Sprachmodell wählen: Lizenz, Kontext, Datenschutz, Robotik

Warum Modelllisten schnell veralten

Wer im Frühjahr 2024 Sprachmodelle verglich, stellte GPT-4, Claude 3, Gemini 1.5 und Llama 2 nebeneinander. Llama 3 erschien am 18. April 2024, Llama 4 am 5. April 2025. Auch scheinbar harte Vergleichsgrößen fehlen oft: OpenAI schreibt im technischen Bericht zu GPT-4, der Bericht enthalte „keine weiteren Details zur Architektur (einschließlich Modellgröße), Hardware, Trainingsrechenleistung“ (Übersetzung). Parametertabellen für geschlossene Modelle beruhen deshalb auf Schätzungen Dritter. Haltbarer als Ranglisten sind die Kriterien, nach denen man auswählt.

Offene Gewichte sind nicht gleich offene Lizenz

Bei Modellen wie Llama, Mistral oder Command R+ lassen sich die Gewichte herunterladen und auf eigener Hardware betreiben. Die Nutzungsbedingungen unterscheiden sich aber deutlich.

Mistral AI veröffentlichte Mistral Small 3 mit 24 Milliarden Parametern am 30. Januar 2025 unter der Apache-2.0-Lizenz, die kommerzielle Nutzung erlaubt. OpenAI stellte im August 2025 mit gpt-oss-120b ebenfalls ein Modell mit offenen Gewichten unter Apache 2.0 bereit. Cohere dagegen hat die Gewichte von Command R+ (104 Milliarden Parameter) unter CC-BY-NC gestellt, also nur für nichtkommerzielle Nutzung, ergänzt um eine eigene Nutzungsrichtlinie.

Meta verwendet eine eigene Community-Lizenz. Wer am Veröffentlichungstag von Llama 4 Produkte mit mehr als 700 Millionen monatlich aktiven Nutzern betreibt, muss bei Meta eine gesonderte Lizenz beantragen. Für Unternehmen in Europa wichtiger ist ein Satz in der Nutzungsrichtlinie: Die Rechte an den multimodalen Llama-4-Modellen werden Personen mit Wohnsitz und Unternehmen mit Hauptsitz in der EU nicht eingeräumt. Endnutzer von Produkten, die solche Modelle enthalten, sind davon ausgenommen.

Kontextlänge: wie viel Text auf einmal passt

Die Kontextlänge gibt an, wie viele Tokens ein Modell in einer Anfrage verarbeitet. Llama 3 wurde laut Meta auf Sequenzen von 8.192 Tokens trainiert. Anthropic startete Claude 3 im März 2024 mit 200.000 Tokens. Google bot Gemini 1.5 Pro im Februar 2024 standardmäßig mit 128.000 Tokens an, eine Million Tokens zunächst nur in einer begrenzten Vorschau für Entwickler und Unternehmenskunden. Für Llama 4 Scout nennt Meta zehn Millionen Tokens, für Llama 4 Maverick eine Million.

Das sind Herstellerangaben. Ob ein Modell Informationen am Anfang eines sehr langen Dokuments noch zuverlässig berücksichtigt, lässt sich nur am eigenen Material prüfen.

Datenschutz: eigene Hardware oder europäischer Anbieter

Wer Konstruktionsdaten, Kundendaten oder Kamerabilder aus der Fertigung verarbeitet, hat zwei Wege. Der erste ist der Betrieb auf eigener Hardware. Mistral Small 3 läuft laut Hersteller quantisiert auf einer einzelnen RTX-4090-Grafikkarte oder einem MacBook mit 32 GB Arbeitsspeicher, gpt-oss-120b laut OpenAI auf einer einzelnen GPU mit 80 GB Speicher.

Der zweite Weg ist ein Anbieter mit Rechenzentren in der EU. Mistral AI gibt an, Daten standardmäßig in der Europäischen Union zu speichern, sofern Kunden nicht ausdrücklich den US-Endpunkt nutzen. Je nach Funktion könnten Daten aber vorübergehend an Unterauftragnehmer außerhalb der EU übertragen werden. Solche Einschränkungen stehen in den Vertragsunterlagen, nicht in Modellvergleichen.

Robotik: Vision-Language-Action-Modelle

Für Roboter reicht ein Modell, das Text erzeugt, nicht aus. Vision-Language-Action-Modelle (VLA) nehmen Kamerabilder und eine sprachliche Anweisung entgegen und geben Steuerbefehle für Motoren aus.

Google DeepMind stellte am 12. März 2025 Gemini Robotics vor, ein VLA-Modell auf Basis von Gemini 2.0. Am 24. Juni 2025 folgte Gemini Robotics On-Device, das ohne Netzwerkverbindung direkt auf dem Roboter läuft und sich laut Google mit 50 bis 100 Vorführungen an neue Aufgaben anpassen lässt. Mit Gemini Robotics 1.5 vom 25. September 2025 trennte Google zwei Rollen: Das VLA-Modell steht nur ausgewählten Partnern zur Verfügung, das planende Modell Gemini Robotics-ER 1.5 ist für Entwickler über die Gemini-API zugänglich.

Physical Intelligence veröffentlicht im Projekt openpi die Modelle π0, π0-FAST und π0.5, vortrainiert auf mehr als 10.000 Stunden Roboterdaten; der Code steht unter Apache 2.0. Für die Ausführung nennt das Team eine Grafikkarte mit mehr als 8 GB Speicher. Es schränkt selbst ein: π0 sei für die eigenen Roboter entwickelt worden, und man erwarte nicht, dass jede Übertragung auf andere Plattformen gelinge.

Nvidia bezeichnete Isaac GR00T N1 am 18. März 2025 als offenes, anpassbares Basismodell für humanoide Roboter. Die Modellkarte des Nachfolgers GR00T N1.5 mit drei Milliarden Parametern vermerkt jedoch, das Modell sei „bereit für nichtkommerzielle Nutzung“ (Übersetzung). Auch hier entscheidet die Lizenz darüber, ob ein Modell in ein Produkt eingebaut werden darf.

Die Auswahl in der Praxis

Am Anfang steht die Frage, ob Daten das eigene Netz verlassen dürfen. Daraus folgt, ob nur Modelle mit offenen Gewichten in Frage kommen. Danach entscheidet die Lizenz über die kommerzielle Nutzung, die Kontextlänge über die Dokumentmenge pro Anfrage, und bei Robotern die Frage, ob ein VLA-Modell für die eigene Hardware überhaupt zugänglich ist. Keine dieser Angaben ersetzt Tests mit dem eigenen Material.