# mozilla-state-of-open-source-ai-2026-07

## Veille

**Wiederkehrender Bericht von Mozilla**, *The state of open source AI*, **v1.0.1, Juli 2026**, eingeleitet durch einen Brief von **Raffi Krikorian** (CTO): sieben Abschnitte, eine interaktive Website und ein herunterladbarer Bericht. These, formuliert im Titel von Abschnitt 1: *« The model layer has commoditized. Value accrues to the harness above it. »* **Fähigkeitsstand**: Auf dem *Artificial Analysis Intelligence Index v4.1* erzielt das beste geschlossene Modell **61** Punkte (Claude Opus 5) und das beste offene Modell **57** (**Kimi K3**), Rang vier insgesamt und vor drei der größten geschlossenen Labore; auf dem *Epoch Capabilities Index* beträgt der Abstand **6 Punkte** (K3 bei 156 gegenüber GPT-5.6 Sol bei 162), beschrieben als *« about one release cycle »*, bei sich überlappenden Konfidenzintervallen. **Sägezahnförmige Frontier**: Offene Modelle führen bei Frontend-Code (K3 mit 1.679 Elo in der LMArena Frontend Code Arena, sechs von sieben Domänen), liefern sich ein Kopf-an-Kopf-Rennen bei agentischer Terminalarbeit (88,3 gegenüber 88,8 im Terminal-Bench 2.1) und geben bei professioneller Wissensarbeit Boden ab (Fable 5 führt vor K3 mit 92 Elo im GDPval-AA v2). **Nutzungsverschiebung**: Der Anteil der über OpenRouter geleiteten Tokens, die an Open-Weight-Modelle gehen, stieg von einem vernachlässigbaren Niveau auf ein Drittel Ende 2025 und dann auf eine **Mehrheit bis Mitte 2026**, wobei die sieben Modelle mit dem höchsten Volumen alle offen gewichtet sind — der Bericht selbst merkt an, dass *« by request count, closed US providers still lead »*, wobei der Vorsprung der offenen Modelle ein Vorsprung beim Token-Volumen ist, der sich auf Coding- und agentische Workloads konzentriert. **Der zentrale Gegensatz**: *« Open ships easy. Open deploys hard. »* — 79 % der Entwickler, die KI einführen, nutzen offene Modelle gegenüber 71 % bei geschlossenen, aber nur **53 %** der Teams mit offenen Modellen erreichen die Produktion **gegenüber 63 %**, und die Lücke wächst mit der Organisationsgröße (geschlossen 54 % → 73 %, offen 53 % → 57 %), was *« rules out a resources explanation »*. Die Reifegradkarte des Stacks (48 Komponenten, 9 Schichten) zeigt zwei durchgängig kalte Spalten — **Standardisierung** und ***Enterprise Readiness*** — identifiziert als die operative Lücke. **Abschnitt 5**: *« The agentic harness is another user agent »*, und *« The model is eating the harness »* — bei jedem Modell, für das beide Varianten existieren, gewinnt inzwischen der Harness des jeweiligen Labors selbst, wobei sich die Lücke von 21,8 Punkten auf etwa 3 verringert hat. Daher die Formel: *« A harness tuned tightly to one lab's weights… degrades on anyone else's model, so the tighter the tuning, the less swappable the weights underneath. Lock-in arrives as a side effect of optimization. »*

## Titre Article

The state of open source AI (v1.0.1, juillet 2026)

## Date

2026-07

## URL

https://stateofopensource.ai/

## Keywords

Mozilla, state of open source AI, Open Weights, Open Weights, Open Source AI, OSI-Definition, Trainingscode, Datendokumentation, Modell-Kommodifizierung, Agentic Harness, Wertschöpfung oberhalb des Modells, Artificial Analysis Intelligence Index, Epoch Capabilities Index, Kimi K3, Claude Opus 5, GPT-5.6 Sol, Fable 5, Terminal-Bench, GDPval, LMArena, sägezahnförmige Frontier, OpenRouter, Token-Anteil, Volumen vs. Anfragen, Inferenz-Preise, 50x in 36 Monaten, LLMflation, Adoption vs. Produktion, Mozilla SlashData, operative Lücke, Standardisierung, Enterprise Readiness, Stack-Map, Souveränität, 70 nationale Strategien, Austrittsrechte, Austrittsrechte, Cloud-Ausstiegskosten, Repatriierung, Qwen, DeepSeek, Moonshot, Mistral, Zhipu, MiniMax, LangChain, MCP, A2A, Agentic AI Foundation, Agenten-Governance, ungelöste Schreib-Oberfläche, Lock-in durch Optimierung, Exportkontrollen, neunzehntägiger Blackout, Unumkehrbarkeit einer Weight-Veröffentlichung, Distillation, Kratsios, Greenblatt, Redwood Research, Watchlist, Raffi Krikorian

## Authors

**Mozilla** — éditeur du rapport, avec une introduction signée **Raffi Krikorian**, *Chief Technology Officer*. Publié en **juillet 2026** (v1.0.1). Données issues de sources tierces créditées (Artificial Analysis, Epoch AI, OpenRouter, LMArena) et d'une enquête propre menée avec **SlashData** (*Mozilla / SlashData 2026 developer survey*, n = 1 410 sur la question des freins).

Mozilla n'est pas un observateur neutre du sujet qu'elle mesure, et la lettre d'ouverture le revendique : *« Mozilla exists because one company tried to own the front door to the web, and an open community made sure it never could. We bet on open the first time. Open won. »* Le rapport est à la fois un travail de mesure sourcé et une pièce de plaidoyer, refermée sur un appel à l'action (*« Build with us »*) et une inscription à MozFest.

## Ton

**Profil**: **positionsgetriebener Branchen-Statusbericht**, interaktives Webformat (klickbare Diagramme, Zellen mit Hover-Effekt) begleitet von einem PDF. Analytisches, datenlastiges Register im Fließtext, **mobilisierend an beiden Enden** — der einleitende Brief des CTO, der abschließende Aufruf *« Build with us »*.

**Stil**: Jeder Abschnitt trägt einen **zweizeiligen Thesentitel** (*« Open shippt leicht. / Open deployt schwer. »*, *« Open ist eine Souveränitätsentscheidung. / Siebzig Regierungen behandeln es bereits als eine solche. »*), gefolgt von einer Reihe von Visualisierungen, die jeweils mit ihrer Quelle **und ihrer Einschränkung** versehen sind. Diese Disziplin bei den Bildunterschriften unterscheidet das Dokument von einem Talking-Points-Deck: *« Die Werte verwenden unterschiedliche Skalen und stammen größtenteils aus von Anbietern durchgeführten Tests, weshalb sie als richtungsweisend zu betrachten sind »*, *« mit interpolierten Zwischenwerten »*, *« die Konfidenzintervalle überlappen sich »*, *« Die Anteile beziehen sich nur auf die Top 20, nicht auf den gesamten OpenRouter-Traffic »*.

**Zwei strukturierende rhetorische Mittel**:

1. **Der Einstieg über den Randfall.** Der Brief beginnt mit Te Reo Māori — einer Sprache *« ohne nennenswerten kommerziellen Markt »*, für die ein neuseeländischer Sender Sprachmodelle unter einer Lizenz entwickelt, die die Aufnahmen bei den Gemeinschaften belässt — und mit einer Diagnose von Maniok-Blättern, die von einem handygroßen Modell in einer Zone Ostafrikas ohne Konnektivität erstellt wird. *« Keines der beiden Projekte brauchte eine Genehmigung. Und keines hätte sich von einem Frontier-Modell mieten lassen. »* **Der Wert von Open wird über das begründet, was der Markt niemals finanzieren würde, noch bevor überhaupt vom Marktanteil die Rede ist.**
2. **Die Liste der Umkehrbarkeit.** Der Abschnitt *watchlist* listet Signale nicht einfach nur auf: Jedes trägt ein ***« Kehrt sich um, wenn: »*** — die Bedingung, die die These entkräften würde. Selten und ehrlich für ein Positionspapier.

**Signalphrasen**: *« Die Modellebene ist zur Commodity geworden »*, *« Open shippt leicht. Open deployt schwer »*, *« Open Weights sind Austrittsrechte »*, *« Man kann ein Modell abschalten. Man kann keine Kopie abschalten, die bereits auf einer Maschine läuft, die man selbst besitzt »*, *« die ungelöste Schreib-Oberfläche »*, *« Lock-in entsteht als Nebeneffekt der Optimierung »*, *« Commodity-Inputs verlieren ihre Preissetzungsmacht »*.

## Pense-betes

- **Datum / Quelle**: *The state of open source AI*, **Mozilla**, v1.0.1, **Juli 2026**, Einleitung von **Raffi Krikorian** (CTO). Genannte Drittquellen (Artificial Analysis, Epoch AI, OpenRouter, LMArena) sowie eine proprietäre Erhebung mit **SlashData** (n = 1.410 zu Adoptionshürden).
- **Zentrale Einordnung**: *« Die Modellebene ist zur Commodity geworden. Der Wert verlagert sich auf den Harness darüber. »* Begründung: *« Commodity-Inputs verlieren ihre Preissetzungsmacht »*, und die Mehrheit der Produktions-Workloads läuft weit unterhalb der Frontier-Obergrenze. ### Die Begriffsunterscheidung, die man sich merken sollte | Begriff | Was er umfasst | |---|---| | **Open Model** | herunterladbare Gewichte, ausführbar und veränderbar auf selbst kontrollierter Hardware | | **Open Weights** | Parameter unter einer freizügigen Lizenz, **ohne Trainingscode oder Datendokumentation** — *« was den Großteil dessen beschreibt, was dieser Bericht misst »* | | **Open Source AI** (im Sinne der OSI) | erfordert zusätzlich Trainingscode und ausreichende Angaben zu den Daten, um das System zu rekonstruieren | Der Bericht trägt den Titel *open source AI*, misst aber überwiegend **Open Weights**. Er sagt das selbst; die Kernaussagen werden es nicht sagen. ### Fähigkeitslücke, zwei übereinstimmende Messinstrumente | Instrument | Geschlossen | Offen | Abstand | |---|---|---|---| | Artificial Analysis Intelligence Index v4.1 | 61 (Claude Opus 5) | 57 (**Kimi K3**) | 4 Punkte; K3 Rang 4 von 586 Modellen, 3 der Top 11 mit offenen Gewichten | | Epoch Capabilities Index | 162 (GPT-5.6 Sol) | 156 (K3) | 6 Punkte ≈ ein Release-Zyklus, **überlappende Konfidenzintervalle** | Preislich liegt K3 3,6 Punkte unter der Spitze — bei etwa einem Drittel des Preises. ### Die sägezahnförmige Frontier Offene Modelle **führen** bei Frontend-Code (K3, 1.679 Elo, sechs von sieben Domänen in der LMArena Frontend Code Arena); sie **liefern sich ein Kopf-an-Kopf-Rennen** bei agentischer Terminalarbeit (88,3 gegenüber 88,8 im Terminal-Bench 2.1; K3 gewinnt Program Bench, SpreadsheetBench 2 und BrowseComp, verliert bei FrontierSWE mit 81,2 gegenüber 86,6); sie **geben Boden ab** bei professioneller Wissensarbeit (Fable 5 führt mit **92 Elo** vor K3 im GDPval-AA v2, der größte Abstand unter den gemeinsam gemessenen Benchmarks, was Moonshot einräumt). Daher: *« Passt man das Modell zur Aufgabe, braucht man die Frontier seltener, als man denkt. »* Der Bericht weist darauf hin, dass die Werte unterschiedliche Skalen verwenden und größtenteils aus von Anbietern durchgeführten Tests stammen — *« als richtungsweisend zu betrachten »*. ### Die am häufigsten falsch zitierte Zahl Open Weights stiegen von einer vernachlässigbaren Basis auf **ein Drittel** der OpenRouter-Tokens Ende 2025 und dann auf eine **Mehrheit** bis Mitte 2026, wobei die sieben Modelle mit dem höchsten Volumen alle offen gewichtet sind (72,4 % des Top-20-Volumens entfallen auf die Ränge 1–10 mit offenen Gewichten). Aber: *« Gemessen an der Anzahl der Anfragen führen geschlossene US-Anbieter weiterhin. Der Vorsprung der offenen Modelle ist ein Vorsprung beim Token-Volumen, konzentriert auf Coding- und agentische Workloads »*, und die Anteile erfassen nur die **Top 20**. Eine Mehrheit der Tokens ist nicht dasselbe wie eine Mehrheit der Anwendungsfälle. ### Deployment vor Fähigkeit *« Open shippt leicht. Open deployt schwer. »* 79 % der Entwickler, die KI einführen, nutzen offene Modelle gegenüber 71 % bei geschlossenen, und **50 % nutzen beides** (29 % nur offen, 21 % nur geschlossen): Die beiden Kategorien ergänzen sich, statt zu konkurrieren. Aber 53 % der Teams mit offenen Modellen erreichen die Produktion gegenüber 63 % bei geschlossenen, und die Lücke wächst mit der Unternehmensgröße — geschlossen **54 % → 73 %**, offen **53 % → 57 %**. *« Die Größenordnung schließt eine Erklärung durch Ressourcen aus. Unternehmen können sich den Weg durch geschlossenes Deployment freikaufen. Offenes Deployment wartet auf Tooling, das noch unfertig ist. »* Genannte Hindernisse, alle operativer Natur: Infrastrukturkosten, Sicherheit und Compliance, Wartung, Deployment-Komplexität. Die Stack-Map (48 Komponenten, 9 Schichten, 10 Kriterien) bestätigt dies aus einem anderen Blickwinkel: zwei durchgängig kalte Spalten über alle Schichten hinweg — **Standardisierung** und ***Enterprise Readiness***. ### Abschnitt 5: der Harness als User Agent Die Analogie ist der Browser, *« Code auf Seiten des Nutzers, der in dessen Namen mit Servern verhandelt »*, eine Ebene höher wiederholt. Der Harness ist *« der Ort, an dem sich die Produktionsschwierigkeit konzentriert und an dem der Wettstreit offen-vs-geschlossen, Eigentümer-vs-Mieter von Neuem beginnt »*. Fünf kartierte Schichten: **Govern** (zustandsbehaftete Policy, Registry und Lineage, Budget und Widerruf), **Surface** (AG-UI/A2UI, x402/AP2/UCP), **Action** (E2B/Daytona/Modal-Sandboxes, Berechtigung und Identität — *« die ungelöste Schreib-Oberfläche »* —, Eval und Observability), **Reach** (MCP, A2A, Memory), **Control** (LangGraph, CrewAI, AutoGen, LlamaIndex). Die Formulierung *« die ungelöste Schreib-Oberfläche »* greift die Diagnose in [[valente-zalewski-beyond-zero-enterprise-security-ai-era-2026-07-20]] auf: Lesen ist gelöst, Schreiben nicht. ### Der Lock-in-Mechanismus *« Das Modell frisst den Harness. »* Bei jedem Modell, bei dem der eigene Harness eines Labors und ein unabhängiger Harness nebeneinander existieren, gewinnt inzwischen ersterer, wobei sich die Lücke von 21,8 Punkten an der Spitze auf etwa 3 verringert hat. Daher: *« Ein Harness, der eng auf die Gewichte eines Labors abgestimmt ist, wird zu einer passgenauen Komponente des Produkts dieses Labors. Er verschlechtert sich bei jedem anderen Modell, sodass die Gewichte darunter umso weniger austauschbar sind, je enger die Abstimmung ist. Lock-in entsteht als Nebeneffekt der Optimierung. »* Lock-in muss keine Strategie sein: Optimieren genügt. Vergleiche mit dem Portabilitätsvertrag in [[janakiram-agent-platform-portability-contract-2026-07-20]]. ### Traktion und Ökonomie LangChain mit über 126.000 Stars und 60 % Entwickleranteil; **MCP** mit 97 Mio. monatlichen SDK-Downloads und über 10.000 aktiven Servern innerhalb eines Jahres, **+4.750 % in 16 Monaten**, im Dezember 2025 an die Agentic AI Foundation übergeben. Governance-Lücke: **nur ~21 %** der Unternehmen berichten von einer ausgereiften Agenten-Governance. Bei den Preisen fiel die Inferenz auf GPT-4-Niveau um das **50-Fache in 36 Monaten** (gegenüber dem 2,6-Fachen bei Bandbreite während der Dotcom-Ära), wobei der Frontier-Preis seit den 45 $ von GPT-4 um das 112-Fache gefallen ist. Auf OpenRouter (Mai–Sept. 2025) hielten geschlossene Modelle ~80 % der Nutzung und ~96 % des Umsatzes — bei gleicher Qualität kostet ein Aufruf etwa **das 6-Fache**, was auf geschätzte **~24,8 Mrd. $ nicht realisierte jährliche Einsparungen** hindeutet (Studie von Nagle-Yue für die Linux Foundation). ### Souveränität und das Recht auf Austritt Mehr als **70 aktive nationale Strategien**, und *« das strategische Argument für Open ist die Fähigkeit zu gehen »*, gestützt durch den Präzedenzfall Cloud (90.000–120.000 $ für den Ausstieg aus einem Petabyte bei S3, 37signals von 3,2 Mio. $ auf unter 1 Mio. $ gesunken, 80 % der Unternehmen repatriieren). *« Geschlossene Modell-APIs reproduzieren dieselbe Falle … Open Weights sind Austrittsrechte. »* **Der neunzehntägige Blackout** macht das Argument greifbar: 9. Juni, Anthropic bringt Fable 5 und Mythos 5 heraus → **12. Juni**, das Handelsministerium wendet mit sofortiger Wirkung Exportkontrollen an und verwehrt jedem ausländischen Staatsangehörigen den Zugang, einschließlich Anthropics eigenen Mitarbeitern; da die Staatsangehörigkeit in Echtzeit nicht überprüfbar ist, **werden beide Modelle für alle abgeschaltet** → 26. Juni, teilweise Wiederherstellung von Mythos für ~100 US-Organisationen kritischer Infrastruktur → 30. Juni, aufgehoben → 1. Juli, Fable 5 wiederhergestellt. Am 16. Juli öffnet Moonshot dann die API von K3. *« Zugang kann entzogen und wiederhergestellt werden. Eine Weight-Veröffentlichung kann nicht zurückgenommen werden, sobald die Dateien verteilt sind … Man kann ein Modell abschalten. Man kann keine Kopie abschalten, die bereits auf einer Maschine läuft, die man selbst besitzt. »* ### China Qwen überholte bei den Hugging-Face-Downloads bis Februar 2026 die nächsten acht Organisationen zusammengenommen; chinesische Open-Weight-Modelle stiegen von unter 2 % der OpenRouter-Tokens Ende 2024 auf über **45 %** des wöchentlichen Traffics bis April 2026, ~61 % unter den zehn meistgenutzten Modellen. DeepSeek gibt über 26.000 Unternehmenskonten an und war 2025 Teil des Stacks von 58 % der neuen KI-Startups, selbst während mindestens acht Rechtsräume den gehosteten Dienst einschränkten: *« Unternehmen verbieten die gehostete App und übernehmen die Gewichte trotzdem. »* ### Die K3-Distillation-Affäre, nach den eigenen Kategorien des Berichts | Stufe | Inhalt | |---|---| | **Bestätigt** | Anthropics Offenlegung vom Februar 2026 — ~24.000 betrügerische Konten, über 16 Mio. Austausche, davon **3,4 Mio. Moonshot zugeschrieben**, gegen frühere Claude-Modelle; Aussagen von Kratsios (22. Juli) und Bessent (21.) | | **Signal** | Greenblatt (Redwood Research): K3 identifiziert sich selbst als Claude, auf eine Weise, die statistisch schwer als Rauschen zu erklären ist — nennt jedoch ein Modell, das der Affäre vorausgeht, und Selbstidentifikation ist ein bekanntes Artefakt des Trainings auf Web-Text | | **Beweis** | **fehlt** — *« Keine Logs und kein forensisches Paket. Moonshot bestreitet. »* | Der Bericht merkt an, dass die Veröffentlichung von Gewichten inzwischen Verhaltensforensik ermöglicht. Der Vorwurf sollte niemals als erwiesen dargestellt werden. ### Die Watchlist und ihre Methode Vier Signalfamilien (Fähigkeit/Adoption, Harness, Marktstruktur, Vertrauen/Sicherheit), jede mit einer eigenen **Umkehrbedingung** — *« Kehrt sich um, wenn: sich der Vorsprung des Labor-Harness vergrößert oder eine geschlossene Plattform den Berechtigungsstandard zuerst setzt »*. Im Voraus festzulegen, was die These widerlegen würde, unterscheidet dieses Dokument von einem gewöhnlichen Positionspapier. ### Ein Hinweis zur Vorsicht beim Zitieren Mozilla misst ein Thema, für das es selbst eintritt. Die Sorgfalt der Bildunterschriften und das Vorhandensein von Umkehrbedingungen machen die Daten nutzbar; die Rahmung — Kommodifizierung erreicht, Offenheit unausweichlich, *« offen hat gewonnen »* — ist eine These, keine Feststellung.

## RésuméDe400mots

Wiederkehrender Bericht von **Mozilla**, *The state of open source AI* (v1.0.1, Juli 2026), eingeleitet von seinem CTO **Raffi Krikorian**.

**Die These** eröffnet den ersten Abschnitt: *« Die Modellebene ist zur Commodity geworden. Der Wert verlagert sich auf den Harness darüber. »* Inputs, die zur Commodity geworden sind, verlieren ihre Preissetzungsmacht, und die Mehrheit der Produktions-Workloads läuft weit unterhalb der Frontier-Obergrenze.

**Fähigkeitsstand.** Auf dem Artificial Analysis Intelligence Index erzielt das beste geschlossene Modell 61 Punkte (Claude Opus 5), das beste offene Modell 57 (**Kimi K3**), Rang vier insgesamt; auf dem Epoch Capabilities Index beträgt der Abstand **sechs Punkte, „etwa ein Release-Zyklus"**, bei überlappenden Konfidenzintervallen. Die Frontier ist **sägezahnförmig**: Offene Modelle führen bei Frontend-Code, liefern sich ein Kopf-an-Kopf-Rennen bei agentischer Terminalarbeit und geben bei professioneller Wissensarbeit deutlich Boden ab.

**Die Nutzungsverschiebung.** Der Anteil der über OpenRouter geleiteten Tokens, der an Open Weights geht, stieg von einem vernachlässigbaren Niveau auf eine Mehrheit bis Mitte 2026, wobei die sieben Modelle mit dem höchsten Volumen alle offen sind — der Bericht merkt jedoch an, dass **gemessen an der Anzahl der Anfragen geschlossene Anbieter weiterhin führen**, wobei der Vorsprung der offenen Modelle ein Vorsprung beim Token-Volumen ist, der sich auf Coding- und agentische Workloads konzentriert.

**Das zentrale Ergebnis**: *« Open shippt leicht. Open deployt schwer. »* 79 % der Entwickler nutzen offene Modelle gegenüber 71 % bei geschlossenen, wobei die Hälfte beides nutzt; aber nur **53 % der Teams mit offenen Modellen erreichen die Produktion gegenüber 63 %**, und die Lücke **wächst mit der Unternehmensgröße**, was eine Erklärung durch Ressourcen ausschließt. Die Stack-Map bestätigt dies: zwei kalte Spalten über alle Schichten hinweg, **Standardisierung und *Enterprise Readiness***.

**Der Harness ist die neue Frontier.** *« Der agentische Harness ist ein weiterer User Agent »* — die Rolle des Browsers, eine Ebene höher wiederholt. Und der Lock-in-Mechanismus wird präzise formuliert: Der Harness eines Labors, abgestimmt auf dessen eigene Gewichte, verschlechtert sich bei allen anderen, sodass *« die Gewichte darunter umso weniger austauschbar sind, je enger die Abstimmung ist. **Lock-in entsteht als Nebeneffekt der Optimierung.** »*

**Souveränität** wird als Austrittsrecht gerahmt, veranschaulicht durch den **neunzehntägigen Blackout** von Fable 5 im Zuge von Exportkontrollen: *« Man kann ein Modell abschalten. Man kann keine Kopie abschalten, die bereits auf einer Maschine läuft, die man selbst besitzt. »*

Mozilla misst, wofür es eintritt. Die Sorgfalt der Bildunterschriften und eine selbst deklarierte Watchlist zur Umkehrbarkeit machen die Daten nutzbar; die Rahmung bleibt eine These.

## GrapheDeConnaissance

- Mozilla —publie→ The state of open source AI (DOCUMENT, 0.98)
- Raffi Krikorian —travaille_chez→ Mozilla (ORGANISATION, 0.95)
- Mozilla —affirme_que→ la couche modèle s'est commoditisée et la valeur remonte vers le harnais agentique (CITATION, 0.96)
- harnais agentique —est_instance_de→ un user agent, au sens où le navigateur l'était pour le web ouvert (AFFIRMATION, 0.92)
- harnais ajusté aux poids d'un laboratoire —réduit→ l'interchangeabilité des poids sous-jacents — le verrouillage arrive comme effet de bord de l'optimisation (CITATION, 0.95)
- Kimi K3 —mesure→ 57 sur l'Artificial Analysis Intelligence Index v4.1, contre 61 pour le meilleur modèle fermé (MESURE, 0.93)
- Kimi K3 —concurrence→ Claude Opus 5 (TECHNOLOGIE, 0.9)
- open-weights —mesure→ une majorité des tokens routés sur OpenRouter mi-2026, avec les sept plus forts volumes (MESURE, 0.9)
- Mozilla —affirme_que→ l'avance des poids ouverts est un volume de tokens et non un nombre de requêtes, concentré sur le codage et l'agentique (AFFIRMATION, 0.93)
- modèles ouverts —s_oppose_à→ leur propre mise en production, seules 53 % des équipes y parvenant contre 63 % en fermé (MESURE, 0.92)
- écart opérationnel —observé_dans→ la standardisation et l'enterprise readiness, colonnes systématiquement faibles de toutes les couches du stack ouvert (AFFIRMATION, 0.93)
- poids ouverts —permet→ un droit de sortie, là où une API propriétaire reproduit le piège du verrouillage cloud (CITATION, 0.94)
- contrôle à l'export —s_oppose_à→ la disponibilité d'un modèle fermé, éteint dix-neuf jours pour tous ses utilisateurs (AFFIRMATION, 0.94)
- publication de poids —s_oppose_à→ la révocabilité d'un accès, une copie distribuée ne pouvant être retirée (CITATION, 0.95)
- permission et identité des agents —est_instance_de→ la surface d'écriture non résolue du stack agentique (CITATION, 0.93)
- Model Context Protocol —mesure→ 97 M de téléchargements SDK mensuels et plus de 10 000 serveurs actifs en un an (MESURE, 0.9)
- gouvernance des agents —s_oppose_à→ le rythme d'adoption, seules ~21 % des entreprises déclarant une gouvernance mature (MESURE, 0.9)
- prix de l'inférence —réduit→ d'un facteur 50 en 36 mois à performance de classe GPT-4 (MESURE, 0.9)
- modèles fermés —mesure→ environ 80 % de l'usage et 96 % du revenu sur OpenRouter, à un coût par appel environ six fois supérieur à parité (MESURE, 0.88)
- entreprises —utilise→ les poids ouverts chinois en auto-hébergement, tout en interdisant le service hébergé correspondant (AFFIRMATION, 0.88)
- Michael Kratsios —affirme_que→ Kimi K3 aurait été entraîné par extraction covert à grande échelle depuis Fable 5 (AFFIRMATION, 0.85)
- Moonshot AI —s_oppose_à→ l'allégation d'extraction covert, qu'elle dément (AFFIRMATION, 0.9)
- Mozilla —affirme_que→ aucun journal ni dossier forensique n'étaye l'allégation de distillation, que Moonshot dément (AFFIRMATION, 0.92)
- Mozilla —recommande→ de suivre quatre familles de signaux assorties chacune de sa condition d'invalidation (AFFIRMATION, 0.9)
- open-weights —s_oppose_à→ open source AI au sens OSI, qui exige en plus le code d'entraînement et la documentation des données (AFFIRMATION, 0.95)

---
Canonical: https://www.thekb.eu/de/fiches/mozilla-state-of-open-source-ai-2026-07/