Diese Liste ist eine Selbsteinschätzung für einen bestimmten Zweck: den Betrieb in einem kleinen deutschen Rechenzentrum für überwiegend deutschsprachige Nutzung. Sie ist kein allgemeines Modellranking und taugt nicht als solches.
Ein Modell, das hier auf Platz neun steht, kann in einem amerikanischen Rechenzentrum für englischsprachige Programmieraufgaben die beste Wahl sein. Die Gewichtung ist der halbe Inhalt jeder Rangliste – deshalb steht sie unten, und nicht im Kleingedruckten.
Die 10 Plätze im Überblick
SEO und Content 2
-
Platz 1: Gemma 4 26B-A4B
📍 SEO und Content, Vereinigte Staaten · Geplant ab 2026
9,1 / 10Kurzurteil: Steht hier oben, weil sich die Lizenz geändert hat und nicht das Modell – Gemma 4 ist seit April 2026 Apache 2.0.
Der Sprung von Platz fünf auf Platz eins hat einen einzigen Grund, und er liegt nicht im Modell: Google hat Gemma 4 am 2. April 2026 unter Apache 2.0 veröffentlicht. Die Vorgängerreihe stand unter den Gemma-Nutzungsbedingungen – einer Hauslizenz mit einer Liste untersagter Verwendungen, die in dieser Bewertung sechs von zehn Punkten wert war. Jetzt sind es zehn, und der ungewichtete Mittelwert tut den Rest.
Das ist ausdrücklich beabsichtigt und der beste Beleg dafür, was diese Liste ist und was nicht: kein Leistungsranking. Ein Federstrich in einem Lizenztext verschiebt hier eine Rangfolge, ohne dass ein einziges Gewicht anders wäre.
Bei deutschen Texten bleibt die Reihe in ihrer Größenklasse ohne ernsthaften Wettbewerber. Beugung, Satzbau, Fachsprache, Formulierungsvarianten in enger Zeichenvorgabe – für Redaktions- und SEO-Arbeit sind das die Eigenschaften, auf die es ankommt. Die hier bewertete Fassung 26B-A4B aktiviert je Token nur 3,8 ihrer 25,2 Milliarden Parameter; das hebt die Technikwertung gegenüber der dichten Vorgängerfassung.
Zwei Abzüge bleiben. Bei Transparenz: Über die Trainingsdaten ist wenig veröffentlicht – wer wissen will, worauf trainiert wurde, findet bei Teuken und Apertus Antworten und hier keine. Und bei Fachtexten mit hoher Faktendichte erfindet das Modell plausibel klingende Details, wie alle Modelle dieser Größe.Seit April 2026 Apache 2.0 – ohne NutzungsauflagenBestes Deutsch im Testfeld38 von 252 Milliarden Parametern je Token aktivBildverstehen und 256.000 Token KontextLizenz & Rechte 10,0Content 9,5Technik 9,5Transparenz 7,5 -
Platz 10: Llama 3.3 70B
📍 SEO und Content, Vereinigte Staaten · Geplant ab 2024
7,0 / 10Kurzurteil: Das am besten erprobte offene Modell überhaupt – und dasjenige, dessen Lizenz in dieser Bewertung am meisten kostet.
Nahezu jedes Werkzeug im offenen Ökosystem wurde daran getestet. Wer eine bestehende Einbindung übernimmt, hat mit Llama 3.3 die wenigsten Überraschungen, und für längere redaktionelle Texte ist es weiterhin eine der verlässlichsten Wahlen unter den offenen Modellen.
Platz zehn ist eine Aussage über die Lizenz, nicht über die Qualität. Die Llama-Community-Lizenz ist keine Open-Source-Lizenz im Sinne der Open Source Initiative: Sie enthält Nutzungsbeschränkungen, eine Namensnennungspflicht und eine Klausel, die ab einer bestimmten Nutzerzahl eine gesonderte Vereinbarung verlangt. In einer Vergabe mit der Anforderung „freie Lizenz“ fällt es damit heraus – unabhängig davon, wie gut es schreibt.
Dazu kommt ein Abzug bei Technik: Als dichtes Modell sind alle 70 Milliarden Parameter bei jedem Token aktiv. Das kostet gegenüber einem Mixture-of-Experts-Modell vergleichbarer Qualität deutlich mehr Rechenzeit je Antwort.Breiteste Werkzeugunterstützung im offenen ÖkosystemGleichmäßiges Antwortverhalten über lange TexteGutes Deutsch128k KontextfensterLizenz & Rechte 5,5Content 8,5Technik 7,0Transparenz 7,0
Privatanwender 2
-
Platz 2: Mistral Small 3
📍 Privatanwender, Frankreich · Geplant ab 2025
8,8 / 10Kurzurteil: Das beste Verhältnis aus Lizenzfreiheit, deutschem Sprachgefühl und Genügsamkeit – und der einzige Kandidat, bei dem alle vier Kriterien gleichzeitig stimmen.
Apache 2.0 ohne Einschränkung, ein europäischer Hersteller, gutes Deutsch und ein Ressourcenbedarf, der es auf einer einzelnen professionellen Karte laufen lässt. Für ein Rechenzentrum unserer Größe ist genau das die entscheidende Kombination: Ein Modell, das keine Lizenzfrage aufwirft, keine Sonderhardware verlangt und trotzdem brauchbare deutsche Texte liefert, verdient den ersten Platz auch dann, wenn es in Leistungstests nicht vorn liegt.
Abzug bei Transparenz: Mistral veröffentlicht die Gewichte, aber nicht die Zusammensetzung des Trainingsbestands. Wer wissen will, worauf trainiert wurde, bekommt keine Antwort – bei einem europäischen Anbieter, der mit Offenheit wirbt, ist das die auffälligste Lücke.
Wo es verliert: bei langen Texten, die über viele Absätze konsistent bleiben müssen, und bei mehrstufigen Rechenaufgaben.Apache 2.0 ohne NutzungsauflagenHersteller mit Sitz in der EULäuft auf einer einzelnen professionellen GrafikkarteAntwortzeiten im Bereich weniger SekundenLizenz & Rechte 10,0Content 8,5Technik 9,5Transparenz 7,0 -
Platz 3: Phi-4
📍 Privatanwender, Vereinigte Staaten · Geplant ab 2024
8,5 / 10Kurzurteil: Vierzehn Milliarden Parameter, die bei Logik und Mathematik mit deutlich größeren Modellen mithalten – und eine MIT-Lizenz obendrauf.
Phi-4 ist der Beleg dafür, dass Größe und Fähigkeit nicht dasselbe sind. Microsoft Research hat es überwiegend auf sorgfältig zusammengestelltem und teilweise synthetisch erzeugtem Material trainiert statt auf möglichst viel Text – und erreicht damit bei Aufgaben mit mehreren Rechenschritten Werte, die man bei dieser Größe nicht erwartet.
Für den Betrieb ist es das dankbarste Modell der Liste: Der Speicherbedarf ist so gering, dass mehrere Anfragen gleichzeitig auf einer Karte laufen. Das ist der Grund, warum es im Start-Tarif ohne Warteschlange vorgesehen ist.
Abzug bei Content: Das Deutsch ist brauchbar, aber merklich blasser als bei Gemma oder Mistral, und das Weltwissen ist dünn. Ein kleines Modell hat weniger Fakten gespeichert – Phi-4 erfindet dafür weniger als andere, was in der Praxis der bessere Tausch ist.
Platz 3 statt 4 bei Gleichstand mit EuroLLM: gleiche Punktzahl bei Content, höhere bei Technik.MIT-Lizenzso frei wie es bei Modellgewichten gehtAuffallende Leistung bei Logik und RechenaufgabenSehr geringer Speicherbedarfmehrere Anfragen je KarteErfindet seltener Fakten als vergleichbar große ModelleLizenz & Rechte 10,0Content 6,5Technik 9,5Transparenz 8,0
Behörden und öffentliche Hand 2
-
Platz 4: Teuken-7B
📍 Behörden und öffentliche Hand, Deutschland · Geplant ab 2024
8,4 / 10Kurzurteil: Das einzige Modell im Feld, bei dem Herkunft, Förderung und Trainingsbestand vollständig offenliegen – die volle Punktzahl bei Transparenz ist verdient und einmalig.
Aus dem Projekt OpenGPT-X, gefördert vom Bundesministerium für Wirtschaft, entwickelt unter Beteiligung von Fraunhofer-Instituten und dem Forschungszentrum Jülich. Wer in einer Vergabeunterlage begründen muss, woher ein Modell stammt und worauf es trainiert wurde, kann das hier tun – bei keinem anderen Modell dieser Liste geht das vollständig.
Ein Punkt Abzug bei Lizenz und Rechten, seit August 2026: Apache 2.0 gilt nur für die Fassung Teuken-7B-instruct-commercial-v0.4. Die neuere v0.6 steht unter CC BY-NC 4.0 und ist damit für einen kostenpflichtigen Dienst gesperrt. Neun statt zehn Punkte – die kommerziell nutzbare Fassung gibt es, sie ist nur nicht die aktuelle.
Dazu ein Tokenizer, der für die 24 Amtssprachen der EU ausgelegt ist statt für Englisch mit Sprachaufsatz. Bei deutschen Texten macht sich das an einer Stelle bemerkbar, die selten erwähnt wird: Ein Text braucht spürbar weniger Token, und weniger Token heißen kürzere Wartezeit und mehr nutzbaren Kontext.
Abzug bei Content und Technik: Sieben Milliarden Parameter sind wenig, und das Kontextfenster ist knapp. Für Aktenvermerke und Formulierungshilfe reicht es, für Fachtexte mit mehreren Argumentationsebenen nicht.Herkunft und Förderung vollständig offengelegtApache 2.0 in der Fassung Teuken-7B-instruct-commercial-v0.4 – die neuere v0.6 steht unter CC BY-NC 4.0Auf alle 24 EU-Amtssprachen ausgelegter TokenizerSehr geringer HardwarebedarfLizenz & Rechte 9,0Content 6,5Technik 8,0Transparenz 10,0 -
Platz 5: EuroLLM-22B
📍 Behörden und öffentliche Hand, Europäische Union · Geplant ab 2025
8,4 / 10Kurzurteil: Mehrsprachigkeit aus EU-Forschung, trainiert auf einem europäischen Höchstleistungsrechner – für Übersetzung zwischen Amtssprachen die beste Wahl im Feld.
Ein Konsortium mit EU-Förderung – beteiligt sind unter anderem das Instituto Superior Técnico in Lissabon, die Universität Edinburgh, Unbabel, Paris-Saclay, Amsterdam und die Sorbonne –, trainiert auf dem Höchstleistungsrechner MareNostrum 5 in Barcelona über eine Zuteilung von EuroHPC, veröffentlicht unter Apache 2.0. Der Schwerpunkt liegt auf Übersetzung und mehrsprachiger Textarbeit, und dort ist es innerhalb dieser Liste konkurrenzlos: 24 Amtssprachen der Union und elf weitere.
Der praktische Fall, für den es hier steht: Eine Ausländerbehörde oder ein Jobcenter, das Merkblätter und Bescheidbegründungen in eine verständliche Fassung bringen muss, ohne den Text außerhalb der EU zu verarbeiten.
Die 22-Milliarden-Fassung löst hier die frühere mit neun Milliarden ab. Der Zugewinn liegt in der Zusammenhangsstärke über längere Texte, der Preis in der Technikwertung: Ein 22B-Modell braucht mehr Grafikspeicher als ein 9B-Modell, ohne in derselben Liga zu antworten wie die großen Allzweckmodelle.
Abzug bei Content: Als Assistenzmodell ist es dünn. Wer damit recherchiert oder argumentiert, bekommt Antworten, die sprachlich sauber und inhaltlich flach sind. Und eine rechtsverbindliche Übersetzung ersetzt es nicht – dafür braucht es weiterhin eine ermächtigte Übersetzerin oder einen ermächtigten Übersetzer.
Platz 5 bei Gleichstand mit Teuken-7B: Bei gleicher Gesamtnote und gleicher Content-Note entscheidet die Technikwertung, und dort liegt das kleinere Teuken vorn.24 EU-Amtssprachen plus elf weitere SprachenApache 2.0Herkunft aus EU-ForschungsförderungAuf MareNostrum 5 trainiertZuteilung über EuroHPCKlarer Schwerpunkt statt vager AllzweckfähigkeitLizenz & Rechte 10,0Content 6,5Technik 7,5Transparenz 9,5
Coder und Entwickler 1
-
Platz 6: Qwen3.6 35B-A3B
📍 Coder und Entwickler, China · Geplant ab 2026
8,1 / 10Kurzurteil: Drei aktive Milliarden Parameter je Token, und trotzdem Spitzenklasse bei Quelltext – unter Apache 2.0.
Für Quelltext ist es innerhalb dieser Liste die klare Empfehlung, und der Grund steht in zwei Zahlen: 35 Milliarden Parameter insgesamt, davon je Token rund drei aktiv. Das Modell lädt wie ein mittelgroßes und rechnet wie ein kleines – deshalb die hohe Technikwertung. Das Kontextfenster fasst 262.000 Token und damit ein ganzes Projektverzeichnis. Dass ein Modell dieser Stärke unter Apache 2.0 steht, trägt die Lizenzwertung.
Es löst hier Qwen2.5-Coder ab, das bis August 2026 an dieser Stelle stand. Die Content-Note ist die des Vorgängers und wurde nicht neu erhoben – siehe den Hinweis zur Haltbarkeit in der Methodik.
Abzug bei Transparenz: Über die Trainingsdaten ist nichts veröffentlicht. Bei einem Modell, das Quelltext schreibt, ist das eine offene Frage, die man kennen sollte – welcher Code unter welcher Lizenz eingeflossen ist, lässt sich nicht nachvollziehen, und ob Ausgaben lizenzpflichtige Passagen enthalten können, ebenso wenig.
Zur Herkunft, weil die Frage sicher kommt: Auf eigener Hardware ist ein Modell eine Datei mit Zahlen ohne Netzverbindung. Für den Datenschutz ist die Herkunft deshalb unerheblich. Die inhaltliche Zurückhaltung bei politisch heiklen Themen bleibt im Modell – bei Programmieraufgaben ohne Belang.Apache 2.0 trotz Spitzenstellung bei QuelltextNur rund drei Milliarden aktive Parameter je Token262.000 Token Kontext für mehrere Dateien gleichzeitigVersteht zusätzlich Bilder – etwa Fehlerbilder aus dem TicketsystemLizenz & Rechte 10,0Content 7,0Technik 9,5Transparenz 6,0
Unternehmen und Enterprise 3
-
Platz 7: Mixtral 8x22B
📍 Unternehmen und Enterprise, Frankreich · Geplant ab 2024
7,8 / 10Kurzurteil: Großes europäisches Modell unter Apache 2.0 – der Kandidat für Unternehmen, die Lizenzklarheit und Kapazität gleichzeitig brauchen.
Rund 141 Milliarden Parameter insgesamt, davon etwa 39 pro Token aktiv. Es beherrscht Funktionsaufrufe, also die strukturierte Übergabe an ein anderes Programm – die Voraussetzung dafür, ein Sprachmodell in einen bestehenden Arbeitsablauf einzubinden, statt es nur Text erzeugen zu lassen.
Apache 2.0 bei dieser Größe und von einem europäischen Hersteller: Das ist die Kombination, die es für Unternehmen mit Vergabe- oder Compliance-Auflagen interessant macht.
Der Abzug bei Technik ist der Grund für Platz sieben. Ein Mixture-of-Experts-Modell muss alle Experten im Speicher halten, auch wenn nur ein Teil rechnet – der Speicherbedarf richtet sich nach den 141 Milliarden, nicht nach den 39. In einem geteilten Betrieb rechnet sich das nicht; es ist ein Modell für Dedicated-Server.Apache 2.0 bei großer KapazitätFunktionsaufrufe für die Einbindung in ArbeitsabläufeEuropäischer HerstellerGutes Deutsch auch über längere TexteLizenz & Rechte 10,0Content 8,0Technik 6,5Transparenz 6,5 -
Platz 8: Qwen3 235B
📍 Unternehmen und Enterprise, China · Geplant ab 2025
7,4 / 10Kurzurteil: Umschaltbarer Denkmodus: dasselbe Modell arbeitet auf Wunsch schnell oder mit vorgeschalteter Gedankenkette – eine Maschine, zwei Betriebsarten.
Für den Betrieb ist der umschaltbare Denkmodus der interessanteste Punkt der ganzen Liste: Ein Speicherabbild, zwei Verhaltensweisen. Sonst braucht es dafür zwei Modelle und zweimal Grafikspeicher.
Apache 2.0 bei rund 235 Milliarden Parametern ist bemerkenswert und wird voll bewertet. Das Deutsch ist solide, wenn auch nicht auf dem Niveau von Gemma.
Der deutliche Abzug bei Technik: Ein Modell dieser Größe belegt mehrere Karten der obersten Klasse allein zum Laden. Das ist Hardware für die zweite Ausbaustufe oder einen eigenen Server, nicht für einen Zugang zu 18 Euro. Bei Transparenz gilt dasselbe wie beim Codemodell desselben Hauses – über die Trainingsdaten ist nichts veröffentlicht.Umschaltbarer Denkmodus ohne zweites ModellApache 2.0 trotz erheblicher GrößeÜber hundert SprachenMixture-of-Experts: nur 22 Milliarden Parameter je Token aktivLizenz & Rechte 10,0Content 8,0Technik 5,5Transparenz 6,0 -
Platz 9: DeepSeek-R1
📍 Unternehmen und Enterprise, China · Geplant ab 2025
7,3 / 10Kurzurteil: MIT-Lizenz bei einem Reasoning-Modell dieser Klasse – rechtlich das freieste Modell der Liste, wirtschaftlich das teuerste.
Bei Aufgaben mit mehreren Zwischenschritten – Fristenberechnungen, Widerspruchsprüfungen in Regelwerken, Fehleranalysen in verschachteltem Code – liefert es Ergebnisse, an die kein anderes Modell dieser Liste herankommt. Die MIT-Lizenz ist rechtlich die freieste im Feld.
Die niedrige Technikwertung ist keine Kritik an der Qualität, sondern eine Aussage über das Verhältnis: Eine Antwort dauert um ein Vielfaches länger als bei einem gewöhnlichen Modell, weil vorher eine Gedankenkette erzeugt wird, die der Nutzer meist gar nicht liest. Zusammen mit dem Speicherbedarf ergibt das die teuerste Antwort der Liste.
Ein Hinweis, der uns wichtig ist: Die sichtbare Gedankenkette wirkt wie eine Begründung, ist aber keine. Sie ist der Text, den das Modell auf dem Weg zur Antwort erzeugt – kein Nachweis, dass es so gerechnet hat. Wer sie in einem Verwaltungsvorgang als Begründung verwendet, verwechselt Plausibilität mit Prüfung.MIT-Lizenzrechtlich das freieste Modell im FeldBeste Ergebnisse bei mehrstufigen AufgabenSichtbare Zwischenschritte zur NachvollziehbarkeitMixture-of-Experts: 37 von 671 Milliarden je Token aktivLizenz & Rechte 9,5Content 7,5Technik 5,0Transparenz 7,0
Bewertungsmethodik: Wie dieses Ranking entsteht
Wie bewertet wird
Vier Kriterien, je null bis zehn Punkte, ungewichteter Mittelwert als Gesamtnote. Ungewichtet, weil jede Gewichtung eine weitere Meinung wäre, die dann auch begründet werden müsste.
| Kriterium | Was gemessen wird |
|---|---|
| Lizenz & Rechte | Wie frei ist die Nutzung? Apache 2.0 und MIT erhalten die volle Punktzahl. Hauslizenzen mit Nutzungsauflagen, Namensnennungspflicht oder Umsatzgrenzen führen zu Abzug, auch wenn die Gewichte frei herunterladbar sind. |
| Content | Antwortqualität auf Deutsch: Formulierung, Beugung, Fachsprache, Verhalten bei längeren Texten. Bewertet wird Deutsch, nicht Englisch – für dieses Vorhaben ist das der Anwendungsfall. |
| Technik | Verhältnis von Leistung zu Ressourcenbedarf. Ein kleines Modell, das seine Größe schlägt, bekommt mehr Punkte als ein großes, das nur durch Masse gewinnt. Gemessen an Grafikspeicherbedarf und Antwortzeit. |
| Transparenz | Modellkarte, Angaben zu Trainingsdaten und Trainingsstand, Nachvollziehbarkeit der Herkunft. Wer offenlegt, worauf trainiert wurde, bekommt Punkte; wer nur die Gewichte veröffentlicht, weniger. |
Was diese Liste nicht ist
- Kein Benchmark. Es wurden keine standardisierten Testreihen gefahren; die Einschätzung zur Antwortqualität stammt aus eigenen Stichproben mit deutschen Aufgaben.
- Kein Leistungsranking. Nach reiner Leistung sähe die Reihenfolge anders aus – die Lizenzbewertung verschiebt sie erheblich.
- Keine Kaufempfehlung für andere Umgebungen. Wer in den USA für englische Texte betreibt, hat andere Randbedingungen.
Die Bewertung stammt aus dem Aufbau dieses Dienstes im Jahr 2026. Modellveröffentlichungen kommen in Abständen von Wochen; eine Rangliste dieser Art ist nach einem halben Jahr überholt. Das Datum steht an jedem Eintrag.
Was sich am 25. August 2026 geändert hat
Drei Einträge sind auf die Nachfolgefassung gewechselt: Gemma 3 27B auf Gemma 4 26B-A4B, EuroLLM-9B auf EuroLLM-22B, Qwen2.5-Coder 32B auf Qwen3.6 35B-A3B. Zwei Dinge dazu, die man wissen sollte, bevor man die Zahlen liest:
- Die Note für Content ist die der Vorgängerfassung. Lizenz, Technik und Transparenz beruhen auf den Angaben der neuen Modellkarten – das sind Papierfragen und ohne eigene Erprobung zu beantworten. Die Antwortqualität auf Deutsch ist es nicht. Sie stammt aus Stichproben, und die sind für die neuen Fassungen noch nicht gelaufen. Wir setzen deshalb keine neue Zahl, sondern schreiben hin, woher die alte kommt.
- Der neue erste Platz ist eine Lizenzänderung, kein Modellsprung. Google hat Gemma 4 unter Apache 2.0 gestellt; damit fällt der Abzug weg, der die Reihe vorher auf Platz fünf gehalten hat. Am Modell selbst hat sich für diese Bewertung nichts geändert. Wem das seltsam vorkommt, der hat die Methodik richtig verstanden – die Lizenz zählt hier so viel wie die Antwortqualität, und das ist Absicht.
Ebenfalls am 25. August 2026 korrigiert: Bei Teuken-7B steht nur die Fassung instruct-commercial-v0.4 unter Apache 2.0, die neuere v0.6 unter CC BY-NC 4.0. Dafür geht ein Punkt bei Lizenz und Rechten ab.
gpt-oss-120b, Apertus v1.5 70B und Mistral Small 4 sind am 25. August 2026 neu in den Katalog gekommen. Sie sind Textmodelle und gehören von der Sache her hierher – aber für die Content-Note fehlt die eigene Stichprobenreihe auf Deutsch.
Eine Zahl zu setzen, die niemand erhoben hat, wäre genau das, was diese Liste anderen Ranglisten vorwirft. Sie kommen mit der nächsten Bewertungsrunde hinzu. Nach Aktenlage – Lizenz, Herkunft, Ressourcenbedarf – hätte insbesondere Apertus gute Aussichten auf die volle Punktzahl bei Transparenz: Es ist das einzige Modell im Katalog, dessen Trainingsdaten veröffentlicht sind.