Modellfamilie
Eine Modellfamilie ist eine Gruppe von KI-Programmen, die vom selben Anbieter stammen, nach demselben Bauplan entstanden sind und sich vor allem in Größe und Spezialisierung unterscheiden. Namen wie GPT-4o, Gemini 2.5 Flash oder Llama 3 8B bezeichnen jeweils ein einzelnes Mitglied einer solchen Familie.
Firmen, die künstliche Intelligenz entwickeln, veröffentlichen fast nie ein einzelnes Programm. Sie veröffentlichen mehrere Varianten auf einmal, die zusammengehören. Alle sind nach demselben Bauplan gebaut und aus weitgehend denselben Daten gelernt worden. Sie unterscheiden sich aber in der Größe: manche sind winzig und schnell, andere riesig und langsam, dafür gründlicher. Diese Gruppe zusammengehöriger Varianten nennt man eine Modellfamilie. Man erkennt sie meist am Namen, der aus einem gemeinsamen Teil und einem Zusatz besteht, etwa Llama 3 mit den Zusätzen 8B, 70B und 405B.
Warum Anbieter nicht ein einziges Modell bauen
Es gibt keine Größe, die für alle Aufgaben passt. Eine Autovervollständigung im Textfeld muss in Millisekunden reagieren und wird millionenfach am Tag aufgerufen. Ein juristisches Gutachten darf zehn Sekunden brauchen, muss dafür aber sorgfältig sein. Würde man beides mit dem größten verfügbaren Modell erledigen, wären die Stromkosten absurd hoch. Würde man beides mit dem kleinsten erledigen, wäre das Gutachten unbrauchbar.
Deshalb baut ein Anbieter gestaffelte Varianten und lässt die Kundschaft wählen. Die Preisunterschiede sind erheblich. Zwischen dem kleinsten und dem größten Mitglied einer Familie liegt bei den Kosten pro Anfrage oft ein Faktor von zwanzig oder mehr. Wer eine Anwendung entwickelt, sucht die kleinste Variante, die die Aufgabe noch zuverlässig löst.
Ein zweiter Grund ist die Umgebung, in der das Programm laufen soll. Große Varianten brauchen spezialisierte Rechenzentren. Kleine Varianten passen auf ein Notebook oder sogar auf ein Smartphone. Nur weil es beide Größen aus derselben Familie gibt, kann ein Anbieter dieselbe Technik im Rechenzentrum und auf dem Gerät anbieten.
Was die Mitglieder verbindet und was sie trennt
Gemeinsam ist den Mitgliedern der Aufbau. Ein KI-Modell besteht aus vielen Schichten, die eine Eingabe Schritt für Schritt umrechnen. Innerhalb einer Familie sind diese Schichten gleich konstruiert, es gibt nur mehr oder weniger davon. Ebenfalls gemeinsam ist meist die Art, wie Text in Zahlen zerlegt wird, bevor das Modell ihn verarbeitet. Deshalb verhalten sich die Mitglieder ähnlich und reagieren auf ähnlich formulierte Anweisungen.
Der wichtigste Unterschied ist die Zahl der Parameter. Parameter sind die einstellbaren Zahlenwerte im Inneren, die beim Lernen angepasst werden. Sie sind so etwas wie die Stellschrauben des Modells. Ein Zusatz wie 8B im Namen bedeutet acht Milliarden solcher Werte. Mehr Parameter bedeuten in der Regel mehr Wissen und bessere Ergebnisse bei schwierigen Aufgaben, aber auch mehr Speicherbedarf und längere Antwortzeiten.
Oft gibt es innerhalb einer Familie noch weitere Zweige. Manche Mitglieder sind zusätzlich darauf trainiert worden, Programmcode zu schreiben. Andere verstehen neben Text auch Bilder. Wieder andere sind darauf ausgelegt, vor der Antwort erst längere Zwischenschritte zu rechnen. Häufig entstehen kleine Mitglieder nicht durch eigenes Training von null, sondern indem ein großes Modell als Lehrer dient und ein kleines dessen Verhalten nachahmt. Dieses Verfahren heißt Destillation.
Familiennamen in Produkten und Schlagzeilen
Die bekanntesten Familien tragen Namen wie GPT von OpenAI, Gemini von Google, Claude von Anthropic, Llama von Meta und Mistral vom gleichnamigen französischen Unternehmen. Die Zusätze folgen einem groben Muster. Wörter wie Nano, Mini, Flash oder Haiku stehen für schnelle und günstige Varianten. Pro, Ultra oder Opus stehen für die stärksten Mitglieder.
In Produkten begegnet dir das oft als Auswahlliste. Wenn ein Chatbot dich zwischen einem schnellen und einem gründlichen Modus wählen lässt, stehen dahinter meist zwei Mitglieder derselben Familie. Auch kostenlose Zugänge nutzen fast immer die kleineren Varianten, während zahlende Kundschaft an die größeren kommt.
Ein verbreiteter Irrtum ist, dass eine höhere Versionsnummer immer das bessere Modell bedeutet. Ein kleines Mitglied der neuesten Generation kann bei anspruchsvollen Aufgaben schwächer sein als ein großes Mitglied der Vorgängergeneration. Beim Lesen von Nachrichten lohnt es sich deshalb, genau hinzusehen, welche Variante getestet oder verglichen wurde. Anbieter zeigen in ihren Ankündigungen gern die Ergebnisse des größten Mitglieds, verkaufen im Alltag aber vor allem die kleinen.