Claude wird für sein sorgfältiges Denken, seinen langen Kontext und seine qualitativ hochwertige Schreibweise geschätzt — aber es ist eine geschlossene, kostenpflichtige API, die auf den Servern von Anthropic läuft. Wenn Sie diese Stärken möchten, während Sie Ihre Daten privat halten und Ihre Kosten niedrig halten, haben Open-Weight-Modelle schnell aufgeholt. Hier sind die besten Open-Source-Alternativen zu Claude, was jede am besten kann und wie Sie eine selbst ausführen können.
Regelmäßig aktualisiert · kuratiert von OpenSourceAI.tech
Führen Sie Modelle auf Ihrem eigenen Computer oder Server aus, sodass Ihre Eingaben und Daten niemals Ihre Kontrolle verlassen — kein Dritter sieht sie.
Lokal kostenlos ausführen oder eine gehostete Option nutzen, die oft pro Token viel günstiger ist, ohne monatliches Abonnement.
Feinabstimmung auf Ihren eigenen Daten, Verhalten ändern und das Tool tief in Ihre eigenen Produkte und Workflows integrieren.
Die Software gehört Ihnen. Keine überraschenden Abwertungen, keine erzwungenen Upgrades, keine plötzlichen Preiserhöhungen, die den Boden unter den Füßen wegziehen.
Dies sind Open-Weight-Modelle, die Sie herunterladen, selbst hosten und kommerziell nutzen können (überprüfen Sie jede Lizenz). Sie reichen von den leistungsfähigsten bis zu den leichtgewichtigsten — wählen Sie basierend auf Ihrer Hardware und Ihren Bedürfnissen.
Das nächstgelegene Open-Weight-Modell zur proprietären Grenze. Ein großes Mixture-of-Experts-Modell mit einem 1M-Token-Kontext, das in den Bereichen Denken, Programmierung und agentische Aufgaben hervorragend abschneidet — zu einem Bruchteil der Kosten geschlossener APIs.
DeepSeek-Modelle anzeigen →Die am weitesten verbreitete Open-LLM-Familie mit dem größten Ökosystem an Werkzeugen, Feineinstellungen und Anleitungen. Ein zuverlässiger Allzweckassistent, der in seinen kleineren Größen gut lokal läuft. Wenn Sie unsicher sind, wo Sie anfangen sollen, fangen Sie hier an.
Llama-Modelle anzeigen →Eine Spitzenfamilie mit herausragenden mehrsprachigen Fähigkeiten, starker Programmierung und exzellenter Qualität in jeder Größe. Häufige Veröffentlichungen halten es auf dem neuesten Stand, und die großzügige Lizenzierung der meisten Varianten erleichtert den Aufbau.
Qwen-Modelle anzeigen →Effiziente, in Europa entwickelte Modelle, die konstant über ihren Möglichkeiten liegen. Eine großartige Balance aus Geschwindigkeit, Qualität und Offenheit mit starker mehrsprachiger Unterstützung — ansprechend, wenn Sie Ihren Stack innerhalb der EU halten möchten.
Mistral-Modelle anzeigen →Eine auf Denken fokussierte Familie, die bei langfristiger, projektbezogener Programmierung und autonomen Agenten-Workflows glänzt — in der Lage, kontinuierlich an einer Aufgabe zu arbeiten, anstatt nur einzelne Fragen zu beantworten.
GLM-Modelle anzeigen →Entwickelt für sehr langen Kontext und End-to-End-Programmierung mit multimodalem Input. Bewältigt große Codebasen und lange Dokumente in einem Durchgang, was es gut geeignet macht für agentische, mehrstufige Arbeiten über große Eingaben.
Kimi-Modelle anzeigen →Die offenen Modelle von Google bieten einige der besten Qualität-für-Größe, die verfügbar sind, mit nativem multimodalem Input — und sie gehören zu den am einfachsten zu betreibenden Modellen in der Nähe der Grenze auf einer einzelnen GPU oder einem Mac.
Gemma-Modelle anzeigen →OpenAIs eigene Open-Weight-Modelle — eine vertraute Option, wenn Ihnen der Stil von ChatGPT gefällt, Sie aber etwas Selbstgehostetes und extrem Günstiges suchen. Die kleinere Variante läuft auf Consumer-Hardware.
gpt-oss-Modelle anzeigen →Open-Source bedeutet nicht immer, dass Sie es selbst ausführen — viele dieser Modelle sind auch über kostengünstige gehostete APIs verfügbar. Hier ist, wie die heute am häufigsten verwendeten offenen Modelle im Vergleich stehen, live von unserem Leaderboard abgerufen.
Ein Modell auf Ihrem eigenen Rechner auszuführen bedeutet totale Privatsphäre und null Kosten pro Token. Diese Tools machen es einfach — keine Expertise im maschinellen Lernen erforderlich.
Der einfachste Weg, um zu starten. Installieren Sie es, ziehen Sie ein Modell und führen Sie es mit einem einzigen Befehl auf macOS, Windows oder Linux aus.
Eine benutzerfreundliche Desktop-App mit einem grafischen Modellbrowser und einer Chat-Oberfläche — ideal, wenn Sie die Kommandozeile lieber vermeiden möchten.
Führen Sie quantisierte Modelle effizient auf bescheidener Hardware aus, einschließlich Laptops ohne dedizierte GPU.
Für die Produktion — Hochdurchsatz-Inferenz-Engines, die offene Modelle in großem Maßstab hinter einer API hosten.
Hardware kurz gesagt: kleine Modelle (≈7–12B Parameter) laufen auf einem modernen Laptop oder einer Consumer-GPU. Mittelgroße Modelle benötigen eine 16–24GB GPU. Die größten Mixture-of-Experts-Modelle benötigen eine Workstation — für diese ist eine kostengünstige gehostete API oft die praktische Wahl.
Ja. Modelle wie Llama, Qwen, DeepSeek und Mistral sind kostenlos herunterladbar und lokal mit Ollama oder LM Studio ausführbar — keine Abonnements und viel günstiger als die Claude-API, selbst wenn Sie einen gehosteten Endpunkt verwenden.
Für Claudes Stärken in der Argumentation und Programmierung kommen frontier Open-Modelle wie DeepSeek V4, Qwen und GLM am nächsten, während sie nur einen Bruchteil der Kosten verursachen.
Ja. Mehrere Open-Modelle bieten jetzt Kontextfenster von 1M Tokens oder mehr, vergleichbar mit oder übertreffend von Claude.
Wenn sie selbst gehostet sind, ja — Ihre Eingaben verlassen niemals Ihre Hardware, im Gegensatz zu einer geschlossenen API.
Nein. Führen Sie sie lokal kostenlos aus oder nutzen Sie eine kostengünstige gehostete API für mehr Komfort.
Vergleichen Sie 150+ Open-Weight-Modelle nach Preis, Kontext und Beliebtheit — täglich aktualisiert, mit Rankings, die verfolgen, wie sich das Feld im Laufe der Zeit verändert.
Öffnen Sie die Rangliste →