Ein am 21. August veröffentlichter Bericht von SemiAnalysis zeichnet den Punkteabstand zwischen Open-Source-Modellen und der Closed-Source-Front über die vergangenen dreieinhalb Jahre als Kurve nach. Die Regel, die daraus abgeleitet wird, ist unmissverständlich: Mit jeder Generation, die Open Source aufholt, halbiert sich die dafür benötigte Zeit.
Die Autoren unterteilen diese Geschichte zur Messung in drei Phasen. In der frühen Skalierungsphase, gemessen an GPT-3.5 Turbo, startete die Open-Source-Seite mit Llama-2-70B und brauchte bis Llama-3.1-405B im Juli 2024, um die Lücke zu schließen — eine Spanne von über einem Jahr. In der Reasoning-Phase beschleunigte sich das Tempo deutlich: Die von o1-preview gesetzte Lücke von 12,1 Punkten wurde von R1-0528 in 8,5 Monaten geschlossen. In der Agenten-Phase überholte Kimi K2.6 mit 56,3 Punkten Opus 4.5 bereits nach 4,8 Monaten; GLM-5.2 überholte mit 72,4 Punkten GPT-5.2 nach 6 Monaten.
Über ein Jahr, 8,5 Monate, dann 5 bis 6 Monate — legt man diese drei Zeitfenster nebeneinander, wird die halbierende Steigung sichtbar.
Warum das Aufholen immer schneller geht
Der Bericht führt die Beschleunigung auf mehrere gleichzeitig wirkende Faktoren zurück: Offene Gewichte machen Fähigkeiten direkt kopierbar, Distillation macht Benchmark-Ergebnisse günstig übertragbar, und selbst die Reinforcement-Learning-Umgebungen selbst werden mittlerweile offen nachgebaut. Die Autoren schreiben einen Satz, der fast wie ein Urteil klingt: Nichts bleibt für immer geheim, zumal wenn man bedenkt, was Distillation leisten kann.
Eine grobe Hochrechnung entlang dieser Kurve (eine Schätzung — der Bericht selbst extrapoliert das nicht): Sollte sich das Halbierungsmuster noch eine Generation fortsetzen, würde das nächste Aufholfenster auf zwei bis drei Monate schrumpfen — praktisch zeitgleiche Veröffentlichungen innerhalb derselben Generation. Für die Closed-Source-Seite trifft der Druck die Preisgestaltung schneller als die Ranglisten. Wie lange ein Modell einen Preisaufschlag verlangen kann, hängt davon ab, wie lange sein Vorsprung hält; schrumpft dieses Vorsprungsfenster von einem Jahr auf ein Quartal, verkürzt sich im gleichen Maß auch die Zeit, in der die Preisstrategie angepasst werden muss.
Die Frage nach der Kommodifizierung
Der Bericht weicht der Frage nicht aus, die dem Markt am meisten Sorge bereitet: Wenn Open Source für einen Bruchteil der Kosten nah genug an der Spitze bleibt, wird die Modellebene dann zur Handelsware? Die Autoren schreiben, ein solches Ergebnis wäre für die Margen der Frontier-Labore eindeutig katastrophal.
Direkt danach liefern sie die Begründung für ihre Einschätzung. Offene Modelle wie GLM 5.3 und Kimi K3 sind bereits "genuinely capable", also wirklich in der Lage, einen Großteil der Coding- und Agenten-Aufgaben zu übernehmen, die Anthropics annualisierten Umsatz über 65 Milliarden US-Dollar getrieben haben. Die Formulierung im Original ist bewusst gewählt: Open Source kann diese Art von Arbeit tatsächlich leisten, nicht nur oberflächlich ähnliche Benchmark-Werte erzielen.
Auch die Größenordnung der Nachfrage wird genannt: Laut Bericht verarbeitet allein Fireworks inzwischen mehr als 40 Billionen Token pro Tag — doppelt so viel wie das OpenAI-API-Volumen Ende März. Das Inferenzgeschäft mit gehosteten Open-Weight-Modellen wächst — das ist zugleich ein Beleg dafür, dass die Fähigkeiten von Open Source sich bestätigt haben, und einer der Kanäle, über die die Margen auf Modellebene verwässert werden.
Die Autoren treten selbst auf die Bremse
Das Fazit schlägt jedoch keinen pessimistischen Ton gegenüber den Frontier-Modellen an. Der Bericht räumt offen ein, dass Benchmarks nur einen Teil des Bildes ausmachen: Obwohl Kimi K3 höher bewertet wird, greifen die Autoren im Alltag weiterhin bevorzugt zu Fable 5. Dafür werden zwei Gründe genannt: Erstens liegt die Lücke im Produkterlebnis außerhalb der Benchmark-Werte, zweitens lassen sich Scores selbst durch gezielt darauf ausgerichtete Reinforcement-Learning-Umgebungen hochtreiben, sodass eine systematische Lücke zwischen Rangliste und tatsächlichem Nutzungsgefühl bestehen bleibt. Sie bringen den gesamten Bericht auf einen vergleichsweise moderaten Punkt: Es ist nicht so pessimistisch gegenüber Frontier-Modellen, wie man zunächst denken könnte.
Für chinesischsprachige Leser hat dieser Bericht noch eine weitere Lesart. In allen drei Kurven sind die Hauptakteure der letzten und schnellsten Aufholphase fast durchweg Open-Weight-Modelle chinesischer Teams: Kimi, GLM, dazu die namentlich genannte nächste Generation. Das Sample, mit dem ausländische Analysten belegen, dass "Open Source sich beschleunigt", entspricht im Grunde dem Veröffentlichungstakt genau dieser chinesischen Modellreihe. Aus einem anderen Blickwinkel betrachtet zeigen dieselben Daten auch, dass chinesische Anbieter offene Gewichte längst zu ihrem Hauptschlachtfeld gemacht haben und sie nicht mehr nur als Ergänzung zu Closed Source behandeln.
Was der Closed-Source-Seite bleibt, sieht der Bericht in Produktisierung, Distribution und Enterprise-Delivery. Das taucht in keiner Benchmark-Tabelle auf, entscheidet aber darüber, wem Zahlen wie 65 Milliarden US-Dollar am Ende zufallen.
Quellen: SemiAnalysis, Bericht "Are Open Models Catching Up?"; zusammengestellt von der Redaktion von CocoLoop; die Angaben zu den Aufholmonaten je Ära, die Bewertungsgrundlage von Kimi K2.6 und GLM-5.2 sowie das tägliche Token-Volumen von Fireworks wurden mit dem Originalbericht abgeglichen.