Open Weights (englisch für „offene Gewichte“), auch Open-Weight-Modelle, bezeichnet bei Modellen der Künstlichen Intelligenz die öffentliche Bereitstellung der während des maschinellen Lernens ermittelten Modellparameter, insbesondere der sogenannten weights (Gewichte) und biases (Bias-Parameter). Der Begriff wird vor allem im Zusammenhang mit großen Sprachmodellen und anderen Modellen der generativen künstlichen Intelligenz verwendet.
Durch die Veröffentlichung der Modellgewichte kann ein trainiertes KI-Modell grundsätzlich auf eigener Hardware, in einem eigenen Rechenzentrum oder bei einem frei gewählten Cloud-Anbieter betrieben werden, ohne für die Inferenz auf eine vom ursprünglichen Entwickler bereitgestellte Programmierschnittstelle angewiesen zu sein. Je nach Lizenz können die Gewichte außerdem verändert, mittels Fine-Tuning an bestimmte Aufgaben angepasst und weitergegeben werden.
Die Bereitstellung der Gewichte allein bedeutet jedoch nicht, dass ein Modell Open Source ist. Trainingsdaten, Quellcode des Trainingsverfahrens, Datenaufbereitung, Zwischenergebnisse und weitere Bestandteile des Entwicklungsprozesses können weiterhin nicht öffentlich zugänglich sein. Zudem können die veröffentlichten Gewichte Nutzungsbeschränkungen unterliegen. Der Begriff Open Weights beschreibt daher zunächst den Zugang zu den trainierten Modellparametern und nicht notwendigerweise die Lizenzierung oder vollständige Offenheit eines KI-Systems.
Ein künstliches neuronales Netz besteht aus einer großen Zahl miteinander verbundener Recheneinheiten. Die Verbindungen werden durch numerische Parameter gewichtet. Während des Trainings werden diese Parameter so verändert, dass das Modell seine Ausgaben entsprechend einer vorgegebenen Zielfunktion verbessert. Neben den Gewichten gehören auch Bias-Parameter zu den während des Trainings ermittelten Parametern.
Bei modernen Sprachmodellen kann die Zahl der Parameter viele Milliarden betragen. Nach Abschluss des Trainings werden die ermittelten Parameter in Dateien beziehungsweise sogenannten Checkpoints gespeichert. Werden diese Dateien öffentlich zugänglich gemacht, können andere Entwickler das trainierte Modell verwenden, ohne den sehr rechen- und kostenintensiven ursprünglichen Trainingsvorgang wiederholen zu müssen.
Der Zugriff auf die Gewichte ermöglicht unter anderem:
Welche dieser Nutzungen rechtlich zulässig sind, hängt von der jeweiligen Lizenz des Modells ab.
Die Offenheit eines KI-Modells lässt sich nicht allein danach beurteilen, ob seine Gewichte verfügbar sind. Weitere Bestandteile eines Modells beziehungsweise seines Entwicklungsprozesses können veröffentlicht oder zurückgehalten werden. Dazu gehören insbesondere:
Das von der Linux Foundation mitentwickelte Model Openness Framework (MOF) beschreibt die Offenheit von KI-Modellen daher anhand mehrerer Bestandteile des gesamten Entwicklungsprozesses. Es unterscheidet unterschiedliche Stufen der Vollständigkeit und Offenheit und soll unter anderem Transparenz, Reproduzierbarkeit und Vergleichbarkeit von KI-Modellen verbessern.
Open Weights können damit als eine Form partieller Offenheit angesehen werden. Ein Modell kann öffentlich verfügbare Gewichte besitzen, obwohl wesentliche Informationen zu seinem Training nicht veröffentlicht wurden.
Die Open Source Initiative (OSI) unterscheidet zwischen der bloßen Veröffentlichung von Modellgewichten und einem vollständig offenen KI-System. Nach der im Jahr 2024 veröffentlichten Version 1.0 der Open Source AI Definition soll ein Open-Source-KI-System die Freiheit gewährleisten, es für beliebige Zwecke zu verwenden, seine Funktionsweise zu untersuchen, es zu verändern und es mit oder ohne Änderungen weiterzugeben.
Nach dieser Definition gehören zur für Veränderungen geeigneten Form eines maschinellen Lernsystems neben den Modellparametern auch der vollständige für Training und Betrieb benötigte Quellcode sowie ausreichend detaillierte Informationen über die verwendeten Trainingsdaten. Diese Informationen sollen es einem fachkundigen Entwickler ermöglichen, ein wesentlich gleichwertiges System zu erstellen.
Die Begriffe offenes Modell, Open Model, Open Source AI und Open Weights werden in Veröffentlichungen und von Herstellern teilweise unterschiedlich verwendet. Die bloße Bezeichnung eines Modells als „offen“ erlaubt deshalb noch keine Aussage darüber, welche Bestandteile tatsächlich zugänglich sind und welche Nutzungsrechte bestehen.
Viele öffentlich bereitgestellte Modelle werden durch sogenannte Model Cards dokumentiert. Das Konzept wurde 2019 von Margaret Mitchell, Timnit Gebru und weiteren Forschern vorgeschlagen. Model Cards sollen unter anderem Informationen über vorgesehene Einsatzbereiche, Leistungsmerkmale, verwendete Evaluationsverfahren und bekannte Einschränkungen eines Modells enthalten.
Eine Model Card kann die Transparenz eines Open-Weight-Modells erhöhen, ersetzt jedoch nicht die Veröffentlichung der Trainingsdaten oder des Trainingscodes. Der Umfang der Model Cards unterscheidet sich je nach Entwickler erheblich.
Open-Weight-Modelle ermöglichen es Unternehmen, Forschungseinrichtungen und Privatpersonen, leistungsfähige KI-Modelle einzusetzen, ohne ausschließlich von der technischen Infrastruktur des ursprünglichen Entwicklers abhängig zu sein. Der Bericht der US-amerikanischen National Telecommunications and Information Administration (NTIA) von 2024 nennt unter anderem Vorteile für Wettbewerb, Innovation und Forschung.
Zu den möglichen Vorteilen zählen:
Der International AI Safety Report 2026 hebt ebenfalls hervor, dass Open-Weight-Modelle Forschung und Innovation erleichtern und insbesondere Akteuren mit geringeren finanziellen und technischen Ressourcen Zugang zu leistungsfähigen Modellen ermöglichen können.
Die Veröffentlichung der Modellgewichte kann zugleich zusätzliche Risiken verursachen. Anders als bei zentral betriebenen KI-Diensten hat der ursprüngliche Entwickler nach der Veröffentlichung nur noch begrenzte Möglichkeiten, die Nutzung des Modells zu kontrollieren. Ein einmal weltweit verbreiteter Satz von Modellgewichten lässt sich praktisch nicht vollständig zurückrufen.
Sicherheitsmechanismen eines Modells können außerdem durch Fine-Tuning oder andere Veränderungen abgeschwächt oder entfernt werden. Dies kann die missbräuchliche Nutzung eines leistungsfähigen Modells erleichtern. Bei zentral betriebenen Systemen können Anbieter demgegenüber beispielsweise Nutzungsbedingungen technisch durchsetzen, Anfragen überwachen oder den Zugang zu bestimmten Funktionen beschränken.
Der NTIA-Bericht von 2024 kam zu dem Ergebnis, dass sowohl erhebliche Vorteile als auch potenzielle Risiken bestehen, die damalige Evidenz jedoch nicht ausreiche, um eine generelle Beschränkung der Veröffentlichung von Modellgewichten zu rechtfertigen. Empfohlen wurden insbesondere eine fortlaufende Beobachtung der Risiken und der Aufbau von Möglichkeiten, auf künftige Entwicklungen reagieren zu können.
Kritisiert wird darüber hinaus, dass Open-Weight-Modelle mitunter als Open Source bezeichnet werden, obwohl weder die Trainingsdaten noch der Trainingscode veröffentlicht sind oder die Lizenz bestimmte Nutzungsarten untersagt. Für diese Praxis wird teilweise der Begriff Open Washing verwendet.
Open-Weight-Modelle haben insbesondere seit dem Aufkommen großer generativer Sprachmodelle an Bedeutung gewonnen. Zu den Organisationen, die Modelle mit öffentlich verfügbaren Gewichten veröffentlicht haben, gehören unter anderem Meta, Google, Microsoft, Mistral AI, das Allen Institute for AI und EleutherAI.
Zu bekannten Modellfamilien mit öffentlich verfügbaren Gewichten zählen beispielsweise Metas Llama, Googles Gemini und Modelle von Mistral AI. Die Bedingungen für Nutzung, Veränderung und kommerzielle Verwendung unterscheiden sich dabei je nach Modell und Lizenz.
Das Allen Institute for AI entwickelte mit OLMo ein Modell, bei dem nicht nur die Gewichte, sondern auch Trainingsdaten, Trainingscode, Trainingsverfahren, Evaluationsverfahren und Zwischenstände des Trainings veröffentlicht wurden. OLMo wird daher von seinen Entwicklern als fully open von Modellen abgegrenzt, bei denen lediglich die Gewichte zugänglich sind.
OpenAI veröffentlichte 2025 mit gpt-oss-120b und gpt-oss-20b erstmals seit mehreren Jahren wieder Sprachmodelle mit öffentlich verfügbaren Gewichten. Die Modelle können auf eigener Infrastruktur betrieben und angepasst werden.
Die rechtliche Einordnung von Modellgewichten und den mit ihnen verbundenen Nutzungsrechten ist Gegenstand wissenschaftlicher und rechtspolitischer Diskussionen. Insbesondere ist zu unterscheiden zwischen der technischen Zugänglichkeit der Gewichte und den urheberrechtlichen oder vertraglich eingeräumten Rechten zu ihrer Nutzung und Weitergabe.
In der Verordnung über künstliche Intelligenz der Europäischen Union (AI Act) werden freie und quelloffene KI-Modelle ausdrücklich berücksichtigt. Bei bestimmten KI-Modellen mit allgemeinem Verwendungszweck können Ausnahmen von einzelnen Dokumentationspflichten gelten, wenn sie unter einer freien und quelloffenen Lizenz veröffentlicht werden und unter anderem ihre Parameter einschließlich der Gewichte sowie Informationen über Modellarchitektur und Modellnutzung öffentlich verfügbar sind. Für Modelle mit systemischem Risiko sowie für bestimmte Pflichten im Zusammenhang mit Trainingsinhalten gelten diese Ausnahmen nicht.
Die öffentliche Verfügbarkeit der Modellgewichte allein reicht damit auch im regulatorischen Kontext der Europäischen Union nicht aus, um ein Modell als frei und quelloffen einzuordnen.
