# ai-opensource.com > Ein verständlicher Leitfaden zu den neuesten Open-Source- und Open-Weight-KI-Modellen: was die einzelnen Modelle sind, wie groß sie sind, was ihre Lizenz erlaubt und welche Hardware sie ausführen kann. Fakten werden anhand von Primärquellen geprüft: Modellkarten, Lizenzdateien und offizielle Ankündigungen. Benchmark-Werte werden von den Entwicklern gemeldet, sofern nicht anders angegeben. Text und Daten werden unter CC BY 4.0 veröffentlicht. Katalog zuletzt aktualisiert: 11. November 2026. English: https://ai-opensource.com/llms.txt ## Modelle - [Clef](https://ai-opensource.com/de/models/clef/): Cloudflares offene Entscheidungsmodelle: Situation und Fragen hinein, Wahrscheinlichkeit für jede Option in einem Durchlauf heraus. Parameter: 9.41B–27.4B; Kontextfenster: 64K; Lizenz: Apache 2.0; Erscheinungsdatum: 2026-10-01. - [Confucius4-R2T2](https://ai-opensource.com/de/models/confucius4-r2t2/): NetEase Youdaos Streaming-Spracherkenner, der festgeschriebene Wörter nie mehr korrigiert, abgeleitet von Qwen3-ASR-1.7B. Parameter: 2.04B; Lizenz: NetEase Youdao Model Use; Erscheinungsdatum: 2026-09. - [A.X K2](https://ai-opensource.com/de/models/a-x-k2/): SK Telecoms MoE: 688B Parameter, 33B aktiv, native FP8-Gewichte und 256K Kontext. Apache 2.0, stark in Mathematik und Koreanisch. Parameter: 688B (33B aktiv); Kontextfenster: 256K; Lizenz: Apache 2.0; Erscheinungsdatum: 2026-07-29. - [Chatterbox](https://ai-opensource.com/de/models/chatterbox/): Resemble AIs 0.5B-Voice-Cloning-TTS unter MIT-Lizenz, Multilingual V3 mit 6 Sprachpaketen. 2026 eingestellt: Archiv ohne Updates. Parameter: 500M; Lizenz: MIT; Erscheinungsdatum: 2026-06-10. - [Cosmos 3](https://ai-opensource.com/de/models/cosmos-3/): NVIDIAs offene Weltmodelle für Roboter und autonomes Fahren, in 4B, 16B und 64B, die Text, Bilder, Video und Aktionen lesen und schreiben. Parameter: 3.86B–64.6B; Lizenz: OpenMDW-1.1; Erscheinungsdatum: 2026-05-31. - [Command A+](https://ai-opensource.com/de/models/command-a-plus/): Coheres offenes 218B-Unternehmensmodell: 25B aktiv, 48 Sprachen, Bilder und Tools, Apache 2.0, läuft auf zwei H100 in 4 Bit. Parameter: 218B (25B aktiv); Kontextfenster: 128K; Lizenz: Apache 2.0; Erscheinungsdatum: 2026-05-20. - [Anima](https://ai-opensource.com/de/models/anima/): 2B-Bildmodell für Anime und Illustrationen von CircleStone Labs und Comfy Org. Turbo in 8–12 Schritten. Gewichte nur nichtkommerziell. Parameter: 2.09B; Lizenz: CircleStone Non-Commercial; Erscheinungsdatum: 2026-05-14. - [Cohere Transcribe](https://ai-opensource.com/de/models/cohere-transcribe/): Coheres erstes offenes Sprachmodell: ein 2B-Transkriptionsspezialist für 14 Sprachen, veröffentlicht unter Apache 2.0. Parameter: 2.07B; Lizenz: Apache 2.0; Erscheinungsdatum: 2026-03-26. - [DeepSeek-OCR 2](https://ai-opensource.com/de/models/deepseek-ocr-2/): DeepSeeks 3.4B-Dokument-OCR unter Apache 2.0, dessen neuer Encoder visuelle Tokens nach Bedeutung statt in Scan-Reihenfolge umordnet. Parameter: 3.39B; Lizenz: Apache 2.0; Erscheinungsdatum: 2026-01-27. - [ACE-Step 1.5](https://ai-opensource.com/de/models/ace-step-1-5/): Musikmodell mit MIT-Lizenz: komplette Songs in Sekunden, ab etwa 4 GB VRAM, mit Covers, Inpainting und über 50 Sprachen. Parameter: 2B–4B; Lizenz: MIT; Erscheinungsdatum: 2026-01-23. - [DeepSeek-OCR](https://ai-opensource.com/de/models/deepseek-ocr/): DeepSeeks 3B-OCR-Modell unter MIT-Lizenz packt Seitentext in wenige visuelle Tokens: ca. 97% Dekodiergenauigkeit bei unter 10x Kompression. Parameter: 3.34B (570M aktiv); Lizenz: MIT; Erscheinungsdatum: 2025-10-20. ## Bestenlisten - [Die besten Open-Source-OCR- und Dokumentenmodelle 2026](https://ai-opensource.com/de/best/ocr-and-document-models/): Die offenen OCR- und Dokumenten-Parsing-Modelle von November 2026, von 0.8B-On-Device-Modellen bis zu 5B-Multilingual-Parsern, mit Lizenz und Einsatzzweck. - [Die besten Open-Source-Multimodalmodelle 2026 (Bilder, Video und Audio)](https://ai-opensource.com/de/best/multimodal-models/): Offene Modelle, die neben Text auch Bilder, Video und Audio lesen – vom 1B-On-Device-Modell bis zu Systemen mit Billionen Parametern –, jeweils mit Lizenz und Kontextlänge. - [Open-Weight-KI-Modelle aus Europa](https://ai-opensource.com/de/best/open-models-made-in-europe/): Open-Weight-Modelle von Entwicklern in Frankreich, Deutschland, der Schweiz und den Niederlanden, für Sprache, Bilder, Audio, OCR und Embeddings, mit der Lizenz des jeweiligen Modells. - [Open-Weight-KI-Modelle aus Südkorea](https://ai-opensource.com/de/best/open-models-made-in-korea/): Open-Weight-Modelle südkoreanischer Entwickler: die vier Sprachmodelle für das staatliche Sovereign-AI-Projekt, KRAFTONs zwei Raon-Modelle und ein On-Device-Sprachmodell. - [Die besten Open-Source-Reranker-Modelle 2026](https://ai-opensource.com/de/best/reranker-models/): Die offenen Reranker von November 2026 für Suche und RAG: nur Text und multimodal, von 0.6B bis 8B Parametern, mit Sprachen, Kontext, Lizenz und Größe. - [Die besten Open-Source-Modelle für Musik und Sound 2026](https://ai-opensource.com/de/best/music-and-sound-generation/): Die offenen Musik- und Soundmodelle von November 2026: Songs mit Gesang, ein Live-Instrument und Soundeffekte, mit genannter Hardware und Lizenzbeschränkungen. ## Modelle vergleichen - [ACE-Step 1.5 vs. MiniMax Music 3: Welches offene Song-Modell wählen?](https://ai-opensource.com/de/compare/ace-step-1-5-vs-minimax-music-3/): ACE-Step 1.5 ist ein Song-Modell unter MIT-Lizenz, das ab etwa 4 GB VRAM läuft. MiniMax Music 3 ist ein 11.1B-Modell, das Songs bis zu fünf Minuten schreibt und eine 24-GB-GPU braucht. - [Apertus 1.5 vs. OLMo 3.1: Welches vollständig offene Modell sollten Sie nutzen?](https://ai-opensource.com/de/compare/apertus-1-5-vs-olmo-3-1/): Apertus 1.5 liest Text, Bilder und Audio mit 262K Kontext; OLMo 3.1 ist rein textbasiert mit 64K und hat ein 32B-Modell. Beide sind unter Apache 2.0 vollständig offen. - [BGE-M3 vs. Granite Embedding R2: Welches Embedding-Modell sollten Sie nutzen?](https://ai-opensource.com/de/compare/bge-m3-vs-granite-embedding-r2/): BGE-M3 ist ein einziges multilinguales 568M-Modell mit dichter, sparsamer und Multi-Vektor-Suche; Granite Embedding R2 sind vier kleine Modelle mit bis zu 32K Kontext. Vergleichen Sie Größe und Passung. - [Cosmos 3 vs. Wan 2.2: Welches offene Videomodell wählen?](https://ai-opensource.com/de/compare/cosmos-3-vs-wan-2-2/): Cosmos 3 ist NVIDIAS Weltmodell für Roboter und Fahren, mit einer 4B-Edge-Größe; Wan 2.2 ist Alibabas Apache-2.0-Familie von Text und Bild zu Video, mit einem 5B-Modell für 24-GB-GPUs. - [DeepSeek V4 vs. Hy3: Welches große offene Modell sollten Sie nutzen?](https://ai-opensource.com/de/compare/deepseek-v4-vs-hy3/): DeepSeek V4 ist MIT-lizenziert mit 1M-Token-Kontext in den Größen 1.6T und 284B; Hy3 ist ein einzelnes Apache-2.0-Modell mit 295B und 256K. Vergleichen Sie Größe, Kontext und Lizenz. - [FLUX 3 Klein vs. Krea 2: Welches Bildmodell wählen?](https://ai-opensource.com/de/compare/flux-3-image-klein-vs-krea-2/): FLUX 3 Image Klein bearbeitet Bilder und passt mit INT8 in 8 GB, während Krea 2 vielfältige Bilder nur aus Text zeichnet. Beide sind gated, mit Umsatzgrenzen von 5 und 1 Millionen US-Dollar. - [FLUX 3 Image Klein vs. Qwen-Image-2.1: Lizenzen, Speicher und Funktionen](https://ai-opensource.com/de/compare/flux-3-image-klein-vs-qwen-image-2-1/): FLUX 3 Image Klein und Qwen-Image-2.1 erzeugen und bearbeiten Bilder aus Referenzen. Vergleichen Sie ihre Lizenzen, Speicheranforderungen und Stärken. - [FLUX.3 Image Klein vs. Z-Image: Welches offene Bildmodell sollten Sie nutzen?](https://ai-opensource.com/de/compare/flux-3-image-klein-vs-z-image/): FLUX.3 Image Klein bearbeitet Bilder aus bis zu 10 Referenzen unter einer Lizenz mit Umsatzgrenze; Z-Image ist Text-zu-Bild unter Apache 2.0. Vergleichen Sie Bearbeitung, Lizenz und Speicher. - [Gemma 4 vs. Qwen3.8-27B: Welches offene Modell auf einer GPU?](https://ai-opensource.com/de/compare/gemma-4-vs-qwen-3-8-27b/): Gemma 4 von Google und Qwen3.8-27B von Alibaba sind Apache-2.0-Modelle, die auf eine GPU passen. Vergleichen Sie Größen, Eingabetypen, Speicherbedarf und Einsatzbereiche. - [GLM-5.3 Flash vs. MiniMax M3: Welches multimodale Modell sollten Sie einsetzen?](https://ai-opensource.com/de/compare/glm-5-3-flash-vs-minimax-m3/): GLM-5.3 Flash: 320 Milliarden Parameter, MIT-Lizenz, günstig für lange Kontexte; MiniMax M3: 428 Milliarden, Reasoning-Modi, Community-Lizenz. Größe und Lizenz im Vergleich. - [GLM-5.3 vs. DeepSeek V4.1 Flash: offene Modelle für Coding-Agenten im Vergleich](https://ai-opensource.com/de/compare/glm-5-3-vs-deepseek-v4-1-flash/): GLM-5.3 von Z.ai und DeepSeek V4.1 Flash sind Open-Weight-Modelle für Coding und Agenten mit einem Kontext von 1 Million Token. Größe, Speicherbedarf und Lizenzen im Vergleich. - [GLM-OCR vs. PaddleOCR-VL: Welchen kleinen Dokument-Parser sollten Sie nutzen?](https://ai-opensource.com/de/compare/glm-ocr-vs-paddleocr-vl/): Zwei Dokument-Parser mit 0.9B: GLM-OCR (MIT, SDK, Formular-Extraktion) und PaddleOCR-VL (Apache 2.0, Diagramme und Siegel). Tooling, Lizenz und Scores im Vergleich. - [Index-Translate vs. TranslateGemma: Welches sollten Sie wählen?](https://ai-opensource.com/de/compare/index-translate-vs-translategemma/): Index-Translate: 150 Sprachen unter Apache 2.0, folgt Glossar- und Ton-Anweisungen. TranslateGemma: 55 Sprachen unter den Gemma-Bedingungen, weit mehr Downloads. Kein unabhängiger Vergleich gefunden. - [K-EXAONE 2.0 vs. A.X K2: Welches koreanische Sovereign-AI-Modell sollten Sie betreiben?](https://ai-opensource.com/de/compare/k-exaone-2-0-vs-a-x-k2/): K-EXAONE 2.0 (750 Milliarden, zehn Sprachen, 262K Kontext) oder A.X K2 (688 Milliarden, fünf Sprachen, am stärksten in Mathe und Koreanisch)? Beide Apache 2.0. Größe, Hardware, Passung im Vergleich. - [Kimi K3.1 Pro vs. Qwen3.8-Max: Welches riesige offene Modell passt zu Ihnen?](https://ai-opensource.com/de/compare/kimi-k3-1-pro-vs-qwen-3-8-max/): Kimi K3.1 Pro und Qwen3.8-Max sind die größten herunterladbaren Open-Weight-Modelle. Größe, Eingabetypen, Speicherbedarf und Lizenzen im direkten Vergleich. - [Kokoro vs. Pocket TTS: Welches winzige offene TTS-Modell sollten Sie nutzen?](https://ai-opensource.com/de/compare/kokoro-vs-pocket-tts/): Kokoro bietet 54 feste Stimmen in 8 Sprachen unter Apache 2.0; Pocket TTS klont eine Stimme aus 5 Sekunden Audio in 6 Sprachen unter CC BY 4.0. Beide laufen auf einer CPU. - [LTX-2.5 vs. Wan 2.2: Open-Source-Videogenerierung im Vergleich](https://ai-opensource.com/de/compare/ltx-2-5-vs-wan-2-2/): LTX-2.5 erzeugt Videos mit synchronisiertem Ton, während Wan 2.2 unter Apache 2.0 läuft und auf einer 24-GB-GPU arbeitet. Speicherbedarf, Lizenzen und Funktionen im Vergleich. - [MiniCPM-OCR oder LightOnOCR-3: welches Apache-2.0-OCR-Modell sollten Sie verwenden?](https://ai-opensource.com/de/compare/minicpm-ocr-vs-lightonocr-3/): MiniCPM-OCR ist ein einzelnes 1.3B-Modell für chinesische und englische Seiten; LightOnOCR-3 gibt es in 4B, 1B und 0.8B mit Boxen und Diagrammdaten. Vergleich von Tooling und Passung. - [Mistral Large 4 oder Muse Spark Open: zwei riesige Open-Weight-Modelle](https://ai-opensource.com/de/compare/mistral-large-4-vs-muse-spark-open/): Mistral Large 4 und Muse Spark Open kamen beide im Oktober 2026 heraus. Vergleich von Größe, Eingabetypen, Speicherbedarf und den Lizenzbedingungen der beiden. - [MOSS-Image oder Z-Image: welches Apache-2.0-Bildmodell?](https://ai-opensource.com/de/compare/moss-image-vs-z-image/): MOSS-Image zeichnet lange chinesische und englische Texte und folgt JSON-Layouts; Z-Image Turbo erzeugt fotorealistische Bilder in 8 Schritten auf einer 16-GB-GPU. Beide sind Apache 2.0. - [Nemotron 3.5 Lightning oder Qwen3.6: welches Modell mit 3B aktiven Parametern?](https://ai-opensource.com/de/compare/nemotron-3-5-lightning-vs-qwen-3-6/): Nemotron 3.5 Lightning ist ein 30B-A3B-Hybrid für eine H100 mit 1M Kontext; Qwen3.6 ist ein Paar aus 35B-A3B plus 27B Dense mit Bildeingabe. Vergleich von Passung und Ergebnissen. - [Nemotron 3 Nano Omni oder MiniCPM-o 4.5: welches offene Omni-Modell?](https://ai-opensource.com/de/compare/nemotron-3-nano-omni-vs-minicpm-o-4-5/): NVIDIAs 31B-Omni-Modell liest Video, Audio und Bilder und antwortet in Text. OpenBMBs 9B MiniCPM-o 4.5 spricht auch. Vergleich von Speicher, Sprachen und Lizenz. - [OmniVoice oder VoxCPM2: welches offenes Text-zu-Sprache-Modell sollten Sie nutzen?](https://ai-opensource.com/de/compare/omnivoice-vs-voxcpm2/): OmniVoice deckt über 600 Sprachen ab, seine Gewichte sind aber nicht-kommerziell; VoxCPM2 deckt 30 Sprachen unter Apache 2.0 ab. Vergleich von Sprachen, Voice Design und Lizenz. - [Ornith 1.5 oder Qwen3.6: welches agentische Coding-Modell sollten Sie verwenden?](https://ai-opensource.com/de/compare/ornith-1-5-vs-qwen-3-6/): Ornith 1.5 ist ein MIT-lizenzierter Qwen3.5-Ableger in vier Größen; Qwen3.6 ist Alibabas Apache-2.0-Paar mit Bildeingabe. Vergleich von Größen, Lizenzen und Belegen. - [Parakeet TDT 0.6B v3 oder Cohere Transcribe: welches sollten Sie verwenden?](https://ai-opensource.com/de/compare/parakeet-tdt-0-6b-v3-vs-cohere-transcribe/): Parakeet v3 deckt 25 europäische Sprachen mit Zeitstempeln unter CC BY 4.0 ab; Cohere Transcribe deckt 14 Sprachen ab, darunter Chinesisch, Japanisch und Koreanisch, unter Apache 2.0. - [PLaMo 3 Translate vs. Hy-MT2: welches offene Übersetzungsmodell?](https://ai-opensource.com/de/compare/plamo-3-translate-vs-hy-mt2/): PLaMo 3 Translate deckt 53 Sprachen unter einer Lizenz mit Umsatzgrenze ab; Hy-MT2 deckt 33 unter reinem Apache 2.0 ab und hat eine deutlich größere Community. PFNs eigene Diagramme sprechen für PLaMo. - [Qwen3-ASR vs. Voxtral Realtime: welches Streaming-Modell sollten Sie nutzen?](https://ai-opensource.com/de/compare/qwen3-asr-vs-voxtral-realtime/): Qwen3-ASR deckt 30 Sprachen plus 22 chinesische Dialekte mit Zeitstempeln ab; Voxtral Realtime ist ein einzelnes 4B-Modell mit 80 ms bis 2,4 s Verzögerung. Vergleichen Sie Sprachen und Latenz. - [Qwen3-Embedding vs. EmbeddingGemma 2: welches sollten Sie nutzen?](https://ai-opensource.com/de/compare/qwen3-embedding-vs-embeddinggemma-2/): Qwen3-Embedding verarbeitet Text und Code in drei Größen; EmbeddingGemma 2 legt Text, Bilder, Audio und Video in einen gemeinsamen Raum. Vergleichen Sie Kontext, Größe und Lizenzen. - [Ripple-65B vs. Nanbeige4.3-33B: welches neue Agentenmodell?](https://ai-opensource.com/de/compare/ripple-65b-vs-nanbeige-4-3-33b/): Ripple-65B Preview ist ein dichtes 65B-Modell mit 1M Kontext unter Apache 2.0; Nanbeige4.3-33B ist ein 33B-Modell mit 512K Kontext und einem 23-GB-INT4-Build. - [S2 Pro vs. Higgs TTS 3: welches nicht-kommerzielle TTS-Modell?](https://ai-opensource.com/de/compare/s2-pro-vs-higgs-tts-3/): Fish Audios S2 Pro und Bosons Higgs TTS 3 sind beide 4.6B-Text-zu-Sprache-Modelle mit Inline-Tags und Klonen, und beide sind nicht-kommerziell. Vergleichen Sie Lizenzen und Hardware. - [Solar Open 2 vs. Motif 3: welches koreanische Agentenmodell betreiben?](https://ai-opensource.com/de/compare/solar-open-2-vs-motif-3/): Solar Open 2 hat 250B Parameter, einen 1M-Kontext und eine Namensregel; Motif 3 hat 314B, einen 256K-Kontext und die reine MIT-Lizenz. Vergleichen Sie Hardware, Sprachen und Lizenzen. - [Stable Audio 3 vs. MOSS-SoundEffect v2.0: welches offene Soundeffekt-Modell?](https://ai-opensource.com/de/compare/stable-audio-3-vs-moss-soundeffect-v2/): Stable Audio 3 erzeugt Musik und Effekte bis 6 min 20 s in acht Schritten, kostenlos unter 1 Mio. US-Dollar Umsatz. MOSS-SoundEffect v2.0 erzeugt 30-Sekunden-Effekte unter Apache 2.0. - [Whisper large-v3-turbo vs. Nemotron 3.5 Transcribe: welches nutzen?](https://ai-opensource.com/de/compare/whisper-large-v3-turbo-vs-nemotron-3-5-transcribe/): Whisper large-v3-turbo ist klein und breit unterstützt; Nemotron 3.5 Transcribe ergänzt Sprecher-Labels und einen per Prompt steuerbaren Stil. Vergleichen Sie Speicher, Sprachen und Lizenzen. - [ZONOS3-Mini vs. Drama 3: welches neue offene TTS-Modell?](https://ai-opensource.com/de/compare/zonos3-mini-vs-drama-3/): ZONOS3-Mini ist ein Apache-2.0-Modell mit 800M für 43 Sprachen, das im Browser läuft. Drama 3 ist ein 36B-Modell für 83 Sprachen, kostenlos erst unter 500 Tsd. US-Dollar Umsatz. ## Lizenzen - [Apache License 2.0](https://ai-opensource.com/de/licenses/apache-2-0/): Eine der am weitesten verbreiteten permissiven Lizenzen. Sie dürfen das Modell nutzen und ändern und Produkte, die darauf aufbauen, verkaufen, mit nur wenigen leichten Bedingungen. - [bilibili Model Use License Agreement](https://ai-opensource.com/de/licenses/bilibili-model-use/): Bilibilis Lizenz für IndexTTS, auf die sowohl die IndexTTS-2.5-Modellkarte als auch das GitHub-Repository verweisen. Sie erlaubt Ihnen, das Modell weltweit und lizenzgebührenfrei zu nutzen, zu ändern, für Training zu verwenden, zu verbreiten und Derivate davon zu erstellen. Der Text enthält kein generelles Verbot der kommerziellen Nutzung, doch ein Nutzer oder ein verbundenes Unternehmen mit mehr als 100 Millionen monatlich aktiven Nutzern oder mehr als 1 Milliarde RMB Jahresumsatz braucht eine separate schriftliche Lizenz. - [Boson Higgs TTS 3 Research and Non-Commercial License](https://ai-opensource.com/de/licenses/boson-higgs-non-commercial/): Die Lizenz von Boson AI für die Higgs TTS 3 Gewichte, zuletzt aktualisiert am 8. Juli 2026. Sie nennt sich selbst eine Lizenz mit sichtbarem Quelltext (source-available), keine Open-Source-Lizenz. Forschung und nicht-kommerzielle Nutzung sind kostenlos, und jeder kommerzielle Zweck braucht eine separate schriftliche Lizenz von Boson. Die einzige Ausnahme ist der Creator Use Grant, mit dem digitale Creators mit dem Audio des Modells Podcasts, Videos, Hörbücher und Social-Media-Posts erstellen und monetarisieren dürfen, wenn sie „Boson AI's Higgs Audio“ als Credit angeben. - [BreezeBlue Research and Non-Commercial License Agreement v1.1](https://ai-opensource.com/de/licenses/breezeblue-non-commercial/): Die Lizenz für die Breeze TTS 2 Gewichte, Version 1.1 vom 1. September 2026, ausgestellt von der Resonia, Inc., die unter dem Namen BreezeBlue tätig ist. Sie ist kostenlos für Forschung und nicht-kommerzielle Nutzung und räumt überhaupt keine kommerziellen Rechte ein, ohne Umsatzschwelle oder Creator-Ausnahme. Audio, das Sie mit den offenen Gewichten erzeugen, unterliegt denselben Grenzen. - [Creative Commons Attribution 4.0 (CC BY 4.0)](https://ai-opensource.com/de/licenses/cc-by-4-0/): Eine Creative-Commons-Lizenz, die jedem erlaubt, das Werk für jeden Zweck zu kopieren, zu teilen und anzupassen, auch kommerziell, solange die Quelle genannt wird. Sie wurde für kreative Werke und Daten statt für Software geschrieben, aber einige Sprach- und Datenveröffentlichungen verwenden sie für die Modellgewichte. - [Creative Commons Attribution-NonCommercial (CC BY-NC)](https://ai-opensource.com/de/licenses/cc-by-nc/): Eine Creative-Commons-Lizenz, die jedem erlaubt, das Werk mit Quellenangabe zu kopieren, zu teilen und anzupassen, aber nur für nicht-kommerzielle Zwecke. Manche Modellkarten nennen sie ohne Versionsnummer, die aktuelle Version ist 4.0. - [CircleStone Labs Non-Commercial License v1.2](https://ai-opensource.com/de/licenses/circlestone-non-commercial/): Die Lizenz für die Anima-Bildmodelle von CircleStone Labs. Die Gewichte sind nur für nicht-kommerzielle Nutzung kostenlos, aber die erzeugten Bilder dürfen kommerziell verwendet werden. Das Modell gegen Bezahlung zu hosten oder in ein monetarisiertes Produkt einzubauen, braucht eine separate kommerzielle Lizenz von CircleStone Labs. - [AI Pubs Open RAIL-M License (Modified, Datalab)](https://ai-opensource.com/de/licenses/datalab-openrail-m/): Eine modifizierte Open-RAIL-M-Lizenz. Kostenlos für Forschung und persönliche Nutzung, und für kommerzielle Nutzung nur für Organisationen mit weniger als 2 Mio. US-Dollar Umsatz im Vorjahr und insgesamt weniger als 2 Mio. US-Dollar aufgenommenem Kapital. Sie verbietet außerdem, das Modell in Konkurrenz zu Datalab zu verwenden, und verlangt, dass Derivate und Ausgaben dieselbe Lizenz tragen. - [AI Pubs Open RAIL-M License (Modified, Datalab Surya)](https://ai-opensource.com/de/licenses/datalab-surya-openrail-m/): Dieselbe modifizierte Open-RAIL-M-Lizenz wie bei Datalabs Chandra-Modellen, mit höheren Grenzen. Kostenlos für Forschung und persönliche Nutzung, und für kommerzielle Nutzung nur für Organisationen mit weniger als 5 Mio. US-Dollar Umsatz im Vorjahr und insgesamt weniger als 5 Mio. US-Dollar aufgenommenem Kapital. Sie verbietet außerdem, das Modell in Konkurrenz zu Datalab zu verwenden, und verlangt, dass Derivate und Ausgaben dieselbe Lizenz tragen. - [ERNIE 5.5 Flash Base Model License Agreement v1.0](https://ai-opensource.com/de/licenses/ernie-5-5-flash-base/): Kostenlos für nicht-kommerzielle Nutzung, und kostenlos für kommerzielle Nutzung bis 50 Mio. US-Dollar verwandter Jahresumsatz, wenn Sie „Powered by ERNIE“ anzeigen und Baidu eine einmalige Mitteilung schicken, aber nur außerhalb der EU, des Vereinigten Königreichs und Südkoreas. Über 50 Mio. US-Dollar hinaus brauchen Sie Baidus schriftliche Genehmigung. - [Fish Audio Community License Agreement 1.0](https://ai-opensource.com/de/licenses/fish-audio-community/): Kostenlos für Forschung und nicht-kommerzielle Nutzung, und kostenlos für kommerzielle Nutzung, solange Sie und verbundene Unternehmen weniger als 500.000 US-Dollar pro Jahr verdienen. Darüber hinaus, oder um das Modell anderen als Text-zu-Sprache-, Voice-Cloning- oder Inferenzdienst anzubieten, gleich welcher Größe, brauchen Sie eine separate schriftliche Lizenz von Fish Audio. Sie müssen „Built with Fish Audio“ anzeigen, dürfen nicht ohne Zustimmung die Stimme einer echten Person klonen und dürfen das Modell oder sein Audio nicht zum Training anderer Sprach- oder Foundation-Modelle verwenden. - [Fish Audio Research License Agreement](https://ai-opensource.com/de/licenses/fish-audio-research/): Die Lizenz von Fish Audio für die S2 Pro Gewichte, zuletzt aktualisiert am 7. März 2026. Forschung und nicht-kommerzielle Nutzung sind kostenlos, einschließlich Hobbyprojekte, Evaluation und Tests. Jeder kommerzielle Zweck, einschließlich der internen Abläufe Ihrer eigenen Organisation, braucht eine separate schriftliche Lizenz von Fish Audio. Wenn Sie die Gewichte oder ein Derivat teilen, reichen Sie das Abkommen weiter, behalten einen Hinweis, der 39 AI, Inc. nennt, und zeigen „Built with Fish Audio“. - [FLUX Kommunity License v1.0](https://ai-opensource.com/de/licenses/flux-kommunity/): Die Lizenz von Black Forest Labs für die offenen FLUX-3-Gewichte. Sie ist für den persönlichen und nicht-kommerziellen Gebrauch kostenlos, und auch für die kommerzielle Nutzung, aber nur als "Qualifying User", das heißt, wenn Sie und Ihre Tochtergesellschaften weniger als 5 Mio. US-Dollar im Jahr umsetzen. Größere Unternehmen benötigen eine kommerzielle Lizenz oder die kostenpflichtige API. - [Gemma Terms of Use](https://ai-opensource.com/de/licenses/gemma-terms/): Googles eigene Lizenz für die Gemma-Modelle, die vor Gemma 4 veröffentlicht wurden, einschließlich TranslateGemma. Sie erlaubt kommerzielle Nutzung, Veränderungen und Weitergabe ohne Umsatzgrenze, aber jede Kopie und jede Ableitung muss dieselben Nutzungsbeschränkungen beiliegen, und Google kann Nutzungen einschränken, von denen es glaubt, dass sie gegen die Bedingungen verstoßen. - [GLM-5.3 License](https://ai-opensource.com/de/licenses/glm-5-3/): Nahe am MIT. Die einzige Zusatzbedingung betrifft riesige Hosting-Geschäfte: Ein Betreiber von Model-as-a-Service mit mehr als 10 Mrd. US-Dollar Umsatz muss eine Sicherheitsprüfung von Z.AI bestehen. Alle anderen können sie wie das MIT behandeln. - [Ideogram Non-Commercial Model Agreement](https://ai-opensource.com/de/licenses/ideogram-non-commercial/): Ideograms Lizenz für die Gewichte von Ideogram 4, zuletzt aktualisiert am 3. Juni 2026. Die Gewichte sind nur für nicht-kommerzielle Zwecke kostenlos, die der Text eng definiert. Ein Unternehmen darf testen und prototypisieren, aber nicht ausrollen, und das Generieren von Bildern für Produkte, die Einnahmen bringen, ist ausgeschlossen. Kommerzielle Nutzung erfordert eine separate Vereinbarung, die Ideogram nach Belieben gewähren oder ablehnen kann. - [Kimi K3 License](https://ai-opensource.com/de/licenses/kimi-k3/): Eine MIT-artige Lizenz mit zwei Größenbedingungen. Die meisten Unternehmen können sie ohne Nachfrage kommerziell nutzen, aber große Hosting-Geschäfte brauchen eine Vereinbarung, und sehr große Produkte müssen das Modell nennen. Kimi K3.1 Pro verwendet dieselben Bedingungen unter seinem eigenen Namen. - [Krea 2 Community License Agreement v1](https://ai-opensource.com/de/licenses/krea-2-community/): Kreas Lizenz für die Gewichte von Krea 2 Raw und Turbo, datiert auf den 22. Juni 2026. Sie dürfen die Modelle verwenden, verändern und teilen sowie Ableitungen erstellen, und die kommerzielle Nutzung ist nur erlaubt, solange Sie und Ihre Tochtergesellschaften weniger als 1 Mio. US-Dollar pro Jahr umsetzen. Größere Organisationen brauchen eine Enterprise-Lizenz von Krea. - [LFM Open License v1.0](https://ai-opensource.com/de/licenses/lfm-open-1-0/): Eine Apache-2.0-artige Lizenz von Liquid AI mit einem großen Haken. Die kommerzielle Nutzung ist nur lizenziert, solange Ihr Unternehmen zusammen mit seinen Tochtergesellschaften weniger als 10 Mio. US-Dollar pro Jahr umsetzt. Oberhalb dieser Grenze sind Sie nicht lizenziert und brauchen eine eigene Vereinbarung. - [LTX-2 Community License Agreement](https://ai-opensource.com/de/licenses/ltx-2-community/): Die eigene Lizenz für LTX-2 und LTX-2.3, datiert auf den 5. Januar 2026. Organisationen mit einem Jahresumsatz unter 10 Mio. US-Dollar dürfen die Modelle für jeden Zweck nutzen, verändern und hosten, vorbehaltlich einer Liste verbotener Verwendungen. Organisationen ab diesem Betrag brauchen eine kostenpflichtige kommerzielle Vereinbarung. LTX-2.5 verwendet stattdessen die neuere LTX-2.x-Lizenz. - [LTX-2.x Community License Agreement](https://ai-opensource.com/de/licenses/ltx-2x-community/): Eine eigene Lizenz für die LTX-Videomodelle. Organisationen mit einem Jahresumsatz unter 10 Mio. US-Dollar dürfen das Modell für jeden Zweck nutzen, verändern und hosten; Organisationen ab diesem Betrag brauchen eine kostenpflichtige kommerzielle Lizenz, dürfen es aber weiterhin außerhalb der Produktion evaluieren. - [MiniMax Community License](https://ai-opensource.com/de/licenses/minimax-community/): Eine Lizenz, die Rechte für nicht-kommerzielle Zwecke einräumt und dann die Schritte für die kommerzielle Nutzung beschreibt: einen Credit-Hinweis zeigen, eine Mitteilung senden und eine schriftliche Genehmigung einholen, wenn Ihr Produkt mehr als 20 Mio. US-Dollar pro Jahr verdient. Militärische Nutzung ist verboten. Holen Sie eine rechtliche Einschätzung ein, bevor Sie darauf ein Produkt veröffentlichen. - [MiniMax H3 Community License Agreement](https://ai-opensource.com/de/licenses/minimax-h3-community/): Eine Community-Lizenz, die Ihnen die Nutzung, Veränderung und Verbreitung von MiniMax H3 erlaubt, aber nur im „Anwendbaren Gebiet“, also der ganzen Welt außerhalb der Europäischen Union, des Vereinigten Königreichs, Südkoreas und der USA. Kommerzielle Produkte, die mehr als 20 Mio. US-Dollar pro Jahr verdienen, brauchen die schriftliche Genehmigung von MiniMax, jedes kommerzielle Produkt muss „MiniMax H3“ in seiner Oberfläche zeigen, und Sie dürfen das Modell und seine Ergebnisse nicht zum Training anderer KI-Modelle verwenden. Holen Sie juristischen Rat ein, besonders wenn Sie oder Ihre Nutzer in einer ausgeschlossenen Region sind. - [MiniMax-H3-Image Community License Agreement](https://ai-opensource.com/de/licenses/minimax-h3-image-community/): Baut auf der MiniMax-H3-Lizenz auf, mit einer viel niedrigeren kommerziellen Schwelle. Sie dürfen MiniMax-H3-Image nur im „Anwendbaren Gebiet“ (die Welt außerhalb der Europäischen Union, des Vereinigten Königreichs, Südkoreas und der USA) verwenden, verändern und verbreiten. Sie brauchen die schriftliche Genehmigung von MiniMax, wenn Sie und Ihre Tochtergesellschaften mehr als 1 Mio. US-Dollar pro Jahr verdienen oder wenn Sie das Modell anderen als gehosteten Dienst anbieten. Holen Sie juristischen Rat ein, bevor Sie darauf ein Geschäft aufbauen. - [MiniMax M2.7 Non-Commercial License](https://ai-opensource.com/de/licenses/minimax-m2-7-non-commercial/): Eine MIT-artige Lizenz, die nur nicht-kommerzielle Nutzung abdeckt. Private Nutzung, einschließlich Self-Hosting zum Programmieren und Bauen eigener Werkzeuge, sowie gemeinnützige, akademische und Forschungsnutzung sind kostenlos. Jede kommerzielle Nutzung braucht eine separate vorherige schriftliche Genehmigung von MiniMax, und wo sie genehmigt ist, müssen Sie "Built with MiniMax M2.7" zeigen. - [MiniMax Model License (M2.5)](https://ai-opensource.com/de/licenses/minimax-model-license/): Eine eingeschränkte Lizenz im permisiven Stil von MiniMax, mit Versionsdatum vom 13. Februar 2026. Sie räumt ein weltweites, lizenzgebührenfreies Recht ein, das Modell zu verwenden, zu kopieren, zu verbreiten, zu verändern und abgeleitete Werke zu erstellen, ohne Umsatzgrenze im Text. Sie müssen die Vereinbarung weiterreichen, veränderte Dateien kennzeichnen, den Zuschreibungshinweis von MiniMax beibehalten und einer Richtlinie zu verbotenen Nutzungen folgen. Die Modellkarte und die Hugging-Face-Metadaten nennen sie Modified-MIT, aber die Lizenzdatei im Repository trägt den Titel MiniMax Model License. - [MiniMax-Music3 Community License](https://ai-opensource.com/de/licenses/minimax-music3-community/): Eine MIT-artige Lizenz mit gewerblichen Bedingungen. Sie dürfen MiniMax Music 3 verwenden, ändern und weiterverbreiten, aber ein kommerzielles Produkt muss „MiniMax-Music3“ in seiner Oberfläche anzeigen, und ein Unternehmen, das mit Produkten, die es nutzen, mehr als 20 Millionen US-Dollar pro Jahr verdient, braucht eine schriftliche Genehmigung. Wer das Modell anderen anbietet, muss außerdem Schutzmaßnahmen gegen rechtsverletzende Ausgaben beibehalten. Es gilt eine lange Richtlinie zur akzeptablen Nutzung. - [Mistral Ecosystem Open-Weight License](https://ai-opensource.com/de/licenses/mistral-open-weight/): Eine modifizierte MIT-Lizenz. Sie können das Modell frei nutzen und darauf aufbauen, aber jedes Geschäft, das gehosteten Zugang dazu verkauft, braucht eine separate kommerzielle Lizenz von Mistral – ohne Umsatzschwelle. - [MIT License](https://ai-opensource.com/de/licenses/mit/): Die kürzeste und einfachste permissive Lizenz. Sie können mit dem Modell fast alles machen, solange Sie den Urheberrechts- und Lizenzhinweis beibehalten. - [Modified MIT License (Moonshot AI)](https://ai-opensource.com/de/licenses/moonshot-modified-mit/): Die Standard-MIT-Lizenz mit einem zusätzlichen Satz. Jeder darf das Modell nutzen, ändern und verkaufen, und nur sehr große Produkte (mehr als 100 Millionen monatlich aktive Nutzer oder mehr als 20 Millionen US-Dollar Monatsumsatz) müssen den Namen des Modells in ihrer Oberfläche anzeigen. - [Muse Model License](https://ai-opensource.com/de/licenses/muse-model-license/): Metas Lizenz für Muse Spark Open. Die meisten Unternehmen dürfen es kommerziell nutzen, aber ein Geschäft, das gehosteten Zugang verkauft und über 20 Millionen US-Dollar Umsatz liegt, braucht eine separate Vereinbarung, und jeder muss „Built with Muse Spark Open“ anzeigen. Der Download ist genehmigungspflichtig. - [NetEase Youdao Model Use License Agreement](https://ai-opensource.com/de/licenses/netease-youdao-model-use/): Die Lizenz für NetEase Youdaos Spracherkennungsmodell Confucius4-R2T2. Kommerzielle Nutzung ist erlaubt, solange Sie oder ein verbundenes Unternehmen nicht mehr als 100 Millionen monatlich aktive Nutzer oder mehr als 1 Milliarde RMB Jahresumsatz hatten; andernfalls brauchen Sie eine separate Lizenz. Sie untersagt außerdem, das Modell zur Verbesserung anderer KI-Modelle zu verwenden (außer nicht-kommerziellen), und verbietet Hochrisiko-Anwendungen. - [NVIDIA License (non-commercial)](https://ai-opensource.com/de/licenses/nvidia-license-non-commercial/): NVIDIAs kurze, nur für Forschung gedachte Lizenz, wie sie mit LocateAnything-3B ausgeliefert wird. Sie dürfen das Werk verwenden, kopieren, ändern und weitergeben, aber nur nicht-kommerziell, was der Text als ausschließlich Forschungs- oder Evaluierungszwecke definiert. NVIDIA und seine verbundenen Unternehmen behalten sich die kommerzielle Nutzung vor. - [NVIDIA Nemotron Open Model License](https://ai-opensource.com/de/licenses/nvidia-nemotron-open-model/): Eine permissive, Apache-ähnliche Lizenz von NVIDIA. Kommerzielle Nutzung, abgeleitete Werke und Weiterverbreitung sind erlaubt, NVIDIA beansprucht kein Eigentum an den Ausgaben, und die wichtigsten Pflichten sind, die Lizenz weiterzugeben und Hinweise beizubehalten. - [NVIDIA Open Model Agreement](https://ai-opensource.com/de/licenses/nvidia-open-model/): Eine permissive, Apache-ähnliche Vereinbarung von NVIDIA, veröffentlicht am 2. April 2026. NVIDIA bestätigt, dass seine Werke kommerziell nutzbar sind, dass Sie abgeleitete Werke erstellen und verbreiten dürfen und dass es kein Eigentum an den Ausgaben beansprucht. Die wichtigsten Pflichten sind, die Vereinbarung weiterzugeben und Hinweise beizubehalten. - [OpenMDW License Agreement 1.1](https://ai-opensource.com/de/licenses/openmdw-1-1/): Eine kurze, permissive Lizenz, verfasst von der Linux Foundation und der PyTorch Foundation für Machine-Learning-Modelle. Sie umfasst Modell, Daten, Dokumentation und Software gemeinsam und schränkt nicht ein, was Sie mit den Ausgaben des Modells tun. - [BigScience Open RAIL-M License](https://ai-opensource.com/de/licenses/openrail-m/): Die Standard-Open-RAIL-M-Lizenz, verfasst von BigScience im August 2022. Sie gewährt kostenlose, weltweite Urheber- und Patentrechte, einschließlich des Anbietens des Modells als gehosteter Dienst, bindet aber jede Kopie und jedes Derivat an eine Liste verbotener Verwendungen, etwa Gesetzesbrüche, das Ausgeben für andere Personen ohne deren Zustimmung, medizinische Ratschläge und vollautomatisierte Entscheidungen über die rechtlichen Rechte von Menschen. - [PLaMo Community License Agreement](https://ai-opensource.com/de/licenses/plamo-community/): Eine japanische Community-Lizenz für die PLaMo-Modelle. Private und akademische Nutzung ist kostenlos. Kommerzielle Nutzung ist nur kostenlos, wenn Sie sich bei Preferred Networks registrieren und Sie samt verbundener Unternehmen höchstens 1 Milliarde Yen Jahresumsatz oder -erlös erzielen; darüber hinaus brauchen Sie eine separate Vereinbarung. Wenn Sie das Modell oder ein abgeleitetes Modell an andere weitergeben, müssen Sie „Built with PLaMo“ zeigen und „PLaMo“ in den Namen der Modelle aufnehmen, die Sie erstellen. - [Qwen3.8-Max License](https://ai-opensource.com/de/licenses/qwen-3-8-max/): Eine MIT-artige Lizenz vom Qwen-Team von Alibaba für das Flaggschiff-Modell. Kostenlos für fast alle, mit einer Namensnennungsregel für riesige Produkte und einem separaten Deal für große Hosting- und KI-Arbeitsassistenten-Geschäfte. - [Qwen Community License 1.0](https://ai-opensource.com/de/licenses/qwen-community-1-0/): Eine MIT-artige Lizenz mit einer strengeren Hosting-Regel als die Qwen3.8-Max License. Sie können mit dem Modell frei Produkte bauen, aber wer ein Model-as-a-Service- oder KI-Arbeitsassistenten-Geschäft betreibt, braucht eine separate Lizenz – ganz gleich, wie hoch der Umsatz ist. - [Qwen Research License Agreement](https://ai-opensource.com/de/licenses/qwen-research/): Alibabas Forschungslizenz. Sie dürfen das Modell zu Forschungs- oder Evaluationszwecken nutzen, verändern und teilen, aber jede kommerzielle Nutzung braucht eine separate Lizenz von Qwen. Alibabas gehostete API ist der übliche kommerzielle Weg. - [Stability AI Community License](https://ai-opensource.com/de/licenses/stability-ai-community/): Stability AIs Lizenz für ihre offenen Modelle. Forschung und nichtkommerzielle Nutzung sind kostenlos, und auch kommerzielle Nutzung, solange Sie samt verbundener Unternehmen unter 1 Mio. US-Dollar pro Jahr verdienen, aber kommerzielle Nutzer müssen sich bei Stability AI registrieren und „Powered by Stability AI“ zeigen. Über 1 Mio. US-Dollar hinaus endet die Lizenz und Sie müssen eine Enterprise-Lizenz anfragen. Die Ausgaben gehören Ihnen, soweit das Gesetz es zulässt. - [Stellon Labs Community License Agreement](https://ai-opensource.com/de/licenses/stellon-labs-community/): Die Lizenz für die KittenTTS-2-Gewichte von KittenML, deren Text auf den 5. Juli 2024 datiert. Forschung, nichtkommerzielle und eingeschränkte kommerzielle Nutzung sind kostenlos. Kommerzielle Nutzer müssen sich bei Stellon Labs registrieren, und die kommerzielle Genehmigung endet, sobald Sie oder verbundene Unternehmen 1 Mio. US-Dollar Jahresumsatz oder Gesamtfinanzierung überschreiten. - [StepFun Model License 1.0](https://ai-opensource.com/de/licenses/stepfun-model-1-0/): Eine eigene Lizenz, mit der Sie Step 5 Preview kostenlos nutzen, verändern, verbreiten und unterlizenzieren können, auch kommerziell. Hardwarehersteller, die das Modell in Telefone, Fahrzeuge, Brillen, Wearables, Roboter oder Smart-Home-Geräte einbauen, brauchen eine separate kommerzielle Lizenz, ebenso jedes Geschäft, das ein Model-as-a-Service-Angebot mit mehr als 20 Mio. US-Dollar Jahresumsatz betreibt. Ein Produkt mit über 100 Millionen aktiven Nutzern oder über 20 Mio. US-Dollar Umsatz in einem Monat muss „Powered by StepFun AI“ zeigen. Modelle, die in erheblichem Umfang auf den Ausgaben des Modells trainiert wurden, gelten als abgeleitete Werke. - [Tencent Hunyuan Community License](https://ai-opensource.com/de/licenses/tencent-hunyuan-community/): Eine lizenzgebührenfreie Lizenz mit echten Grenzen. Sie gilt nur außerhalb der Europäischen Union, des Vereinigten Königreichs und Südkoreas, große Dienste mit über 100 Millionen monatlichen Nutzern müssen zuerst bei Tencent anfragen, und Sie dürfen das Modell oder seine Ausgaben nicht zur Verbesserung anderer KI-Modelle verwenden. - [Upstage Solar License](https://ai-opensource.com/de/licenses/upstage-solar/): Apache 2.0 mit einer zusätzlichen Regel. Sie können das Modell kommerziell nutzen und frei darauf aufbauen, aber ein KI-Modell, das Sie daraus erstellen und verbreiten, muss einen Namen tragen, der mit „Solar“ beginnt, und muss die Worte „Built with Solar“ zeigen. - [webAI Non-Commercial License ver. 1.0](https://ai-opensource.com/de/licenses/webai-non-commercial/): Eine kurze Lizenz, die webAI, Inc. auf ihre TwIL-Modelle legt. Sie gewährt eine dauerhafte, weltweite, lizenzgebührenfreie Urheberrechtslizenz zum Nutzen, Verändern und Teilen der Gewichte, aber nur für nichtkommerzielle Forschungs- und Bildungszwecke. Dieselbe Beschränkung folgt jedem abgeleiteten Werk. ## Glossar - [Agenten-Gedächtnis (Agent memory)](https://ai-opensource.com/de/glossary/agent-memory/): Ein Agenten-Gedächtnis ermöglicht es einem KI-Agenten, Fakten, Präferenzen und frühere Erfahrungen über Sitzungen hinweg zu behalten, statt jedes Mal mit leerem Kontext zu starten. - [Agentisches Programmieren (Agentic coding)](https://ai-opensource.com/de/glossary/agentic-coding/): Agentisches Programmieren bedeutet, dass ein Modell wie ein Entwickler an Software arbeitet: es liest die Codebasis, bearbeitet Dateien, führt Befehle und Tests aus und arbeitet weiter, bis die Aufgabe erledigt ist. - [KI-Agent](https://ai-opensource.com/de/glossary/ai-agent/): Ein KI-Agent ist ein System, in dem ein Modell mehrstufige Aufgaben plant und ausführt, indem es Tools aufruft, etwa Code ausführen, das Web durchsuchen oder Dateien bearbeiten. - [Basismodell (Base model)](https://ai-opensource.com/de/glossary/base-model/): Ein Basismodell ist das rohe Ergebnis des Pretrainings, bevor es gelernt hat, Anweisungen zu befolgen oder zu chatten; es ist der übliche Ausgangspunkt fürs Fine-Tuning. - [Benchmark](https://ai-opensource.com/de/glossary/benchmark/): Ein Benchmark ist ein standardisierter Test zum Vergleich von Modellen, etwa ein Satz Mathe-, Coding- oder Wissensfragen; die Scores sind nützlich, aber leicht überzuinterpretieren. - [Classifier-Free Guidance (CFG)](https://ai-opensource.com/de/glossary/classifier-free-guidance/): Classifier-Free Guidance, meist kurz CFG, ist eine Einstellung bei Diffusionsmodellen, die steuert, wie streng das Ergebnis Ihrem Prompt folgt – auf Kosten zusätzlicher Rechenleistung. - [Agent zur Computerbedienung (Computer-use agent)](https://ai-opensource.com/de/glossary/computer-use-agent/): Ein Agent zur Computerbedienung sieht Screenshots an und bedient den Computer wie ein Mensch: durch Klicken, Tippen und Scrollen, manchmal auch durch Ausführen von Shell-Befehlen oder Code. - [Kontextfenster](https://ai-opensource.com/de/glossary/context-window/): Das Kontextfenster ist die maximale Textmenge, gemessen in Tokens, die ein Modell auf einmal berücksichtigen kann, einschließlich Ihres Prompts und seiner eigenen Antwort. - [Entscheidungsmodell](https://ai-opensource.com/de/glossary/decision-model/): Ein Entscheidungsmodell liest eine Situation und eine Liste von Fragen und liefert für jede erlaubte Antwort eine Wahrscheinlichkeit zurück, statt Text zu schreiben. - [Dichtes Modell](https://ai-opensource.com/de/glossary/dense-model/): Ein dichtes Modell verwendet alle seine Parameter, um jeden Token zu verarbeiten, anders als ein Mixture-of-Experts-Modell, das nur einen Teil davon aktiviert. - [Diffusionsmodell](https://ai-opensource.com/de/glossary/diffusion-model/): Ein Diffusionsmodell erzeugt Bilder oder Videos, indem es von zufälligem Rauschen ausgeht und das Rauschen Schritt für Schritt entfernt, bis ein Bild entsteht. - [Destillation](https://ai-opensource.com/de/glossary/distillation/): Bei der Destillation wird ein kleineres Schülermodell darauf trainiert, ein größeres Lehrermodell nachzuahmen, und behält dabei bei einem Bruchteil der Größe einen Großteil dessen Fähigkeiten. - [Effiziente Aufmerksamkeit (Sparse, Linear und Hybrid)](https://ai-opensource.com/de/glossary/efficient-attention/): Effiziente Attention-Designs ermöglichen es einem Modell, sehr lange Eingaben mit deutlich weniger Speicher und Rechenleistung als Standard-Attention zu verarbeiten, indem es weniger Tokens betrachtet oder die Vergangenheit komprimiert. - [Embedding-Modell](https://ai-opensource.com/de/glossary/embedding-model/): Ein Embedding-Modell verwandelt Text, Bilder oder andere Daten in eine Liste von Zahlen, die ihre Bedeutung erfasst, sodass ähnliche Elemente nahe beieinander landen. - [Fine-Tuning (Feinabstimmung)](https://ai-opensource.com/de/glossary/fine-tuning/): Beim Fine-Tuning wird das Training eines vortrainierten Modells mit Ihren eigenen Beispielen fortgesetzt, damit es sich bei einer bestimmten Aufgabe, einem Stil oder einem Fachgebiet besser verhält. - [Gated Model (Modell mit Zugangsbeschränkung)](https://ai-opensource.com/de/glossary/gated-model/): Ein Gated Model ist ein offenes Modell, dessen Download auf Hugging Face verlangt, dass Sie sich zuerst anmelden und die Bedingungen akzeptieren oder Zugang beantragen. - [GGUF](https://ai-opensource.com/de/glossary/gguf/): GGUF ist ein Ein-Datei-Modellformat, das llama.cpp und die darauf aufbauenden Tools verwenden, und das quantisierte Gewichte zusammen mit den nötigen Informationen zu ihrer Ausführung bündelt. - [Halluzination](https://ai-opensource.com/de/glossary/hallucination/): Eine Halluzination ist eine selbstbewusst geäußerte, aber falsche oder erfundene Aussage eines KI-Modells. - [Hugging Face](https://ai-opensource.com/de/glossary/hugging-face/): Hugging Face ist die Website, auf der die meisten offenen Modelle veröffentlicht werden: Jedes Modell hat eine Seite mit seinen Dateien, seiner Lizenz, seiner Model Card und seiner Download-Zahl. - [Inferenz](https://ai-opensource.com/de/glossary/inference/): Inferenz bedeutet, ein trainiertes Modell auszuführen, um eine Ausgabe zu erhalten, etwa einen Prompt zu beantworten, im Gegensatz zum Training des Modells. - [KV-Cache](https://ai-opensource.com/de/glossary/kv-cache/): Der KV-Cache ist der Speicher, den ein Modell nutzt, um sich die früheren Tokens einer Konversation zu merken, und er wächst mit der Länge des Kontexts. - [Looped Transformer (Schleifen-Transformer)](https://ai-opensource.com/de/glossary/looped-transformer/): Ein Looped Transformer führt einige seiner eigenen Schichten pro Token mehrfach erneut aus und erhält dadurch mehr Rechenleistung, ohne mehr Parameter zu speichern. - [LoRA (Low-Rank-Adaption)](https://ai-opensource.com/de/glossary/lora/): LoRA, kurz für Low-Rank Adaptation, feinjustiert ein Modell, indem es einen kleinen Satz hinzugefügter Gewichte trainiert, statt alle Parameter zu verändern. - [Maschinelle Übersetzung](https://ai-opensource.com/de/glossary/machine-translation/): Maschinelle Übersetzung ist Software, die Text, Sprache oder Text in Bildern aus einer Sprache in eine andere übersetzt. Die heutigen offenen Modelle gehen meist von einem allgemeinen Modell aus und werden dann nur noch zum Übersetzen trainiert. - [Matryoshka-Embeddings](https://ai-opensource.com/de/glossary/matryoshka-embeddings/): Matryoshka-Embeddings werden so trainiert, dass der vordere Teil des Vektors für sich allein funktioniert, sodass Sie den Vektor kürzen können, um Speicher und Suchzeit zu sparen. - [Mixture of Experts (MoE)](https://ai-opensource.com/de/glossary/mixture-of-experts/): Ein Mixture-of-Experts-Modell enthält viele spezialisierte Teilnetzwerke und nutzt pro Token nur wenige davon, wodurch es sehr groß und trotzdem schnell sein kann. - [MTEB (Embedding-Benchmark)](https://ai-opensource.com/de/glossary/mteb/): MTEB, das Massive Text Embedding Benchmark, bewertet Embedding-Modelle in vielen Aufgaben wie Suche, Klassifikation und Clustering, und seine öffentliche Rangliste ist eine gängige Art, sie zu vergleichen. - [Multimodales Modell](https://ai-opensource.com/de/glossary/multimodal-model/): Ein multimodales Modell kann mehr als eine Art von Daten verarbeiten – etwa Text, Bilder, Audio oder Video – als Eingabe, als Ausgabe oder beides. - [Musikgenerierung](https://ai-opensource.com/de/glossary/music-generation/): Musikgenerierungs-Modelle verwandeln eine Textbeschreibung, oft auch Liedtexte, in Audio: komplette Songs mit Gesang, Instrumentalstücke, Live-Streams von Musik oder Soundeffekte. - [Nicht-kommerzielle Lizenz](https://ai-opensource.com/de/glossary/non-commercial-license/): Eine nicht-kommerzielle Lizenz erlaubt die Nutzung eines Modells für Forschung, Studium und private Projekte, aber nicht, damit Geld zu verdienen. - [OCR und Dokumentenanalyse](https://ai-opensource.com/de/glossary/ocr/): OCR macht aus einem Bild von Text echten Text; die Dokumentenanalyse geht weiter und rekonstruiert Tabellen, Formeln, Diagramme und Lesereihenfolge, meist als Markdown. - [OmniDocBench](https://ai-opensource.com/de/glossary/omnidocbench/): OmniDocBench ist ein Benchmark für Dokumentenanalyse: Er bewertet, wie gut ein Modell PDF-Seiten vieler Arten in Text, Tabellen und Formeln umwandelt. - [On-Device-KI](https://ai-opensource.com/de/glossary/on-device-ai/): On-Device-KI bedeutet, dass das Modell auf Ihrem eigenen Handy, Laptop oder kleinen Board läuft statt in der Cloud, sodass Daten lokal bleiben und alles offline funktioniert. - [Open-Source-KI](https://ai-opensource.com/de/glossary/open-source-ai/): Open-Source-KI ist laut der Definition der Open Source Initiative ein KI-System, das Sie frei verwenden, studieren, verändern und teilen dürfen, mit den Gewichten, dem Code und detaillierten Informationen zu den Trainingsdaten, die alle verfügbar sind. - [Offene Gewichte (Open Weights)](https://ai-opensource.com/de/glossary/open-weights/): Ein Modell mit offenen Gewichten ist ein KI-Modell, dessen trainierte Parameter, die Gewichte, veröffentlicht sind, sodass jeder es herunterladen und ausführen kann, meist unter einer Lizenz, die die Nutzungsbedingungen festlegt. - [OpenAI-kompatible API](https://ai-opensource.com/de/glossary/openai-compatible-api/): Eine OpenAI-kompatible API ist ein Server, der dieselben Anfragen wie die OpenAI-API akzeptiert, sodass Apps, die dafür geschrieben wurden, stattdessen ein offenes Modell nutzen können. - [OpenRAIL (Responsible-AI-Lizenz)](https://ai-opensource.com/de/glossary/openrail/): OpenRAIL ist eine Familie von Lizenzen, die Ihnen die Nutzung, Veränderung und Weitergabe eines Modells erlauben, auch kommerziell, aber verlangen, dass jede Kopie und jedes Derivat eine Liste verbotener Nutzungen mitführt. - [Parameter](https://ai-opensource.com/de/glossary/parameters/): Parameter sind die Zahlen in einem Modell, die während des Trainings angepasst werden; ihre Anzahl, etwa 7B oder 70B, ist das übliche Maß für die Größe eines Modells. - [Permissive Lizenz](https://ai-opensource.com/de/glossary/permissive-license/): Eine permissive Lizenz, etwa Apache 2.0 oder MIT, erlaubt Ihnen die Nutzung, Veränderung und den Verkauf eines Modells mit sehr wenigen Bedingungen, meist nur dem Bewahren eines Hinweises. - [Präzision (BF16, FP8, INT4)](https://ai-opensource.com/de/glossary/precision/): Präzision ist, wie viele Bits zur Speicherung jeder Zahl in einem Modell verwendet werden, etwa 16-Bit-BF16, 8-Bit-FP8 oder 4-Bit-INT4; weniger Bits bedeuten ein kleineres, schnelleres Modell. - [Quantisierung](https://ai-opensource.com/de/glossary/quantization/): Quantisierung speichert die Gewichte eines Modells mit weniger Bits, etwa 4 statt 16, um Speicherverbrauch zu senken und Inferenz zu beschleunigen – mit kleinem Qualitätsverlust. - [Quantization-Aware Training (QAT)](https://ai-opensource.com/de/glossary/quantization-aware-training/): Quantization-Aware Training bringt einem Modell schon während des Trainings bei, mit niedrigpräzisen Gewichten zu arbeiten, sodass es bei 4 Bit weniger Qualität verliert als ein nachträglich gestauchtes Modell. - [Retrieval-Augmented Generation (RAG)](https://ai-opensource.com/de/glossary/rag/): Retrieval-Augmented Generation ermöglicht einem Modell, aus Ihren eigenen Dokumenten zu antworten, indem es die passenden Passagen abruft und in den Prompt einfügt. - [Reasoning-Modell](https://ai-opensource.com/de/glossary/reasoning-model/): Ein Reasoning-Modell arbeitet ein Problem Schritt für Schritt in einer sichtbaren oder verborgenen „Denk“-Phase durch, bevor es seine endgültige Antwort gibt. - [Reinforcement Learning (RL)](https://ai-opensource.com/de/glossary/reinforcement-learning/): Reinforcement Learning trainiert ein Modell, indem es gute Ergebnisse belohnt, etwa eine richtige Antwort oder bestandene Tests, statt Beispieltext nachzuahmen. - [Reranker](https://ai-opensource.com/de/glossary/reranker/): Ein Reranker bewertet eine kurze Liste von Suchergebnissen neu, indem er die Frage und jedes Ergebnis zusammen liest – langsamer, aber genauer als Embeddings allein. - [Umsatzobergrenze (Revenue Cap)](https://ai-opensource.com/de/glossary/revenue-cap/): Eine Umsatzobergrenze ist eine Lizenzbedingung, die ein Modell unterhalb eines bestimmten Einkommens kostenlos macht und oberhalb eine gesonderte Vereinbarung verlangt. - [Sampling-Schritte](https://ai-opensource.com/de/glossary/sampling-steps/): Sampling-Schritte sind die Anzahl der Durchläufe, die ein Diffusionsmodell braucht, um aus Rauschen ein Bild oder Video zu machen. Weniger Schritte heißt schnellere Ergebnisse, meist mit etwas Verlust an Detail oder Vielfalt. - [Self-Hosting](https://ai-opensource.com/de/glossary/self-hosting/): Self-Hosting bedeutet, ein Modell auf Hardware auszuführen, die Sie selbst kontrollieren – etwa Ihrem eigenen PC oder einem gemieteten GPU-Server – statt die API eines Anbieters aufzurufen. - [Sovereign AI](https://ai-opensource.com/de/glossary/sovereign-ai/): Sovereign AI bezeichnet KI, die ein Land oder eine Organisation selbst aufbauen, hosten und unter eigener Kontrolle regeln kann – von der Rechenleistung und den Daten bis zum Modell selbst. - [Sprecher-Diarisierung (Sprecher-Labels)](https://ai-opensource.com/de/glossary/speaker-diarization/): Diarisierung ermittelt, wer in einer Aufnahme wann gesprochen hat, und versieht jeden Sprachabschnitt mit einem Sprecher, etwa Sprecher 1 und Sprecher 2. - [Speculative Decoding und Multi-Token-Prediction](https://ai-opensource.com/de/glossary/speculative-decoding/): Speculative Decoding beschleunigt die Texterzeugung, indem ein billiger Entwurf mehrere Token im Voraus rät und das volle Modell sie alle auf einmal prüft. - [Spracherkennung (ASR, Speech-to-Text)](https://ai-opensource.com/de/glossary/speech-recognition/): Spracherkennung, auch ASR oder Speech-to-Text genannt, wandelt gesprochenes Audio in geschriebenen Text um. - [Ternäre Gewichte (1,58 Bit)](https://ai-opensource.com/de/glossary/ternary-weights/): Ternäre Gewichte beschränken jedes Modellgewicht auf einen von drei Werten, -1, 0 oder +1, sodass ein Modell weniger als 2 Bit pro Gewicht statt 16 braucht. - [Gebietsbeschränkung](https://ai-opensource.com/de/glossary/territory-restriction/): Eine Gebietsbeschränkung legt fest, wo eine Lizenz gültig ist: Die Nutzung des Modells in den ausgeschlossenen Ländern oder Regionen ist nicht lizenziert. - [Text-Encoder](https://ai-opensource.com/de/glossary/text-encoder/): In einem Bild- oder Videogenerator ist der Text-Encoder ein separates Sprachmodell, das Ihren Prompt in Zahlen umwandelt, mit denen der Generator arbeiten kann. Er vergrößert Download und Speichernutzung. - [Text-to-Speech (TTS)](https://ai-opensource.com/de/glossary/text-to-speech/): Text-to-Speech-Modelle verwandeln geschriebenen Text in gesprochenes Audio, und viele können eine Stimme aus einer kurzen Stichprobe kopieren. - [Token](https://ai-opensource.com/de/glossary/token/): Ein Token ist ein kleines Stück Text, oft ein Wort oder ein Teil eines Wortes, das ein Sprachmodell liest und schreibt; Modelle messen Länge und Geschwindigkeit in Token. - [Tool Calling (Function Calling)](https://ai-opensource.com/de/glossary/tool-calling/): Tool Calling erlaubt einem Modell, Ihr Programm auszuführen zu bitten, etwa eine Suche oder einen Taschenrechner, und das Ergebnis in seiner Antwort zu verwenden. - [Übersetzungsmetriken](https://ai-opensource.com/de/glossary/translation-metrics/): Übersetzungsmetriken sind die Scores, mit denen Modellkarten eine Übersetzung bewerten. Manche zählen die Übereinstimmung mit einer menschlichen Referenz, andere nutzen ein trainiertes Modell oder menschliche Prüfer, und ihre Skalen sind nicht vergleichbar. - [Unified Memory](https://ai-opensource.com/de/glossary/unified-memory/): Unified Memory ist ein Design, das Apple-Silicon und einige andere Chips verwenden: CPU und GPU teilen sich einen gemeinsamen Speicher, sodass ein großes Modell den Großteil davon nutzen kann. - [Vision-Language-Modell (VLM)](https://ai-opensource.com/de/glossary/vision-language-model/): Ein Vision-Language-Modell liest Bilder, und oft auch Video, zusammen mit Text, sodass Sie Fragen zu einem Foto, einem Screenshot oder einer Dokumentseite stellen können. - [Voice Cloning](https://ai-opensource.com/de/glossary/voice-cloning/): Beim Voice Cloning spricht ein Text-to-Speech-Modell mit der Stimme einer bestimmten Person, oft auf Basis von nur wenigen Sekunden Aufnahme. - [VRAM](https://ai-opensource.com/de/glossary/vram/): VRAM ist der Speicher auf einer Grafikkarte; er entscheidet, welche Modelle eine GPU fassen kann, denn die Gewichte müssen in den Speicher passen, damit das Modell schnell läuft. - [Wortfehlerrate (WER)](https://ai-opensource.com/de/glossary/word-error-rate/): Die Wortfehlerrate ist die Standardbewertung für Spracherkennung: der Anteil der Wörter in einem Transkript, die gegenüber einer korrekten Referenz falsch, fehlend oder überzählig sind. ## Tools - [AI Toolkit](https://ai-opensource.com/de/tools/ai-toolkit/): Ostris' All-in-One-Trainingssuite für Diffusionsmodelle für Bild, Video und Audio, mit Weboberfläche und Kommandozeile. - [AnythingLLM](https://ai-opensource.com/de/tools/anythingllm/): All-in-One-App: chatten Sie mit Ihren Dokumenten, bauen Sie Agenten und führen Sie lokale Modelle aus — als Desktop-App oder Docker-Server. - [Axolotl](https://ai-opensource.com/de/tools/axolotl/): Kostenloses Fine-Tuning-Framework mit einer YAML-Datei: LoRA, QLoRA, Preference Tuning, NVFP4 und Expert-Parallel für MoE-Modelle. - [ComfyUI](https://ai-opensource.com/de/tools/comfyui/): Das nodebasierte Studio für offene Bild-, Video-, Audio- und 3D-Modelle: visuelle Workflows bauen und auf der eigenen GPU ausführen. - [DiffSynth-Studio](https://ai-opensource.com/de/tools/diffsynth-studio/): Die Open-Source-Engine der ModelScope-Community für Diffusionsmodelle: Bild, Video und Audio auf bescheidenen GPUs trainieren und ausführen. - [Diffusers](https://ai-opensource.com/de/tools/diffusers/): Die Python-Bibliothek von Hugging Face zum Ausführen und Trainieren von Diffusionsmodellen für Bild, Video und Audio. - [ExLlamaV3](https://ai-opensource.com/de/tools/exllamav3/): CUDA-Inferenzbibliothek für Consumer-GPUs mit eigener EXL3-Quantisierung, Tensor-Parallelität und CPU-Offloading für MoE-Modelle. - [InvokeAI](https://ai-opensource.com/de/tools/invokeai/): Ein selbst gehostetes Kreativstudio für KI-Bildgenerierung, mit Ebenen-Canvas, nodebasierten Workflows und einem Modellmanager. - [Jan](https://ai-opensource.com/de/tools/jan/): Kostenlose Open-Source-Desktop-Alternative zu ChatGPT: lädt offene Modelle offline und führt sie aus, verbindet sich auch mit Cloud-APIs. - [KoboldCpp](https://ai-opensource.com/de/tools/koboldcpp/): Eine Ein-Datei-App, die GGUF-Modelle mit integriertem Web-UI ausführt und auch Bilder, Video, Sprache und Musik generiert. - [KTransformers](https://ai-opensource.com/de/tools/ktransformers/): Forschungsframework, das die Arbeit zwischen GPU und Arbeitsspeicher aufteilt, um riesige MoE-Modelle auszuführen. - [LightX2V](https://ai-opensource.com/de/tools/lightx2v/): Leichtgewichtiges Inferenz-Framework für Bild- und Videoerzeugung, mit destillierten Modellen, Quantisierung und vielen Hardware-Backends. - [llama.cpp](https://ai-opensource.com/de/tools/llama-cpp/): Die C/C++-Engine hinter viel lokaler KI: führt quantisierte Modelle auf fast jeder Hardware aus, mit Kommandozeilenwerkzeug und OpenAI-kompatiblem Server. ## Entwickler - [Abacus.AI](https://ai-opensource.com/de/developers/abacusai/): Ein Unternehmen, das eine KI-Assistenten-Plattform für Profis und Unternehmen verkauft und auf Hugging Face offene Smaug-Modelle veröffentlicht, von Smaug-72B 2024 bis zu den Audio-, Bild- und Text-Entscheidungsmodellen Smaug-Decisions im Oktober 2026, die Apache 2.0 verwenden. - [ACE-Step](https://ai-opensource.com/de/developers/ace-step/): ACE-Step ist ein offenes Musikgenerierungs-Projekt unter der gemeinsamen Leitung von ACE Studio und StepFun. Die ACE-Step-1.5-Modelle, veröffentlicht im Januar 2026 mit einer 4B-XL-Version im April, nutzen die MIT-Lizenz und sind mit lizenzierten, lizenzgebührenfreien und synthetischen Daten trainiert. - [Adventists AI](https://ai-opensource.com/de/developers/adventists-ai/): Ein Anbieter von Voice-Agenten, auf Chinesisch als AI降临派 bekannt, der die Full-Duplex-Sprachmodelle Sophon-Realtime unter Apache 2.0 und die DuplexJev-Modelle veröffentlicht, die Sprecherwechsel und Tonfall direkt aus dem Audio ableiten, unter CC BY-NC. - [Allen Institute for AI (Ai2)](https://ai-opensource.com/de/developers/ai2/): Ein gemeinnütziges US-Forschungsinstitut. Seine Olmo-Modelle sind „vollständig offen“: Es veröffentlicht die Gewichte zusammen mit den Trainingsdaten, dem Code und Zwischen-Checkpoints, damit Forscher nachvollziehen und untersuchen können, wie ein Modell aufgebaut ist. - [Aleph Alpha](https://ai-opensource.com/de/developers/aleph-alpha/): Ein deutsches KI-Unternehmen, das Modelle für Regierungen und regulierte Branchen baut und auf „souveräne“ Lieferketten setzt: Training in Europa unter europäischem Recht. Sein Modell Kolibri 1 wird unter Apache 2.0 veröffentlicht. - [Alibaba Qwen](https://ai-opensource.com/de/developers/alibaba-qwen/): Das Qwen-Team von Alibaba. Es veröffentlicht eine der breitesten Familien offener Modellgewichte, von kleinen dichten Modellen bis zu einem Flaggschiff mit 2,4 Billionen Parametern, mit Lizenzen von Apache 2.0 bis zu Qwens eigenen Bedingungen. - [Alibaba Wan](https://ai-opensource.com/de/developers/alibaba-wan/): Alibabis Team für Videogenerierung. Seine Modelle Wan 2.1 und Wan 2.2 sowie die darauf aufbauenden Charakteranimationsmodelle sind mit offenen Gewichten unter Apache 2.0 verfügbar; neuere Wan-Versionen werden nur über Alibabas Apps und API angeboten. - [AutoTrust AI Lab](https://ai-opensource.com/de/developers/autotrust/): Ein Labor, das auf Hugging Face die Decider-Entscheidungsmodelle unter Apache 2.0 veröffentlicht, auf Qwen- und Gemma-Backbones aufbauend und auch auf ModelScope verfügbar, dazu eine Demo für Nachrichtenempfehlung und -suche auf news.guru.so. Über die Organisation haben wir neben den Hugging-Face- und ModelScope-Profilen nur wenig Öffentliches gefunden, und die Modellkarten verwenden weiterhin die älteren Namen JEV und GEV. - [BAAI](https://ai-opensource.com/de/developers/baai/): Die Beijing Academy of Artificial Intelligence, ein chinesisches Forschungsinstitut. Ihre über die GitHub-Organisation FlagOpen veröffentlichten BGE-Embedding- und Reranker-Modelle gehören zu den am häufigsten heruntergeladenen Retrieval-Modellen auf Hugging Face. Das im September 2026 unter Apache 2.0 veröffentlichte Agentenmodell AREX-2 baut auf Qwen3.8-27B auf. - [Baidu](https://ai-opensource.com/de/developers/baidu/): Chinesisches Internet- und KI-Unternehmen hinter den ERNIE-Modellen und dem Deep-Learning-Framework PaddlePaddle. Zu seinen offenen Veröffentlichungen gehören kompakte Dokumentenanalyse-Modelle unter den Lizenzen MIT und Apache 2.0. - [Bilibili](https://ai-opensource.com/de/developers/bilibili/): Eine chinesische Video-Plattform. Ihr Index-LLM-Team veröffentlicht auf Hugging Face Modelle mit offenen Gewichten als IndexTeam, angeführt von der Index-Translate-Familie, die Übersetzung von Text, Bildern, Sprache und langen Dokumenten abdeckt. - [Black Forest Labs](https://ai-opensource.com/de/developers/black-forest-labs/): Ein deutsches KI-Unternehmen, gegründet von den Forschern hinter Stable Diffusion, das die FLUX-Bildmodelle entwickelt. Den Zugang zu seinen größten Modellen verkauft es per API, kleinere veröffentlicht es als offene Gewichte unter seiner eigenen FLUX-Lizenz. - [Boson AI](https://ai-opensource.com/de/developers/boson-ai/): Boson AI USA, Inc. entwickelt die Higgs-Audiomodelle für Voice-KI und verkauft sie über eine gehostete API. Es veröffentlicht auch Gewichte auf Hugging Face, darunter Higgs TTS 3, unter seiner eigenen Forschungs- und Non-Commercial-Lizenz mit einer kostenlosen Freigabe für monetarisierte Creator-Inhalte. - [BreezeBlue](https://ai-opensource.com/de/developers/breezeblue/): BreezeBlue ist der Handelsname von Resonia, Inc., die eine gehostete Voice-Plattform und API betreibt. Sie veröffentlicht die Breeze TTS 2 Text-zu-Sprache-Gewichte für Forschungs- und nichtkommerzielle Nutzung, mit Inferenzcode unter Apache 2.0 und kommerziellen Konditionen nur über den eigenen Dienst. - [Bria AI](https://ai-opensource.com/de/developers/bria/): Ein Unternehmen aus Tel Aviv, das visuelle generative KI verkauft, die auf lizenzierten Daten trainiert ist, mit gehosteter API und kommerziellen Lizenzen. Es veröffentlicht nichtkommerzielle offene Gewichte unter dem Namen FIBO, angeführt vom Bildmodell FIBO 2.0. - [Cactus Compute](https://ai-opensource.com/de/developers/cactus-compute/): Ein Start-up aus San Francisco aus dem Sommer-2025-Batch von Y Combinator. Es baut winzige On-Device-KI-Modelle und die Open-Source-Inferenz-Engine Cactus für Handys, Wearables, Roboter und andere stromsparende Hardware. Seine Modelle Needle, Whistle und Mirage werden unter Apache 2.0 veröffentlicht. - [CircleStone Labs](https://ai-opensource.com/de/developers/circlestone-labs/): CircleStone Labs LLC veröffentlicht Anima, ein 2B-Text-zu-Bild-Modell für Anime und Illustration, das gemeinsam mit Comfy Org entstand. Die Gewichte nutzen eine eigene nichtkommerzielle Lizenz, während die generierten Bilder kommerziell verwendet werden dürfen. - [Cloudflare](https://ai-opensource.com/de/developers/cloudflare/): Ein US-Netzwerk- und Cloud-Unternehmen, das Workers AI betreibt, einen gehosteten Dienst für KI-Modelle. Clef, eine Reihe von Entscheidungsmodellen, die auf Qwen aufbauend nachtrainiert und unter Apache 2.0 veröffentlicht wurden, ist das erste Modell, das sein Workers-AI-Team trainiert hat. - [Cohere](https://ai-opensource.com/de/developers/cohere/): Ein kanadisches Unternehmen für Unternehmens-KI, dessen Forschungssparte Cohere Labs offene Gewichte veröffentlicht. Die früheren Command-Modelle wurden für nichtkommerzielle Nutzung unter CC BY-NC veröffentlicht; Command A+ wechselte zu Apache 2.0. - [Datalab](https://ai-opensource.com/de/developers/datalab/): US-Unternehmen, das die Dokumentkonvertierungs-Tools Marker, Surya und Chandra entwickelt. Es veröffentlicht seine OCR-Modelle offen, unter einer modifizierten Open-RAIL-M-Lizenz, die für Forschung, persönliche Nutzung und kleine Organisationen kostenlos ist. Die Grenze liegt bei 5 Mio. US-Dollar Umsatz und Finanzierung für Surya OCR 2 und bei 2 Mio. US-Dollar für Chandra OCR 2. - [Deep Principle](https://ai-opensource.com/de/developers/deep-principle/): Deep Principle (chinesisch: 深度原理) baut KI für Material- und Chemieforschung, darunter Mira, eine KI-Wissenschaftlerin, die Modelle mit Simulationen und Laborexperimenten verbindet. Es veröffentlichte Hydrogen-1.0, ein wissenschaftsorientiertes Nachtraining von GLM-5.3, unter der MIT-Lizenz. - [DeepReinforce](https://ai-opensource.com/de/developers/deepreinforce/): KI-Forschungs-Start-up aus Kalifornien, das die agentischen Coding-Modelle Ornith unter der Organisation ornith-ai auf Hugging Face veröffentlicht. Ornith 1.0 und 1.5 sind aus Qwen3.5 und Gemma 4 nachtrainiert und nutzen die MIT-Lizenz, ohne regionale Einschränkungen. - [DeepSeek](https://ai-opensource.com/de/developers/deepseek/): Chinesisches KI-Labor, bekannt für effiziente große Mixture-of-Experts-Modelle. Es veröffentlicht seine Gewichte unter der MIT-Lizenz und detaillierte technische Berichte. - [Fish Audio](https://ai-opensource.com/de/developers/fish-audio/): Voice-KI-Unternehmen, bekannt für das Open-Source-Projekt Fish Speech. Die in seiner Lizenz genannte Rechtspersönlichkeit ist 39 AI, Inc., mit Büros in Palo Alto und Tokio. Drama 3, veröffentlicht im Oktober 2026, ist ein 36-Milliarden-Parameter-Mixture-of-Experts-Text-zu-Sprache-Modell unter der Fish Audio Community License, während das kleinere S2 Pro aus März 2026 unter einer Forschungs- und Non-Commercial-Lizenz bleibt. - [Google DeepMind](https://ai-opensource.com/de/developers/google-deepmind/): Das KI-Forschungslabor von Google. Seine offene Modellfamilie Gemma reicht von Handygröße bis zur Workstation-Klasse und wird seit Gemma 4 unter der Apache-2.0-Lizenz veröffentlicht. Sein Magenta-Team veröffentlicht außerdem Magenta RealTime 2, ein offenes Musikmodell, das live auf einem MacBook spielt. - [Gradium](https://ai-opensource.com/de/developers/gradium/): Ein Pariser Voice-KI-Unternehmen, ausgegründet aus dem Kyutai-Labor und von dessen Mitgründern gegründet, mit Büros in Paris und San Francisco. Es verkauft Voice-APIs und veröffentlicht seine On-Device-Text-zu-Sprache-Modelle Phonon als Open Source. Das englische Phonon 31m nutzt Apache 2.0, die größeren 40m-Modelle sind CC BY-NC. - [HeartMuLa](https://ai-opensource.com/de/developers/heartmula/): Das HeartMuLa-Team veröffentlicht offene Musik-Foundation-Modelle: den Songgenerator HeartMuLa, den Audio-Codec HeartCodec und HeartTranscriptor zur Liedtexterkennung. Diese sind Apache 2.0, während das im September 2026 erschienene Cover-Song-Modell MuLaCover unter CC BY-NC 4.0 steht. - [hexgrad](https://ai-opensource.com/de/developers/hexgrad/): Ein unabhängiger Entwickler, auf Hugging Face und GitHub als hexgrad und auf Discord als rzvzn bekannt, der die Kokoro-Text-zu-Sprache-Modelle trainiert und veröffentlicht hat. Kokoro-82M ist ein 82-Millionen-Parameter-Modell unter Apache 2.0 und eines der am häufigsten heruntergeladenen offenen Sprachmodelle. Wir fanden keine veröffentlichten Angaben zu Land oder Arbeitgeber des Entwicklers, daher werden keine angezeigt. - [HiDream.ai](https://ai-opensource.com/de/developers/hidream/): Ein Unternehmen für Bildgenerierung, das seine Modelle auf Hugging Face unter der Organisation HiDream-ai veröffentlicht, von den Modellen HiDream-I1 und HiDream-E1 aus dem Jahr 2025 bis zu HiDream-O1-Image, einem 8-Milliarden-Parameter-Modell, das im Mai 2026 unter der MIT-Lizenz erschien. - [IBM](https://ai-opensource.com/de/developers/ibm/): Das Technologieunternehmen hinter der Granite-Familie offener Modelle für den Unternehmensbereich, die Sprach-, Speech-, Embedding- und Guardrail-Modelle umfasst. Die meisten Granite-Modelle nutzen Apache 2.0, aber mindestens eine Speech-Variante ist nichtkommerziell — prüfen Sie daher jedes Repository. - [Ideogram](https://ai-opensource.com/de/developers/ideogram/): Das Unternehmen hinter dem Bildgenerierungsdienst Ideogram und seiner gehosteten API. Ideogram 4, veröffentlicht im Juni 2026, ist sein erstes Modell mit offenen Gewichten, mit nichtkommerziellen Gewichten und Inferenzcode unter Apache 2.0. - [Institute of Foundation Models (MBZUAI)](https://ai-opensource.com/de/developers/ifm/): Das Institute of Foundation Models (IFM) ist ein Forschungsinstitut an der Mohamed-bin-Zayed-Universität für Künstliche Intelligenz (MBZUAI) in Abu Dhabi und das Team hinter LLM360. Es veröffentlicht die K2-Horizon-Modelle und Jais 3, mit Gewichten und Code unter Apache 2.0, dazu Zwischen-Checkpoints, Trainingslogs sowie Daten oder Datenrezepte. - [inclusionAI (Ant Group)](https://ai-opensource.com/de/developers/inclusion-ai/): Die offene KI-Initiative des chinesischen Fintech-Unternehmens Ant Group. Es veröffentlicht die Ling-Sprachmodelle und zugehörige Forschung sowie Bildmodelle wie Ming-Image 0.1 Design; die neueren Ling-3.1- und Ming-Image-Versionen nutzen die MIT-Lizenz. - [JetBrains](https://ai-opensource.com/de/developers/jetbrains/): JetBrains ist ein Softwareunternehmen, gegründet 2000 in Prag mit Hauptsitz in Amsterdam, das Entwickler-Tools wie IntelliJ IDEA und PyCharm herstellt. Seine für Code und Coding-Agenten gebauten Mellum-Modelle werden mit offenen Gewichten unter Apache 2.0 veröffentlicht. - [Jina AI](https://ai-opensource.com/de/developers/jina-ai/): Ein in Berlin ansässiges Such-KI-Unternehmen, das mehrsprachige und multimodale Embedding-Modelle, Reranker und kleine Sprachmodelle entwickelt. Elastic hat die Übernahme von Jina AI im Oktober 2025 abgeschlossen, und die neuesten v5-Modelle werden weiterhin auf Hugging Face unter einer nichtkommerziellen Lizenz veröffentlicht. - [Kandinsky Lab](https://ai-opensource.com/de/developers/kandinsky-lab/): Das Forschungsteam hinter den Kandinsky-Bild- und Video-Diffusionsmodellen, die es samt Code auf GitHub und Hugging Face veröffentlicht. Kandinsky 6.0 Video, im Oktober 2026 unter der MIT-Lizenz veröffentlicht, erzeugt Fünf-Sekunden-Clips mit synchronisiertem Ton. - [KittenML (Stellon Labs)](https://ai-opensource.com/de/developers/kittenml/): Ein Voice-AI-Unternehmen, das die Kitten-TTS-Modelle unter dem Namen KittenML veröffentlicht, mit Stellon Labs Inc. als Urheberrechtsinhaber in der Lizenz. Die älteren Kitten-TTS-0.8-Modelle mit 15 bis 80 Millionen Parametern laufen auf der CPU, während Kitten-TTS 2 ein ternäres Modell mit 1,7 Milliarden Parametern unter der Stellon Labs Community License ist, die kostenlos bleibt, solange Sie nicht mehr als 1 Million US-Dollar Umsatz oder Finanzierung überschreiten. - [KRAFTON](https://ai-opensource.com/de/developers/krafton/): KRAFTON ist ein südkoreanisches Videospielunternehmen, und KRAFTON AI ist sein KI-Team. Im Oktober 2026 veröffentlichte es Raon-1 mini preview, ein von Grund auf trainiertes Mixture-of-Experts-Sprachmodell mit 28,8 Milliarden Parametern unter Apache 2.0, mit starken Koreanisch-Kenntnissen. - [Krea](https://ai-opensource.com/de/developers/krea/): Krea.ai, Inc., ein Unternehmen aus Delaware, das eine Kreativ-App für Bilder, Video und 3D betreibt. Seine offene Veröffentlichung ist Krea 2, ein von Grund auf trainiertes Bildmodell in einer Raw-Basis- und einer Turbo-Version. Das neuere Krea 3 ist nicht auf Hugging Face zu finden. - [Kyutai](https://ai-opensource.com/de/developers/kyutai/): Ein gemeinnütziges Open-Science-KI-Labor in Paris, gegründet im November 2023 von der Iliad Group, CMA CGM und Schmidt Sciences. Bekannt ist es vor allem für das Sprachdialogmodell Moshi und den Audio-Codec Mimi. Sein Pocket TTS führt ein Sprachmodell mit Voice-Cloning auf der CPU eines Laptops aus; der Code steht unter MIT, die Gewichte unter CC BY 4.0. - [LG AI Research](https://ai-opensource.com/de/developers/lg-ai-research/): Die KI-Forschungseinheit der südkoreanischen LG Group, hinter den Modellfamilien EXAONE und K-EXAONE. K-EXAONE 2.0, am 31. Juli 2026 für das staatlich geförderte Projekt für souveräne KI-Fundamentalmodelle veröffentlicht, ist ein Mixture-of-Experts-Modell mit 750 Milliarden Parametern unter Apache 2.0. - [LightOn](https://ai-opensource.com/de/developers/lighton/): Französisches KI-Unternehmen für Unternehmen, das eine KI-Suchplattform für Firmendokumente verkauft. Zu seinen offenen Veröffentlichungen gehören die kompakten LightOnOCR-Dokumentenmodelle unter der Lizenz Apache 2.0. - [Liquid AI](https://ai-opensource.com/de/developers/liquid-ai/): Ein US-Unternehmen, das kleine, schnelle „Liquid Foundation Models“ für Telefone, Laptops und andere Edge-Geräte baut, mit einer Architektur, die kurze Convolutions mit Attention kombiniert. Neben den LFM-Sprachmodellen veröffentlicht es kleine Entscheidungsmodelle wie Liquid d1. Seine Modelle nutzen die LFM Open License, die unter 10 Millionen US-Dollar Jahresumsatz kommerziell kostenlos ist. - [LTX (Lightricks)](https://ai-opensource.com/de/developers/ltx/): Ein israelisches Unternehmen hinter den LTX-Videomodellen. Im Juni 2026 wurde LTX eine eigenständige Geschäftseinheit von Lightricks, dem Hersteller kreativer Consumer-Apps; seine Hugging-Face- und GitHub-Organisationen tragen weiterhin den Namen Lightricks. Es veröffentlicht offene Gewichte kostenlos für Organisationen mit weniger als 10 Millionen US-Dollar Jahresumsatz. LTX-2.3 nutzt weiterhin die LTX-2-Lizenz von Januar 2026, während LTX-2.5 die neuere LTX-2.x-Lizenz verwendet. - [M-A-P](https://ai-opensource.com/de/developers/m-a-p/): M-A-P (Multimodal Art Projection) ist eine Open-Source-Forschungscommunity hinter offenen Musikmodellen wie YuE, MERT und SheetSage. Der im September 2026 gemeinsam mit Tokenwave.AI, MBZUAI und ACE Studio veröffentlichte Songgenerator YuE2 hat Gewichte unter CC BY-NC 4.0 und ist daher nur für nicht-kommerzielle Nutzung bestimmt. - [Maritaca AI](https://ai-opensource.com/de/developers/maritaca-ai/): Ein brasilianisches Unternehmen, das Sprachmodelle für brasilianisches Portugiesisch entwickelt und über einen eigenen Chat und eine eigene API anbietet. Sein Flaggschiff S5 wird so bereitgestellt, während S5-nano, im November 2026 auf Basis von Qwen3.5-4B unter Apache 2.0 veröffentlicht, offene Gewichte hat. - [Maya Research](https://ai-opensource.com/de/developers/maya-research/): Ein Voice-AI-Startup, finanziert durch eine Seed-Runde von 1,9 Millionen US-Dollar von South Park Commons, das Sprachmodelle für indische Sprachen entwickelt und über eine gehostete API verkauft. Es veröffentlicht die Text-zu-Sprache-Modelle Maya und Veena auf Hugging Face, und Maya 2 Native verwendet Apache 2.0. - [Meituan](https://ai-opensource.com/de/developers/meituan/): Chinesische Plattform für Essenslieferung und lokale Dienste. Sein LongCat-Team veröffentlicht Sprachmodelle mit offenen Gewichten, darunter LongCat-2.0 im Juli 2026 und das multimodale LongCat-2.5 mit 1,6 Billionen Parametern im November 2026, das die MIT-Lizenz verwendet. - [MemTensor](https://ai-opensource.com/de/developers/memtensor/): Ein chinesisches Unternehmen hinter MemOS, einem Open-Source-Gedächtnis-Framework für LLM-Agenten. Seine MemT-1.0-Modelle integrieren einen Speicherzustand direkt ins Modell, mit Nano-Gewichten unter Apache 2.0 und Flash-Gewichten unter MIT. - [Meta](https://ai-opensource.com/de/developers/meta/): Das Unternehmen hinter den Llama-Modellen. Seine neuere Muse-Serie umfasst Muse Glimmer, ein kleines Apache-2.0-Modell für den lokalen Einsatz, und das deutlich größere Muse Spark Open unter einer eigenen Lizenz. - [Microsoft](https://ai-opensource.com/de/developers/microsoft/): Das US-Technologieunternehmen. Seine Forschungsteams veröffentlichen offene Modelle auf Hugging Face und GitHub, oft unter der MIT-Lizenz, darunter die VibeVoice-Sprachmodelle von Microsoft Research und die Harrier-Text-Embedding-Modelle. Seine Vision-Language-Modelle Mage-VL verwenden Apache 2.0. - [MiniMax](https://ai-opensource.com/de/developers/minimax/): KI-Unternehmen mit Sitz in Shanghai hinter der MiniMax-M-Serie effizienter Mixture-of-Experts-Sprachmodelle, den H3-Video- und Bildmodellen und dem Songgenerator Music 3. Seine Lizenzen unterscheiden sich je nach Modell. M2.5 verwendet eine permissive Lizenz mit Hinweis- und Verbotsregeln, M2.7 ist auf nicht-kommerzielle Nutzung beschränkt, und die M3-Community-Lizenz erlaubt kostenlose nicht-kommerzielle Nutzung und legt Hinweis-, Namensnennungs- und Umsatzregeln für die kommerzielle Nutzung fest. Die H3-Lizenzen schließen die USA, die EU, das Vereinigte Königreich und Südkorea aus, und die Music-3-Lizenz verlangt eine Interface-Namensnennung sowie schriftliche Genehmigung bei über 20 Millionen US-Dollar Umsatz. - [Mistral AI](https://ai-opensource.com/de/developers/mistral-ai/): KI-Unternehmen mit Sitz in Paris und das bekannteste Open-Weight-Labor Europas. Es positioniert seine Modelle für souveräne, selbst gehostete KI; Mistral Large 4 verwendet eine modifizierte MIT-Lizenz mit einer Regel für Hosting-Unternehmen. - [Moonshot AI](https://ai-opensource.com/de/developers/moonshot-ai/): Chinesisches KI-Unternehmen hinter dem Kimi-Assistenten. Seine Modelle Kimi K3 und K3.1 Pro gehören zu den größten Modellen mit offenen Gewichten und wurden unter einer eigenen Lizenz mit Bedingungen für große Hosting-Unternehmen veröffentlicht. Die älteren Modelle K2.5, K2.6 und K2.7 Code verwenden eine Modified-MIT-Lizenz, die nur sehr großen Produkten die Angabe des Modellnamens abverlangt. - [Motif Technologies](https://ai-opensource.com/de/developers/motif-technologies/): Südkoreanisches KI-Unternehmen, das seine Modelle, seinen Tokenizer und seinen Trainingsstack selbst entwickelt. Motif 3, ein im August 2026 unter der MIT-Lizenz veröffentlichtes Mixture-of-Experts-Modell mit 314 Milliarden Parametern, wurde für das staatlich geförderte Projekt für souveräne KI-Fundamentalmodelle gebaut. - [Nanbeige LLM Lab](https://ai-opensource.com/de/developers/nanbeige/): Nanbeige (chinesisch: 南北阁) ist das Forschungsteam für große Sprachmodelle bei BOSS Zhipin, einer chinesischen Recruiting-Plattform. Es veröffentlicht Agent-Modelle mit offenen Gewichten unter dem Namen Nanbeige4, von Modellen der 3B-Klasse bis zum 33B-Nanbeige4.3, und seine Model Cards nennen Apache 2.0 ohne eine LICENSE-Datei. - [NetEase Youdao](https://ai-opensource.com/de/developers/netease-youdao/): Chinesisches Unternehmen mit Büros in Peking, das die Confucius-Modellfamilie auf Hugging Face veröffentlicht, darunter Confucius4, ein Text-zu-Sprache-Modell, den Streaming-Spracherkenner Confucius4-R2T2 sowie das Question-Answering-Projekt QAnything. R2T2 verwendet das NetEase Youdao Model Use License Agreement, das unter 100 Millionen monatlichen Nutzern und 1 Milliarde RMB Jahresumsatz kommerziell kostenlos ist. - [Nex-AGI](https://ai-opensource.com/de/developers/nex-agi/): Eine Open-Source-Gruppe für Fundamentalmodelle, deren GitHub-Organisation SII Nex angibt, vom Shanghai Innovation Institute und Partnern aufgebaut zu sein. Seine Nex-N2-Agentenmodelle bauen auf offenen Basen wie DeepSeek-V4-Pro-Base und GLM-5.3-Flash auf und sind als Apache 2.0 gekennzeichnet. - [Nous Research](https://ai-opensource.com/de/developers/nous-research/): Ein US-amerikanisches KI-Forschungsunternehmen, das offene Modelle trainiert, darunter die Hermes-Linie, und Hermes Agent entwickelt, ein Open-Source-Agent-Harness. Sein im November 2026 veröffentlichtes Arete-27B ist ein Post-Training von Alibabas Qwen3.8-27B unter Apache 2.0. - [NuMind](https://ai-opensource.com/de/developers/numind/): Ein Document-AI-Unternehmen, das spezialisierte Modelle für strukturierte Datenextraktion und OCR entwickelt und über die NuExtract-Plattform verkauft. Es veröffentlicht seine Modelle auf Hugging Face und gibt an, dass seine NuExtract-Linie 2 Millionen Downloads und sein NuMarkdown-Thinking-8B 1,5 Millionen überschritten hat. NuExtract3 verwendet Apache 2.0. - [NVIDIA](https://ai-opensource.com/de/developers/nvidia/): Der GPU-Hersteller, der auch offene Modelle, Datensätze und Trainingsrezepturen unter dem Namen Nemotron veröffentlicht, dazu Modelle für Sprache, Robotik und Biologie. Aktuelle Nemotron-Releases verwenden die permissive OpenMDW-1.1-Lizenz, Nemotron 3 Nano Omni verwendet das NVIDIA Open Model Agreement, und LocateAnything-3B hat eine nur für Forschungszwecke gedachte NVIDIA License. - [OpenAI](https://ai-opensource.com/de/developers/openai/): Das Unternehmen hinter ChatGPT. Seine gpt-oss-Modelle, die im August 2025 veröffentlicht wurden, sind seine Open-Weight-Reasoning-Modelle unter Apache 2.0. Der im April 2026 unter Apache 2.0 veröffentlichte Privacy Filter ist ein kleines Modell, das personenbezogene Daten in Texten findet, und das Unternehmen veröffentlicht auch die Whisper-Spracherkennungsmodelle. - [OpenBMB](https://ai-opensource.com/de/developers/openbmb/): Eine chinesische Open-Source-Modell-Community, die gemeinsam mit dem Unternehmen ModelBest die Familien MiniCPM, AgentCPM und VoxCPM veröffentlicht. Sie konzentriert sich auf kleine, effiziente Modelle für Smartphones und Laptops, und ihre jüngsten Veröffentlichungen verwenden Apache 2.0. - [OpenMOSS](https://ai-opensource.com/de/developers/openmoss/): OpenMOSS ist eine Forschungsgruppe unter dem Shanghai Innovation Institute, die eng mit der Fudan-Universität und MOSS-AI zusammenarbeitet. Sie veröffentlicht offene Modelle unter dem Namen MOSS. Dazu gehören die mit MOSI.AI aufgebaute Sprachfamilie MOSS-TTS mit MOSS-TTS, MOSS-TTS-Nano und MOSS-TTSD unter Apache 2.0, MOSS-SoundEffect v2.0, ein 1.3B-Modell, das aus Text Soundeffekte erzeugt, unter Apache 2.0, MOSS-Image, ein 5B-Text-zu-Bild-Modell, das im Oktober 2026 unter Apache 2.0 veröffentlicht wurde, sowie MOSS-Transcribe-Diarize, ein 0.9B-Modell, das lange Mehrsprecher-Aufnahmen mit Sprecher-Labels transkribiert. - [Perplexity](https://ai-opensource.com/de/developers/perplexity/): Das US-Unternehmen hinter der Perplexity-Antwort-Engine. Auf Hugging Face veröffentlicht es die Embedding-Modelle pplx-embed, die meisten davon unter der MIT-Lizenz, und die Entscheidungsmodelle pplx-decider unter Apache 2.0, dazu weitere Modelle wie PII-Tracer und BrowseSafe. - [Phạm Nguyễn Ngọc Bảo (VieNeu-TTS)](https://ai-opensource.com/de/developers/pham-nguyen-ngoc-bao/): Unabhängiger Entwickler, der das Projekt VieNeu-TTS für vietnamesische Sprache aufbaut, veröffentlicht auf Hugging Face unter dem Konto pnnbao-ump und auf GitHub als pnnbao97. Die Modellkarte von v3 Turbo sagt, dass seine Architektur ein eigener Entwurf des Autors ist und dass es von Grund auf trainiert wurde; das Projekt liefert ein Python-SDK und einen OpenAI-kompatiblen Sprachserver mit. Die Gewichte stehen unter Apache 2.0. - [Pika](https://ai-opensource.com/de/developers/pika/): Pika ist ein US-Unternehmen für Videogenerierung mit gehosteten Video-Apps und einer API. Im Oktober 2026 veröffentlichte es Pika H3 Flex, eine nachtrainierte Version von MiniMax H3, die in sechs Sampling-Schritten Videos mit Ton erzeugt, als offene Adapter unter der MiniMax H3 Community License. - [Poolside](https://ai-opensource.com/de/developers/poolside/): KI-Unternehmen aus San Francisco, gegründet 2023, das Modelle für agentisches Programmieren entwickelt. Seine Laguna-Serie begann im April 2026 mit dem Apache-2.0-Modell Laguna XS.2; Poolside sagt, dass offene Gewichte nun sein Standard sind, und Laguna XS 2.1 und S 2.1 verwenden die OpenMDW-1.1-Lizenz. - [Preferred Networks](https://ai-opensource.com/de/developers/preferred-networks/): Preferred Networks (PFN) ist ein japanisches KI-Unternehmen, das die PLaMo-Sprachmodelle und eigene MN-Core-KI-Beschleuniger entwickelt. Es veröffentlicht PLaMo 3 Translate und andere PLaMo-Modelle unter der PLaMo Community License, die für persönliche und akademische Nutzung kostenlos ist und nach Registrierung auch für kommerzielle Nutzer unter einer Umsatzgrenze gilt. - [PrismML](https://ai-opensource.com/de/developers/prismml/): Ein Unternehmen mit Sitz in Pasadena, Kalifornien, auch geschrieben als Prism ML, das KI-Modelle mit sehr niedriger Bitzahl entwickelt. Seine Bonsai-Modelle komprimieren offene Basismodelle wie Qwen auf ternäre oder 1-Bit-Gewichte, sodass große Modelle auf Laptops, Smartphones und einzelnen GPUs passen. Die Bonsai-2-Modelle werden unter Apache 2.0 veröffentlicht. - [Pruna AI](https://ai-opensource.com/de/developers/pruna-ai/): Pruna AI ist ein 2023 gegründetes Unternehmen mit Sitz in München und einem zweiten Forschungsstandort in Paris. Es ist bekannt für seine Open-Source-Bibliothek, die KI-Modelle komprimiert und beschleunigt, und veröffentlicht inzwischen auch eigene effiziente Bild- und Videomodelle, von denen einige aus offenen Gewichten anderer Entwickler umgearbeitet wurden. - [Recursive](https://ai-opensource.com/de/developers/recursive/): Recursive Superintelligence, Inc. sagt, ihr Ziel sei eine sich rekursiv selbst verbessernde Superintelligenz, die Wissensentdeckung automatisiert, und sie baut ihre Modelle mit einem automatisierten Forschungssystem, das sie die Eureka Machine nennt. Flint, ein 40B-Coding-Modell, das im Oktober 2026 unter Apache 2.0 veröffentlicht wurde, ist ihr erstes Open-Weight-Modell. Es ist ein anderes Unternehmen als Ricursive Intelligence. - [Reflection AI](https://ai-opensource.com/de/developers/reflection-ai/): US-KI-Labor, das im Oktober 2026 sein erstes Open-Weight-Modell, Beam mit 501 Milliarden Parametern, unter Apache 2.0 veröffentlicht hat. - [Resemble AI](https://ai-opensource.com/de/developers/resemble-ai/): Kalifornisches Voice-AI-Unternehmen, das die Sprachmodelle Chatterbox und DramaBox unter der MIT-Lizenz als Open Source veröffentlicht hat. Im August 2026 erklärte es, keine Sprachgenerierung mehr an neue Kunden zu verkaufen und sich auf Deepfake-Erkennung zu konzentrieren, und ließ seine Sprachmodelle als offene, nicht gepflegte Forschung zurück. - [Ricursive Intelligence](https://ai-opensource.com/de/developers/ricursive-intelligence/): US-KI-Labor, das sich selbst verbessernde Systeme baut, indem es Hardware, Software und Modelle gemeinsam entwirft. Ein proprietäres Modell treibt seine KI-Chip-Design-Plattform an, und im November 2026 veröffentlichte es eine allgemeine Variante, Ripple-65B Preview mit 65 Milliarden Parametern, unter Apache 2.0. - [Sarvam AI](https://ai-opensource.com/de/developers/sarvam-ai/): Ein indisches Unternehmen, das KI für indische Sprachen und Unternehmen entwickelt. Seine Reasoning-Modelle Sarvam 30B und 105B, veröffentlicht im März 2026 und in Indien von Grund auf mit der Rechenleistung der IndiaAI-Mission trainiert, und sein Entscheidungsmodell Sarvam Prism verwenden Apache 2.0. - [Sber (GigaChat)](https://ai-opensource.com/de/developers/sber/): Das GigaChat-Team bei Sber veröffentlicht offene Gewichte unter dem Namen ai-sage auf Hugging Face und GitVerse und kündigt jede Veröffentlichung im Unternehmens-Blog von Sber auf Habr an. GigaChat 3.5 Ultra und seine Reasoning-Version sind Mixture-of-Experts-Modelle mit 432B, GigaChat 3.1 Lightning ist ein 10B-Modell mit 1.8B aktiven Parametern, und die GigaAM-Familie deckt Spracherkennung für Russisch und zentralasiatische Sprachen ab. Alle stehen unter der MIT-Lizenz. - [SenseTime](https://ai-opensource.com/de/developers/sensetime/): Chinesisches KI-Unternehmen, dessen SenseNova-Team offene Modelle unter der GitHub-Organisation OpenSenseNova veröffentlicht. SenseNova-U1.5 (August 2026) ist ein natives, einheitliches Bild-und-Text-Modell, und SenseNova-Loop-9B-Preview (30. Oktober 2026) ist ein 9B-Loop-Vision-Sprachmodell, beide unter Apache 2.0. - [Shanghai AI Laboratory](https://ai-opensource.com/de/developers/shanghai-ai-laboratory/): Ein chinesisches KI-Forschungslabor in Shanghai. Sein AI-for-Science-Zentrum betreibt die Open-Source-Organisation InternScience, die die Agentenmodelle Agents-A1 und Sage-A1.5 unter Apache 2.0 veröffentlicht. - [SK Telecom](https://ai-opensource.com/de/developers/sk-telecom/): Südkoreanisches Telekommunikationsunternehmen hinter der A.X-Familie von Sprachmodellen. A.X K2, veröffentlicht im Juli 2026, ist ein Mixture-of-Experts-Modell mit 688 Milliarden Parametern unter Apache 2.0, gebaut für das staatlich geförderte Projekt für souveräne KI-Fundamentmodelle. - [Stability AI](https://ai-opensource.com/de/developers/stability-ai/): Stability AI ist das britische Unternehmen hinter Stable Diffusion. Seine Stable-Audio-3-Familie, veröffentlicht im Mai 2026, ist seine neueste Open-Weight-Linie: Die Modelle Small und Medium wurden auf lizenzierten und Creative-Commons-Daten trainiert und verwenden die Stability AI Community License, die für kommerzielle Nutzung unter 1 Mio. US-Dollar Jahresumsatz kostenlos ist. - [StepFun](https://ai-opensource.com/de/developers/stepfun/): StepFun (阶跃星辰) ist ein chinesisches KI-Unternehmen hinter der Step-Familie von Sprachmodellen, mit Step-Audio-Sprachmodellen und Step1X-Bildbearbeitungsmodellen daneben. Es veröffentlicht Gewichte auf Hugging Face und ModelScope, und sein neuestes Flaggschiff, Step 5 Preview, kommt mit einer eigenen Lizenz. - [Supertone](https://ai-opensource.com/de/developers/supertone/): Ein südkoreanisches Voice-AI-Unternehmen, das die On-Device-Text-zu-Sprache-Modelle Supertonic entwickelt hat, die über ONNX Runtime laufen. Supertonic 3 deckt 31 Sprachen ab, mit den Gewichten unter der BigScience OpenRAIL-M-Lizenz. Im September 2026 archivierte das Unternehmen seine Open-Source-Repositories und erklärte, Entwicklung und Support seien beendet. - [Swiss AI Initiative](https://ai-opensource.com/de/developers/swiss-ai/): Eine schweizerische Forschungsinitiative unter Leitung der ETH Zürich, der EPFL und des Schweizerischen Nationalen Supercomputing-Zentrums (CSCS). Seine Apertus-Modelle sind vollständig offen: Gewichte, Datenaufbereitung, Trainingscode und Auswertungen werden unter permissiven Lizenzen veröffentlicht, und das Training verwendet nur offen verfügbare Daten. - [Tencent](https://ai-opensource.com/de/developers/tencent/): Chinesisches Internetunternehmen hinter WeChat und der Hunyuan-(Hy-)Modellfamilie. Seine Sprachmodelle Hy3 und Hy4 preview, die Übersetzungsmodelle Hy-MT2 und das interaktive Video-World-Modell Hy-Nomas verwenden Apache 2.0, während HunyuanOCR weiterhin eine Hunyuan-Community-Lizenz verwendet, die die EU, das Vereinigte Königreich und Südkorea ausschließt. Sein Sprachgenerierungs- und Bearbeitungsmodell AuK verwendet die MIT-Lizenz, prüfen Sie daher jedes Repository. - [Thinking Machines Lab](https://ai-opensource.com/de/developers/thinking-machines-lab/): US-KI-Labor, das Werkzeuge zum Anpassen von Modellen entwickelt. Seine erste Open-Weight-Familie, Inkling, wird unter Apache 2.0 veröffentlicht und ist als Basis für Fine-Tuning konzipiert. - [TokenSpark (SparkLLM)](https://ai-opensource.com/de/developers/tokenspark/): Das Unternehmen hinter der Spark-Modellfamilie, das auf Hugging Face als XHToken veröffentlicht. Sein Profil sagt, dass es allgemeine Fundamentmodelle und professionelle KI-Agenten-Produkte entwickelt, darunter zwei Harness-Systeme namens AStudio und Loomy. Die On-Device-Sprachmodelle Spark-X2.5 und Spark-X2.6 in den Größen 1.7B und 4B verwenden Apache 2.0. - [Tongyi MAI](https://ai-opensource.com/de/developers/tongyi-mai/): Ein Team im Tongyi Lab der Alibaba Group, das effiziente generative Modelle entwickelt. Es ist vor allem für die unter Apache 2.0 veröffentlichten 6B-Bildmodelle Z-Image bekannt und veröffentlicht auch MAI-UI, eine Familie von GUI-Agentenmodellen. - [Tongyi Lab Speech Team](https://ai-opensource.com/de/developers/tongyi-speech/): Das Sprachteam des Tongyi Lab der Alibaba Group, das seine Arbeiten unter dem Namen FunAudioLLM veröffentlicht. Es ist das Team hinter den unter Apache 2.0 veröffentlichten Sprachsynthese-Modellen CosyVoice. - [Upstage](https://ai-opensource.com/de/developers/upstage/): Südkoreanisches KI-Unternehmen hinter der Solar-Familie von Sprachmodellen. Solar Open 2, veröffentlicht im Juli 2026, ist ein Mixture-of-Experts-Modell mit 250 Milliarden Parametern unter der Upstage Solar License, die Apache 2.0 plus eine Namensregel für abgeleitete Modelle ist. - [Video Rebirth](https://ai-opensource.com/de/developers/video-rebirth/): Video Rebirth ist ein 2024 gegründetes KI-Video-Start-up mit Sitz in Singapur. Neben seinen gehosteten Videomodellen veröffentlicht es die HyperFlow-Serie, die offene Videomodelle wie MiniMax H3 so komprimiert, dass sie weniger Sampling-Schritte und weniger Speicher benötigen. - [Voyage AI](https://ai-opensource.com/de/developers/voyage-ai/): Voyage AI entwickelt die Voyage-Text-Embedding-Modelle, die laut seinem Blog über die Voyage API und, für MongoDB-Atlas-Kunden, über die Atlas Embedding and Reranking API verfügbar sind. voyage-4-nano, am 15. Januar 2026 zusammen mit der Voyage-4-Serie veröffentlicht, ist sein erstes Open-Weight-Modell unter Apache 2.0, und seine Notice-Datei trägt ein MongoDB, Inc.-Copyright. - [webAI](https://ai-opensource.com/de/developers/webai/): Ein Unternehmen, das die webAI-App entwickelt, einen Arbeitsbereich, in dem KI-Modelle lokal auf dem Gerät des Nutzers laufen. Seine TwIL-Reasoning-Modelle, nachtrainiert aus IBM Granite 4.2 und SmolLM3, verwenden die webAI Non-Commercial License statt der Apache-2.0-Lizenz ihrer Basismodelle. - [Xiaomi](https://ai-opensource.com/de/developers/xiaomi/): Chinesischer Hersteller von Unterhaltungselektronik. Sein MiMo-Fundamentmodell-Team veröffentlicht große agentenorientierte Modelle und kleine Forschungs-Checkpoints mit MIT-Lizenz-Tags auf Hugging Face, und andere Xiaomi-Forschungsteams bringen Modelle wie Xiaomi-OCR-0 und das Sprachmodell OmniVoice heraus. - [Z.ai (Zhipu AI)](https://ai-opensource.com/de/developers/z-ai/): Chinesisches Labor, das die GLM-Modellserie entwickelt. GLM-5.3-Flash ist MIT-lizenziert, während das größere GLM-5.3 eine eigene Lizenz verwendet, die nur sehr große Hosting-Geschäfte einschränkt. GLM-5, 5.1, 5.2, das 30B-A3B-Modell GLM-4.7-Flash und das GLM-OCR-Modell sind ebenfalls alle MIT-lizenziert. - [Zyphra](https://ai-opensource.com/de/developers/zyphra/): KI-Labor in San Francisco hinter der Zonos-Text-zu-Sprache-Linie. ZONOS3-Mini, veröffentlicht im November 2026 unter Apache 2.0, ist ein Mixture-of-Experts-Modell zum Stimmenklonen mit 800 Millionen Parametern, das laut Zyphra in Echtzeit auf Laptops, Smartphones und in einem Browser-Tab läuft. ## News - [Apertus 1.5: das vollkommen offene Modell der Schweiz liest Bilder und Audio](https://ai-opensource.com/de/news/apertus-1-5-released/): 2026-11-11. ETH Zürich, EPFL und CSCS veröffentlichten Apertus 1.5: offene 8B- und 70B-Modelle mit Bild- und Audioeingabe, 262K-Kontext und Apache 2.0. Audioverständnis ist experimentell. - [Vier offene Übersetzungsmodelle, vier verschiedene Maßstäbe](https://ai-opensource.com/de/news/four-open-translation-models-four-yardsticks/): 2026-11-11. TranslateGemma, Hy-MT2, Index-Translate und PLaMo 3 Translate berichten Qualität auf unterschiedlichen Testsets, Metriken und Vergleichsgegnern – ihre Angaben lassen sich nicht direkt vergleichen. - [Winzige Text-zu-Sprache-Modelle, die auf einer CPU laufen: vier offene Optionen im Vergleich](https://ai-opensource.com/de/news/tiny-text-to-speech-models-run-on-a-cpu/): 2026-11-11. Kokoro, Pocket TTS, Phonon 31M und Supertonic 3 sind offene TTS-Modelle mit maximal 100M Parametern, die auf der CPU eines Laptops laufen. Vergleich von Größe, Sprachen, Voice Cloning und Lizenzen. - [Moonshot veröffentlicht Kimi K3.1 Pro: 2,8 Billionen Parameter, offene Gewichte](https://ai-opensource.com/de/news/kimi-k3-1-pro-released/): 2026-11-02. Moonshot AI veröffentlichte Kimi K3.1 Pro am 2. November 2026: ein 2,8T-MoE für lange Coding- und Büro-Aufgaben, mit 1M-Token-Kontext und rund 1,56 TB 4-Bit-Gewichten. - [Mistral Large 4 wird open weights: 1 Billion Parameter, in Europa trainiert](https://ai-opensource.com/de/news/mistral-large-4-open-weights/): 2026-10-29. Mistral veröffentlichte am 29. Oktober 2026 die Gewichte von Large 4: multimodales MoE, 1M-Token-Kontext, über 160 Sprachen und eine Lizenz mit Hosting-Bedingung. - [NVIDIA veröffentlicht Nemotron 3.5 Transcribe, ein per Prompt steuerbares Sprachmodell](https://ai-opensource.com/de/news/nemotron-3-5-transcribe-released/): 2026-10-28. NVIDIA veröffentlichte Nemotron 3.5 Transcribe unter OpenMDW-1.1: 40 Sprachen, Sprecher-Labels, Übersetzung und per Prompt steuerbarer Stil, für Aufnahmen bis zu einer Stunde. - [Meta veröffentlicht Muse Spark Open, ein Open-Weights-Modell mit 816B](https://ai-opensource.com/de/news/muse-spark-open-released/): 2026-10-15. Meta veröffentlichte Muse Spark Open: 816B Parameter, 42B aktiv, Text, Bild, Video und Audio, 1M-Token-Kontext, gated Download und Pflicht zur Nennung von Built with. ## Optional - [VRAM-Rechner](https://ai-opensource.com/de/vram-calculator/): Schätzen Sie ab, wie viel GPU- oder Unified Memory ein KI-Modell mit BF16-, FP8- und 4-Bit-Präzision benötigt, und welche Hardware es ausführen kann. Wählen Sie ein Modell oder geben Sie eine eigene Größe ein. - [Alle Modelle (JSON)](https://ai-opensource.com/data/models.json): Laden Sie den vollständigen Katalog der Open-Source-KI-Modelle als JSON oder CSV herunter: Parameter, Kontextfenster, Lizenztyp, Erscheinungsdatum und Quellen. Mit Namensnennung frei nutzbar. - [Alle Modelle (CSV)](https://ai-opensource.com/data/models.csv) - [Lizenzen (JSON)](https://ai-opensource.com/data/licenses.json) - [RSS-Feed](https://ai-opensource.com/de/rss.xml) - [llms-full.txt](https://ai-opensource.com/de/llms-full.txt): The full text of this site in one file