Methodik: wie wir offene KI-Modelle sammeln, prüfen und einordnen
Wie ai-opensource.com entscheidet, was gelistet wird, woher die Fakten kommen, wie Speicherschätzungen und Lizenzkategorien funktionieren und wie oft Seiten aktualisiert und korrigiert werden.
Kurz gesagt. Wir listen nur Modelle, deren Gewichte jeder herunterladen kann, nehmen Fakten aus Primärquellen, schätzen den Speicher mit einer veröffentlichten Formel, ordnen Lizenzen nach dem Text der Lizenzdatei ein und zeigen auf jeder Seite ein Update-Datum.
Was wir listen
Ein Modell gehört in den Katalog, wenn die Öffentlichkeit seine Gewichte herunterladen kann – einschließlich gated Downloads, bei denen man zuerst eine Lizenz akzeptieren muss. Wir listen keine reinen API-Modelle, keine geleakten Gewichte und keine Ankündigungen ohne Gewichte. Der Katalog ist kuratiert, nicht vollständig: Wir konzentrieren uns auf aktuelle, verbreitete oder technisch bemerkenswerte Modelle und markieren ältere als legacy, statt sie zu löschen.
Woher die Fakten kommen
Jede Modellseite nennt ihre Quellen, und jede News-Meldung ebenfalls. Wir verwenden Primärquellen in dieser Reihenfolge:
- Die Lizenzdatei im Modell-Repository.
- Die Model Card, die Konfigurationsdateien und die realen Dateigrößen der Checkpoints.
- Die Ankündigung oder der technische Bericht des Entwicklers.
- Plattform-Metadaten wie die Hugging-Face-API und das Code-Repository des Projekts.
Gerüchte, Social-Media-Posts oder Aggregator-Seiten nutzen wir nicht als alleinige Quelle für eine Zahl. Wenn Quellen widersprüchlich sind, sagen wir das auf der Seite. Das Release-Datum ist der Tag, an dem der Entwickler das Modell ankündigte oder die Gewichte veröffentlichte – nicht der Tag, an dem das Repository angelegt wurde.
Benchmarks
Wir fahren keine eigene Benchmark-Suite und ranken Modelle nicht nach einer einzelnen Punktzahl. Benchmark-Zahlen auf dieser Seite werden von den Entwicklern berichtet – mit dem von ihnen gewählten Testaufbau – und entsprechend gekennzeichnet. Wie Sie KI-Modelle selbst evaluieren erklärt, wie Sie ein Modell an Ihrer eigenen Arbeit testen.
Wie wir den Speicherbedarf schätzen
Die Schätzungen sind bewusst einfach und konservativ. Sie dienen der Planung, nicht als Garantie.
| Format | Bytes pro Parameter |
|---|---|
| FP32 | 4 |
| BF16, FP16 | 2 |
| FP8, INT8 | 1 |
| INT4, FP4 | 0.5 |
| MXFP4 | 0.53 |
| NVFP4 | 0.56 |
| Ternär (Gewichte von −1, 0 oder +1, rund 1.75 Bit pro Gewicht) | 0.22 |
| GGUF Q4 (Q4_K_M, rund 4.8 Bit pro Gewicht) | 0.6 |
Der Speicher für die Gewichte ist Parameter mal Bytes pro Parameter. Wir schlagen 15 % für Laufzeitpuffer und einen bescheidenen Kontext-Cache auf. Dann gelten diese Regeln:
- MoE-Modelle (Mixture of Experts) halten alle Experten im Speicher, daher zählen wir die Gesamtzahl der Parameter, nicht die aktiven. Aktive Parameter beeinflussen nur die Geschwindigkeit.
- Sprachmodelle werden mit einer 4-Bit-Schätzung gelistet, weil sie üblicherweise quantisiert werden. Liefert der Entwickler 4-Bit- oder ternäre Gewichte aus, nehmen wir stattdessen die reale Downloadgröße plus 10 %.
- Bild-, Video-, Sprach-, Musik- und Embedding-Modelle werden selten quantisiert; wir nehmen daher die Gewichte wie ausgeliefert plus 15 %. Pipelines mit mehreren Komponenten, etwa einem separaten Text-Encoder, nutzen die gesamte Downloadgröße.
- Ein eigener Mindestwert des Entwicklers übersteuert unsere Formel, sobald der Entwickler einen angibt oder misst.
- Lange Kontexte brauchen mehr. Der KV-Cache wächst mit jedem Token, ein langer Prompt kann also weit mehr brauchen als diese Zahlen. Der Speicher-Guide enthält ein durchgerechnetes Beispiel.
Anhand dieser Zahl ordnen wir jedes Modell einer Hardware-Klasse zu:
| Klasse | Bis |
|---|---|
| Laptop oder Handy | 16 GB |
| Gaming-GPU | 32 GB |
| Workstation | 96 GB |
| Desktop mit viel Speicher | 512 GB |
| GPU-Server | 1.536 GB |
| Multi-Node-Cluster | mehr als 1.536 GB |
Wie wir Lizenzen einordnen
Wir lesen die Lizenzdatei selbst, nicht nur das Label auf der Modellseite, und weisen darauf hin, wenn beide auseinanderliegen. Jede Lizenz fällt in einen von drei Typen:
- Permissiv: Sie dürfen das Modell verwenden, verändern und verkaufen; die Bedingungen sind gering, etwa der Hinweis beizubehalten. Apache 2.0 und MIT sind Beispiele.
- Konditional: Kommerzielle Nutzung ist erlaubt, mit Zusatzbedingungen. Wir verschlagworten sie: Namensnennung, Hosting-Vereinbarung, Umsatzgrenze, territoriale Einschränkungen, Nutzungsrichtlinie, Sicherheitsprüfung, Ausgabefilterung oder Namensregeln.
- Nicht-kommerziell: Nur Forschung und persönliche Nutzung. Kommerzielle Nutzung braucht eine separate Vereinbarung.
Außerdem zeigen wir, ob die Open Source Initiative die Lizenz genehmigt hat, und das Datum unserer letzten Textprüfung. Das ist eine Lesehilfe, keine Rechtsberatung. KI-Lizenzen erklärt liefert eine Checkliste für den Zeitpunkt vor dem Launch.
Listen, Vergleiche und das Featured-Set
Die Best-of-Listen und Vergleiche sind redaktionelle Entscheidungen. Jede nennt ihre Kriterien und gibt für jede Auswahl eine Begründung. Die hervorgehobenen Modelle auf der Startseite sind ein kuratiertes Set von etwa zwanzig, ausgewählt, um Größen und Kategorien abzudecken. Featured zu sein ist kein Ranking. Wenn sich der Katalog ändert, prüfen wir die Listen, die betroffene Modelle erwähnen.
Updates und Korrekturen
Jede Seite zeigt das Datum, an dem ihre Fakten zuletzt geprüft wurden. News-Meldungen zeigen das Datum des Ereignisses und das unserer letzten Überprüfung. Wenn wir einen Fehler finden, korrigieren wir die Seite und aktualisieren ihr Datum; ändert eine Korrektur eine Schlussfolgerung, sagen wir das auf der Seite. Bitte melden Sie Fehler über den Kontaktlink im Footer.
Offene Daten
Der Katalog ist als offene Daten veröffentlicht: Modelle als JSON und CSV, Lizenzen als JSON. Texte und Daten stehen unter CC BY 4.0 – mit Quellenangabe frei verwendbar.
Sprachen und KI-Unterstützung
Englisch ist die Referenzfassung; die Übersetzungen folgen ihr. Wir nutzen KI-Werkzeuge für Recherche und Entwurf, veröffentlichen aber keine Zahl, die wir nicht bis zu einer Quelle zurückverfolgen können. Jede Modellseite trägt mindestens einen Quellenlink, und News-Meldungen listen ihre Quellen auf.