89 Prozent von 4 Prozent: Wie stark Chinas offene KI-Modelle wirklich sind

Darum geht es

Zwei Zahlen aus derselben Woche zeichnen gegensätzliche Bilder von Chinas offenen KI-Modellen. Die erste stammt von der Risikokapitalfirma Menlo Ventures: Von dem Geld, das US-Firmen für offene Modelle ausgeben, fließen 89 % an chinesische Anbieter. Allein auf Kimi von Moonshot AI entfallen 61 %, auf DeepSeek 15 % und auf GLM von Zhipu 11 %. Chinesische Medien wie The Paper melden das als Durchbruch bei westlichen Unternehmen.

Die zweite Zahl kommt vom Benchmark-Dienst Artificial Analysis. Seit dessen Index am 27. Oktober auf Version 5 umgestellt wurde, liegt das beste Modell mit veröffentlichten Gewichten 26 Punkte hinter der Spitze. Noch im September hatte ein Mozilla-Bericht den Rückstand auf rund vier Monate beziffert. In Vietnam und China läuft die Debatte schon. VnExpress schreibt, Chinas offene Modelle könnten „schwächer sein als gedacht“. Bei Tencent News lautet die Frage, ob sie „auf ihre wahre Form zurückgeworfen“ wurden.

Unsere These: Beide Zahlen stimmen, beschreiben aber verschiedene Dinge. China beherrscht den Billigmarkt der offenen Modelle mit großem Abstand. Ein Teil der vermeintlichen Nähe zur Spitze beruhte aber offenbar auf öffentlichen Tests, die den Modellen womöglich vertraut waren.

89 Prozent – von einem kleinen Kuchen

Der Menlo-Bericht „2026: The State of Enterprise AI“ ist eine Umfrage, keine Abrechnungsanalyse. Morning Consult befragte vom 8. bis 26. September 2026 knapp 400 US-Entscheider, die zusammen mehr als 4 Milliarden Dollar KI-Budget verantworten. Die Befragten gaben an, welcher Anteil ihrer KI-Arbeit auf welches Modell entfällt. Menlo hat diese Angaben nach Ausgaben gewichtet und mit Tokenpreisen von OpenRouter, Ramp und Vercel abgeglichen. Token sind die Textbausteine, nach denen Modelle abgerechnet werden. Die Marktanteile sind damit hochgerechnete Schätzungen.

Wir haben nachgerechnet. Offene Modelle verarbeiten 19 % der Token zu 0,13 Dollar, geschlossene 81 % zu 0,70 Dollar. Daraus ergibt sich ein Ausgabenanteil von rund 4,2 %. Die 4 % folgen also fast vollständig aus dem Preisunterschied von etwa 5,4 zu 1. Sie sind keine unabhängige zweite Messung. Die 89 % sind damit 89 % von gut vier Prozent. Zum Vergleich: Anthropic kommt laut demselben Bericht auf 55 % aller Ausgaben für Modell-APIs, OpenAI auf 31 %.

Dazu kommen mögliche Interessenkonflikte. Menlo ist an Anthropic beteiligt. Fireworks und Modal sind laut Bericht Portfoliofirmen von Menlo, ebenso Cursor, und über diese Inferenz-Clouds läuft ein großer Teil des offenen Volumens. FourWeekMBA nennt außerdem OpenRouter als Menlo-Beteiligung.

Warum ausgerechnet Kimi?

Die 61 % für Kimi passen schlecht zu dem, was man öffentlich sieht. In der aktuellen Wochenrangliste von OpenRouter, einem Vermittlungsdienst, der Anfragen an viele Modelle weiterleitet und abrechnet, taucht Kimi nicht unter den zehn meistgenutzten Modellen auf. Die Spitze halten zwei DeepSeek-Varianten mit 56,5 und 16,5 Billionen Token, dann folgt GLM 5.3 Flash mit 15 Billionen.

Zwei Erklärungen liegen nahe. Erstens ist Kimi pro Token deutlich teurer als DeepSeek. Wer nach Geld statt nach Token zählt, verschiebt die Anteile also automatisch Richtung Kimi. Zweitens erwähnt Menlo selbst, dass Cursor sein Coding-Modell Composer 2 auf Kimi K2.5 aufgebaut hat und Fireworks die Rechenleistung für das Training lieferte. Cursor gehört zu den umsatzstärksten KI-Werkzeugen, Schätzungen nennen 2 bis 3 Milliarden Dollar Jahresumsatz. Wenn befragte Firmen ihre Composer-Nutzung als „Kimi“ verbucht haben, könnte ein einzelnes Produkt den Wert stark nach oben treiben. Unsere Einschätzung: Das ist plausibel, aber nicht belegt. Menlo schlüsselt den Kimi-Anteil nicht auf.

Auch Moonshot wächst tatsächlich. Laut Bloomberg-Berichten stieg der Jahresumsatz von rund 200 Millionen Dollar im April auf über eine Milliarde im August. Bis Jahresende sind 2 Milliarden angepeilt. Diese Zahlen hat das Unternehmen selbst gemeldet, geprüft sind sie nicht.

26 Punkte – und warum es inzwischen eher 12 bis 14 sind

Artificial Analysis baut seinen Index jetzt zu 60 % auf private Testsätze oder zurückgehaltene Antworten. In v4.3 lag dieser Anteil laut Sekundärberichten bei 45 %. Ziel ist es, Kontamination zu verhindern: Ein Modell soll nicht gut abschneiden, weil Testfragen samt Lösungen in seinen Trainingsdaten standen. Gleichzeitig hat Artificial Analysis die Gewichtung geändert. Statt 30/30/20/20 zählen allgemeines Wissen, Wissensarbeit, Coding und Wissenschaft nun je 25 %. Neu sind FrontierCode 2.0 (reales Programmieren) und Terminal-Bench-Science (lange wissenschaftliche Arbeitsabläufe im Terminal).

Laut Artificial Analysis wuchs der Abstand des besten offenen Modells zur Spitze damit von 3 auf 12 Punkte. Die 26 Punkte gelten nur für Modelle, deren Gewichte am 27. Oktober schon herunterladbar waren. Diese Einschränkung ist inzwischen überholt: Moonshot hat die Gewichte von Kimi K3.1 Pro am 4. November auf Hugging Face gestellt. Auf der Rangliste vom 6. November führt Gemini 4 Carbon mit 60 Punkten, Kimi steht bei 46. Der Abstand der besten herunterladbaren Modelle liegt also bei 12 bis 14 Punkten. Das ist deutlich weniger als 26, aber viermal so viel wie unter v4.3.

Aufschlussreich sind die Einzeltests. Bei Terminal-Bench-Science kommt GPT-6 Astra auf 63 %, Kimi auf 34 % und DeepSeek V4.1 Flash auf 13 %. Bei HLE-Diamond stehen 68 % für Opus gegen 37 % für Kimi. Beim privaten FrontierCode 2.0 erreicht DeepSeek dagegen 28 % gegen 46 % für Opus. Beim Programmieren ist der Rückstand also klar kleiner als in der Wissenschaft.

Vier Monate oder 26 Punkte? Verschiedene Lineale

Der Mozilla-Bericht vom 15. September beruht auf Daten der Forschungsgruppe METR. Gemessen wird, wie lange Aufgaben dauern dürfen (in menschlichen Arbeitsstunden), die ein Modell noch zur Hälfte löst. Ergebnis: Offene Modelle erreichen das Niveau geschlossener Modelle rund 4,4 Monate später. Nach dem alten Artificial-Analysis-Index lag Kimi K3 nur 3 Punkte hinter Claude Opus 5. Epoch AI kam mit seinem Capabilities Index im Mai auf etwa vier Monate. Eine von Startup Fortune zitierte Epoch-Auswertung nennt für chinesische Modelle seit 2023 im Schnitt sieben Monate, mit Schwankungen zwischen vier und vierzehn. Mozilla setzt sich selbst für offene Modelle ein. Sein CTO nannte den Bericht teilweise Interessenvertretung.

Punkte und Monate lassen sich nicht direkt ineinander umrechnen. Wichtiger ist, dass v5 zwei Dinge gleichzeitig verändert hat: mehr private Tests und mehr Gewicht auf Wissenschaft. Unsere Einschätzung: Wie viel vom Absturz auf die Kontamination entfällt und wie viel auf die neue Gewichtung, lässt sich von außen nicht trennen. Die These vom „Auswendiglernen“ ist deshalb gestützt, aber nicht bewiesen.

Nathan Lambert, der sich in seinem Blog Interconnects mit offenen Modellen befasst, verteidigt beide Seiten:

„Der vorherige Index hat den offenen Modellen zu sehr geschmeichelt.“

Zugleich hält er das Ende der offenen Modelle für „stark übertrieben“. Die besten Labore würden „ein wenig benchmaxen“, also gezielt auf Testergebnisse hin optimieren, die schlechtesten „sehr viel“. Er kritisiert, dass private Tests der Öffentlichkeit die Fehlersuche nehmen und Artificial Analysis von den Laboren bezahlt wird, die es bewertet. Er erwartet, dass führende offene Labore in zwei bis drei Monaten deutlich aufholen. Dean Ball, laut Weijin Research inzwischen bei OpenAI, sagte dagegen, die neue Rangliste decke sich erstmals mit seinem Eindruck aus der Praxis.

OpenRouter: 58, 46 oder 30 Prozent?

Auch die Nutzungszahlen von OpenRouter gehen auseinander, weil sie Verschiedenes messen. Bloomberg meldete im Juli einen Rekordanteil von 58 %: So viel der Token von Konten mit US-Rechnungsadresse liefen über chinesische Modelle, in der ersten Juliwoche kurz sogar 63 %. CNBC kam wenige Wochen zuvor auf einen Spitzenwert von 46 % und auf „über 30 %“ in jeder Woche seit dem 8. Februar. Die oft zitierten 30 % stammen dagegen aus einer anderen Bloomberg-Grafik. Sie zeigt den Anteil von US-Modellen an der gesamten Plattform, der von 70 % (Juni 2025) auf 30 % (Juni 2026) fiel.

Das Portal Noise Cancelling erinnert an die Grenzen dieser Daten. Kunden eines Vermittlungsdienstes wechseln besonders bereitwillig zum billigsten Modell. Gut die Hälfte des offenen Verkehrs dort ist Rollenspiel und kreatives Schreiben. Und Anthropic stellt nur 12 bis 15 % der Token auf OpenRouter, bekommt aber etwa die Hälfte des Geldes.

Engpass Rechenzentrum

Wer den Billigmarkt beherrschen will, braucht Rechenkapazität. Daran hapert es. Laut Reuters lagern rund 600.000 Nvidia-H200-Chips in Hongkong, weil Peking keine großen Einfuhren genehmigt. Zudem soll die Inferenz, also der laufende Betrieb der Modelle, auf chinesischen Chips stattfinden. Moonshot verhandelt laut CNBC über Rechenzentren in Europa mit 8.000 oder mehr Blackwell-GPUs, vor allem für die Inferenz. Nach dem Start von Kimi K3 im Juli musste Moonshot die Neuanmeldungen zeitweise stoppen. Tencent hat die Kapazität für sein am 4. November erschienenes Hy4 nach Überlastung am ersten Tag verzehnfacht.

Einordnung

Unsere Einschätzung: Chinas Labore gewinnen das Segment der offenen Modelle eindeutig. Ob US-Umfrage, OpenRouter oder Downloads, westliche Konkurrenz wie Llama spielt kaum noch eine Rolle. Dieses Segment macht aber nur einen kleinen Teil der Ausgaben aus, und die 89 % beruhen auf Umfrageschätzungen. Beim Kimi-Wert ist unklar, wie viel davon an einem einzigen Kunden hängt.

Bei der Leistung ist der Abstand zur Spitze größer, als die Viermonats-Schlagzeilen nahelegten. Besonders groß ist er in der Wissenschaft, kleiner beim Programmieren. Die 26 Punkte waren eine Momentaufnahme vor der Freigabe von Kimi K3.1 Pro. Offen bleibt, ob die privaten Tests vor allem Kontamination entlarven oder einfach andere Fähigkeiten belohnen. Für Nutzer heißt das: Wer Code schreiben oder große Textmengen günstig verarbeiten will, bekommt mit chinesischen Modellen viel Leistung fürs Geld. Wer an der Grenze des Machbaren arbeitet, etwa in der Forschung, landet weiterhin bei OpenAI, Anthropic oder Google.