In einem zusammenfassenden Text, der auf einem Vortrag vor Abgeordneten und Mitarbeitern des US-Kongresses basiert, zieht ein Forscher, der an der Entwicklung der Olmo-Modelle des Allen Institute for AI beteiligt war, eine Bestandsaufnahme der offenen KI-Modelle. Seiner Ansicht nach sind chinesische Labore heute die Führenden, sowohl bei Leistungsrankings als auch bei der Nutzung.
Modelle mit offenen Gewichten (« open-weight ») machen ihre Parameter für die Öffentlichkeit zugänglich, die sie untersuchen oder wiederverwenden kann. Sie stehen im Gegensatz zu « geschlossenen » Modellen wie GPT-4 oder Claude Opus 4.5, die nur über eine API zugänglich sind, eine Schnittstelle, die eine Fernabfrage des Modells ermöglicht. Zu den Modellen mit offenen Gewichten gehören Llama von Meta, Qwen von Alibaba, Gemma von Google oder die von DeepSeek. Die sogenannten « Open Source »-Modelle gehen noch weiter, da sie auch den Code und die Trainingsdaten veröffentlichen. In diesem Zusammenhang werden die Olmo-Modelle des Allen Institute for AI, Marin von OpenAthena und Pythia von EleutherAI genannt.
Ein chinesischer Vorsprung bei Downloads und Rankings
Laut dem Autor hat China im Juli 2025 bei den Downloads auf Hugging Face die Führung übernommen, hauptsächlich dank der Qwen-Modelle. Der Vorsprung beträgt etwa 1,6 Milliarden Downloads bei insgesamt 3,2 Milliarden, also doppelt so viel wie die US-Gesamtzahl. Im Artificial Analysis Intelligence Index (AAII) vom 14. September 2026 sind die drei besten chinesischen Modelle GLM-5.3 (Score 45), Kimi K3 (44) und GLM-5.3-Flash (42) vom Herausgeber Z.ai und Moonshot AI. Die besten US-Modelle, Inkling und Inkling Small von Thinking Machines, erreichen 26, und Nemotron 3 Ultra von Nvidia 23. Der Text schätzt, dass die chinesischen Modelle ihren US-Pendants um 2 bis 6 Monate voraus sind.
Die Plattform OpenRouter, die den Wechsel zwischen Modellen ermöglicht, zeigt einen ähnlichen Trend. Laut ihren Daten stieg das Volumen der von offenen Modellen verarbeiteten Tokens von etwa 1 T pro Woche im September 2025 auf etwa 80 T heute, und der Anteil chinesischer Modelle stieg von etwa 70 % auf über 80 % der Nutzung.
In Unternehmen setzen mehrere Akteure auf chinesische Modelle: Harvey, spezialisiert auf Recht, Cursor im Bereich Code, sowie DoorDash, das Kimi-Modelle verwendet, Airbnb, das Qwen nutzt, und Perplexity, das DeepSeek einsetzt. In der Forschung analysierte der Autor Artikel aus fünf großen arXiv-Kategorien zum maschinellen Lernen. Der Anteil der Veröffentlichungen, die ein offenes Modell erwähnen, stieg von 2 % im Januar 2023 auf 50 % im September 2026. Qwen ist in etwa 30 % der Artikel vertreten, Llama in etwa 21 %.
Eine sich verringernde Kluft, laut dem Autor
Der Autor schätzt die Distillation, eine Technik, bei der ein Modell anhand der Antworten eines leistungsfähigeren Modells trainiert wird, auf einen Vorsprung von 1 bis 2 Monaten für chinesische Labore. Er meint auch, dass eine vollständige Prävention, beispielsweise mit Identitätsprüfungswerkzeugen bei Anthropic und OpenAI, den Abstand nur um 1 bis 2 Monate vergrößern würde. Zudem hebt er hervor, dass chinesische Labore inzwischen mehr Trainingsdaten kaufen, insbesondere Verstärkungslern-Umgebungen für agentenbasierte Aufgaben.
Der Text thematisiert auch Risiken, insbesondere in der Cybersicherheit, wie den Vorfall mit OpenAI und Hugging Face. Er berichtet, dass Hugging Face ein chinesisches Modell mit offenen Gewichten zur Analyse eines Cyberangriffs verwendet hat, da geschlossene Modelle diese Anfragen ablehnten. Der Autor plädiert dafür, dass die USA weiterhin in offene Modelle investieren, um diese Risiken besser vorhersehen zu können und die Abhängigkeit amerikanischer Unternehmen von in China entwickelten Modellen zu verringern. Er räumt jedoch ein, dass es Unbekanntes gibt: Es fehlen Daten zur Nutzung außerhalb der USA und Chinas, auch im Monitoring der offenen US-Modelle, das er im August 2025 unter dem Namen American Truly Open Models (ATOM) Project gestartet hat.
