Lokale KI-Modelle im Vergleich: welches offene LLM für Deutsch?
Lokale KI-Modelle laufen auf Ihrer eigenen Hardware, Ihre Dokumente bleiben im Haus. Welches lokale LLM für Deutsch passt, hängt von Lizenz, Größe und Sprachunterstützung ab. Hier finden Sie zehn offene Modellfamilien im Faktenvergleich, direkt aus den Angaben der Herausgeber. Die beste lokale KI für Ihre Dokumente finden Sie mit unserem kostenlosen Testset: 30 Fragen auf Deutsch, die Sie selbst auswerten.
Stand: 5. November 2026
Das Wichtigste in Kürze
- Die Tabelle zeigt
Angaben aus den Model Cards und Lizenzen der Herausgeber, alphabetisch sortiert. Deutsch nennen 5 von 10 Herausgebern ausdrücklich als unterstützte Sprache: EuroLLM, Granite 4.2, Llama, Mistral und Teuken-7B. Fehlt Deutsch in der Liste, sagt das noch nichts über die Qualität.- „Offen“ heißt nicht „bedingungslos“: Nutzerschwellen, EU-Klauseln, Nutzungsrichtlinien und nicht kommerzielle Versionen stehen in den
Lizenzen , nicht im Modellnamen. - Testen Sie selbst: Unser
RAG-Testset Deutsch mit 30 Fragen, Musterantworten und Bewertungsbogen steht unter CC BY 4.0 zum Download.
Was diese Seite leistet, und was nicht.
Wer lokale KI im Unternehmen betreiben will, muss irgendwann ein Modell wählen. Nach welchen Kriterien, erklärt unser Beitrag Open-Source-LLMs: sechs Kriterien für die Auswahl. Diese Seite ist das konkrete Gegenstück dazu: die aktuellen Modellfamilien mit ihren Angaben nebeneinander, und ein Werkzeug, mit dem Sie Kandidaten auf Deutsch prüfen.
Was Sie hier nicht finden: Punkte, Sieger oder „Top 10“. Solange wir die Modelle nicht selbst gemessen haben, wäre jede Reihenfolge eine Meinung. Unsere eigenen Messwerte mit dem Testset veröffentlichen wir später auf dieser Seite.
Angaben der Herausgeber
Größen, Lizenz, Kontext, Deutsch und Erscheinungsdatum aus den Angaben der Herausgeber, mit Link zur Quelle.
Speicher nachgerechnet
Der Speicherbedarf jedes Modells kommt aus denselben Formeln wie der LLM-VRAM-Rechner.
Selbst testen
30 Fragen auf Deutsch zu einem fiktiven Firmenhandbuch, mit Musterantworten und Bewertungsbogen.
lokale KI im Unternehmen betreiben →Sechs Kriterien für die Modellwahl →
Zehn offene Modellfamilien für den lokalen Betrieb.
Aufgenommen haben wir Familien mit frei herunterladbaren Gewichten, die sich auf eigener Hardware betreiben lassen und für deutschsprachige Unternehmen eine Rolle spielen. Phi-4 steht als Gegenbeispiel in der Tabelle: Der Herausgeber sieht es ausdrücklich nicht für mehrsprachige Nutzung vor. Die Reihenfolge ist alphabetisch und sagt nichts über Qualität.
| Modellfamilie · Herausgeber | Größen (Parameter) | Lizenz | Kontext (Tokens) | Deutsch offiziell genannt | Erschienen | VRAM (4 Bit, 1 Nutzer, 8k) |
|---|---|---|---|---|---|---|
Swiss AI Initiative (ETH Zürich, EPFL) | 8B, 70B (Version 2509; neuere Versionen v1.1 mit 0,5B–4B und v1.5 sind erschienen) | Apache 2.0 plus Acceptable Use Policy: Freistellung der Hochschulen von Ansprüchen Dritter, Ausgabefilter für Löschanfragen empfohlen | 65.536 | nicht einzeln genannt (1.811 Sprachen) | Sep. 2025 | 8B: 7,4 GB 70B: 50,1 GB Selbst rechnen → |
EuroLLM-Projekt (europäisches Forschungskonsortium) | 9B, 22B (Version 2512) | Apache 2.0 | 32.768 | ja (24 EU-Amtssprachen und 11 weitere) | Dez. 2025 | 9B: 8,5 GB 22B: 17,8 GB Selbst rechnen → |
Google DeepMind | E2B (5,1B inkl. Embeddings), E4B (8B), 12B, 31B; MoE 26B A4B (25,2B gesamt, 3,8B aktiv) | Apache 2.0 | 128K (E2B, E4B), 256K (übrige) | nicht einzeln genannt (35+ Sprachen, Training mit 140+) | ab Apr. 2026 | E4B: 7,0† GB 26B A4B: 20,1† GB 31B: 30,1† GB Selbst rechnen → |
OpenAI | MoE 20b (21B gesamt, 3,6B aktiv), MoE 120b (117B gesamt, 5,1B aktiv) | Apache 2.0 plus kurze Nutzungsrichtlinie (geltendes Recht einhalten) | 128K | nicht genannt | Aug. 2025 | 20b: 15,1† GB 120b: 78,2† GB Selbst rechnen → |
IBM | 3B, 8B, 30B (dicht) | Apache 2.0 | 131.072 (laut Model Card erweiterbar auf 512K) | ja (12 Sprachen) | Aug. 2026 | 3B: 4,1 GB 8B: 8,2 GB 30B: 22,5 GB Selbst rechnen → |
Meta | Llama 3.3: 70B; Llama 4: Scout MoE 109B (17B aktiv), Maverick MoE 400B (17B aktiv) | Eigene Lizenzen (Llama 3.3 / Llama 4 Community License): Zusatzlizenz ab 700 Mio. monatlich aktiven Nutzern, „Built with Llama“, Acceptable Use Policy. Llama 4 multimodal: Rechte aus Abschnitt 1(a) nicht für Personen mit Wohnsitz oder Unternehmen mit Hauptsitz in der EU | 3.3: 128K; Scout: 10 Mio.; Maverick: 1 Mio. | ja (3.3: 8 Sprachen, 4: 12 Sprachen) | Dez. 2024 (3.3), Apr. 2025 (4) | 3.3 70B: 50,1 GB Scout: 73,9† GB Selbst rechnen → |
Mistral AI | Ministral 3: 3B, 8B, 14B; Mistral Small 4: MoE 119B (6B aktiv) | Apache 2.0 | 256K | ja | Dez. 2025 (Ministral 3), März 2026 (Small 4) | 3B: 4,5 GB 8B: 8,1 GB 14B: 11,6 GB Small 4: nicht berechnet‡ Selbst rechnen → |
Microsoft | 14B | MIT | 16K | nein: laut Model Card „nicht für mehrsprachige Nutzung vorgesehen“ | Dez. 2024 | 14B: 12,4 GB Selbst rechnen → |
Qwen-Team (Alibaba) | 27B (dicht); Flash-Next: MoE 125B (6B aktiv, dazu 51B N-Gramm-Embedding und 4B MTP); 2.4T-A95B: MoE 2,4 Bio. (95B aktiv) | 27B: Apache 2.0. Flash-Next: Qwen Community License 1.0; 2.4T: Qwen3.8-Max License. Beide: Modellname in der Oberfläche ab 100 Mio. MAU oder 20 Mio. US-$ Monatsumsatz; Unternehmen mit „Model as a Service“- oder KI-Arbeitsassistenten-Geschäft brauchen eine Zusatzlizenz (beim 2.4T-Modell erst ab 50 Mio. US-$ Jahresumsatz der Gruppe); rein interne Nutzung ohne Zugang für Dritte ausgenommen | 262.144 (erweiterbar auf 1 Mio.) | nicht einzeln genannt (201 Sprachen und Dialekte) | Aug. 2026 | 27B: 21,5† GB Selbst rechnen → |
OpenGPT-X (Forschungsprojekt, BMWK-gefördert) | 7B | v0.4 „commercial“: Apache 2.0; v0.6: CC BY-NC 4.0, nur nicht kommerziell | 4.096 | ja (24 EU-Amtssprachen) | Nov. 2024 (v0.4) | 7B: 6,0 GB (4k) Selbst rechnen → |
- Apertus: Model Card Apertus-8B-Instruct-2509 (Swiss AI Initiative)
- EuroLLM: Model Card EuroLLM-22B-Instruct-2512
- EuroLLM: Release-Beitrag EuroLLM-22B, 14.12.2025
- Gemma 4: Model Card Gemma 4 31B (Google DeepMind)
- Gemma 4: Lizenzseite Gemma 4 (Apache 2.0)
- gpt-oss: Model Card gpt-oss-20b mit Nutzungsrichtlinie
- Granite 4.2: Release-Beitrag Granite 4.2 (Granite Team, IBM), 25.08.2026
- Llama: Model Card Llama 3.3
- Llama: Model Card Llama 4
- Llama: Lizenz: Llama 4 Community License Agreement
- Llama: Nutzungsrichtlinie: Llama 4 Acceptable Use Policy
- Mistral: Model Card Ministral 3 14B
- Mistral: Release-Beitrag Mistral 3, 02.12.2025
- Mistral: Release-Beitrag Mistral Small 4, 16.03.2026
- Phi-4: Model Card phi-4 (Microsoft)
- Qwen3.8: Model Card Qwen3.8-27B
- Qwen3.8: Model Card und Lizenz Qwen3.8-Flash-Next
- Qwen3.8: Repository Qwen3.8 (Release-Hinweise)
- Teuken: Model Card Teuken-7B-instruct-commercial-v0.4
- Teuken: Model Card Teuken-7B-instruct-v0.6
- VRAM: eigene Berechnung mit den Formeln des LLM-VRAM-Rechners; Bits pro Gewicht für 4 Bit (Q4_K_M) laut Quantisierungs-Dokumentation von llama.cpp.
Warum Modelle unterschiedlich gut Deutsch können.
Drei Gründe spielen nach heutigem Stand eine Rolle. Erstens die
Zweitens die
Was das für Ihre Auswahl heißt: Die Angaben in der Tabelle grenzen die Kandidaten ein, entscheiden aber nicht. Ob ein Modell Ihre Fragen auf Deutsch korrekt aus Ihren Dokumenten beantwortet, zeigt erst ein Test.
Tokenisierung
Zerlegt ein Modell deutsche Wörter in viele kleine Stücke, passt weniger Text in den Kontext, und Antworten dauern länger.
Trainingsdaten
Der Anteil deutscher Texte im Training ist selten veröffentlicht. Europäische Projekte wie EuroLLM und Teuken legen den Schwerpunkt auf EU-Sprachen.
Zusage
„Unterstützt“ heißt: Der Herausgeber nennt die Sprache ausdrücklich, teils mit eigenen Tests. Es ist kein Qualitätsnachweis für Ihre Dokumente.
Lizenzfallen für Unternehmen.
Die Gewichte aller Modelle in der Tabelle sind frei herunterladbar. Was Sie damit tun dürfen, regelt die Lizenz, und die unterscheidet sich teils innerhalb einer Modellfamilie. Die folgenden Punkte stammen aus den Lizenztexten selbst. Sie ersetzen keine Rechtsberatung; lassen Sie die Lizenz des Modells, das Sie einsetzen wollen, in der Regel von Ihrer Rechtsabteilung prüfen.
Gleicher Name, andere Lizenz
Teuken-7B v0.4 „commercial“ steht unter Apache 2.0, die neuere v0.6 unter CC BY-NC 4.0, also nur für nicht kommerzielle Zwecke. Bei Qwen3.8 steht das 27B-Modell unter Apache 2.0, die größeren Modelle unter eigenen Qwen-Lizenzen.
Schwellen und Namensnennung
Llama verlangt ab 700 Mio. monatlich aktiven Nutzern eine eigene Lizenz und bei Weitergabe den Hinweis „Built with Llama“. Die Qwen-Lizenzen verlangen ab 100 Mio. monatlich aktiven Nutzern oder 20 Mio. US-Dollar Monatsumsatz, den Modellnamen in der Oberfläche anzuzeigen.
EU-Klausel bei Llama 4
Laut Acceptable Use Policy werden für multimodale Llama-4-Modelle die Rechte aus Abschnitt 1(a) Personen mit Wohnsitz in der EU und Unternehmen mit Hauptsitz in der EU nicht eingeräumt; Endnutzer eines Produkts, das solche Modelle enthält, sind ausgenommen. Meta beschreibt Scout und Maverick als nativ multimodal.
Angebot für Dritte
Die Qwen-Lizenzen für Flash-Next und das 2.4T-Modell verlangen eine Zusatzlizenz für jede kommerzielle Nutzung, wenn Ihr Unternehmen Modellzugriff als Dienst („Model as a Service“) oder einen KI-Arbeitsassistenten für Programmierung oder Büroarbeit anbietet; beim 2.4T-Modell gilt das erst ab 50 Mio. US-Dollar Umsatz in zwölf Monaten. Rein interne Nutzung ohne Zugang für Dritte ist ausgenommen.
Nutzungsrichtlinien
Zusätzlich zur Lizenz gelten teils eigene Richtlinien: bei Llama die Acceptable Use Policy, bei gpt-oss eine kurze Nutzungsrichtlinie. Bei Apertus verpflichten Sie sich unter anderem, die Hochschulen von Ansprüchen Dritter freizustellen, und sollen einen Ausgabefilter für Löschanfragen alle sechs Monate aktualisieren.
Dokumentieren
Halten Sie fest, welches Modell in welcher Version unter welcher Lizenz läuft, wie bei jeder anderen Software. Bei einem Modellwechsel prüfen Sie die Lizenz neu.
Modellgröße und Hardware: was wohin passt.
Der wichtigste Wert für die Hardware ist der GPU-Speicher. Die Grafik zeigt für je ein bis drei Größen pro Familie, wie viel das Sprachmodell allein in 4 Bit für eine Anfrage braucht. Bis etwa 8B passt ein Modell mit Reserve auf eine GPU mit 16 GB, Modelle zwischen 27B und 31B brauchen je nach Architektur 24 bis 48 GB, ein 70B-Modell braucht 80 GB oder zwei GPUs.
Bei MoE-Modellen liegt immer das gesamte Modell im Speicher, auch wenn je Token nur ein kleiner Teil rechnet. Ein MoE-Modell antwortet dadurch oft schneller als ein gleich großes dichtes Modell, braucht aber nicht weniger Speicher. Und im Betrieb kommt für jede gleichzeitige Anfrage KV-Cache dazu: Bei vielen Nutzern ist er oft größer als das Modell selbst.
Speicherbedarf jedes Modells berechnen →Eigener KI-Server: Hardware planen →
So testen Sie lokale Modelle selbst.
Ein guter Test vergleicht Modelle unter gleichen Bedingungen mit Fragen, deren richtige Antwort Sie kennen. Genau das liefert das
Alles steht unter Creative Commons Namensnennung 4.0 (CC BY 4.0): Sie dürfen es nutzen, verändern und weitergeben, auch kommerziell, mit Quellenangabe „RAG-Testset Deutsch, RAGSuite (ragsuite.de), CC BY 4.0“.
Kandidaten wählen
Zwei bis drei Modelle aus der Tabelle, deren Lizenz zu Ihrem Einsatz passt und die auf Ihre Hardware passen.
Bedingungen festlegen
Gleiche Quantisierung, gleiche Suche (Chunk-Größe, Anzahl Treffer, Embedding-Modell) und gleiche Systemanweisung für alle. Versionen notieren.
Fragen stellen
Das Handbuch als ein Dokument einlesen und alle 30 Fragen auf Deutsch stellen, jede in einer neuen Unterhaltung.
Bewerten
Jede Antwort mit der Musterantwort vergleichen und nach der Tabelle unten bewerten. Am besten bewerten zwei Personen unabhängig.
Mit eigenen Dokumenten wiederholen
Den Ablauf mit 20 bis 30 echten Fragen aus Ihrem Alltag wiederholen. Erst das entscheidet.
Fünf Kategorien, 30 Fragen.
Jede Kategorie prüft eine typische Schwäche beim Antworten aus Dokumenten. Die Beispiele stammen aus dem Testset.
| Kategorie | Fragen | Was sie prüft | Beispiel |
|---|---|---|---|
| Faktenfrage | 7 | Eine Angabe aus einem Abschnitt | Wo befindet sich der Sanitätsraum? |
| Zahl/Datum | 8 | Zahlen, Beträge, Uhrzeiten und Fristen exakt wiedergeben | Wie hoch darf ein Hotel in Hamburg pro Nacht kosten? |
| mehrere Abschnitte | 5 | Zwei Textstellen verbinden oder einfach schlussfolgern | Ich arbeite in der Frühschicht und bin krank. Bis wann muss ich mich melden? |
| nicht beantwortbar | 5 | Das Handbuch enthält die Antwort nicht. Richtig ist: „Das steht nicht im Handbuch.“ | Wie viele Tage Sonderurlaub gibt es bei der eigenen Hochzeit? |
| Umlaute/Fachbegriffe | 5 | Namen mit Umlauten und Sonderzeichen, deutsche Fachbegriffe | Was ist ein EMPB, und wann wird er erstellt? |
Bewertungsschema: richtig, teilweise, falsch, korrekt verweigert.
Vier Stufen reichen, damit zwei Personen zu ähnlichen Ergebnissen kommen. Entscheidend ist die Stufe „korrekt verweigert“: Ein Modell, das bei fehlender Information ehrlich passt, ist für Unternehmensdokumente wertvoller als eines, das plausibel klingende Antworten erfindet.
| Bewertung | Punkte | Wann |
|---|---|---|
| richtig | 2 | Antwort stimmt und ist vollständig; die richtige Textstelle ist genannt oder erkennbar genutzt. |
| teilweise | 1 | Kern stimmt, aber unvollständig oder mit kleinem Fehler, etwa falscher Uhrzeit bei richtigem Ablauf. |
| falsch | 0 | Falsch, erfunden, oder verweigert, obwohl die Antwort im Handbuch steht. |
| korrekt verweigert | 2 | Nur bei „nicht beantwortbar“: Das Modell sagt, dass das Handbuch die Antwort nicht enthält. Eine erfundene Antwort zählt als falsch. |
Höchstwert: 60 Punkte. Werten Sie zusätzlich je Kategorie aus: Ein Modell, das viele Punkte holt, aber bei „nicht beantwortbar“ erfindet, ist für Unternehmensdokumente riskant.
Bewertungsbogen zum Ausdrucken.
Tragen Sie je Modell 0, 1 oder 2 Punkte ein. Die Musterantworten und Quellabschnitte stehen in der CSV- und JSON-Datei; so bleibt der Bogen kurz und die Lösung beim Bewerten nicht im Blick der Testperson.
| Nr. | Kategorie | Frage | Modell A | Modell B | Modell C |
|---|---|---|---|---|---|
| Q01 | Faktenfrage | Was stellt die Musterwerk GmbH her? | |||
| Q02 | Faktenfrage | Wer ist Geschäftsführerin der Musterwerk GmbH? | |||
| Q03 | Faktenfrage | Wie heißt das Reiseportal, in dem Dienstreisen genehmigt und abgerechnet werden? | |||
| Q04 | Faktenfrage | Wo befindet sich der Sanitätsraum? | |||
| Q05 | Faktenfrage | Mit welchem Formular beantrage ich mobiles Arbeiten? | |||
| Q06 | Faktenfrage | Wohin kommen beanstandete Teile aus einer Kundenreklamation? | |||
| Q07 | Faktenfrage | Darf ich Kundendaten beim mobilen Arbeiten auf meinem privaten Laptop speichern? | |||
| Q08 | Zahl/Datum | Wie viele Urlaubstage habe ich bei einer Fünftagewoche? | |||
| Q09 | Zahl/Datum | Bis wann muss Resturlaub aus dem Vorjahr genommen werden? | |||
| Q10 | Zahl/Datum | Wann ist am Freitag Kernzeit? | |||
| Q11 | Zahl/Datum | Wie viel Kilometergeld gibt es für Fahrten mit dem privaten Pkw? | |||
| Q12 | Zahl/Datum | Wie hoch darf ein Hotel in Hamburg pro Nacht kosten? | |||
| Q13 | Zahl/Datum | Wie lautet die interne Notrufnummer? | |||
| Q14 | Zahl/Datum | Wie viele Beschäftigte hat Musterwerk? | |||
| Q15 | Zahl/Datum | In welchem Takt fährt der Shuttlebus zwischen Werk Nord und Haus Süd? | |||
| Q16 | mehrere Abschnitte | Ich arbeite in der Frühschicht und bin krank. Bis wann muss ich mich melden, und um wie viel Uhr ist das? | |||
| Q17 | mehrere Abschnitte | Ich arbeite in der Fertigung im Werk Nord. Darf ich an einzelnen Tagen mobil arbeiten, und wann beginnt meine Spätschicht? | |||
| Q18 | mehrere Abschnitte | Ich arbeite im Haus Süd. Wo kann ich mittags warm essen, und wie komme ich dorthin? | |||
| Q19 | mehrere Abschnitte | Ich habe einen Laptop mit Personaldaten verloren. Wen informiere ich, wie und bis wann? | |||
| Q20 | mehrere Abschnitte | Ich bekomme Besuch für eine Führung durch Halle 2. Was muss ich vorher und vor Ort beachten? | |||
| Q21 | nicht beantwortbar | Wie viele Tage Sonderurlaub gibt es bei der eigenen Hochzeit? | |||
| Q22 | nicht beantwortbar | Wie hoch ist das Tagegeld für Verpflegung bei Dienstreisen? | |||
| Q23 | nicht beantwortbar | Wie lautet die Durchwahl der Geschäftsführerin? | |||
| Q24 | nicht beantwortbar | Wie viele Tage Bildungsurlaub nach Landesgesetz stehen mir zusätzlich zu? | |||
| Q25 | nicht beantwortbar | Welche Note braucht man in der jährlichen Sicherheitsunterweisung zum Bestehen? | |||
| Q26 | Umlaute/Fachbegriffe | Was ist ein EMPB, und wann wird er erstellt? | |||
| Q27 | Umlaute/Fachbegriffe | Bis wann müssen bei einem 8D-Report die Sofortmaßnahmen feststehen, und bis wann der vollständige Bericht? | |||
| Q28 | Umlaute/Fachbegriffe | Ein Messschieber trägt einen roten Aufkleber. Was bedeutet das, und wie oft werden Messmittel kalibriert? | |||
| Q29 | Umlaute/Fachbegriffe | Wer ist Vorsitzender des Betriebsrats, und wie erreiche ich ihn? | |||
| Q30 | Umlaute/Fachbegriffe | Ab wann muss ich bei Arbeitsunfähigkeit eine ärztliche Bescheinigung vorlegen, und muss ich einen Papierschein einreichen? | |||
| Summe | höchstens 60 Punkte |
Eigene Messergebnisse: folgen.
Wir werden ausgewählte Modelle aus der Tabelle mit genau diesem Testset auf eigener Hardware messen und die Ergebnisse hier veröffentlichen, mit allen Einstellungen, damit Sie sie nachprüfen können.
Sie haben das Testset schon eingesetzt? Wir freuen uns über Ihre Ergebnisse und Verbesserungsvorschläge über das Kontaktformular.
Fragen zu lokalen KI-Modellen.
Welches lokale LLM ist das beste für Deutsch?
Eine allgemeine Antwort gibt es nicht. Ausdrücklich als unterstützte Sprache nennen Deutsch die Herausgeber von EuroLLM, Granite 4.2, Llama 3.3 und Llama 4, Ministral 3 und Mistral Small 4 sowie Teuken-7B. Ob ein Modell Ihre Dokumente gut beantwortet, zeigt nur ein Test mit Ihren eigenen Fragen, etwa mit unserem kostenlosen Testset.
Welche lokalen KI-Modelle dürfen Unternehmen kostenlos nutzen?
Die Gewichte aller Modelle in der Tabelle sind kostenlos herunterladbar, die Bedingungen unterscheiden sich aber. Unter Apache 2.0 stehen Apertus (mit zusätzlicher Nutzungsrichtlinie), EuroLLM, Gemma 4, gpt-oss, Granite 4.2, Ministral 3, Mistral Small 4, Qwen3.8-27B und Teuken-7B in der Version v0.4; Phi-4 steht unter MIT. Llama nutzt eigene Lizenzen mit Bedingungen, größere Qwen3.8-Modelle ebenfalls. Teuken-7B v0.6 ist nur für nicht kommerzielle Zwecke freigegeben.
Wie viel Grafikspeicher braucht ein lokales KI-Modell?
In 4 Bit, für eine Anfrage mit 8.192 Tokens, braucht ein 8B-Modell nach unserer Rechnung rund 8 GB, ein 30B-Modell rund 22 GB und ein 70B-Modell rund 50 GB. Für ein Embedding-Modell und einen Reranker kommen 4,4 GB dazu, und jede weitere gleichzeitige Anfrage braucht zusätzlichen Speicher. Mit dem LLM-VRAM-Rechner rechnen Sie Ihre Konstellation nach.
Darf ich Llama 4 als Unternehmen in der EU nutzen?
Das ist eine Frage für Ihre Rechtsabteilung. Die Acceptable Use Policy zu Llama 4 sagt: Für multimodale Llama-4-Modelle werden die Rechte aus Abschnitt 1(a) der Lizenz Personen mit Wohnsitz in der EU und Unternehmen mit Hauptsitz in der EU nicht eingeräumt; für Endnutzer eines Produkts, das solche Modelle enthält, gilt die Einschränkung nicht. Meta beschreibt Scout und Maverick als nativ multimodal. Die Acceptable Use Policy zu Llama 3.3 enthält dieselbe Klausel; sie betrifft dort aber nur multimodale Modelle, und Llama 3.3 70B ist laut Model Card ein reines Textmodell.
Was heißt „Deutsch offiziell unterstützt“?
Der Herausgeber nennt Deutsch in Model Card oder Release-Beitrag ausdrücklich als unterstützte Sprache. Meta erklärt dazu für Llama 3.3, dass die unterstützten Sprachen seine Schwellen für Sicherheit und Hilfsbereitschaft erreichen und das Modell auch in weiteren Sprachen antworten kann. Fehlt Deutsch in der Liste, heißt das nicht, dass ein Modell schlecht Deutsch kann, sondern nur, dass der Herausgeber es nicht zusagt.
Wie aktuell ist die Tabelle?
Stand ist der 5. November 2026. Alle Angaben stammen aus den Model Cards, Lizenzdateien und Release-Beiträgen der Herausgeber, jeweils an diesem Tag geprüft. Wir prüfen die Tabelle regelmäßig und bei wichtigen neuen Modellen; maßgeblich ist das Stand-Datum.
Darf ich das Testset verwenden und verändern?
Ja. Handbuch, Fragen und Antworten stehen unter Creative Commons Namensnennung 4.0 (CC BY 4.0). Sie dürfen sie nutzen, verändern und weitergeben, auch kommerziell, wenn Sie die Quelle nennen: „RAG-Testset Deutsch, RAGSuite (ragsuite.de), CC BY 4.0“. Die Musterwerk GmbH und alle Angaben im Handbuch sind frei erfunden.
Das passende Modell für Ihre Dokumente finden.
Mihaela prüft mit Ihnen Lizenz, Hardware und Testergebnisse und hilft, zwei oder drei Kandidaten mit Ihren eigenen Dokumenten zu vergleichen.