Modelle mit offenen Gewichten erreichten bis Ende 2025 rund ein Drittel der gesamten Nutzung großer Sprachmodelle, so eine Studie von OpenRouter und Andreessen Horowitz (a16z) auf Basis von 100 Billionen Token realem API-Traffic. Das ist das bisher klarste Signal dafür, dass Open-Source-KI von einer Forschungskuriosität zum Produktionsstandard geworden ist. Hugging Face hostet inzwischen mehr als 2 Millionen öffentliche Modelle und zählt 13 Millionen Nutzer (Hugging Face, State of Open Source Spring 2026), Metas Llama überschritt 1,2 Milliarden Downloads (Meta, 2025), und Alibabas Qwen überholte es mit 700 Millionen (Xinhua, 2026). Dennoch entfallen auf die 200 wichtigsten Modelle 49,6% aller Hugging-Face-Downloads, und geschlossene Spitzenmodelle liegen weiterhin etwa vier Monate vor den besten offenen Modellen (Epoch AI, 2026). Diese Analyse fasst Daten von Hugging Face, OpenRouter, a16z, Stanford HAI, Epoch AI, McKinsey, GitHub und 13 weiteren Primärquellen zu mehr als 45 verifizierten Datenpunkten zusammen.
TL;DR
- Modelle mit offenen Gewichten erreichten bis Ende 2025 rund 33% der Nutzung großer Sprachmodelle, gegenüber einer niedrigen einstelligen Basis ein Jahr zuvor (OpenRouter, State of AI 2025).
- Hugging Face hostet mehr als 2 Millionen öffentliche Modelle und mehr als 500.000 Datensätze für 13 Millionen Nutzer (Hugging Face, State of Open Source Spring 2026).
- Die 200 wichtigsten Modelle, 0,01% aller Modelle, treiben 49,6% der Downloads; etwa die Hälfte aller Modelle hat weniger als 200 Downloads (Hugging Face, Spring 2026).
- Alibabas Qwen überschritt 700 Millionen kumulierte Hugging-Face-Downloads und überholte Llama Ende 2025 (Xinhua / South China Morning Post, 2026).
- Metas Llama erreichte bis zum 29. April 2025 1,2 Milliarden Downloads, gegenüber 650 Millionen im Dezember 2024 (Meta; TechCrunch, 2025).
- Modelle mit offenen Gewichten hinken den geschlossenen Spitzenmodellen um etwa vier Monate beziehungsweise 8 ECI-Punkte hinterher (Epoch AI, 2026).
- Mehr als 50% der Organisationen nutzen Open-Source-KI, in der Technologiebranche steigt dieser Anteil auf 72% (McKinsey, 2025).
- Chinesische Modelle machten im vergangenen Jahr 41% der Hugging-Face-Downloads aus, und China überholte die USA 2025 bei den monatlichen Downloads (Hugging Face, Spring 2026).
- Der Markt für Open-Source-KI-Modelle soll schätzungsweise von 19,05 Milliarden Dollar 2025 auf 23,08 Milliarden 2026 wachsen (The Business Research Company, 2026).
- Nur 15 von 95 bedeutenden 2025 veröffentlichten Modellen kamen mit offenem Trainingscode (Stanford HAI, AI Index 2026).
- Forscher fanden rund 100 bösartige Modelle auf Hugging Face, etwa 95% davon mit einem einzigen Serialisierungsformat (Dark Reading / JFrog, 2024-2025).
1. Das Open-Source-KI-Ökosystem in Zahlen
Hugging Face ist das Gravitationszentrum für offene Modelle, und der eigene State-of-Open-Source-Bericht vom Frühjahr 2026 zeigt sowohl das Ausmaß als auch die extreme Konzentration der Aufmerksamkeit. Die 200 wichtigsten Modelle, nur 0,01% des Katalogs, machen 49,6% aller Downloads aus, während etwa die Hälfte aller Modelle im Hub insgesamt weniger als 200 Downloads hat. Zugleich zeigt GitHubs Octoverse 2025 die Entwicklerseite derselben Welle: Mehr als eine Million öffentliche Repositorys bauen inzwischen auf einem LLM-SDK auf.
| Metrik | Wert | Quelle |
|---|---|---|
| Öffentliche Modelle auf Hugging Face | 2,000,000+ | Hugging Face, State of Open Source Spring 2026 |
| Öffentliche Datensätze auf Hugging Face | 500,000+ | Hugging Face, Spring 2026 |
| Registrierte Nutzer / Organisationen | 13,000,000 / 500,000 | Hugging Face, Spring 2026 |
| Anteil der Downloads der 200 wichtigsten Modelle (0,01% aller Modelle) | 49.6% | Hugging Face, Spring 2026 |
| Modelle mit weniger als 200 Downloads insgesamt | ~50% | Hugging Face, Spring 2026 |
| Öffentliche GitHub-Repos mit einem LLM-SDK | 1,100,000+ (693,867 new, +178% YoY) | GitHub, Octoverse 2025 |
| Monatliche Mitwirkende an generativen KI-Projekten | 68,000 (Jan 2024) to 200,000 (Aug 2025) | GitHub, Octoverse 2025 |
Kontext-Hinweis: Die durchschnittliche Größe der heruntergeladenen Modelle wuchs von 827 Millionen Parametern im Jahr 2023 auf 20,8 Milliarden im Jahr 2025, der Median stieg jedoch nur von 326 Millionen auf 406 Millionen (Hugging Face, Spring 2026). Kleine Modelle erledigen weiterhin den Großteil der Arbeit. Für das breitere Modell-Landschaftsbild siehe unsere Statistiken zu generativer KI.
2. Realer Einsatz: Offene Gewichte Erreichen ein Drittel der Tokens
Modellzahlen messen das Angebot; das Token-Volumen misst die Nachfrage. Die State-of-AI-Studie von OpenRouter, die zusammen mit a16z 100 Billionen Token realen Inferenz-Traffics über mehr als 300 Modelle hinweg analysierte, ist der stärkste öffentliche Beleg dafür, dass offene Gewichte reale Workloads gewinnen. Chinesische Open-Source-Modelle wuchsen von 1,2% des wöchentlichen Token-Volumens Ende 2024 auf einen wöchentlichen Durchschnitt von 13,0%, mit Spitzenwerten von nahezu 30% in manchen Wochen. Auch das Open-Source-Segment diversifizierte sich: DeepSeeks R1 machte einst mehr als die Hälfte der offenen Token aus, doch Ende 2025 hielt kein einzelnes offenes Modell mehr als 25% des offenen Anteils.
| Metrik | Wert | Quelle |
|---|---|---|
| Anteil offener Gewichte an der Nutzung großer Sprachmodelle, Ende 2025 | ~33% (one-third) | OpenRouter, State of AI 2025 |
| Wöchentlicher Token-Anteil chinesischer Open-Source-Modelle | 1.2% (late 2024) to 13.0% avg, ~30% peak | OpenRouter, 2025 |
| Durchschnittlicher wöchentlicher Open-Source-Anteil im Rest der Welt | 13.7% | OpenRouter, 2025 |
| DeepSeek-Token (nov. 2024 bis nov. 2025) | 14.37 trillion | OpenRouter, 2025 |
| Qwen-Token | 5.59 trillion | OpenRouter, 2025 |
| Meta-Llama-Token | 3.96 trillion | OpenRouter, 2025 |
| Mistral-AI-Token | 2.92 trillion | OpenRouter, 2025 |
| Analysierte Token / Modelle / Anbieter insgesamt | 100 trillion / 300+ / 70+ | OpenRouter, 2025 |
Ausreißer-Hinweis: Argumentationsorientierte Modelle verarbeiten inzwischen mehr als die Hälfte aller Token, während Tool-Calling zunimmt – ein Wandel, den wir in unseren Statistiken zu KI-Agenten behandeln.
3. Die Leistungslücke zwischen Offenen und Geschlossenen Modellen
Die Lücke zwischen den besten offenen und den besten geschlossenen Modellen verringerte sich 2024 drastisch und hörte danach auf, sich weiter zu schließen. Epoch AI misst diesen Rückstand mit seinem Epoch Capabilities Index. Modelle mit offenen Gewichten lagen zwischen Januar und Mai 2026 etwa vier Monate beziehungsweise 8 ECI-Punkte hinter den geschlossenen Spitzenmodellen zurück, ein etwas größerer Rückstand als die rund drei Monate, die bis Oktober 2025 gemessen wurden. Der AI Index 2026 von Stanford HAI erzählt auf der Arena-Bestenliste eine ähnliche Geschichte.
| Metrik | Wert | Quelle |
|---|---|---|
| Rückstand offener Gewichte gegenüber geschlossenen Spitzenmodellen | ~4 months / 8 ECI points (90% CI 7-11) | Epoch AI, 2026 |
| Vorheriger Rückstand (jan. 2023 bis okt. 2025) | ~3 months | Epoch AI, 2025 |
| Vorsprung des besten geschlossenen Modells vor dem besten offenen Modell (mär. 2026) | 3.3% (up from 0.5% in Aug 2024) | Stanford HAI, AI Index 2026 |
| Geschlossene Modelle in den Arena-Top-10 | 6 of 10 | Stanford HAI, AI Index 2026 |
| Chatbot-Arena-Lücke, jan. 2024 bis feb. 2025 | 8.04% to 1.70% | Stanford HAI, AI Index 2025 |
| Skalierung der Trainings-Rechenleistung offener Spitzenmodelle | ~4.7x per year | Epoch AI, 2025 |
| Lokale Spitzenleistung: Modell auf dem Niveau der Top-LLMs von vor 6 bis 12 Monaten | Runs on one sub-2,500-dollar GPU | Epoch AI, 2025 |
Kontext-Hinweis: DeepSeek-R1, veröffentlicht im Januar 2025, lag beim MATH-Level-5-Benchmark nur 2 Prozentpunkte hinter dem damals besten geschlossenen Modell o3-mini zurück (Epoch AI, 2025) – die Veröffentlichung, die erstmals zeigte, wie die Lücke zusammenbrach.
4. Chinas Aufstieg bei Offenen Gewichten: Qwen und DeepSeek
Die entscheidendste Verschiebung des Jahres 2025 war geografischer Natur. Chinesische Modelle machten im vergangenen Jahr 41% der Hugging-Face-Downloads aus, und China überholte die USA 2025 bei den monatlichen Downloads (Hugging Face, Spring 2026). Alibabas Qwen wurde laut Xinhua und der South China Morning Post zur meistheruntergeladenen offenen Modellfamilie überhaupt, während der App-Start von DeepSeek im Januar 2025 Download-Rekorde aufstellte, die von Sensor Tower und TechCrunch erfasst wurden.
| Metrik | Wert | Quelle |
|---|---|---|
| Chinas Anteil an den monatlichen Hugging-Face-Downloads, 2025 | Surpassed the U.S. | Hugging Face, Spring 2026 |
| Anteil chinesischer Modelle an den Hugging-Face-Downloads, letztes Jahr | 41% | Hugging Face, Spring 2026 |
| Kumulierte Qwen-Downloads auf Hugging Face (jan. 2026) | 700,000,000+ | Xinhua / South China Morning Post, 2026 |
| Qwen-Varianten auf Hugging Face | 200,000+ | South China Morning Post, 2026 |
| Anteil neuer Derivate großer Sprachmodelle, die auf Qwen basieren | ~40% | South China Morning Post, 2026 |
| DeepSeek-App-Downloads in den ersten 19 Tagen | 23,000,000 (2x ChatGPT) | Sensor Tower, 2025 |
| DeepSeek Platz-1-Ranking im App Store | 156+ countries | TechCrunch, 2025 |
| DeepSeek-R1 vs. o3-mini, MATH Level 5 | Lags by 2 points | Epoch AI, 2025 |
Kontext-Hinweis: In einem einzigen Monat übertrafen die Qwen-Downloads die kombinierte Summe der nächsten acht offenen Modellfamilien, darunter Meta, DeepSeek, Mistral und Nvidia (South China Morning Post, 2026).
5. Adoption in Unternehmen und Wirtschaftlichkeit
Open-Source-KI ist inzwischen eine Mainstream-Unternehmensstrategie und kein Randexperiment mehr. McKinsey befragte gemeinsam mit der Mozilla Foundation und der Patrick J. McGovern Foundation mehr als 700 Technologieverantwortliche in 41 Ländern für seinen Bericht Open Source Technology in the Age of AI. Mehr als die Hälfte der Organisationen nutzt bereits Open-Source-KI, in der Technologiebranche steigt dieser Anteil auf 72%, und 76% erwarten eine Zunahme der Nutzung. Die Enterprise-AI-Umfrage von a16z zeigt den Zug hin zu Multi-Modell-Stacks, und Marktforscher beziffern die Chance auf zweistellige Milliardenbeträge.
| Metrik | Wert | Quelle |
|---|---|---|
| Organisationen, die Open-Source-KI nutzen | 50%+ (72% in tech sector) | McKinsey, 2025 |
| Verantwortliche, die eine Zunahme der Open-Source-KI-Nutzung erwarten | 76% | McKinsey, 2025 |
| Berichten niedrigere Implementierungskosten vs. proprietär | 60% (26% average cost improvement) | McKinsey, 2025 |
| Unternehmensadoption von Open-Source-KI und -Machine-Learning | 40% (+5 pts vs 2024) | Linux Foundation, 2025 |
| Unternehmen mit 5 oder mehr Modellen in Produktion | 37% (up from 29%) | a16z, Enterprise AI 2025 |
| Markt für Open-Source-KI-Modelle, 2025 bis 2026 | 19.05B to 23.08B dollars (21.1% CAGR) | The Business Research Company, 2026 |
| Mistral-AI-Series-C-Runde (sep. 2025) | ~14B dollars valuation (1.7B euros raised) | Mistral AI; Bloomberg, 2025 |
| Bewertung von Hugging Face | 4.5B dollars (2023 Series D); ~7B reported 2025 | TechCrunch, 2023; Sacra, 2025 |
Kontext-Hinweis: Die Marktprognose für Open-Source-KI-Modelle ist eine Anbieterschätzung; behandeln Sie sie als jüngste verfügbare Angabe (The Business Research Company, 2026). Für die nachgelagerte Kostenrechnung siehe unsere Schwesteranalyse zu Statistiken zu KI-Inferenzkosten und, für Entwickler-Tools, Statistiken zu KI-Coding-Tools.
6. Governance, Lizenzierung und Sicherheit
Offene Gewichte sind nicht dasselbe wie Open Source, und die Definitionen sind für die Compliance relevant. Die Open Source Initiative veröffentlichte im Oktober 2024 ihre Open Source AI Definition, und nur wenige bekannte Modelle erfüllen sie vollständig. Nur 15 von 95 bedeutenden 2025 veröffentlichten Modellen kamen mit offenem Trainingscode (Stanford HAI, AI Index 2026), obwohl Regierungen zunehmend offene Gewichte fördern. Sicherheit ist der andere Punkt, den es zu beobachten gilt: JFrog und Forscher dokumentierten bösartige Modelle, die Code-Ausführung auf öffentlichen Hubs ermöglichen.
| Metrik | Wert | Quelle |
|---|---|---|
| Von der OSI validierte Open-Source-KI-Modelle | Pythia, OLMo, Amber, CrystalCoder, T5 | OSI / TechCrunch, 2024 |
| Bedeutende 2025er-Modelle ohne offenen Trainingscode | 80 of 95 | Stanford HAI, AI Index 2026 |
| Industrieanteil an den bedeutenden Modellen, 2025 | 91.6% | Stanford HAI, AI Index 2026 |
| Auf Hugging Face gefundene bösartige Modelle | ~100 (~95% one serialization format) | Dark Reading / JFrog, 2024-2025 |
| Von JFrog als Zero-Day-Bedrohung eingestufte Modelle | 25 | JFrog, 2025 |
| KI und Machine Learning als größte Nutznießer von Open Source gesehen | 38% | Linux Foundation, 2025 |
| Haltung des US-AI-Action-Plans zu offenen Gewichten | Pro-open-weight (Jul 23, 2025) | White House, 2025 |
| Regeln des EU AI Act für Allzweck-KI in Kraft | Aug 2, 2025 | European Commission, 2025 |
Kontext-Hinweis: Dieselbe Zugänglichkeit offener Gewichte, die Startups hilft, senkt auch die Hürde für den Missbrauch synthetischer Medien – ein Risiko, das wir in unseren Deepfake-Statistiken beziffern.
Zusammenfassung: Open-Source-KI in Zahlen
| Metrik | Wert | Quelle |
|---|---|---|
| Anteil offener Gewichte an der Nutzung großer Sprachmodelle, Ende 2025 | ~33% | OpenRouter, State of AI 2025 |
| Öffentliche Modelle auf Hugging Face | 2,000,000+ | Hugging Face, Spring 2026 |
| Anteil der Downloads der 200 wichtigsten Modelle | 49.6% | Hugging Face, Spring 2026 |
| Unternehmen mit 5 oder mehr Modellen in Produktion | 37% | a16z, Enterprise AI 2025 |
| Kumulierte Qwen-Downloads auf Hugging Face | 700,000,000+ | Xinhua / South China Morning Post, 2026 |
| Meta-Llama-Downloads (apr. 2025) | 1,200,000,000 | Meta; TechCrunch, 2025 |
| DeepSeek-R1 vs. o3-mini, MATH Level 5 | Lags by 2 points | Epoch AI, 2025 |
| DeepSeek-App-Downloads in den ersten 19 Tagen | 23,000,000 | Sensor Tower, 2025 |
| KI und Machine Learning als größte Nutznießer von Open Source gesehen | 38% | Linux Foundation, 2025 |
| Rückstand offener Gewichte gegenüber geschlossenen Spitzenmodellen | ~4 months / 8 ECI points | Epoch AI, 2026 |
| Vorsprung des besten geschlossenen Modells vor dem besten offenen Modell (mär. 2026) | 3.3% | Stanford HAI, AI Index 2026 |
| Organisationen, die Open-Source-KI nutzen | 50%+ | McKinsey, 2025 |
| Verantwortliche, die eine Zunahme der Open-Source-KI-Nutzung erwarten | 76% | McKinsey, 2025 |
| Niedrigere Implementierungskosten vs. proprietär | 60% (26% avg improvement) | McKinsey, 2025 |
| Unternehmensadoption von Open-Source-KI/-ML | 40% | Linux Foundation, 2025 |
| Markt für Open-Source-KI-Modelle (2026) | 23.08B dollars | The Business Research Company, 2026 |
| Bewertung von Mistral AI (sep. 2025) | ~14B dollars | Mistral AI; Bloomberg, 2025 |
| Bedeutende 2025er-Modelle ohne offenen Trainingscode | 80 of 95 | Stanford HAI, AI Index 2026 |
| Auf Hugging Face gefundene bösartige Modelle | ~100 | Dark Reading / JFrog, 2024-2025 |
| Öffentliche GitHub-Repos mit einem LLM-SDK | 1,100,000+ | GitHub, Octoverse 2025 |
Methodik und Quellen
Die Daten wurden erhoben, indem jede Zahl bis zu ihrem primären Herausgeber zurückverfolgt wurde, wobei Originalberichte, Umfragen und Offenlegungen aus 2025 und 2026 gegenüber sekundärer Aggregation bevorzugt wurden, und Anbieter-Marktschätzungen sowie ältere Zahlen entsprechend gekennzeichnet wurden.
Zitierte Quellen:
- Hugging Face, State of Open Source, Spring 2026
- OpenRouter und Andreessen Horowitz (a16z), State of AI: An Empirical 100 Trillion Token Study, 2025
- Andreessen Horowitz (a16z), How 100 Enterprise CIOs Are Building and Buying Gen AI, 2025
- Epoch AI, Open-Weight Models data insights, 2025-2026
- Stanford HAI, AI Index Report 2026 und AI Index Report 2025
- McKinsey, gemeinsam mit der Mozilla Foundation und der Patrick J. McGovern Foundation, Open Source Technology in the Age of AI, 2025
- GitHub, Octoverse 2025
- Xinhua und South China Morning Post, Qwen downloads reporting, 2026
- Sensor Tower und TechCrunch, DeepSeek app data, 2025
- Meta, Celebrating 1 Billion Downloads of Llama, 2025, und TechCrunch, LlamaCon 1.2 billion figure, 2025
- Linux Foundation, The State of Global Open Source 2025
- Open Source Initiative, Open Source AI Definition 1.0, 2024
- JFrog und Dark Reading, malicious model research, 2024-2025
- The White House, Winning the Race: America’s AI Action Plan, 2025
- European Commission, EU AI Act general-purpose AI guidelines, 2025
- The Business Research Company / Research and Markets, Open-Source AI Model Market Report 2026
- Mistral AI und Bloomberg, Series C funding reporting, 2025; Sacra, Hugging Face valuation estimate, 2025; TechCrunch, Hugging Face Series D, 2023
Data watch: Mehrere der zitierten Quellen erscheinen in einem festen Rhythmus. Der GitHub Octoverse und der AI Index von Stanford HAI erscheinen jährlich, die nächsten Ausgaben werden für Ende 2026 beziehungsweise Anfang 2027 erwartet; die State-of-AI- und Open-Source-Studien von McKinsey sowie die State-of-Global-Open-Source-Umfrage der Linux Foundation laufen jährlich; der State-of-Open-Source-Bericht von Hugging Face erscheint etwa halbjährlich, eine Herbst-2026-Ausgabe ist wahrscheinlich; und Epoch AI aktualisiert sein Tracking von offen versus geschlossen fortlaufend.
Zuletzt aktualisiert: 10. Juli 2026.
Wir überprüfen und aktualisieren diese Seite vierteljährlich, sobald neue Daten veröffentlicht werden.