Andere KI-Tools: Bewertungen & Vergleiche

Am 16. Juli 2026 hat Moonshot AI Kimi K3 veröffentlicht, ein Modell mit 2,8 Billionen Gesamtparametern. US-Halbleiteraktien wurden abverkauft, und die Geschichte eskalierte bis zu einem Vertreter des Weißen Hauses, der dem Unternehmen namentlich vorwarf, Anthropics Modelle destilliert zu haben. Weil die Zahlen und sogar die Bezeichnungen je nach Quelle auseinandergehen, gleicht dieser Artikel die Benchmark-Herausgeber, die Wirtschaftspresse, Moonshots eigene Ankündigungen und die tatsächliche Seite auf Hugging Face ab und nennt jeweils, wer die einzelne Zahl erhoben hat. Bei der Leistung stehen 57 Punkte und Platz 3 im Artificial Analysis Intelligence Index (Stand 17. Juli 2026, wobei es auch Zählungen gibt, die dieselben 57 Punkte auf Platz 4 und Platz 7 führen). Bei GDPval-AA v2, der praxisnäheren Kennzahl, liegt K3 bei 1668 gegenüber 1760 für Fable 5 und 1600 für Opus 4.8 — ein Sprung von 478 Punkten gegenüber dem Vorgänger K2.6 mit 1190, und es war dieses Verkürzen des Abstands und nicht die absolute Platzierung, das den Markt bewegte. Beim Coding holte es in der Frontend Code Arena von Arena.ai mit 1679 den ersten Platz (Fable 5 bei 1631), bei FrontierSWE verliert es dagegen mit 81,2 % gegen 86,6 % von Fable 5. Der Preis kippt mit dem Vergleich: $3 Eingabe und $15 Ausgabe sind rund 40 % günstiger bei der Eingabe und 40 bis 50 % günstiger bei der Ausgabe als Claude Opus 4.8 ($5/$25) oder GPT-5.6 Sol ($5/$30), und die gemessenen Kosten von $0.94 je Aufgabe liegen unter den $1.80 von Opus 4.8. Gegenüber chinesischen Konkurrenten ist es mit etwa dem Dreifachen von GLM-5.2 und dem 23-Fachen von DeepSeek V4 Pro jedoch das teuerste der Gruppe, der Abschlag um eine Größenordnung wie beim DeepSeek-Schock ist das also nicht. Bei den Gewichten spalten sich die Medien zwischen „Open Source“ (VentureBeat, SCMP) und dem „open weight“ von Reuters, und Letzteres ist der zutreffende Begriff. Die Gewichte sind wie angekündigt am 27. Juli 2026 erschienen und lassen sich ohne Freigabeantrag von Hugging Face herunterladen (96 safetensors-Shards). Die zusammen mit ihnen veröffentlichte Lizenz ist Moonshots eigene „Kimi K3 License“: eine MIT-ähnliche Erlaubnis plus zwei Bedingungen — eine gesonderte Vereinbarung für jedes Model-as-a-Service-Geschäft mit mehr als 20 Millionen US-Dollar Umsatz und ein gut sichtbarer Hinweis auf „Kimi K3“ in der Oberfläche von Produkten mit mehr als 100 Millionen monatlich aktiven Nutzern. Weil sich die Erlaubnis mit der Größe des Nutzers ändert, ist es nach der OSI-Definition kein Open Source; der Streit um die Bezeichnung ist damit durch den Lizenztext entschieden. An den Märkten fiel der Nasdaq am Freitag um 1,5 %, Taiwan um mehr als 6 %, Japan um 4 %, und der Halbleiter-ETF (SMH) rutschte über 20 % unter sein Hoch von Ende Juni; der Wochenrückgang des SOX wird je nach Medium aber zwischen -9 % und -12,5 % angegeben, und die Verluste wurden später von Schnäppchenjägern eingedämmt. Den Destillationsvorwurf weisen Forschende wegen der Zeitschiene zurück — 15 Tage zwischen Fables Veröffentlichung am 1. Juli und dem Start von K3 am 15. Juli —, und Belege wurden nicht öffentlich gemacht. Tempo (Messungen zwischen 33 und 62 Token pro Sekunde, dazu ein Warnhinweis von OpenRouter auf häufige 429er durch knappe Kapazität), die von 39 % auf 51 % gestiegene Halluzinationsrate und der klare Abstand im Nutzungserlebnis, den Moonshot selbst einräumt, werden durchgehend mit ausdrücklichen Konfidenzangaben behandelt.

Anthropic hat Claude Opus 5 am 24. Juli 2026 veröffentlicht und beschreibt das Modell in der eigenen Dokumentation als Sprung statt schrittweise Verbesserung gegenüber Opus 4.8 — und trotzdem bewegt sich der Preis nicht: $5 Input / $25 Output pro Million Tokens, exakt die Hälfte des Flaggschiffs Fable 5 ($10 / $50). Dieser Artikel gleicht die offizielle Ankündigung und die Dokumentation mit mehreren Berichten ab und ordnet die Eckdaten ein (claude-opus-5, 1M Kontext als Standard und Maximum zugleich, 128K maximaler Output, Wissensstand Mai 2026), die Preise inklusive Cache-Raten und Fast Mode (rund 2,5-fache Geschwindigkeit zum doppelten Preis, nur über die Claude API), die Benchmarks (Anthropic schreibt selbst, dass Frontier-Bench mehr als das Doppelte von Opus 4.8 erreicht, CursorBench 3.2 innerhalb von 0,5 % von Fable 5 landet, ARC-AGI 3 das Dreifache des Zweitplatzierten erzielt und OSWorld 2.0 Fable 5 zu rund einem Drittel der Kosten schlägt; aus Diagrammen abgelesene Pressewerte nennen Frontier-Bench 43,3 %, ARC-AGI-3 30,2 %, GDPval-AA 1.861 und OSWorld 70,6 %) sowie die Stellen, an denen Opus 5 weiterhin unterliegt (68,8 % gegenüber 72,7 % von GPT-5.6 Sol in DeepSWE v1.1, offensive Sicherheit und langfristige Biologieforschung, wo Mythos 5 führt, und Konstellationen, in denen Effort max schlechter abschneidet als niedrigere Stufen). Danach folgen die beiden Breaking Changes der API (Thinking ist standardmäßig aktiv, weshalb knapp bemessene max_tokens-Budgets zu abgeschnittenen Antworten führen; Thinking lässt sich nur bei Effort high oder darunter abschalten, xhigh oder max liefert einen 400-Fehler), die Wahl unter den fünf Effort-Stufen, neue Funktionen wie Tool-Änderungen mitten im Gespräch, eine auf 512 Tokens halbierte Cache-Mindestlänge und der Fallback-Modus default, das veränderte Verhalten mit längeren Antworten, mehr Kommentierung, bereitwilligerer Delegation und unaufgeforderter Selbstprüfung — mit der Migrationsregel, dass man Prompt-Text entfernt statt ergänzt — und schließlich, wer jetzt migrieren sollte, samt einer Checkliste in sechs Schritten.

Am 8. Juli 2026 hat OpenAI mit GPT-Live die Sprachfunktion von ChatGPT von Grund auf erneuert: ein Vollduplex-Modell, das hört und spricht zugleich – es gibt Hörsignale, fängt Unterbrechungen auf und schneidet nachdenkliches Schweigen nicht ab. Mit einer Latenz von <250ms erreicht es ein menschennahes Gesprächstempo; tiefes Schlussfolgern und Web-Suche werden im Hintergrund an GPT-5.5 delegiert. Free nutzt GPT-Live-1 mini, Go/Plus/Pro GPT-Live-1. Dieser Beitrag erklärt Funktionsweise, Unterschiede zum Advanced Voice Mode, Tarife, aktuelle Einschränkungen und die Abgrenzung zu GPT-Realtime.

Genau die Leute, die das Zeichnen aufgegeben haben, weil sie „nicht zeichnen können“, finden im KI-Zeichnen einen Spielplatz. Bring das Bild in deinem Kopf in Worte, und es wird zu Kunst; ein Handyfoto oder das Gekritzel eines Kindes verwandelt sich in Sekunden in ein Kunstwerk. Das ist kein Tool-Vergleich und kein ernsthafter Kurs — es ist ein Ideen-Spielbuch für Spaß allein oder mit der Familie. Von kostenlosen Tools für den Anfang (ChatGPT, Google Gemini, Microsoft Copilot, Canva) über 10 Ideen (① Gekritzel in Kunst ② Foto in neuem Stil ③ eigene Figur durch Szenen ④ Kinderzeichnung als Bilderbuchseite ⑤ eigene Emojis ⑥ Vierbild-Comics ⑦ Was-wäre-wenn-Mashups ⑧ eigene Ausmalseiten ⑨ Zimmer-Makeover ⑩ Zeichen-Duelle) bis zu kleinen Tricks für bessere Bilder und drei Dingen, die du vor dem Spielen wissen solltest (keine fremden Gesichter nutzen, Rechte und kommerzielle Nutzung prüfen, es als KI-gemacht kennzeichnen).

Ollama ist das erste Tool, das du für lokale LLMs installieren solltest – es nimmt dir die mühsame Einrichtung fast vollständig ab, sodass du ein Modell mit einem einzigen Befehl herunterladen und sofort loschatten kannst. Dieser Einsteiger-Leitfaden führt von A bis Z durch Installation (Win/Mac/Linux), die wichtigsten Befehle, das Beschaffen und Auswählen von Modellen nach VRAM-Größe, GUIs wie Open WebUI, die lokale und OpenAI-kompatible API zum Einbinden in eigene Apps, Anpassung über Modelfile und Umgebungsvariablen sowie Fehlerbehebung – damit du Ollama als „Docker für LLMs“ schnell zum Laufen bringst.

Welches lokale LLM solltest du installieren? Dieser Leitfaden für 2026 ordnet die wichtigsten Modellfamilien – Qwen, Llama, Gemma, DeepSeek, Mistral, Phi und mehr – nach Entwickler, Herkunftsland, Einsatzzweck, Größe und Lizenz, damit du das passende „erste Modell“ für deinen PC findest. Mit einem eigenen Abschnitt zu deutschen und europäischen Modellen wie Teuken-7B (OpenGPT-X/Fraunhofer), Aleph Alpha, den Llama-Feintunings LeoLM und DiscoLM sowie Mistral aus Frankreich – plus klaren Empfehlungen nach VRAM-Größe, praktischen Tipps zur kommerziellen Lizenzierung und dem Hinweis, dass lokal betriebene Modelle deine Eingaben nie nach außen senden.

Du willst ein lokales LLM betreiben, weißt aber nicht, ob dein PC ausreicht? 90 % der nötigen Spezifikation hängt am VRAM – dem Speicher deiner GPU. Dieser Guide liefert eine VRAM-Schnelltabelle nach Modellgröße (7B bis 70B), eine einfache Formel zum Selbstrechnen, die oft übersehene Speicherfalle aus Kontextlänge und KV-Cache sowie realistische Geschwindigkeiten für gängige GPUs und Macs. Am Ende findest du empfohlene Konfigurationen in drei Budget-Stufen, damit auch Einsteiger sicher entscheiden können, welche Hardware sie wirklich kaufen sollten.

Ein lokales LLM auf dem eigenen PC oder cloudbasierte Dienste wie Claude, ChatGPT und Gemini — beide sind „LLMs“, unterscheiden sich aber klar in Leistung, Kosten, Datenschutz und Aufwand. Dieser Artikel stellt die Unterschiede in einem Vergleich nebeneinander und legt ehrlich dar, wie weit sich der oft missverstandene Leistungsabstand bis 2026 geschlossen hat. Anschließend führt er dich anhand deines Anwendungsfalls zu der Frage, wofür du dich entscheiden solltest — für die meisten Menschen ist Hybrid die Antwort. Geschrieben, sodass man ihn ohne Vorkenntnisse lesen kann.

Ein riesiges KI-Modell von Grund auf neu zu trainieren ist viel zu teuer, aber man möchte es nur für sich anpassen; LoRA (Low-Rank Adaptation) erfüllt diesen Wunsch, indem es das ursprüngliche Modell einfriert und nur ein winziges Zusatzteil (einen Adapter) trainiert, was die trainierbaren Parameter um rund 90% senkt. LoRA macht Fine-Tuning dramatisch günstiger und schneller und ist in der Bildgenerierung wie Stable Diffusion als kleine Datei, die eine Figur oder einen Stil hinzufügt, enorm beliebt. Dieser Artikel erklärt es mit einer Flicken-Analogie. LoRA ist das Aushängeschild des parametereffizienten Fine-Tunings (PEFT): die riesigen ursprünglichen Gewichte bleiben eingefroren, in jede Schicht wird eine kleine Zusatzmatrix eingefügt und nur diese trainiert (W = W0 + BA, wobei W0 eingefroren ist und BA der kleine hinzugefügte Teil). Es baut auf der Erkenntnis auf, dass die Anpassung einer KI keine großen Änderungen erfordert (ein niedriger Rang genügt). Vorteile: rund 90% weniger trainierbare Params (Berichten zufolge 10.000x weniger in GPT-3-Größenordnung), weniger GPU-Speicher (etwa 3x weniger), schnelleres und günstigeres Training, keine Inferenz-Latenz nach dem Verschmelzen des Adapters und geringeres Overfitting-Risiko. Die größte Stärke sind austauschbare Adapter: eine gemeinsame Basis behalten und je nach Anwendungsfall kleine (wenige-MB) LoRA-Dateien sofort tauschen (Support, Unternehmens-Tonfall, eine bestimmte Figur). Viele begegnen LoRA zuerst in der Bildgenerierung, wo Stable-Diffusion-LoRAs, die eine Figur, einen Stil oder ein Motiv gelernt haben, breit geteilt werden (Stil hinzufügen, Figur beibringen, leicht und teilbar). QLoRA kombiniert Quantisierung und trainiert LoRA auf einer 4-bit-Basis für ~4x weniger Speicher als Standard-LoRA, was das Fine-Tuning riesiger Modelle auf einer Consumer-GPU (manchmal CPU) mit minimalem Genauigkeitsverlust ermöglicht. Gegenüber dem vollständigen Fine-Tuning (alle Gewichte trainieren) unterscheidet sich LoRA bei den trainierten Gewichten, den Kosten, dem Ergebnis und dem besten Einsatz; für die meisten Arbeiten genügt LoRA. Die Basis behalten, klein würzen. Die Zahlen sind aus öffentlichen Materialien zitiert, als Richtwert.

Dass ein riesiges 70B-Modell auf einem einzelnen heimischen Gaming-PC statt auf einem Rack voller Rechenzentrums-GPUs läuft, ermöglicht die Quantisierung, die die numerische Präzision der Gewichte eines Modells senkt, um Größe und Speicher drastisch zu verringern. Während die Modell-Destillation Wissen in ein separates kleineres Modell verlagert, macht die Quantisierung dasselbe Modell leichter. Dieser Artikel erklärt sie mit einer Foto-Kompressions-Analogie. Die Quantisierung ersetzt als FP16/FP32-Dezimalzahlen gespeicherte Gewichte durch INT8 (8-bit) oder INT4 (4-bit) Ganzzahlen und reduziert die Bytes pro Gewicht (FP32=4, INT8=1, INT4=0,5); wie beim Komprimieren eines RAW-Fotos zu JPEG opferst du ein wenig Präzision für eine große Reduktion, und überraschend ist, wie wenig man aufgibt. Beim Speicher nutzt 4-bit etwa ein Viertel von FP16: ein 70B-Modell sinkt von ~140GB auf ~35GB, und ein 8B-Modell bei 4-bit liegt bei ~4.5-5GB und passt in eine Mittelklasse-GPU mit 8GB VRAM für lokale Nutzung (die Demokratisierung der LLMs). Bei der Genauigkeit ist INT8 nahezu verlustfrei und INT4 verschlechtert sich unter 4% bei allgemeinen Q&A-/Alltagsaufgaben, doch der Verlust ist bei Mathematik, Code-Generierung und schwierigem Schlussfolgern deutlicher (er zeigt sich als kleiner Anstieg der Perplexität), also wähle die Bit-Breite passend zur Aufgabe. Wichtigste Methoden: GPTQ (Vorreiter für genaues 4-bit), AWQ (schützt die ~1% wichtigsten Gewichte, oft 1-2% genauer und schneller), GGUF (llama.cpp/Ollama-Format, Q2_K-Q8_0, CPU+GPU-Hybrid, für lokal) und QLoRA (4-bit-Basis plus LoRA für Consumer-GPU-Fine-Tuning). Sie unterscheidet sich von Destillation (in ein separates kleines Modell verlagern) und Fine-Tuning (Aufgabenwissen hinzufügen), und die drei werden meist kombiniert (ein destilliertes Modell quantisieren; eine quantisierte Basis fine-tunen). Zum Start ein GGUF-Modell mit Ollama in einem Befehl ausführen, Q4/Q8 nach VRAM wählen und INT4 für Code oder exakte Mathematik vermeiden. Die meisten großen Modelle werden bereits quantisiert ausgeliefert, du lädst sie also einfach herunter und nutzt sie. Behalte die Klugheit, lass nur das Gewicht fallen. Die Zahlen sind aus öffentlichen Materialien zitiert, als Richtwert.

Eine riesige, leistungsstarke KI ist klug, aber schwer und teuer; die Modell-Destillation (Knowledge Distillation) löst dies, indem sie das Wissen eines großen Lehrer-Modells auf ein kleines Schüler-Modell überträgt und so über 95 % der Leistung des Lehrers bei einem Zehntel der Größe und Geschwindigkeit erhält. Dieser Artikel erklärt es anhand einer Lehrer-Schüler-Analogie. Der Schlüssel sind soft labels: Gewöhnliches Training lehrt nur „die Antwort ist Katze“ (hard label), während die Destillation die vollständige Wahrscheinlichkeitsverteilung des Lehrers wie „90 % Katze, 8 % Hund, 2 % Fuchs“ übergibt, deren Grad des Zögerns reiche Informationen enthält; ein temperature-Parameter glättet die Wahrscheinlichkeiten, um feine Beziehungen sichtbar zu machen (reales Beispiel: GPT-4o mini aus GPT-4o destilliert). Vorteile: schnell und günstig, ~10x kompakter bei über 95 % erhaltener Leistung, läuft am Edge, stark bei Spezialisierung. Zwei Ansätze: White-Box (voller Zugriff auf Gewichte und interne Repräsentationen, tiefere Übertragung; für eigene oder OSS-Modelle) und Black-Box (nur Ausgaben/API-Antworten sichtbar; die API eines anderen Unternehmens als Lehrer zu nutzen, kann gegen Bedingungen verstoßen). Sie unterscheidet sich von Quantisierung (Kompression der Gewichtspräzision desselben Modells) und Fine-Tuning (Weitertraining eines bestehenden Modells für eine Aufgabe) – die Destillation überträgt Wissen in ein separates kleines Modell, und die drei sind kombinierbar. Die rechtliche/ToS-Realität war 2026 ein großes Thema: Die Technik ist legitim, aber OpenAI, Anthropic, Mistral und xAI enthalten Klauseln zur wettbewerbswidrigen Destillation, die es verbieten, Ausgaben zum Bau konkurrierender Modelle zu nutzen, sodass das Destillieren eines Konkurrenten aus einer eingeschränkten API gegen die Bedingungen verstoßen kann. Der Streit OpenAI gegen DeepSeek (OpenAI behauptete, mit DeepSeek verbundene Konten umgingen Beschränkungen, um Ausgaben für die Destillation zu erlangen, während DeepSeeks Bedingungen die Destillation seiner Ausgaben Berichten zufolge erlauben) zeigt, dass die Bewertung davon abhängt, wessen API-Bedingungen gelten, und Claude Fable 5/Mythos 5 schränken Antworten zu als Destillation markierten Arbeiten Berichten zufolge ein. Tipps: Verwenden Sie eigene oder lizenzierte OSS-Modelle als Lehrer, prüfen Sie Anti-Destillations-Klauseln vor der Nutzung einer kommerziellen API und beurteilen Sie, ob die Nutzung die „Entwicklung eines konkurrierenden Modells“ darstellt. Klugheit vom großen Modell, Betrieb vom kleinen – aber wen man als Lehrer wählt, ändert das Ergebnis technisch und rechtlich. Zahlen sind aus öffentlichen Materialien zitiert, richtungsweisend.

Wenn du die KI für dein eigenes Unternehmen anpassen willst, ist Fine-Tuning eine der Optionen — doch steigst du unbedacht ein, ist es teuer und leicht falsch zu machen. Dieser Einsteigerleitfaden erklärt Fine-Tuning: ein bereits trainiertes Basismodell zu nehmen, es mit auf den eigenen Zweck zugeschnittenen Daten weiter zu trainieren und in ein spezialisiertes Modell umzuformen, das „Verhalten“ (Hausstil, Ausgabeformat, Fachsprache) in das Modell selbst einbrennt, indem es dessen Gewichte umschreibt. Fine-Tuning ist gut darin, Verhalten zu ändern, aber schlecht darin, aktuelles Wissen zu merken — daher die Regel: „Fakten und Wissen → RAG, Persönlichkeit und Schablone → Fine-Tuning, Prompts zuerst.“ Wie Fachleute anmerken, lassen sich rund 80 % der Fälle von „wir brauchen Fine-Tuning“ durch besseres Retrieval (RAG) oder Prompting lösen, also zählt die Reihenfolge. Der Artikel behandelt, was Fine-Tuning ist (mit einer Analogie zur Einarbeitung neuer Mitarbeiter), wofür es taugt und wofür nicht, eine Vergleichstabelle Fine-Tuning vs. RAG vs. Prompting, die wichtigsten Methoden (Full Fine-Tuning, LoRA und QLoRA — 4-Bit-Quantisierung, leicht genug für Einsteiger), was du brauchst (500+ hochwertige Beispiele als Richtwert, wobei der Aufbau der Daten die eigentliche Arbeit ist; Kosten von $5.000 bis über $50.000, OpenAI-Fine-Tuning bei rund $25–$100 pro Million Trainings-Tokens; Werkzeuge wie OpenAI, Unsloth, Axolotl und Hugging Face) und in welcher Reihenfolge man beginnt. Fine-Tuning ist das letzte Mittel.