, immer noch deutlich hinter den 57 von K3.
• GLM 5.2 ist für die meisten Menschen weiterhin die richtige Wahl, mit einem Design mit 744 Mrd. Parametern, einem Kontextfenster von 1 Mio. Token und einer wirklich freizügigen MIT-Lizenz, die K3 nicht hat.
• DeepSeek V4-Pro führt weiterhin bei roher Leistung und langem Kontext, mit 80,6 im SWE-Bench Verified und 93,5 im LiveCodeBench bei einem nativen Kontextfenster von 1 Mio. Token.
• Die meisten „Open-Source“-Modelle sind eigentlich Open-Weight, die Gewichte sind frei, aber die Trainingsdaten bleiben privat. Echte Open-Source-KI ist seltener, als die Bezeichnung vermuten lässt.
• Du brauchst keine GPU-Farm für die meisten Modelle auf dieser Liste. Gemma 4 12B läuft auf einem modernen Laptop, und Apps leiten die größten Modelle ganz ohne lokale Hardware direkt an dein Mac oder iPhone.

Was als Open-Source-KI-Modell zählt

Ein Open-Source-KI-Modell veröffentlicht seine Gewichte und idealerweise auch Code und Trainingsdaten, sodass jeder es herunterladen, ausführen, verändern und weitergeben kann. Das ist das Versprechen. Die Realität ist differenzierter, und das solltest du wissen, bevor du dich für eines entscheidest.

Die meisten Modelle, die alle „Open Source“ nennen, sind eigentlich Open-Weight. Du bekommst die trainierten Gewichte kostenlos, aber die Trainingsdaten und das vollständige Rezept bleiben verschlossen. Die offizielle Definition der Open Source Initiative verlangt weit mehr Transparenz als das, weshalb kaum ein Frontier-Modell wirklich als vollständig offen gilt. Wir weisen den Unterschied durchgängig aus, denn eine „Modified MIT“- oder eine eigene Community-Lizenz kann kommerzielle Bedingungen enthalten, die eine echte MIT- oder Apache-2.0-Lizenz nicht hat.

Die praktische Erkenntnis ist einfach. Offene Gewichte bedeuten, dass du das Modell privat betreiben, feinabstimmen und dir Gebühren pro Token sparen kannst. Sie bedeuten nicht immer uneingeschränkte kommerzielle Nutzung, deshalb ist die Lizenzspalte in unserer Tabelle unten genauso wichtig wie die Benchmark-Werte.

Die besten Open-Source-KI-Modelle 2026 auf einen Blick

Hier ist das vollständige Ranking. Wir haben diese neun anhand aktueller Benchmark-Leistung, Aktualität, Lizenzfreiheit und realistischer Nutzbarkeit ausgewählt. Die Werte sind die jeweils höchsten gemeldeten Zahlen aus Labor- oder unabhängigen Tests, Stand Juli 2026. Kimi K3 steigt diese Woche neu in die Liste ein, jetzt, wo seine Gewichte wirklich herunterladbar sind, und chinesische Labore belegen darin die oberen vier Plätze. Ein weiteres Modell kam nach Erstellung dieses Rankings hinzu, und Thinking Machines’ Inkling bekommt weiter unten einen eigenen Abschnitt statt eines Platzes unter den neun.

Die besten Open-Source-KI-Modelle im Ranking

Hier ist jede Wahl im Detail, der Reihe nach, mit dem, worin sie wirklich am besten ist, den Benchmarks, die ihr den Platz eingebracht haben, und der Lizenz, die du tatsächlich bekommst. Wir starten mit dem stärksten Allrounder und arbeiten uns zum effizientesten Modell vor.

1. Kimi K3, das leistungsfähigste Open-Source-Modell

Kimi K3 von Moonshot AI ist die neue Spitze im offenen Feld, und es wurde erst am 27. Juli 2026 herunterladbar. Moonshots Model Card beschreibt ein Mixture-of-Experts-Design mit 2,8 Billionen Parametern, das 104 Milliarden Parameter pro Token aktiviert, Text, Bilder und Video nativ verarbeitet und ein Kontextfenster von 1 Million Token mitbringt. Moonshot nennt es das weltweit erste offene Modell der 3T-Klasse, und es ist das erste frei herunterladbare Modell, das im Artificial Analysis Intelligence Index bis auf vier Punkte an das beste geschlossene Modell heranreicht.

Unabhängige Ranglisten bestätigen das. Artificial Analysis bewertet K3 mit 57 Punkten im Intelligence Index, vor jedem anderen erfassten Open-Weight-Modell und nur hinter Claude- und GPT-Varianten, GLM 5.2 folgt mit 51. Auf Arenas WebDev-Board liegt es mit 1.682 Punkten auf Platz zwei insgesamt, nur hinter Claude Opus 5 und vor jedem offenen Konkurrenten. Moonshots eigene Tabelle nennt zusätzlich 88,3 auf Terminal-Bench 2.1 und 81,2 auf FrontierSWE, wobei diese beiden Werte vom Hersteller selbst stammen und nicht unabhängig sind.

Zwei Dinge solltest du kennen, bevor du damit planst. Die Gewichte laufen unter Moonshots eigener Kimi K3 License, die für fast alle freizügig ist. Sie greift nur, wenn du Modellzugang oberhalb von $20 Millionen Umsatz weiterverkaufst, was eine separate Vereinbarung erfordert, oder 100 Millionen monatliche Nutzer überschreitest, was eine gut sichtbare „Kimi K3“-Namensnennung erfordert. Der andere Haken ist die Hardware, denn 2,8 Billionen Parameter kommen als 96 Gewichts-Shards, das ist also ein Server-Modell und kein Laptop-Modell. Unsere Kimi-K3-Analyse enthält die vollständige Benchmark-Tabelle.

2. GLM 5.2, das beste Open-Source-Modell für die meisten

GLM 5.2 war das offene Modell, das es zu schlagen galt, bis die Gewichte von K3 kamen. Es ist immer noch das Modell, das die meisten Teams tatsächlich betreiben sollten, auch wenn es in Zhipus GLM-Familie nicht mehr das neueste herunterladbare oder das absolute Flaggschiff ist. Es erschien am 13. Juni 2026 und nutzt ein Mixture-of-Experts-Design mit 744 Milliarden Parametern, das nur 40 Milliarden Parameter pro Token aktiviert, kombiniert mit einem vollen Kontextfenster von 1 Million Token und einer sauberen MIT-Lizenz. Der Nachfolger GLM 5.3 kam am 14. August 2026 ohne öffentliche Gewichte, und GLM 5.3 Flash folgte am 26. August mit MIT-Gewichten, aber nur 320 Mrd. Parametern, weshalb 5.2 diesen Platz aufgrund von Größe und Erfolgsbilanz behält, und GLM 5.5 wird für später 2026 gemunkelt.

Die Benchmarks sind es, die es an die Spitze bringen. GLM 5.2 erreicht 62,1 auf SWE-bench Pro, kommt auf 81,0 im Terminal-Bench 2.1 und auf 74,4 % im FrontierSWE. Dieser SWE-bench-Pro-Wert liegt knapp hinter OpenAIs neuestem GPT-5.6 (64,6) und Claude Opus 4.8 (69,2), es ist also nicht ganz die absolute Spitze, aber kein anderes frei herunterladbares Modell kommt so nah heran. Das vollständige Bild findest du in unserer GLM-5.2-Analyse.

3. DeepSeek V4, am besten für rohe Leistung und langen Kontext

DeepSeek V4 ist das Schwergewicht. Das Flaggschiff V4-Pro bringt 1,6 Billionen Parameter insgesamt mit 49 Milliarden aktiven mit, von Grund auf um ein natives Kontextfenster von 1 Million Token herum gebaut. Meituans frisch als Open Source veröffentlichtes LongCat-2.0 landet in derselben Klasse mit 1,6T Parametern und 1M Token, ist aber speziell für agentisches Coding gebaut. Ein kleineres V4-Flash (284B gesamt, 13B aktiv) deckt leichtere Aufgaben ab.

Bei den Benchmarks ist es brutal. DeepSeek V4-Pro erreicht 80,6 im SWE-Bench Verified, bemerkenswerte 93,5 im LiveCodeBench, ein Codeforces-Rating von 3.206 und 90,1 im GPQA Diamond. Wenn deine Arbeit riesige Dokumente oder Codebasen betrifft und du die Hardware (oder einen Hoster) dafür hast, ist das das leistungsfähigste verfügbare offene Modell. Die vollständige DeepSeek-V4-Analyse enthält die komplette Benchmark-Tabelle.

4. Kimi K2.7 Code, am besten für agentisches Coding auf schwächerer Hardware

K3 ist das Flaggschiff, aber Kimi K2.7 Code ist der Kimi, den die meisten Teams realistisch betreiben können, denn es ist nur ein Fünftel so groß wie K3. Es ist ein Modell mit 1 Billion Parametern, das 32 Milliarden pro Token aktiviert, mit einem Kontextfenster von 256.000 Token unter einer Modified-MIT-Lizenz, veröffentlicht am 12. Juni 2026 und speziell für Agenten gebaut, die über viele Schritte hinweg schreiben, ausführen und debuggen. K3 startete am 16. Juli 2026 als gehostete API und wurde erst elf Tage später herunterladbar. Was K3s gehostete API kostet, siehst du in unserem Kimi-Preisleitfaden.

Ein ehrlicher Vorbehalt. Jeder von Moonshot veröffentlichte Wert, darunter 62,0 auf dem eigenen Kimi Code Bench v2 und 81,1 auf MCP Mark Verified, stammt aus hauseigenen Benchmarks. Für K2.7 Code gibt es bisher keine unabhängigen SWE-bench-Verified-Zahlen, behandle die Werte also als vielversprechend, nicht als belegt. Unsere Kimi-K2.7-Code-Rezension enthält die Details und die fehlenden Daten.

5. Qwen 3.6, am besten mehrsprachig und am vielseitigsten

Alibabas Qwen 3.6 ist das Open-Weight-Schweizer-Taschenmesser. Veröffentlicht im April 2026, beherrschen seine offenen Varianten (das effiziente 35B-A3B und ein 27B dense Modell) mehr als 100 Sprachen, laufen unter einer sauberen Apache-2.0-Lizenz und nutzen inzwischen ein Kontextfenster von 1 Million Token. Die breitere Familie reicht von Edge-Modellen unter 1B bis zum 397B-A17B-Flaggschiff, das von Qwen 3.5 übernommen wurde, sodass du die Größe an deine Hardware anpassen kannst. Alibaba hat sich seither mit Qwen 3.8 nach oben bewegt, einem multimodalen Flaggschiff mit 2,4 Billionen Parametern, das im Juli 2026 vorgestellt wurde.

Qwen 3.6 glänzt bei agentischem Coding und Vision, was für ein Modell, das du selbst betreiben kannst, selten ist, und behauptet sich bei Terminal-Benchmarks gegen deutlich größere geschlossene Modelle. Eine Sache solltest du wissen: Alibabas neuestes Flaggschiff Qwen 3.7 Max (Mai 2026) ist noch leistungsfähiger, aber nur über API verfügbar und Closed-Weight, weshalb es außerhalb dieses Open-Source-Rankings steht. Für ein offenes Modell, das über Sprachen hinweg ein bisschen von allem kann, ist Qwen 3.6 die sichere Wahl.

6. Llama 5, Metas westliches offenes Frontier-Modell

Metas Llama 5, veröffentlicht am 8. April 2026, ist das leistungsfähigste westliche Open-Weight-Modell und das, das vermutlich überall am schnellsten unterstützt wird. Es bringt 600 Milliarden Parameter und ein Kontextfenster von 5 Millionen Token mit, das längste in jedem aktuellen Frontier-Modell, offen oder geschlossen, und ist nativ multimodal.

Bei der Leistungsfähigkeit erreicht oder übertrifft es GPT-5 und Gemini 3 bei Reasoning, Coding und Mathematik, was kein früheres Llama geschafft hat. Der Haken ist die Lizenz. Die Llama Community License erlaubt kommerzielle Nutzung, verlangt aber eine „Built with Llama“-Namensnennung, und Unternehmen mit über 700 Millionen monatlichen Nutzern müssen separat verhandeln. Für alle anderen ist Llama 5 die sicherste, am besten unterstützte westliche Wahl, wenn du Frontier-Leistungsfähigkeit mit einem riesigen Kontextfenster willst. Meta hat seine Strategie an der Spitze inzwischen aufgeteilt: Das neueste Muse Spark 1.1 ist das erste kostenpflichtige, geschlossene Modell des Unternehmens, sodass Llama 5 sein Open-Weight-Flaggschiff bleibt.

7. Gemma 4, das beste leichtgewichtige Modell für den lokalen Einsatz

Wenn du KI auf deinem eigenen Rechner betreiben willst, ist Gemma 4 von Google DeepMind die Antwort. Die Familie reicht von winzigen Edge-Modellen (E2B, E4B) bis zu einem 31B dense Flaggschiff und einer 26B-MoE-Variante, alle unter Apache 2.0, veröffentlicht am 2. April 2026.

Trotz des kleinen Fußabdrucks liefert es ordentlich ab. Gemma 4 31B erreicht 85,2 % im MMLU-Pro, 89,2 % im AIME 2026 und 80,0 % im LiveCodeBench v6, während die 12B-Stufe problemlos auf einem modernen Laptop läuft. Es ist der beste Einstiegspunkt, wenn du neu bei lokaler KI bist, und Googles offizielle Gemma-4-Model-Card listet die genauen Spezifikationen je Größe auf. Speziell für Mac-Nutzer deckt unser Leitfaden zu den besten Open-Source-KI-Modellen für M5-Macs die genauen Speicheranforderungen ab.

8. Nex-N2-Pro, das beste vollständig freizügige agentische Modell

Nex-N2-Pro von Nex AGI verdient sich seinen Platz durch Lizenzfreiheit plus echte Leistungsfähigkeit. Es ist ein MoE-Modell mit 397 Milliarden Parametern (17B aktiv) mit einem Kontext von 262.000 Token, veröffentlicht unter der vollständig freizügigen Apache-2.0-Lizenz und speziell für agentische Arbeit wie Tool-Calling und lange mehrstufige Aufgaben gebaut.

Es erreicht 80,8 im SWE-Bench Verified und 75,3 im Terminal-Bench 2.1, womit es direkt mit den größeren Namen mithält und dabei null kommerzielle Einschränkungen hat. Unsere Nex-N2-Pro-Analyse zeigt, wie es sich gegen die besten geschlossenen Modelle schlägt.

9. MiniMax M3, am besten für Effizienz

MiniMax M3 rundet die Liste für alle ab, die auf die Hardwarekosten achten. Veröffentlicht am 1. Juni 2026, läuft es mit 428 Milliarden Parametern insgesamt bei nur 23 Milliarden aktiven, und sein MiniMax-Sparse-Attention-Design decodiert bei vollem Kontext etwa 15-mal schneller als M2. Es erreicht 59,0 % im SWE-Bench Pro, ein starkes Ergebnis für ein so effizientes Modell, und kombiniert das mit einem vollen Kontextfenster von 1 Million Token und nativer Multimodalität.

Die Lizenz änderte sich mit diesem Release. M3 läuft unter der MiniMax Community License, kostenlos zum Selbsthosten, verlangt aber von größeren kommerziellen Nutzern eine separate Vereinbarung, ein Rückschritt gegenüber den Modified-MIT-Bedingungen früherer Versionen. Es ist trotzdem eine kluge Wahl, wenn du Frontier-nahes Coding auf einem schlankeren Hardware-Budget willst. Unsere MiniMax-Modellanalyse deckt die Modellreihe und die Vorbehalte bei den Benchmarks ab.

Inkling, das stärkste US-Open-Weights-Modell

Inkling ist das erste Modell von Thinking Machines, dem Labor des ehemaligen OpenAI-CTO Mira Murati, und es kam am 15. Juli 2026 heraus. Es ist ein Mixture-of-Experts-Transformer mit 975 Milliarden Parametern insgesamt und 41 Milliarden aktiven pro Token, einem Kontextfenster von bis zu 1 Million Token und nativem Reasoning über Text, Bilder und Audio. Die Gewichte laufen unter einer schlichten Apache-2.0-Lizenz, was es auf dieser Seite in dieselbe freizügigste Stufe wie Qwen 3.6, Gemma 4 und Nex-N2-Pro einordnet.

Die Schlagzeile ist eher national als global. Inkling startet mit 41 Punkten im Artificial Analysis Intelligence Index, womit es das führende Open-Weights-Modell aus einem US-Labor ist, vor Nemotron 3 Ultra mit 38, Gemma 4 31B mit 29 und gpt-oss-120b mit 24. Es liegt trotzdem noch 16 Punkte hinter Kimi K3, die Geschichte hier ist also, dass das beste amerikanische offene Modell zum amerikanischen Feld aufgeschlossen hat, nicht zu China. Auf der eigenen Wertetafel erreicht Inkling 77,6 % im SWE-bench Verified und 73,5 % im MMMU Pro.

Wo es wirklich führt, sind Effizienz und agentische Arbeit. Inkling verbraucht durchschnittlich rund 25.000 Ausgabe-Token pro Aufgabe im Intelligence Index, gegenüber 43.000 für GLM-5.2 bei maximalem Reasoning, 38.000 für Kimi K2.6 und 37.000 für DeepSeek v4 Pro bei Maximaleinstellung, ein echter Kostenunterschied, wenn du pro Token bezahlst. Artificial Analysis bewertet es außerdem mit einer Elo-Zahl von 1238 auf dem agentischen GDPval-AA-v2-Benchmark, vor Kimi K2.6 mit 1190 und DeepSeek v4 Flash max mit 1189.

Der interessantere Release ist der kleine. Inkling-Small veröffentlichte seine vollständigen Gewichte am 30. Juli 2026 mit 276 Milliarden Parametern insgesamt und 12 Milliarden aktiven, unter einem Drittel der Größe des großen Modells, und erreicht 40 Punkte im Intelligence Index, innerhalb eines einzigen Punkts zum Flaggschiff. Es schlägt das größere Modell sogar bei Humanity's Last Exam (32 % gegenüber 30 %) und GPQA Diamond (89 % gegenüber 87 %), auf Kosten eines schwächeren Faktenwissens. Wenn du Frontier-nahes Reasoning auf Hardware willst, die du dir realistisch mieten kannst, ist Inkling-Small die praktischere Hälfte dieses Paars.

Wir haben Inkling aus dem nummerierten Ranking oben herausgelassen, statt neun Einträge wegen einer einzigen Momentaufnahme umzusortieren. Allein nach dem Intelligence Index würde es über Gemma 4 und MiniMax M3 stehen; bei der Lizenzfreiheit erreicht es das Beste auf dieser Seite; bei der rohen Leistungsfähigkeit liegt es deutlich hinter den chinesischen Top vier zurück. Betrachte es als die Standardwahl, wenn du speziell ein in den USA gebautes Modell mit einer vollständig freizügigen Lizenz willst, und beobachte, ob unabhängige Tests diese Zahlen bestätigen. Tencents 770B Hy4 Preview kam am 28. August 2026 unter Apache 2.0 heraus und wird hier aufgeführt statt eingeordnet, da noch kein unabhängiges Board es bewertet hat.

Wie wir diese Open-Source-KI-Modelle ausgewählt haben

Wir haben nach vier Kriterien geordnet, in dieser Reihenfolge. Benchmark-Leistung bei aktuellen, weithin zitierten Tests (SWE-Bench Verified, GPQA Diamond, MMLU-Pro, LiveCodeBench). Aktualität, jedes Modell hier ist 2026 erschienen oder aktualisiert worden. Lizenzfreiheit, mit klarer Präferenz für MIT und Apache 2.0 gegenüber eigenen Community-Lizenzen. Und Zugänglichkeit, denn ein Modell, das du realistisch nicht betreiben kannst, nützt dir nichts. Unser Leitfaden zu KI-Benchmarks erklärt, was jeder dieser Tests eigentlich misst.

Wir haben auch unabhängige Bestätigung gewichtet. Wo Werte nur vom Labor stammen, das das Modell gebaut hat, wie bei Kimi K2.7 Code und Teilen von Moonshots K3-Tabelle, sagen wir das. Selbst gemeldete Benchmarks sind aktuell ein echtes Problem in offener KI, du solltest sie mit Vorsicht behandeln, bis Dritte die Zahlen bestätigen.

Du brauchst keine GPU-Farm, um diese zu nutzen

Der größte Mythos über Open-Source-KI ist, dass ihr Betrieb Server-Hardware erfordert. Das hängt komplett vom Modell ab. Die Billionen-Parameter-Riesen wie DeepSeek V4 brauchen für Inferenz mit voller Präzision tatsächlich Multi-GPU-Setups, aber viele starke offene Modelle laufen auf Consumer-Hardware.

Gemma 4 12B und die kleineren Qwen-3.6-Stufen laufen mit Tools wie Ollama oder LM Studio auf einem modernen Laptop, und du kannst dir die Gewichte direkt bei Hugging Face holen. Und wenn du die größten Modelle willst, ohne überhaupt Hardware zu besitzen, leitet eine App wie Fello AI führende Modelle direkt an dein Mac oder iPhone, ganz ohne lokale Installation. Ein Modell selbst zu betreiben umgeht außerdem komplett Ausfälle beim Anbieter, was angesichts Claudes wiederholter Ausfälle 2026 ein echtes Anliegen ist. Drei neuere Systeme sind einen Blick wert, auch wenn sie hier nicht eingeordnet sind. ByteDances Seed 2.1 Pro ist eine unveröffentlichte Vorschau, die gerade Platz 8 in der Code Arena: Frontend erreicht hat. Sakana AIs Fugu orchestriert einen Pool anderer Modelle, statt als einzelner Gewichtssatz zu konkurrieren. Das neueste Fugu-Ultra-v1.1-Update baut diesen Vorsprung bei Coding- und Terminal-Benchmarks weiter aus. Quantisierte Versionen senken den Speicherbedarf ebenfalls drastisch, oft bei minimalen Qualitätseinbußen.

Metas Muse Glimmer, veröffentlicht am 10. August 2026 unter einer
vollständig freizügigen Apache-2.0-Lizenz, ist die interessanteste neue Option für alle,
die Modelle auf ihrem eigenen Rechner betreiben. Es ist ein 30B-Modell (etwa 29,6 Milliarden
Parameter, einschließlich eines 1,8B-Vision-Encoders), destilliert aus Metas geschlossenem Muse Spark, mit einem
Kontextfenster von 131.000 Token und Bild-Input. Meta hat es speziell für Agenten gebaut, die
Tools nutzen und sich von eigenen Fehlern erholen, statt für Chat. Meta hat außerdem offene Gewichte für das geschlossene Flaggschiff selbst versprochen, ein Versprechen, das mit dem Release von Muse Spark 1.3 am 2. September 2026 wiederholt wurde, weiterhin ohne Termin.

Was es hier bemerkenswert macht, ist, dass Meta es selbst auf Macs benchmarkt hat. Der 4-Bit-
Build verkleinert das Sprachmodell auf unter 20 GB, wobei die kleinste offizielle Quantisierung
auf 24-GB-Maschinen zielt. Nach Metas eigenen Zahlen läuft es mit 37,8 Token
pro Sekunde auf einem M4 Max und 50,2 auf einem M5 Max, sobald sein DFlash-Speculative-
Decoding aktiviert ist. Ollama bietet einen eigenen Apple-Silicon-Build, den du mit
ollama run muse-glimmer:30b-mlx ziehen kannst.

Wir haben es oben nicht ins Ranking aufgenommen, weil das Bild derzeit wirklich gemischt ist. Meta
berichtet, dass es Gemma 4 31B bei agentischen Benchmarks wie MCP Atlas klar schlägt
(75,5 gegenüber 54,2) und bei SWE-Bench Pro (51,2 gegenüber 36,9), aber
gegen Qwen 3.6 27B bei OSWorld-Verified und Terminal-Bench 2.1 verliert. Es ist ein starkes
lokales Agentenmodell, kein reines Upgrade gegenüber allem in seiner Größenklasse.

Wenn Coding dein Hauptanwendungsfall ist, vergleicht unser Überblick der besten kostenlosen KI fürs Coding diese offenen Modelle direkt bei Entwickleraufgaben.

Fazit

Kimi K3 ist jetzt das leistungsfähigste Open-Source-KI-Modell, das du herunterladen kannst. Für die meisten Menschen ist GLM 5.2 weiterhin die bessere Wahl, mit der stärksten Mischung aus Reasoning, Coding, Lizenzfreiheit und einem Kontextfenster von 1 Mio. Token auf Hardware, die du dir tatsächlich mieten kannst. Wenn du maximale rohe Leistung brauchst, nimm DeepSeek V4. Wenn du KI lokal auf bescheidener Hardware betreiben willst, starte mit Gemma 4. Wenn du ein in den USA gebautes Modell mit einer sauberen Apache-2.0-Lizenz willst, ist Inkling-Small aktuell das beste Preis-Leistungs-Verhältnis in dieser Ecke. Und wenn du das Aufsetzen lieber ganz überspringst, sind dieselben Frontier-Open-Modelle über die besten KI-Modelle in Apps wie Fello AI verfügbar.

Der Open-Weight-Abstand zur geschlossenen Spitze beträgt jetzt vier Punkte im Artificial Analysis Intelligence Index, klein genug, dass „kostenlos“ oft die klügere Wahl ist. Wähle nach deinem Anwendungsfall, prüfe die Lizenz, und du wirst das Abo nicht vermissen. Prüfe auch die Release-Bedingungen, denn GLM 5.3 und seine gestaffelten Gewichte zeigen, dass eine offene Modellreihe auch ein Modell herausbringen kann, das du nicht herunterladen kannst.

FAQ