Open-Weight-Modelle, die du selbst hosten kannst: mit Lizenz, Größe, Kontextlänge und dem Speicherbedarf der Gewichte. Die Fakten stammen direkt aus Hugging Face und werden alle zwei Wochen neu geprüft.
Zuletzt aktualisiert: · Nächste Aktualisierung: · Quelle: Hugging Face API
| Modell | Parameter | Typ | Kontext | Lizenz | HLE | Auf HF seit |
|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash DeepSeek | 763.2B | Mixture of Experts | 1M | MIT | – | Sep. 2026 |
| GLM-5.3 Z.ai (Zhipu) | 753.3B | Mixture of Experts | 1M | Eigene Lizenz (GLM-5.3) | 39.1 % | Aug. 2026 |
| GLM-5.3 Flash Z.ai (Zhipu) | 321.3B | Mixture of Experts | 1M | MIT | – | Aug. 2026 |
| DeepSeek V4 Pro DeepSeek | 1.7T | Mixture of Experts | 1M | MIT | 32.4 % | Aug. 2026 |
| Qwen3.8 2.4T-A95B Alibaba (Qwen) | 2.4Tdavon aktiv 95B | Mixture of Experts | 256K | Eigene Lizenz (Qwen3.8-Max) | – | Aug. 2026 |
| Qwen3.8 27B Alibaba (Qwen) | 27.8B | Dicht | 256K | Apache 2.0 | – | Aug. 2026 |
| Kimi K3 Moonshot AI | 2.8T | Mixture of Experts | 1M | Eigene Lizenz (Kimi K3) | 41.1 % | Juni 2026 |
| Gemma 4 12B Google | 12B | Dicht | 256K | Apache 2.0 | – | Mai 2026 |
| Qwen3.6 35B-A3B Alibaba (Qwen) | 36Bdavon aktiv 3B | Mixture of Experts | 256K | Apache 2.0 | – | Apr. 2026 |
| Mistral Medium 3.5 Mistral AI | 127.7B | Dicht | 256K | Eigene Lizenz (siehe Modellkarte) | – | März 2026 |
| Gemma 4 31B Google | 31.3B | Dicht | 256K | Apache 2.0 | – | März 2026 |
| Gemma 4 26B-A4B Google | 25.8Bdavon aktiv 4B | Mixture of Experts | 256K | Apache 2.0 | – | März 2026 |
| Gemma 4 E4B Google | 8B | Dicht | 128K | Apache 2.0 | – | März 2026 |
| Mistral Small 4 Mistral AI | 119.4B | Mixture of Experts | 1M | Apache 2.0 | – | Jän. 2026 |
| Mistral Large 3 Mistral AI | 675B | Mixture of Experts | – | Apache 2.0 | – | Nov. 2025 |
| gpt-oss-120b OpenAI | 116.8B | Mixture of Experts | 128K | Apache 2.0 | – | Aug. 2025 |
| gpt-oss-20b OpenAI | 20.9B | Mixture of Experts | 128K | Apache 2.0 | – | Aug. 2025 |
| Llama 4 Scout Meta | 108.6Bdavon aktiv 17B | Mixture of Experts | 10M | Llama 4 Community License | – | Apr. 2025 |
| Llama 4 Maverick Meta | 401.6Bdavon aktiv 17B | Mixture of Experts | – | Llama 4 Community License | – | Apr. 2025 |
HLE-Werte stammen aus dem Statistik.
Die Tabelle zeigt, wie viel Speicher allein die Gewichte benötigen (Parameter × Bytes je Parameter). Dazu kommen Kontext-Cache (KV-Cache) und Laufzeit, rechne mit mindestens 20 % Reserve.
| Modell | 16-bit (BF16) | 8-bit | 4-bit |
|---|---|---|---|
| Gemma 4 E4B | 16 GB | 8 GB | 4 GB |
| Gemma 4 12B | 24 GB | 12 GB | 6 GB |
| gpt-oss-20b | 41.8 GB | 20.9 GB | 10.4 GB |
| Gemma 4 26B-A4B | 51.6 GB | 25.8 GB | 12.9 GB |
| Qwen3.8 27B | 55.6 GB | 27.8 GB | 13.9 GB |
| Gemma 4 31B | 62.6 GB | 31.3 GB | 15.7 GB |
| Qwen3.6 35B-A3B | 72 GB | 36 GB | 18 GB |
| Llama 4 Scout | 217 GB | 109 GB | 54.3 GB |
| gpt-oss-120b | 234 GB | 117 GB | 58.4 GB |
| Mistral Small 4 | 239 GB | 119 GB | 59.7 GB |
| Mistral Medium 3.5 | 255 GB | 128 GB | 63.9 GB |
| GLM-5.3 Flash | 643 GB | 321 GB | 161 GB |
| Llama 4 Maverick | 803 GB | 402 GB | 201 GB |
| Mistral Large 3 | 1.4 TB | 675 GB | 338 GB |
| GLM-5.3 | 1.5 TB | 753 GB | 377 GB |
| DeepSeek V4.1 Flash | 1.5 TB | 763 GB | 382 GB |
| DeepSeek V4 Pro | 3.3 TB | 1.7 TB | 825 GB |
| Qwen3.8 2.4T-A95B | 4.9 TB | 2.4 TB | 1.2 TB |
| Kimi K3 | 5.6 TB | 2.8 TB | 1.4 TB |
Apache 2.0 und MIT erlauben die kommerzielle Nutzung ohne Rückfrage. Bei eigenen Lizenzen (Qwen3.8-Max, GLM-5.3, Kimi K3, Mistral Medium, Llama 4) gelten Sonderbedingungen, die vor dem Produkteinsatz gelesen werden sollten.
DeepSeek · MIT · 763.2B · 1M
Aktuelles Flash-Modell von DeepSeek mit Mixture-of-Experts-Architektur und 1 Mio. Token Kontext. Die API unterstützt Tool-Aufrufe, JSON-Ausgabe, Bildeingabe und einen Denkmodus.
Modellkarte auf Hugging Face · Downloads: 1 355 278
Z.ai (Zhipu) · Eigene Lizenz (GLM-5.3) · 753.3B · 1M
Flaggschiff von Z.ai mit offenen Gewichten (rund 753 Mrd. Parameter, 1 Mio. Token Kontext). Lizenz: GLM-5.3-Lizenz, nicht MIT.
Modellkarte auf Hugging Face · Downloads: 1 670 161
Z.ai (Zhipu) · MIT · 321.3B · 1M
Kleinere Variante von GLM-5.3 unter MIT-Lizenz (rund 321 Mrd. Parameter, 1 Mio. Token Kontext).
Modellkarte auf Hugging Face · Downloads: 6 479 110
DeepSeek · MIT · 1.7T · 1M
Großes Pro-Modell der V4-Familie (Version 0813) mit 1 Mio. Token Kontext. Die API-Dokumentation nennt Tool-Aufrufe und JSON-Ausgabe, aber keine Bildeingabe.
Modellkarte auf Hugging Face · Downloads: 87 569
Alibaba (Qwen) · Eigene Lizenz (Qwen3.8-Max) · 2.4T · 256K
Mit rund 2,4 Billionen Parametern (laut Namen etwa 95 Mrd. aktiv) das größte Qwen-Modell mit offenen Gewichten. Die Lizenz ist keine Standardlizenz: Vor kommerzieller Nutzung die Lizenztexte lesen.
Modellkarte auf Hugging Face · Downloads: 32 082
Alibaba (Qwen) · Apache 2.0 · 27.8B · 256K
Dichtes Modell mit knapp 28 Mrd. Parametern und 262K Token Kontext unter Apache 2.0. Passt in Q4-Quantisierung auf eine einzelne Grafikkarte mit 24 GB (reiner Gewichtsbedarf ca. 14 GB).
Modellkarte auf Hugging Face · Downloads: 6 768 654
Moonshot AI · Eigene Lizenz (Kimi K3) · 2.8T · 1M
Open-Weight-Modell von Moonshot AI mit rund 2,8 Billionen Parametern und 1 Mio. Token Kontext. Der Betrieb ist nur im Rechenzentrum realistisch; Lizenz vor kommerzieller Nutzung prüfen.
Modellkarte auf Hugging Face · Downloads: 1 160 630
Google · Apache 2.0 · 12B · 256K
Mittlere Gemma-4-Größe für Notebooks und kleine Server (262K Token Kontext). Reiner Gewichtsbedarf in 4-bit etwa 6 GB.
Modellkarte auf Hugging Face · Downloads: 1 603 246
Alibaba (Qwen) · Apache 2.0 · 36B · 256K
Mixture-of-Experts-Modell mit rund 36 Mrd. Parametern, von denen laut Namen etwa 3 Mrd. aktiv sind. Das macht die Inferenz schnell, der Speicherbedarf richtet sich aber nach allen Gewichten.
Modellkarte auf Hugging Face · Downloads: 3 545 718
Mistral AI · Eigene Lizenz (siehe Modellkarte) · 127.7B · 256K
Dichtes Modell mit rund 128 Mrd. Parametern und 262K Token Kontext. Die Gewichte sind offen, die Lizenz ist aber keine Standardlizenz wie Apache 2.0.
Modellkarte auf Hugging Face · Downloads: 72 473
Google · Apache 2.0 · 31.3B · 256K
Größtes dichtes Modell der Gemma-4-Familie mit 262K Token Kontext. Google hat die frühere Sonderlizenz durch Apache 2.0 ersetzt; das Modell verarbeitet Bilder und Video.
Modellkarte auf Hugging Face · Downloads: 9 619 659
Google · Apache 2.0 · 25.8B · 256K
Mixture-of-Experts-Variante von Gemma 4 mit rund 26 Mrd. Parametern, davon laut Namen etwa 4 Mrd. aktiv, 262K Token Kontext.
Modellkarte auf Hugging Face · Downloads: 11 854 067
Google · Apache 2.0 · 8B · 128K
Kleines Gemma-4-Modell (4,5 Mrd. effektive Parameter) für Smartphones und Edge-Geräte; verarbeitet neben Bild und Video auch Audio.
Modellkarte auf Hugging Face · Downloads: 4 305 979
Mistral AI · Apache 2.0 · 119.4B · 1M
Mixture-of-Experts-Modell mit rund 119 Mrd. Parametern und 1 Mio. Token Kontext unter Apache 2.0. Trotz des Namens "Small" braucht es für die Gewichte mehrere Grafikkarten.
Modellkarte auf Hugging Face · Downloads: 79 509
Mistral AI · Apache 2.0 · 675B · –
Mit 675 Mrd. Parametern das große Open-Weight-Modell von Mistral (November 2025) unter Apache 2.0.
Modellkarte auf Hugging Face · Downloads: 2 037
OpenAI · Apache 2.0 · 116.8B · 128K
Offenes Modell von OpenAI (August 2025) mit rund 117 Mrd. Parametern und 131K Token Kontext unter Apache 2.0. Seit der Veröffentlichung nicht aktualisiert, daher älter als die übrigen Modelle.
Modellkarte auf Hugging Face · Downloads: 3 845 925
OpenAI · Apache 2.0 · 20.9B · 128K
Kleines Schwestermodell mit rund 21 Mrd. Parametern und 131K Token Kontext unter Apache 2.0 (August 2025).
Modellkarte auf Hugging Face · Downloads: 5 950 578
Meta · Llama 4 Community License · 108.6B · 10M
Kleineres Llama-4-Modell mit rund 109 Mrd. Parametern, davon 17 Mrd. aktiv (April 2025). Meta nannte bis zu 10 Mio. Token Kontext. Zugriff nur nach Freigabe.
Gated: Zugriff nach Freigabe durch Meta.
Modellkarte auf Hugging Face · Downloads: 163 461
Meta · Llama 4 Community License · 401.6B · –
Mixture-of-Experts-Modell mit rund 400 Mrd. Parametern, davon 17 Mrd. aktiv (April 2025). Auf Hugging Face gibt es von Meta keine neuere Llama-Veröffentlichung (Stand 10.10.2026). Zugriff nur nach Freigabe.
Gated: Zugriff nach Freigabe durch Meta.
Modellkarte auf Hugging Face · Downloads: 9 467
In 4-bit-Quantisierung brauchen die Gewichte etwa ein halbes Byte pro Parameter. Mit ca. 19 GB für die Gewichte (rund 80 % der 24 GB, der Rest ist für den Kontext-Cache) passen: Qwen3.6 35B-A3B (36B), Gemma 4 31B (31.3B), Qwen3.8 27B (27.8B), Gemma 4 26B-A4B (25.8B), gpt-oss-20b (20.9B), Gemma 4 12B (12B), Gemma 4 E4B (8B). Größere Modelle brauchen mehrere Karten oder Offloading.
Die trainierten Gewichte stehen zum Download bereit und lassen sich selbst betreiben. Das ist nicht automatisch Open Source: Trainingsdaten und Trainingscode sind oft nicht offen, und die Lizenz entscheidet über die kommerzielle Nutzung.
Modelle unter Apache 2.0 oder MIT erlauben die kommerzielle Nutzung ohne Rückfrage: DeepSeek V4.1 Flash, DeepSeek V4 Pro, Qwen3.8 27B, Qwen3.6 35B-A3B, Gemma 4 31B, Gemma 4 26B-A4B, Gemma 4 12B, Gemma 4 E4B, Mistral Small 4, Mistral Large 3, GLM-5.3 Flash, gpt-oss-120b, gpt-oss-20b. Modelle mit eigener Lizenz solltest du vor dem Einsatz im Produkt in der Lizenz selbst prüfen.
Lizenz, Parameterzahl, Kontextlänge und Datum werden alle zwei Wochen aus Hugging Face neu gelesen. Letzte Aktualisierung: 10. Oktober 2026.