Die zehn meistgenutzten Modelle der Welt — und was davon in Europa laufen darf

TL;DR

Sieben der zehn weltweit meistgenutzten Sprachmodelle kommen von chinesischen Anbietern und haben offene Gewichte. Über die Hersteller-API sind sie für deutsche Unternehmen problematisch, auf eigener Hardware nicht — entscheidend ist der Verarbeitungsort, nicht die Herkunft. Praktisch scheitert es an etwas anderem: Keines dieser Modelle passt auf eine einzelne GPU.

Stand dieser Übersicht: 4. August 2026. Modelle in diesem Feld veralten in Wochen — die Angaben unten sind am Tag der Veröffentlichung an den Herstellerquellen geprüft. Prüfen Sie sie erneut, bevor Sie eine Beschaffung darauf stützen. Diese Seite wird quartalsweise aktualisiert.

Die Ausgangslage

Wenn man die tatsächliche Nutzung von Sprachmodellen über offene Vermittlungsdienste betrachtet, ergibt sich ein Bild, das mit der öffentlichen Wahrnehmung in Deutschland wenig zu tun hat. Die Spitze der Nutzungsstatistik besteht überwiegend aus Modellen chinesischer Anbieter, und fast alle davon haben offene Gewichte.

Das ist keine Nischenbeobachtung. Es bedeutet, dass die weltweit am meisten genutzten Modelle solche sind, die man herunterladen und selbst betreiben kann.

Für deutsche Unternehmen ergibt sich daraus eine Möglichkeit und ein Missverständnis, das sie regelmäßig blockiert.

Der Satz, um den es geht

Nicht das Modell entscheidet über die Rechtslage, sondern der Ort der Verarbeitung.

Ein deutsches Unternehmen darf DeepSeek V4 Flash nicht ohne Weiteres über die API des Herstellers nutzen — dabei werden Daten an einen Anbieter außerhalb der EU übermittelt, mit allen Fragen zur Rechtsgrundlage, die daran hängen.

Dasselbe Unternehmen darf dieselben Modellgewichte auf einem Server in Frankfurt betreiben. Dann findet keine Übermittlung statt. Die Datenverarbeitung liegt vollständig in Ihrer Verantwortung, an einem Ort Ihrer Wahl.

Die Gewichte sind eine Datei. Sie enthält keine Telemetrie und ruft niemanden an. Was das Modell während der Nutzung tut, bestimmt Ihre Infrastruktur.

Die vertiefte Einordnung dazu steht im Beitrag zu chinesischen Modellen und dem Hosting-Ort.

Die Übersicht: Lizenz und Speicherbedarf

Die Spalte, die in den meisten Vergleichen fehlt und die für eine Beschaffung die wichtigste ist, steht hier an zweiter Stelle. "Offene Gewichte" heißt nicht automatisch "kommerziell frei nutzbar".

Zwei Zeilen verdienen besondere Aufmerksamkeit.

MiniMax M3 ist der Ausreißer. Die Gewichte sind verfügbar, aber unter einer eigenen Lizenz, die für die kommerzielle Nutzung eine gesonderte Vereinbarung mit dem Anbieter vorsieht. Das ist etwas anderes als MIT oder Apache 2.0. Wer das Modell in einem Produkt einsetzen will, muss diese Frage klären, bevor er eine Architektur darauf baut. Genau das ist der Teil, den Vergleichsartikel weglassen.

GPT-5.6 Luna steht in dieser Tabelle nur zur Einordnung. Es hat geschlossene Gewichte und ist nicht selbst betreibbar. Es taucht in dieser Serie ausschließlich als Vergleichsmaßstab auf, nie als Hosting-Kandidat — der ehrliche Leistungsvergleich steht im Beitrag offene Modelle gegen GPT-5.6.

Bei GLM-5.2 kursieren in Sekundärquellen unterschiedliche Parameterzahlen im Bereich um 743 bis 753 Milliarden. Prüfen Sie den Wert an der Modellkarte des Anbieters, bevor Sie darauf kalkulieren.

Der Speicherbedarf — hier wird es unbequem

Jetzt die Rechnung, die entscheidet, ob das für Ihr Haus überhaupt in Frage kommt.

Modelle werden für den Eigenbetrieb üblicherweise quantisiert, meist auf 4 Bit. Die verbreitete Faustformel Parameter × 0,5 Byte unterschätzt den realen Bedarf; praktisch liegen Q4-Formate bei etwa 0,6 Byte je Parameter, weil nicht alle Tensoren gleich hart quantisiert werden. Die ausführliche Herleitung steht im Beitrag zum VRAM-Bedarf bei MoE-Modellen.

Bei rund 0,6 Byte je Parameter, nur für die Gewichte, ohne KV-Cache und Overhead:

Kartenzahl aufgerundet auf Zweierpotenzen, weil Tensor-Parallelität das in der Praxis verlangt. GPU-Kosten auf Basis des NVIDIA-Listenpreises von 13.250 US-Dollar für die RTX PRO 6000 Blackwell mit 96 GB (Stand August 2026), umgerechnet und netto. Server, Netzteile, Kühlung und Netzwerk kommen dazu — rechnen Sie 30 bis 50 Prozent Aufschlag.

Kein einziges dieser Modelle läuft auf einer Karte. Das kleinste braucht zwei, die meisten vier bis acht.

Das ist die Nachricht, die deutsche Mittelständler tatsächlich betrifft, und sie steht in keiner der Ranglisten. Die Modelle an der Weltspitze sind für Rechenzentren gebaut, nicht für einen Server im Serverraum.

Nebenbei ist der Preis selbst eine Nachricht: Dieselbe Karte startete im März 2025 bei 8.565 US-Dollar. Der Aufschlag von 55 Prozent in gut einem Jahr entwertet jede Kaufen-oder-Mieten-Rechnung aus dem Vorjahr.

Was daraus für den Mittelstand folgt

Drei Wege, und wir sagen offen, welchen wir in den meisten Fällen empfehlen.

Weg 1: Ein kleineres Modell nehmen. Modelle der 30B-Klasse laufen auf einer Karte und decken interne Wissenssuche, Zusammenfassung und Textformulierung solide ab. Für die überwiegende Mehrheit der Anwendungsfälle im Mittelstand ist der Unterschied zu einem 300B-Modell im Ergebnis kleiner als der Unterschied zwischen gutem und schlechtem Abruf. Das ist unsere Standardempfehlung, und sie ist unspektakulär.

Weg 2: Bei einem europäischen Anbieter mieten. Mehrere Anbieter in Deutschland und der EU stellen GPU-Kapazität bereit, auf der Sie offene Modelle selbst betreiben. Die Daten bleiben im europäischen Rechtsraum, die Investition entfällt. Für ein 200B-Modell mit gelegentlicher Nutzung ist das rechnerisch klar günstiger als der Kauf.

Weg 3: Kaufen. Lohnt bei hoher Dauerlast oder wenn die Daten die eigene Infrastruktur nicht verlassen dürfen. Bei den oben genannten Investitionssummen sollten Sie eine Auslastung von deutlich über 50 Prozent erwarten können, sonst rechnet es sich nicht.

Wie Sie diese Entscheidung an Ihren Zahlen treffen, steht im Beitrag zur GPU-Auswahl mit Kosten je Million Token.

Häufig gestellte Fragen

Dürfen deutsche Unternehmen chinesische KI-Modelle einsetzen?

Auf eigener oder europäischer Infrastruktur ja, sofern die Lizenz die kommerzielle Nutzung erlaubt. Die Modellgewichte sind eine Datei ohne Rückkanal — was während der Nutzung mit den Daten geschieht, bestimmt Ihre Infrastruktur. Problematisch ist die Nutzung über die API des Herstellers, weil dabei Daten in ein Drittland übermittelt werden.

Welches offene Modell braucht am wenigsten Grafikspeicher?

Von den hier betrachteten Spitzenmodellen ist Step 3.7 Flash mit 198 Milliarden Parametern das kleinste; in 4-Bit-Quantisierung sind das rund 119 GB allein für die Gewichte, also mindestens zwei Karten der 96-GB-Klasse. Wer auf einer einzelnen Karte bleiben will, greift zu Modellen der 30B-Klasse, die für die meisten Anwendungsfälle im Mittelstand ausreichen.

Bedeutet "offene Gewichte" automatisch freie kommerzielle Nutzung?

Nein, und das ist der wichtigste Prüfpunkt vor einer Architekturentscheidung. MIT und Apache 2.0 erlauben die kommerzielle Nutzung ohne weitere Vereinbarung. Andere Modelle stehen unter eigenen Lizenzen, die für den kommerziellen Einsatz eine gesonderte Vereinbarung mit dem Anbieter verlangen — MiniMax M3 ist ein Beispiel dafür. Prüfen Sie die Lizenz je Modell einzeln.

Warum brauchen MoE-Modelle so viel Speicher, obwohl nur wenige Parameter aktiv sind?

Weil der Router pro Token neu entscheidet, welche Experten er anspricht — und deshalb alle im Speicher liegen müssen. Die aktiven Parameter bestimmen die Geschwindigkeit, die Gesamtparameter den Speicherbedarf. Ein Modell mit 284 Milliarden Gesamt- und 13 Milliarden aktiven Parametern arbeitet im Tempo eines kleinen Modells und belegt den Speicher eines großen.

Lohnt sich der Kauf eigener GPUs für große offene Modelle?

Bei den aktuellen Kartenpreisen erst ab hoher, gleichmäßiger Auslastung. Vier Karten der 96-GB-Klasse liegen bei rund 48.000 Euro netto allein für die GPUs, plus 30 bis 50 Prozent für Server und Infrastruktur. Bei gelegentlicher Nutzung ist die Miete bei einem europäischen Anbieter günstiger — der Kauf lohnt bei Dauerlast oder wenn die Daten die eigene Infrastruktur zwingend nicht verlassen dürfen.

Der nächste Schritt

Bevor Sie ein Modell dieser Klasse in Betracht ziehen, beantworten Sie eine Frage: Scheitert Ihr aktueller Anwendungsfall am Modell oder am Abruf? In den Projekten, die wir sehen, ist es fast immer der Abruf — und dann bringt ein zehnmal größeres Modell nichts außer einer Rechnung. Bei der Einordnung schauen wir gern mit.