Auf welches Modell setzen? Wie Chinas offene KI 2026 die Einkaufsentscheidung umkrempelt

Noch vor einem Jahr war die Antwort auf die Frage „Welches KI-Modell sollen wir einsetzen?" in den meisten Tech-Unternehmen eine kurze: GPT von OpenAI, Claude von Anthropic oder Gemini von Google. Die Diskussion drehte sich darum, welcher der drei amerikanischen Anbieter die Nase vorn hatte. Mitte 2026 ist diese Frage falsch gestellt — und das hat handfeste betriebswirtschaftliche Gründe.

Ein nüchterner Blick auf OpenRouter, die größte herstellerneutrale Routing-Plattform für KI-Modelle, zeigt die Verschiebung. Über OpenRouter laufen die Anfragen tausender Anwendungen, die im Hintergrund flexibel zwischen Modellen wählen — ein guter Indikator dafür, was Entwickler in der Praxis tatsächlich nutzen, nicht nur, worüber sie reden. Und dort stellen chinesische Open-Weight-Modelle inzwischen die Mehrheit der meistgenutzten Modelle. Vier der fünf am häufigsten gerouteten Modelle sind chinesisch. Der Anteil chinesischer Modelle am gesamten Token-Verkehr der Plattform liegt je nach Messung und Stichtag bei rund 45 bis 51 Prozent; betrachtet man nur die Top-Ten-Modelle, waren es in einzelnen Wochen sogar über 60 Prozent. Der Anteil US-amerikanischer Modelle ist binnen eines Jahres von rund 70 auf etwa 30 Prozent gefallen.

Der dramatischste Einzelwert betrifft Meta: Llama, einst das Synonym für offene KI, ist auf unter ein Prozent des gerouteten Volumens abgestürzt und praktisch aus den Rankings verschwunden. Die offene KI-Welt spricht 2026 nicht mehr Englisch.

Was „offene Gewichte" wirklich bedeutet — und was nicht

Bevor wir über die Konsequenzen reden, lohnt eine Begriffsklärung, denn hier entsteht das meiste Missverständnis. Ein Open-Weight-Modell ist eines, dessen trainierte Parameter — die „Gewichte" — frei zum Download stehen, meist unter einer permissiven Lizenz wie MIT. Man kann es auf eigener Hardware betreiben, anpassen und in Produkte einbauen, ohne einen Anbieter um Erlaubnis zu fragen oder pro Anfrage zu bezahlen.

Das ist nicht dasselbe wie „Open Source". Offen sind die Gewichte, nicht die Trainingsdaten oder die Trainings-Pipeline. Man bekommt das fertige Modell, aber nicht das Rezept. Für die Praxis ist der entscheidende Punkt ein anderer: Ein heruntergeladenes Open-Weight-Modell kann niemand mehr abschalten. Das klingt nach einem Detail — es ist 2026 zum strategischen Hauptargument geworden.

Der Export-Bann als Brandbeschleuniger

Am 9. Juni 2026 brachte Anthropic seine neuen Spitzenmodelle Fable 5 und Mythos 5 heraus. Drei Tage später, am 12. Juni, ordnete die US-Regierung aus Gründen der nationalen Sicherheit an, beide Modelle weltweit abzuschalten — für alle ausländischen Nutzer, sogar für Anthropics eigene Mitarbeiter außerhalb der USA. Anlass war die Sorge, die Modelle könnten zu gut darin werden, Software-Schwachstellen aufzuspüren und auszunutzen. Anthropic deaktivierte sie daraufhin abrupt für alle Kunden.

Die Pointe folgte am Tag darauf. Am 13. Juni veröffentlichte das Pekinger Labor Zhipu (international als Z.ai auftretend) sein neues Modell GLM-5.2 — unter dem Slogan „Frontier intelligence belongs to everyone", frei herunterladbar unter MIT-Lizenz. Während das beste amerikanische Modell per Regierungsdirektive über Nacht aus der Welt verschwand, lieferte China ein nahezu ebenbürtiges Modell frei Haus.

Für Technologieverantwortliche ist das die eigentliche Lehre des Sommers 2026, und sie hat wenig mit Geopolitik im engeren Sinne zu tun: Ein über eine API bezogenes Closed-Frontier-Modell ist ein einzelner Ausfallpunkt, der per politischer Entscheidung wegfallen kann. Ein lokal vorgehaltenes Open-Weight-Modell nicht. Der Bann hat die Adoption chinesischer Modelle nicht trotz, sondern wegen der Restriktion beschleunigt. Cybersecurity-Fachleute kritisierten die Maßnahme zudem als kontraproduktiv — sie treffe vor allem Verteidiger, während die Fähigkeiten ohnehin frei verfügbar nachgebaut würden.

Wie nah sind die offenen Modelle wirklich?

Hier ist Vorsicht vor Marketing geboten, denn jeder Anbieter veröffentlicht eigene Benchmarks, die das eigene Modell glänzen lassen. Ein verlässlicherer Maßstab ist der herstellerunabhängige „Intelligence Index" von Artificial Analysis, der mehrere Tests zu einer Zahl bündelt.

Dort führen Mitte 2026 weiterhin die geschlossenen Modelle: Anthropics Claude Fable 5 mit 60 Punkten, gefolgt von Opus 4.8 (56) und GPT-5.5 (55). Doch direkt dahinter, als bestes Open-Weight-Modell der Welt und insgesamt auf Rang vier, steht GLM-5.2 mit 51 Punkten — ein Mixture-of-Experts-Modell mit rund 750 Milliarden Parametern, von denen pro Anfrage nur etwa 40 Milliarden aktiv sind, mit einem Kontextfenster von einer Million Token. Dahinter folgen mit MiniMax M3, DeepSeek V4 Pro und Kimi K2.6 (jeweils 43 bis 44 Punkte) weitere chinesische Modelle.

Der oft zitierte Stanford AI Index beziffert den Abstand zwischen dem besten US- und dem besten chinesischen Modell auf nur noch 2,7 Prozent. Diese Zahl ist beeindruckend, aber mit Vorsicht zu lesen: Sie basiert auf einem Snapshot vom März 2026 und gilt nicht automatisch für die aktuelle Juni-Frontier. Die Richtung stimmt dennoch — und sie ist umso bemerkenswerter, als in den USA rund 23-mal so viel privates Kapital in KI fließt wie in China.

Wo die geschlossenen Modelle weiterhin klar führen, ist die Königsdisziplin der sehr langen, mehrstündigen Agenten-Aufgaben. Auf dem „SWE-Marathon"-Benchmark, bei dem Modelle mit Milliarden-Token-Budgets etwa einen Compiler von Grund auf bauen sollen, erreicht GLM-5.2 nur rund die Hälfte der Leistung von Opus 4.8. Auf Aufgaben mittlerer Länge dagegen liegen die Modelle fast gleichauf. Die Faustregel für 2026 lautet damit: Für Standard-Coding, Chat, Retrieval-Anwendungen und Agenten mittlerer Komplexität ist Parität erreicht; an der Ultra-Langstrecken-Spitze bleibt die geschlossene Frontier vorerst überlegen.

Der teuerste Irrtum: Preis pro Token ist nicht Preis pro Aufgabe

Das populärste Argument für die offenen Modelle ist der Preis, und die Schlagzeilen sind verführerisch: fünf-, zehn- oder gar dreißigmal günstiger pro Million Token als die amerikanischen Flaggschiffe. Genau hier lauert jedoch der teuerste Denkfehler für Entscheider.

Der Preis pro Token sagt wenig über die Kosten pro erledigter Aufgabe aus. Moderne „Reasoning"-Modelle denken in langen internen Gedankenketten und verbrauchen dafür enorm viele Token. GLM-5.2 etwa verbrennt laut Artificial Analysis pro Aufgabe rund 43.000 Ausgabe-Token und zählt damit zu den ineffizientesten Modellen seiner Klasse — was eine erledigte Aufgabe trotz niedrigem Token-Preis auf etwa 46 Cent treibt. Die kursierenden „Ein-Sechstel-der-Kosten"-Zahlen sind Stückpreis-Schlagzeilen, die die reale Reasoning-Ökonomie überzeichnen. Wer Modelle vergleicht, muss die Kosten pro abgeschlossener Aufgabe messen, nicht pro Token.

Der echte ökonomische Vorteil der offenen Modelle liegt deshalb weniger im reinen Stückpreis als in drei strukturellen Punkten: Es gibt keinen Vendor-Lock-in über die Abrechnung, das Modell lässt sich auf eigener Infrastruktur betreiben (die Daten verlassen die eigene Grenze nie), und niemand kann den Zugang einseitig kündigen.

Die Risiken, die im Vendor-Fragebogen stehen

So attraktiv die Rechnung wirkt — die offenen chinesischen Modelle bringen Risiken mit, die jede seriöse Beschaffung adressieren muss. Das größte betrifft die Datengovernance: Wer ein chinesisches Modell als gehosteten Cloud-Dienst nutzt, schickt seine Daten an einen Anbieter, der nach chinesischem Recht zur Herausgabe auf Behördenanfrage verpflichtet werden kann. Für Unternehmen mit DSGVO-Pflichten oder SOC-2-Anforderungen ist das in aller Regel ein Ausschlusskriterium.

Hinzu kommt die eingebaute Zensur: Chinesische Modelle verweigern politisch heikle Themen oder beantworten sie linientreu. Für die meisten Geschäftsanwendungen ist das irrelevant, in einigen Fällen aber heikel — und Versuche, dieses Alignment per Fine-Tuning zu entfernen, haben bislang keiner gründlichen adversarialen Prüfung standgehalten. Bemerkenswert ist allerdings, dass diese Bedenken die globale Adoption kaum bremsen; in der Praxis überwiegen Kosten und Verfügbarkeit.

Die saubere Antwort auf beide Probleme heißt Self-Hosting: Wer ein Open-Weight-Modell auf eigener Hardware betreibt, macht dessen Herkunft compliance-technisch nahezu irrelevant, weil keine Daten das Unternehmen verlassen. Das ist die beste Antwort für die Compliance — wenn auch nicht immer für Kosten oder Spitzenleistung.

Ein Entscheidungsrahmen für 2026

Was bedeutet das alles konkret für ein SaaS-Unternehmen, das heute eine Modellstrategie festlegen muss? Sechs Achsen strukturieren die Entscheidung. Erstens die Leistungsobergrenze: hochkomplexe, mehrstündige Agenten-Aufgaben gehören noch der geschlossenen Frontier, alles darunter ist offen abgedeckt. Zweitens die Kosten — gemessen pro Aufgabe, nicht pro Token. Drittens die Datenresidenz: In regulierten Branchen schlägt ein selbst gehostetes offenes Modell jede gehostete China-API. Viertens das Kontinuitätsrisiko, dessen Lehrstück der Fable-5-Bann ist. Fünftens der Betriebsmodus: eigene API (schnellster Start, aber Lock-in) gegen Self-Hosting (Souveränität, aber Betriebsaufwand) gegen Gateways wie OpenRouter (Routing-Flexibilität ohne Lock-in, aber Daten passieren Dritte). Und sechstens, oft unterschätzt, die Latenz je nach Hosting-Region.

Die eigentliche Verschiebung von 2026 ist damit weniger technischer als strategischer Natur. Die Leitfrage hat sich verändert: von „Welches Modell ist das beste?" zu „Welches Modell-Setup ist am wenigsten abschaltbar, am compliance-saubersten und auf meiner konkreten Workload gut genug?" Für den Großteil der alltäglichen SaaS-Arbeit lautet die Antwort inzwischen: offen, MIT-lizenziert und chinesisch. Die geschlossene Frontier rechtfertigt ihren Aufpreis nur noch an der äußersten Spitze — und genau dort wird sich in den kommenden Monaten entscheiden, ob dieser Vorsprung Bestand hat.