Chinas Open-Weight-KI-Ökosystem bewegt sich von Experimenten durch Entwickler hin zur Beschaffung durch Unternehmen. Alibaba, DeepSeek und andere chinesische Entwickler bieten inzwischen Modelle mit wettbewerbsfähigen Fähigkeiten, großzügigen Lizenzen und Preisen an, die bei bestimmten Workloads proprietäre Plattformen herausfordern.
Alibaba veröffentlichte im Februar 2026 Qwen3.5 und legte im Juli mit Qwen3.8-Max-Preview nach, einem multimodalen Modell, das laut Angaben des Unternehmens 2,4 Billionen Parameter enthält. Alibaba kündigte außerdem eine Open-Weight-Veröffentlichung an, hatte zum Start jedoch noch keinen Zeitplan vorgelegt. Der schnelle Veröffentlichungszyklus erweitert die Auswahl für Unternehmen, doch unabhängige Belege stützen nicht die Behauptung, dass China den USA auf dem breiteren KI-Markt den Rang abgelaufen hat.
Bei Open-Weight-Modellen stehen die trainierten Parameter zum Download bereit, sodass Unternehmen sie auf kontrollierter Infrastruktur betreiben und für bestimmte Anwendungen anpassen können. Die Bezeichnung garantiert jedoch nicht, dass Trainingsdaten, Entwicklungsmethoden oder Sicherheitstests offengelegt werden.
Chinas Open-Weight-Offensive verändert die Kostenrechnung
Alibabas Portfolio umfasst inzwischen herunterladbare Qwen3.5-Versionen und die neuere Qwen3.8-Max-Preview. Die breitere Qwen-Familie hatte laut einem Bericht der bis März 2026 mehr als 100.000 Ableger auf Hugging Face hervorgebracht und damit das größte Modell-Ökosystem der Plattform geschaffen, US-China Economic and Security Review Commission.
Die Lizenzierung senkt eine weitere Hürde. Qwen3.5-397B-A17B verwendet die Apache-2.0-Lizenz, während DeepSeek-R1 die MIT-Lizenz nutzt. Beide erlauben eine weitreichende kommerzielle Nutzung, doch Unternehmen müssen weiterhin die genauen Gewichte, destillierten Versionen, Abhängigkeiten und Nutzungsrichtlinien prüfen, die in einer Bereitstellung enthalten sind.
Unabhängige Tests zeigen, dass weiterhin Fähigkeitsunterschiede bestehen. Eine CAISI-Evaluierung vom Mai 2026 ergab, dass DeepSeek V4 das leistungsfähigste chinesische Modell war, das die Behörde getestet hatte, seine Gesamtleistung jedoch weiterhin etwa acht Monate hinter der US-Spitze zurücklag.
DeepSeek V4 war bei fünf von sieben Benchmarks günstiger als ein vergleichbares US-Referenzmodell. Je nach Test lagen die Kosten zwischen 53 % niedriger und 41 % höher.
Unternehmen testen außerdem preisgünstigere chinesische KI-Modelle für Programmierung, Support und interne Automatisierung. Eine Analyse des MIT Sloan der OpenRouter-Aktivität von Mai bis September 2025 ergab, dass die Inferenz mit offenen Modellen durchschnittlich 23 Cent pro einer Million Token kostete, verglichen mit 1,86 US-Dollar bei geschlossenen Modellen.
OpenRouter stand für etwa 1 % der weltweiten Ausgaben für Inferenz. Der Vergleich berücksichtigt außerdem weder Migrations-, Hosting-, Beschleuniger-, Monitoring-, Sicherheits-, Personal- und Modellverwaltungskosten.
Mehr Kontrolle bei der Bereitstellung bringt neue Risiken mit sich
Open Weights eignen sich möglicherweise besser für die Dokumentenverarbeitung, Programmierunterstützung, Retrieval-Augmented Generation und Batch-Inferenz als für autonome kundenorientierte Agenten oder regulierte Entscheidungssysteme. Evaluierungen sollten die Daten, Sprachen, Latenzanforderungen und Genauigkeitsschwellenwerte der jeweiligen Organisation verwenden und sich nicht an allgemeinen Ranglisten orientieren.
Sicherheitstests sollten in ein umfassenderes Governance-Programm eingebettet sein, während die Transparenzlücke bei Unternehmens-KI wächst. Eine CAISI-Bewertung vom September 2025 ergab, dass Agenten mit DeepSeek R1-0528 in Szenarien zur Übernahme von Agenten zwölfmal häufiger als getestete US-Systeme bösartigen Anweisungen folgten.
Bei separaten Jailbreak-Tests beantwortete das Modell 94 % der bösartigen Prompts, verglichen mit 8 % bei den US-Referenzsystemen. Diese Ergebnisse gelten nur für die getesteten Versionen und Konfigurationen.
Unternehmen sollten Prompt-Injection, Tool-Missbrauch, Datenexfiltration, schädliche Ausgaben, politische Voreingenommenheit und das Verhalten in lokalen Sprachen testen. Organisationen in der APAC-Region müssen außerdem Datenresidenz, grenzüberschreitende Übertragungen, die Verfügbarkeit von Cloud-Regionen, Beschränkungen für den öffentlichen Sektor und Branchenvorschriften in jedem Markt prüfen, in dem ein System eingesetzt werden soll.
Self-Hosting kann die Kontrolle erhöhen, doch Telemetrie, Softwareupdates, externe Tools und Managed Services können weiterhin ausgehende Datenströme erzeugen. Entscheidungen über die Einführung sollten auf der Workload-Leistung, der Lizenzierung, den Gesamtbetriebskosten, der Sicherheit, der Datenübertragung und der rechtlichen Zuständigkeit beruhen — nicht allein auf der Herkunft des Modells.
Mehr dazu: Gemeldete Pläne, den Zugang aus dem Ausland zu fortschrittlichen chinesischen KI-Modellen einzuschränkenzeigen, warum Unternehmen Notfallpläne für Veränderungen bei Modellverfügbarkeit, Lizenzierung und grenzüberschreitendem Zugang benötigen.