Ein Modell ist im Wesentlichen eine sehr große Datei voller Zahlen, seine Gewichte. Veröffentlicht ein Entwickler diese Datei, kann jeder das Modell auf eigener Hardware ausführen.
So funktioniert es
Das Training erzeugt die Gewichte: die Parameter, die ein neuronales Netz gelernt hat. Die Open Source Initiative beschreibt Open Weights als „the final weights and biases of a trained neural network“ (Übersetzung: „die endgültigen Gewichte und Biases eines trainierten neuronalen Netzes“). Damit können Sie Inferenz ausführen, das Modell fine-tunen oder quantisieren.
Was Open Weights laut OSI meist nicht enthalten:
- den Trainingscode;
- detaillierte Angaben zu den Trainingsdaten.
Die Definition von Open-Source-KI der OSI verlangt beides zusätzlich zu den Gewichten, damit andere das Modell untersuchen und nachbauen können. Viele beliebte Modelle sind Open-Weight, aber in diesem Sinne nicht Open Source. Berichte der US-Regierung verwenden eine verwandte Formulierung: Modelle mit „widely available model weights“ (Übersetzung: „weithin verfügbaren Modellgewichten“). Google zum Beispiel nennt seine Gemma-Familie „open models“ (Übersetzung: „offene Modelle“).
Jede Open-Weight-Veröffentlichung kommt mit einer Lizenz. Verbreitet sind unter anderem Apache-2.0 und MIT, während andere die kommerzielle Nutzung einschränken. Die Lizenz entscheidet, ob Sie das Modell anderen über eine API anbieten dürfen.
Warum es wichtig ist
- Freie Wahl des Betriebsorts. Selbst hosten für volle Kontrolle, oder einen von mehreren Anbietern aufrufen, die dasselbe Modell ausliefern.
- Datenschutz. Sie können Daten auf eigener Hardware halten oder einen Host mit Zero Data Retention wählen.
- Kein Lock-in. Ändert ein Anbieter seine Bedingungen, laufen dieselben Gewichte anderswo. Eine OpenAI-kompatible API macht den Wechsel zu einer Konfigurationsänderung.
- Gleicher Name, anderer Betrieb. Zwei Anbieter können ein Modell mit unterschiedlicher Quantisierung, anderen Kontextlimits oder Einstellungen ausliefern. Testen Sie mit Ihren eigenen Prompts.
Bei BroadNet Inference
Der Modellkatalog von BroadNet sagt: „~270 models run on our GPUs“ (Übersetzung: „~270 Modelle laufen auf unseren GPUs“; Laborangabe, September 2026). Das zählt jedes Modell, das BroadNet nach eigenen Angaben betrieben, gebenchmarkt, quantisiert oder feinjustiert hat, einschließlich verworfener Modelle, nicht nur die Modelle seiner API. Die Datenschutzerklärung beschreibt das Hosting als BroadNet-eigene oder gemietete Hardware in den USA, mit Partnerkapazität als Reserve. Der Modellkatalog zeigt die Lizenzen, weil sie, in BroadNets Worten, „decide what can be served through an API“ (Übersetzung: „entscheiden, was über eine API angeboten werden darf“). BroadNet Gemma 4 VL 26B ist BroadNets Build von Gemma 4 von Google. BroadNet Transcribe Arabic basiert auf Cohere Transcribe, und BroadNet meldet es auf dem Open Universal Arabic ASR Leaderboard auf Platz #2 von 37 (Angabe für September 2026; die Live-Rangliste führte das Modell am 15. November 2026 auf #4 von 39) sowie als erstes unter den Modellen, deren Lizenzen das Anbieten über eine API erlauben.
Wie Sie ein Modell für arabischen Text auswählen, lesen Sie unter ein LLM für Arabisch auswählen.