Die zwei wichtigsten Open-Weight-Familien
Wer 2026 ein leistungsstarkes Sprachmodell selbst betreiben will, landet fast zwangsläufig bei einer von zwei Familien: Mistral aus Paris oder Llama von Meta. Beide veröffentlichen ihre Modellgewichte frei – aber mit unterschiedlichen Philosophien, Lizenzen und Ökosystemen.
Hinweis: Modellversionen ändern sich schnell. Dieser Vergleich bezieht sich auf den Stand September 2026 – Mistral Large 3, Medium 3.5, Small 4 und Codestral auf der einen Seite, Llama 4 Scout und Maverick auf der anderen. Prüfe vor wichtigen Entscheidungen die aktuellen Releases beider Anbieter.
Wann Mistral?
Mistral ist die richtige Wahl, wenn:
- DSGVO und EU AI Act für dich zentral sind: Mistral sitzt in Paris und ist auf europäische Regulierung ausgerichtet
- Du eine kompromisslos offene Lizenz brauchst: Large 3 steht unter Apache 2.0 – ohne Nutzergrenzen oder Sonderauflagen
- Effizienz zählt: Mistral hat Mixture-of-Experts im Open-Weight-Bereich populär gemacht und liefert viel Qualität pro Compute
- Du ein dediziertes Code-Modell willst: Codestral ist auf Entwickler-Workflows spezialisiert
Das Lineup ist klar gestaffelt: Large 3 (Dezember 2025) ist das Flaggschiff – ein großes MoE-Modell, das als Open Weight unter Apache 2.0 veröffentlicht wurde. Darunter decken Medium 3.5 und Small 4 das mittlere und untere Segment ab. Mit Le Chat gibt es zudem einen eigenen Chatbot, mit La Plateforme eine gehostete API für alle, die nicht selbst hosten wollen.
Wann Llama?
Llama ist die richtige Wahl, wenn:
- Du das größte Ökosystem willst: Ollama, llama.cpp, vLLM und tausende Fine-Tuned-Varianten auf Hugging Face
- Extrem lange Kontexte anfallen: Llama 4 Scout verarbeitet bis zu 10 Millionen Tokens – und läuft dabei auf einer einzelnen H100
- Du native Multimodalität in einem offenen Modell brauchst: Llama 4 Maverick verarbeitet Text und Bilder nativ
- Community-Support wichtig ist: Zu kaum einem Modell gibt es mehr Tutorials, Tools und Quantisierungen
Die Llama-4-Generation setzt erstmals vollständig auf Mixture-of-Experts: Scout ist die effiziente Variante mit Rekord-Kontext, Maverick mit 128 Experten das stärkste verfügbare Modell der Familie und nativ multimodal. Das größte Modell Behemoth befand sich Mitte 2026 noch im Training.
Praktische Unterschiede
Lizenz: Apache 2.0 vs. Community License
Der wichtigste Unterschied steckt im Kleingedruckten. Mistral Large 3 nutzt Apache 2.0 – du kannst es ohne Nutzungsgrenzen kommerziell einsetzen, modifizieren und weiterverbreiten. Llama steht unter der Llama Community License: Sie erlaubt kommerzielle Nutzung nur bis 700 Millionen monatlich aktive Nutzer und enthält weitere Auflagen. Für die meisten Unternehmen ist das praktisch irrelevant, für Juristen und Compliance-Abteilungen aber ein realer Unterschied – gerade wenn Produkte auf dem Modell aufbauen.
Ökosystem und Tooling
Hier führt Llama deutlich. Ob Ollama für den lokalen Einstieg, llama.cpp für effiziente Inferenz oder die riesige Auswahl an Fine-Tunes auf Hugging Face – das Llama-Ökosystem ist das mit Abstand größte im Open-Weight-Bereich. Mistral-Modelle laufen zwar in denselben Tools, die Community ist aber kleiner und die Auswahl an Community-Varianten geringer.
Europa-Faktor
Für europäische Unternehmen ist Mistral mehr als ein Modell-Anbieter: Es ist das Flaggschiff der europäischen KI-Strategie. DSGVO-konforme Infrastruktur, Nähe zum EU AI Act und ein Ansprechpartner in der eigenen Rechtsordnung senken regulatorische Risiken. Wer Llama self-hosted betreibt, kann viele Datenschutzfragen ebenfalls lösen – der Anbieter bleibt aber ein US-Konzern.
Effizienz und Hardware
Beide Familien setzen inzwischen auf Mixture-of-Experts, wodurch pro Anfrage nur ein Teil der Parameter aktiv ist. Bemerkenswert ist Llama 4 Scout: trotz 10M-Token-Kontext auf einer einzelnen H100 lauffähig. Mistral wiederum gilt seit Mixtral als Effizienz-Pionier und liefert traditionell viel Qualität pro eingesetztem Compute – ein Vorteil bei knappen GPU-Budgets.
Self-Hosting vs. gehostete API
Open Weight heißt nicht, dass du selbst hosten musst. Mistral bietet mit La Plateforme eine eigene gehostete API und mit Le Chat einen fertigen Chatbot – der komplette Stack aus einer (europäischen) Hand. Meta selbst betreibt keine vergleichbare API für Llama; dafür hosten praktisch alle großen Inference-Anbieter und Cloud-Plattformen Llama-Modelle zu kompetitiven Konditionen. Wer volle Kontrolle will, betreibt beide Familien auf eigener Hardware: Die Gewichte liegen auf Hugging Face, für den lokalen Einstieg genügt Ollama mit zwei Befehlen.
Diese Wahlfreiheit ist der eigentliche Vorteil beider Familien gegenüber proprietären Modellen wie GPT, Claude oder Gemini: Daten verlassen die eigene Infrastruktur nicht, es gibt keine API-Abhängigkeit, und Fine-Tuning auf eigene Domänendaten ist ohne Anbieter-Freigabe möglich.
So gehst du vor
- Lizenz zuerst prüfen: Baust du ein Produkt auf dem Modell auf, gib deiner Rechtsabteilung beide Lizenzen – Apache 2.0 ist der einfachere Fall
- Teste beide lokal: Über Ollama oder Hugging Face sind beide Familien in Minuten einsatzbereit
- Regulierte Branche? In DSGVO-sensiblen Umgebungen ist Mistral oft die strategisch sicherere Wahl
- Community einkalkulieren: Wenn du auf Fine-Tunes, Quantisierungen und Tutorials angewiesen bist, spielt Llamas Ökosystem seine Stärke aus