Open-Weight-Leaderboard Juli 2026: GLM-5.2, Kimi K2.7 und DeepSeek V4 fuer den eigenen Server
Der Juni/Juli-2026-Release-Schwung ist frisch: GLM-5.2 ist mit MIT-Lizenz, 1M-Kontext und einer GPQA-Diamond-Angabe von 91,2 % das erste Open-Weight-Modell, das GPT-5.5 auf SWE-Bench Pro schlägt. Moonshot lieferte Kimi K2.7 Code am 13. Juni. Frontier-Qualität ist self-hostbar geworden – wir zeigen, welches Modell auf welchen Server passt.
Noch vor achtzehn Monaten galt die Faustregel: Wer wirklich Spitzenqualität wollte, musste zur Cloud-API eines US-Anbieters greifen. Die frei herunterladbaren Open-Weight-Modelle hinkten spürbar hinterher. Im Juni und Juli 2026 hat sich diese Rechnung umgekehrt. Ein Release-Schwung aus Asien – Z.ai, Moonshot, DeepSeek, MiniMax und Alibaba – hat Modelle auf den Markt gebracht, die auf den einschlägigen Benchmarks mit den geschlossenen Frontier-Modellen gleichziehen oder sie sogar überholen. Und das Entscheidende für den Mittelstand: Diese Modelle laufen auf dem eigenen Server.
Dieser Artikel sortiert das aktuelle Leaderboard. Wir stellen die relevanten Modelle vor, ordnen die Benchmark-Zahlen ehrlich ein, erklären warum die Lizenz über die Rechtssicherheit entscheidet – und zeigen, welches Modell auf welche Hardware passt. Denn genau an dieser Kopplung aus Modellwahl und GPU-Bedarf scheitern die meisten Projekte, nicht an der Qualität der Modelle.
GLM-5.2: der neue Spitzenreiter
Am 17. Juni 2026 hat Z.ai (das frühere Zhipu AI) GLM-5.2 veröffentlicht – und das Modell ist der Grund, warum das Leaderboard neu geschrieben werden muss. Die vollständigen Gewichte liegen inklusive eines FP8-Builds auf Hugging Face, die Lizenz ist die schlanke, wirtschaftsfreundliche MIT-Lizenz, und das Kontextfenster fasst eine Million Token. Diese Kombination – offene Lizenz, großes Kontextfenster und Frontier-Qualität – gab es in dieser Form bei einem herunterladbaren Modell bisher nicht.
Die Schlagzeile liefert SWE-Bench Pro, der anspruchsvolle Benchmark für reale Software-Engineering-Aufgaben: GLM-5.2 erreicht dort 62,1 % und liegt damit knapp vor GPT-5.5 mit 58,6 %. In der Kommunikation von Z.ai gilt es damit als das erste Open-Weight-Modell, das GPT-5.5 auf SWE-Bench Pro schlägt.
Zahlen richtig einordnen: Die 62,1 % auf SWE-Bench Pro sind bislang eine Hersteller- bzw. Benchmark-Blog-Angabe – ein unabhängig verifiziertes Ergebnis auf SWE-bench Verified liegt noch nicht vor. Auch das oft zitierte GPQA-Diamond-Ergebnis von 91,2 % ist eine Herstellerangabe; einzelne Quellen nennen für den besten Open-Source-Wert deutlich niedrigere 80,3 %. Und das Prädikat „erstes Open-Weight-Modell über GPT-5.5" ist Marketing: MiniMax M3 lag mit rund 59,0 % bereits zwei Wochen früher nominell über den 58,6 % von GPT-5.5. Nehmen Sie GLM-5.2 als das derzeit stärkste offene Modell – aber verifizieren Sie die Zahlen auf Ihren eigenen Aufgaben.
Ein solches Modell ist kein Kandidat für den Laptop unter dem Schreibtisch. GLM-5.2 gehört zur Klasse der sehr großen Mixture-of-Experts-Architekturen und braucht eine Enterprise-GPU beziehungsweise einen GPU-Node. Der FP8-Build senkt den Speicherbedarf gegenüber voller Präzision erheblich, ersetzt aber keinen ordentlich dimensionierten Server. Wer die Qualität will, muss die Hardware einplanen – dazu unten mehr.
Kimi K2.7 Code
Moonshot hat am 13. Juni 2026 mit Kimi K2.7 Code nachgelegt – ein auf Programmierung spezialisiertes Modell der 1-Billion-Parameter-Klasse (MoE) mit einem 256K-Kontextfenster unter einer modifizierten MIT-Lizenz. Zwei Tage später, am 15. Juni, folgte der HighSpeed-Modus.
Der Fortschritt gegenüber der Vorgängerversion ist messbar und breit: +21,8 % auf Kimi Code Bench v2, dazu +11,0 % auf Program Bench und +31,5 % auf MLS Bench Lite gegenüber K2.6. Bemerkenswert ist, dass Kimi K2.7 dabei rund 30 % weniger Reasoning-Token verbraucht als der Vorgänger – die Qualität steigt also, während die Kosten pro Antwort sinken.
Besonders für interaktive Werkzeuge relevant ist die HighSpeed-Variante: Sie liefert etwa 180 Token pro Sekunde, bei kurzem Kontext bis zu 260 Token pro Sekunde – rund sechsmal schneller als die Standard-Inferenz. Für agentische Coding-Workflows, in denen ein Modell viele Werkzeugaufrufe hintereinander abarbeitet, ist diese Geschwindigkeit oft wichtiger als der letzte Prozentpunkt auf einem Benchmark. Genau hier liegt die Stärke von Kimi K2.7: agentisches Coding, bei dem das Modell nicht nur Code schreibt, sondern eigenständig plant, testet und iteriert.
Praxisbeispiel: Coding-Assistent im Entwicklungsteam
Ein Softwarehaus mit 12 Entwicklern testete Kimi K2.7 Code HighSpeed als internen Assistenten auf einem eigenen GPU-Node. Für die typische Aufgabe „lies das Ticket, finde die betroffenen Dateien, schlage einen Patch vor und schreibe den Test dazu" reduzierte sich die gefühlte Wartezeit gegenüber der Standard-Inferenz drastisch – die sechsfache Ausgabegeschwindigkeit macht aus einer Kaffeepause eine flüssige Interaktion. Alle Repositories und Tickets blieben dabei im Haus.
DeepSeek V4 und MiniMax M3
GLM-5.2 und Kimi sind nicht allein an der Spitze. Wer sein Modell auswählt, sollte drei weitere Kandidaten kennen, die jeweils eine eigene Nische besetzen.
DeepSeek V4-Pro
DeepSeek hat bereits am 24. April 2026 V4 in den Varianten V4 Pro und V4 Flash ausgeliefert – mit offenen Gewichten auf Hugging Face, 1M-Kontext und einem dualen Thinking-/Non-Thinking-Modus, der zwischen tiefem Nachdenken und schneller Antwort umschaltet. DeepSeek-V4-Pro zählt zur Coding-Spitze der Open-Weights und ist eine solide Enterprise-GPU-Empfehlung, wenn Sie eine bewährte, breit unterstützte Basis suchen.
MiniMax M3
MiniMax M3 wurde am 1. Juni 2026 angekündigt und kombiniert drei Eigenschaften, die selten zusammenkommen: rund 59,0 % auf SWE-bench Pro, ein Kontextfenster von bis zu einer Million Token und native Multimodalität. MiniMax bewirbt M3 als erstes Open-Weight-Modell, das Frontier-Coding, 1M-Kontext und native Multimodalität in einem Modell vereint. Wenn Ihr Anwendungsfall Bilder, Diagramme oder gemischte Dokumente umfasst, ist M3 der naheliegende Kandidat.
Qwen 3.6
Qwen 3.6 von Alibaba ist die pragmatische Wahl für alle, die eine wirklich freie Lizenz und Mehrsprachigkeit brauchen. Die Familie steht unter Apache 2.0 und deckt kompakte dichte Modelle ebenso ab wie größere MoE-Varianten. Das im April 2026 veröffentlichte Qwen3.6-27B ist ein dichtes 27-B-Modell mit 262K nativem Kontext (per YaRN auf rund 1M erweiterbar), das auf einer einzelnen 80-GB-GPU läuft – quantisiert sogar auf zwei 24-GB-Consumer-GPUs. Damit ist es der ideale Einstieg für lokale Deployments.
Die Botschaft dieser Vielfalt: Es gibt nicht das beste Open-Weight-Modell, sondern das beste Modell für Ihren Anwendungsfall, Ihre Lizenzanforderung und Ihre Hardware. Die folgende Tabelle fasst die Kandidaten zusammen.
| Modell | Lizenz | Kontext | Stärke | Hardware |
|---|---|---|---|---|
| GLM-5.2 | MIT | 1M | Allround-Spitze, SWE-Bench Pro 62,1 % | Enterprise-GPU |
| Kimi K2.7 Code | Mod. MIT | 256K | Agentisches Coding, HighSpeed ~6x | Enterprise-GPU |
| DeepSeek V4-Pro | Open | 1M | Coding-Spitze, Thinking-Modus | Enterprise-GPU |
| MiniMax M3 | Open | 1M | Nativ multimodal, SWE-bench Pro 59,0 % | Enterprise-GPU |
| Qwen 3.6 27B | Apache 2.0 | 262K–1M | Mehrsprachig, kompakt, lokal | 1× 80-GB-GPU |
Lizenz entscheidet über Rechtssicherheit
Bei Open-Weight-Modellen ist die Lizenz kein Kleingedrucktes, sondern die entscheidende Weiche. Denn „open" bedeutet nicht automatisch „frei nutzbar". Nur Modelle unter MIT oder Apache 2.0 lassen sich sauber und rechtssicher on-premise betreiben – hier gehören die heruntergeladenen Gewichte praktisch Ihnen, die kommerzielle Nutzung ist ausdrücklich erlaubt, und es gibt keine nachgelagerten Nutzungsbeschränkungen oder Meldepflichten.
Genau das macht GLM-5.2 (MIT) und Qwen 3.6 (Apache 2.0) so attraktiv: Sie kombinieren Spitzenqualität mit einer Lizenz, die keine juristischen Fußangeln enthält. Bei Modellen mit eigenen Custom-Lizenzen – oder auch bei einer „modifizierten MIT"-Lizenz wie bei Kimi K2.7 – lohnt der genaue Blick: Solche Lizenzen können Klauseln zu Umsatzgrenzen, Wettbewerbsverboten oder Nutzungsbeschränkungen enthalten, die für ein Unternehmen relevant werden.
Faustregel für den Mittelstand: Lassen Sie vor dem Produktivbetrieb die Modelllizenz von der Rechtsabteilung prüfen – so wie Sie es bei jeder anderen eingekauften Software auch tun würden. MIT und Apache 2.0 sind unbedenklich. Bei allem anderen gilt: erst lesen, dann deployen.
Modellwahl bestimmt den GPU-Bedarf
Die Modellwahl ist zugleich eine Hardware-Entscheidung. Ein 1-Billion-Parameter-MoE wie Kimi K2.7 oder ein GLM-5.2 der obersten Klasse lässt sich nicht auf derselben Maschine betreiben wie ein kompaktes 27-B-Modell. Wir gliedern den Bedarf in zwei Stufen.
Einstieg lokal
Für den lokalen Einstieg – etwa einen Assistenten für eine Abteilung oder ein erstes Pilotprojekt – genügt eine mid-range GPU. Qwen 3.6 27B läuft auf einer einzelnen 80-GB-GPU, quantisiert sogar auf zwei 24-GB-Consumer-Karten. Wer speziell einen Coding-Assistenten sucht, findet in den kompakten Devstral-Coding-Modellen von Mistral eine lokal betreibbare Alternative. Solche Setups sind mit einem überschaubaren Hardware-Budget realisierbar und decken einen großen Teil der Alltagsaufgaben ab.
Enterprise-GPUs
Die Spitzenmodelle GLM-5.2, Kimi K2.7 und DeepSeek-V4-Pro sind 700-B- bis 1-T-Klasse-Modelle und benötigen Enterprise-GPUs beziehungsweise Multi-GPU-Nodes. Zwei Faktoren bestimmen hier den Bedarf: der verfügbare VRAM und die gewählte Quantisierung. Ein FP8-Build – wie ihn GLM-5.2 mitbringt – halbiert grob den Speicherbedarf gegenüber BF16 und macht den Betrieb auf weniger GPUs möglich, ohne die Qualität nennenswert zu beeinträchtigen. Für das Serving haben sich vLLM und SGLang als Standard etabliert: Beide bringen effizientes Batching, KV-Cache-Management und Unterstützung für die aktuellen MoE-Architekturen mit.
Ein häufiger Denkfehler ist, den Speicherbedarf allein aus der Parameterzahl abzuleiten. Neben den Gewichten belegt der KV-Cache mit wachsender Kontextlänge zusätzlichen VRAM – bei 1M-Kontext ein spürbarer Posten. Auch die Zahl der gleichzeitigen Nutzer geht ein: Ein Modell, das für einen einzelnen Entwickler flüssig läuft, kann bei zwanzig parallelen Anfragen ins Stocken geraten. Planen Sie die Hardware daher nicht für das Modell allein, sondern für Modell plus Kontextlänge plus erwartete Last.
Die Auslegung des Servers – GPU-Typ, Anzahl, VRAM, Quantisierungsstrategie – ist der Punkt, an dem sich ein Projekt entscheidet. Wir helfen bei der konkreten Dimensionierung eines On-Premise-KI-Servers, der zum gewählten Modell passt.
Empfehlung nach Anwendungsfall
Statt einer pauschalen „Bestenliste" hilft eine Zuordnung nach Anwendungsfall. Die folgende Matrix bündelt die Empfehlungen aus diesem Artikel.
- Coding & Agenten: GLM-5.2 für maximale Allround-Qualität, Kimi K2.7 Code (HighSpeed) für schnelle, interaktive agentische Workflows. DeepSeek-V4-Pro als bewährte Alternative.
- Mehrsprachig & allgemein: Qwen 3.6 – Apache 2.0, stark in vielen Sprachen und in der 27-B-Variante lokal betreibbar.
- Multimodal: MiniMax M3, wenn Bilder, Diagramme oder gemischte Dokumente Teil des Anwendungsfalls sind.
- Lokaler Einstieg / kleines Budget: Qwen 3.6 27B oder ein kompaktes Devstral-Coding-Modell auf einer mid-range GPU.
Der wichtigste Rat zum Schluss: Verlassen Sie sich nicht allein auf Leaderboard-Werte. Benchmark-Zahlen sind ein Startpunkt, keine Entscheidung – und wie das Beispiel GLM-5.2 zeigt, sind viele Spitzenwerte zunächst Herstellerangaben. Führen Sie ein kurzes Eval auf Ihren eigenen, realen Aufgaben durch, bevor Sie ein Modell produktiv setzen. Zehn repräsentative Beispiele aus Ihrem Alltag sagen mehr aus als jeder öffentliche Benchmark. Nutzen Sie dafür gern unseren Modellvergleich als Ausgangspunkt.
Häufig gestellte Fragen
Welches Open-Weight-Modell ist im Juli 2026 das beste?
GLM-5.2 führt: MIT-Lizenz, 1M Kontext, GPQA Diamond 91,2 % (Hersteller-Angabe) und als erstes Open-Weight-Modell schlägt es GPT-5.5 auf SWE-Bench Pro. Für Coding ist Kimi K2.7 eine starke Alternative.
Warum ist die Lizenz so wichtig?
Nur offen lizenzierte Modelle (MIT oder Apache 2.0) lassen sich rechtssicher on-premise betreiben. Die Gewichte gehören dann Ihnen, kommerzielle Nutzung inklusive.
Welche Hardware brauche ich?
Für den lokalen Einstieg reichen Qwen 3.6 27B oder ein kompaktes Devstral-Coding-Modell auf einer mid-range GPU. GLM-5.2, Kimi K2.7 und DeepSeek-V4-Pro benötigen Enterprise-GPUs.
Wie wähle ich das richtige Modell?
Nach Anwendungsfall und immer mit einem Eval auf Ihren eigenen Aufgaben – Leaderboard-Werte sind nur ein Startpunkt, nicht die Entscheidung.
Das richtige Open-Weight-Modell für Ihren Server
Wir helfen bei der Modellauswahl und dimensionieren den passenden On-Premise-Server dazu – von Qwen 3.6 lokal bis GLM-5.2 auf der Enterprise-GPU. Kostenlose Erstberatung.