Qwen lokal betreiben: welche Fassung auf welches Gerät
Qwen gibt es in vielen Größen. Die kleinste aktuelle Fassung in unserem Katalog, Qwen3.5 4B, braucht 4,4 GB und läuft damit auf praktisch jedem Rechner, Qwen3.8 27B flüssig auf 261 von 891 Geräten. Welche Fassung zu Ihrem Rechner passt und wie Sie sie starten.
Stand: 2026-10-14
Qwen ist die Modellfamilie von Alibaba. Die Modelle lassen sich herunterladen und auf dem eigenen Rechner betreiben, und es gibt sie in vielen Größen: von unter einer Milliarde Parametern bis zu Modellen, die mehr Speicher brauchen, als ein Arbeitsplatzrechner hat.
Dazu kommt, dass mehrere Generationen nebeneinander stehen. Qwen3.5, Qwen3.6 und Qwen3.8 sind alle aktuell, und die höchste Nummer ist nicht automatisch die richtige Wahl. Dieser Text ordnet die Fassungen ein, zeigt, welche auf Ihr Gerät passt, und erklärt die zwei Einstellungen, die bei Qwen den Unterschied machen: das Nachdenken vor der Antwort und die Bauart des Modells. Die Zahlen zu Speicher und Geräten stammen aus unserem Katalog, der jedes Modell gegen 891 Geräte rechnet.
Welche Fassung auf welches Gerät passt
Die Tabelle nennt die aktuellen Qwen-Modelle der Reihen 3.5, 3.6 und 3.8 sowie die beiden Qwen3-Coder-Modelle aus unserem Katalog, geordnet nach Speicherbedarf. Der Bedarf gilt für die verbreitete Variante Q4_K_M und 4.096 Token Kontext, also für einen gewöhnlichen Chat.
| Modell | Bauart | Speicherbedarf | läuft flüssig auf |
|---|---|---|---|
| Qwen3.5 4B | dicht | 4,4 GB | 846 von 891 Geräten |
| Qwen3.5 9B | dicht | 7,6 GB | 582 Geräten |
| Qwen3.8 27B | dicht | 18,8 GB | 261 Geräten |
| Qwen3.6 27B | dicht | 19,1 GB | 261 Geräten |
| Qwen3-Coder 30B A3B | Experten, nur Text | 20,1 GB | 351 Geräten |
| Qwen3.6 35B A3B | Experten | 24,4 GB | 236 Geräten |
| Qwen3-Coder-Next | Experten, nur Text | 58,5 GB | 97 Geräten |
| Qwen3.5 122B A10B | Experten | 79,0 GB | 69 Geräten |
| Qwen3.8 Flash Next | Experten | 210,9 GB in Q8_0 | 9 Geräten |
Daraus ergeben sich drei Stufen. Mit 8 GB Speicher ist Qwen3.5 4B die sichere Wahl. Mit 16 GB passt Qwen3.5 9B sicher auf einen Mac; bei anderen Geräten mit 16 GB läuft es oft nur eingeschränkt, etwa weil der Grafikspeicher kleiner ist. Die Klasse um 27 Milliarden Parameter läuft flüssig ab einer Grafikkarte mit 24 GB, einem Mac mit 48 GB oder einem Rechner mit Ryzen AI Max und gemeinsamem Speicher ab 32 GB; bei einem Mac mit 32 oder 36 GB hängt es vom Chip ab. Ob Ihr Gerät dazugehört, zeigt seine Seite in unserem Katalog; wie Sie es finden, beschreibt die Anleitung Welches Gerät habe ich?.
Qwen3-Coder-Next braucht ein Gerät mit mindestens 96 GB gemeinsamem Speicher oder eine Grafikkarte mit 96 GB; mehr dazu im Abschnitt über das Modell weiter unten. Die beiden großen Modelle am Ende der Tabelle sind für einen gewöhnlichen Rechner nicht gedacht. Qwen3.5 122B A10B läuft flüssig erst ab 128 GB gemeinsamem Speicher, auf manchen PCs mit Grafikkarte und mindestens 64 GB Arbeitsspeicher eingeschränkt, weil ein Teil ausgelagert wird. Qwen3.8 Flash Next braucht in der Variante Q8_0, die unser Katalog rechnet, einen Mac Studio mit 512 GB, eine Arbeitsstation der obersten Klasse oder einen Verbund mehrerer Geräte; auch stärker verdichtet liegt es über 100 GB.
Und Qwen 3.7?
Eine Fassung 3.7 zum Herunterladen gibt es nicht. Auf Hugging Face, wo Qwen seine Modelle veröffentlicht, liefert die Suche nach Qwen3.7 im Konto von Qwen keinen Treffer, und die Ollama-Bibliothek führt keinen offiziellen Eintrag; was dort unter qwen3.7 zu finden ist, haben Nutzer hochgeladen (Stand 29. September 2026). Wer eine aktuelle Qwen-Fassung auf dem eigenen Rechner sucht, greift zu Qwen3.8 oder Qwen3.6.
Qwen3.6 oder Qwen3.8: gleich groß, verschieden steuerbar
In der Klasse um 27 Milliarden Parameter gibt es zwei Modelle, Qwen3.6 27B und Qwen3.8 27B. Beide sind gleich groß, beide nehmen Text und Bilder entgegen, beide stehen unter Apache 2.0, und sie brauchen fast gleich viel Speicher.
Der Unterschied liegt in der Steuerung des Nachdenkens. Bei Qwen3.8 lässt sich einstellen, wie gründlich das Modell nachdenkt, bei Qwen3.6 nur, ob es nachdenkt. Wer neu anfängt, nimmt Qwen3.8 27B; es ist die jüngere Fassung, und OpenClaw etwa nennt es in seiner Anleitung als erste Wahl, sobald der Speicher reicht.
Qwen3.6 hat dafür eine Größe, die es bei Qwen3.8 nicht gibt: Qwen3.6 35B A3B, ein Modell aus vielen Teilnetzen.
Nachdenken vor der Antwort: an, aus oder in Stufen
Die aktuellen Qwen-Modelle denken vor jeder Antwort nach, und zwar von sich aus; so steht es übereinstimmend in den Modellkarten der Reihen 3.5, 3.6 und 3.8, etwa bei Qwen3.5-4B.
Das Nachdenken hilft bei Aufgaben, die Rechnen oder Planen verlangen. Bei kurzen Fragen kostet es Zeit, und es hat eine Falle, die wir auf dem eigenen Rechner beobachtet haben: Ist die Länge der Antwort knapp begrenzt, verbraucht das Modell die erlaubten Token schon beim Nachdenken, und die eigentliche Antwort bleibt leer.
So schalten Sie es ab:
- In Ollama im Chat: mit dem Befehl
/set nothink. Schon beim Start geht es mitollama run <modell> --think=false. - In Ollama über die Schnittstelle: mit dem Feld
"think": falsein der Anfrage. - Über llama.cpp, vLLM oder SGLang: mit
"chat_template_kwargs": {"enable_thinking": false}in der Anfrage. So steht es in den Modellkarten für vLLM und SGLang und in der Anleitung von llama.cpp.
Die Kurzbefehle im Text der Frage, mit denen das ältere Qwen3 das Nachdenken an- und abschaltete, gelten für Qwen3.5 und Qwen3.6 nicht mehr. Die Modellkarte von Qwen3.6 sagt dazu: „Qwen3.6 does not officially support the soft switch of Qwen3, i.e., /think and /nothink.“
Bei Qwen3.8 gibt es zusätzlich Stufen. Neben an und aus lässt sich die Gründlichkeit einstellen:
„Thinking mode is on by default and can be disabled per request; reasoning depth can be tuned with reasoning_effort, and reasoning context from historical messages is retained via preserve_thinking.“
Über vLLM oder SGLang heißt der Wert reasoning_effort, mit den Stufen xhigh, medium und low; ab Werk gilt die gründlichste. In Ollama wählen Sie eine Stufe mit --think=<stufe>; welche Stufen es für ein Modell anbietet, zeigt ollama show <modell>.
Unsere Faustregel: Nachdenken aus für kurze Antworten, Zusammenfassungen und Sprachassistenten; an für Aufgaben mit Rechnung oder mehreren Schritten, dann mit großzügiger Antwortlänge.
Dicht oder aus Teilnetzen: was das für das Tempo heißt
Die Namen verraten die Bauart. Ein Modell wie Qwen3.8 27B ist dicht: für jedes Textstück rechnet das ganze Modell. Ein Modell mit „A3B“ im Namen besteht aus vielen Teilnetzen, sogenannten Experten, und für jedes Textstück rechnet nur eine kleine Auswahl davon, hier rund 3 Milliarden Parameter. Der Fachbegriff lautet Mixture of Experts.
Wie groß der Unterschied im Tempo ist, haben wir auf einer eigenen Grafikkarte gemessen, einer Radeon AI PRO R9700 mit 32 GB unter Vulkan, mit llama.cpp und jeweils der Variante Q4_K_M:
| Modell | Bauart | Token je Sekunde |
|---|---|---|
| Qwen3.8 27B | dicht | 31,8 |
| Qwen3.6 27B | dicht | 31,4 |
| Qwen3-Coder 30B A3B | Experten | 188,3 |
Ein Token ist ungefähr ein Wortteil. Die Werte sind reine Erzeugung ohne Hilfsmodell zur Vorhersage, gemessen mit llama-bench über fünf Läufe.
Das Modell aus Teilnetzen schreibt also rund sechsmal so schnell. Geladen sein müssen trotzdem alle Experten, auch die gerade untätigen: im Speicher liegen alle 30 Milliarden Parameter, gerechnet werden je Textstück nur 3. Ein solches Modell braucht also so viel Speicher wie ein dichtes seiner Gesamtgröße und antwortet dafür schneller. Deshalb braucht Qwen3.6 35B A3B mit 24,4 GB gut 5 GB mehr als die dichten Modelle mit 27 Milliarden Parametern und läuft auf weniger Geräten. Über die Qualität der Antworten sagt das Tempo nichts.
Qwen3-Coder 30B A3B ist ein Sonderfall. Es ist fürs Programmieren gebaut, nimmt nur Text entgegen und denkt laut seiner Modellkarte nie vor der Antwort nach. Für Agenten, die Code schreiben, ist es deshalb schnell und kommt ohne Umweg über das Nachdenken aus. Welche Werkzeuge dafür in Frage kommen, vergleicht der Ratgeber KI-Agenten lokal.
Qwen3-Coder-Next: das große Modell fürs Programmieren
Qwen3-Coder-Next ist wie Qwen3-Coder 30B A3B für Agenten gebaut, die Code schreiben. Laut seiner Modellkarte hat es 80 Milliarden Parameter, von denen je Textstück nur 3 Milliarden rechnen, denkt nie vor der Antwort nach und verarbeitet bis zu 262.144 Token Kontext. Es nimmt nur Text entgegen, so führt es auch die Ollama-Bibliothek. Es steht unter Apache 2.0.
Gerechnet wird also wenig, geladen sein muss aber das ganze Modell. In der Variante Q4_K_M ist die Datei 48,5 GB groß, im Betrieb braucht das Modell nach unserer Rechnung rund 58,5 GB. Damit läuft es auf 97 von 891 geführten Geräten flüssig, etwa auf einem Mac oder einem Rechner mit Ryzen AI Max mit jeweils 96 GB gemeinsamem Speicher. Unter den einzelnen Grafikkarten in unserem Katalog reicht nur die NVIDIA RTX PRO 6000 Blackwell mit 96 GB.
Qwen bietet das Modell selbst in zwei weiteren Fassungen an. Qwen3-Coder-Next-GGUF enthält Dateien für llama.cpp in den Stufen Q4_K_M bis Q8_0 sowie F16, jede in vier Teile aufgeteilt; unsere Zahlen rechnen mit den Dateien von Unsloth, deren Startbefehle auf unserer Modellseite stehen. Qwen3-Coder-Next-FP8 speichert die Gewichte mit 8 Bit und ist rund 80 GB groß; die Modellkarte startet diese Fassung mit vLLM oder SGLang, verteilt auf zwei Grafikkarten. In der Ollama-Bibliothek heißt das Modell qwen3-coder-next.
Und auf Deutsch?
Deutsch nennt keine der Modellkarten ausdrücklich. Die Karten der Reihe Qwen3.5 sprechen allgemein von 201 Sprachen:
„Global Linguistic Coverage: Expanded support to 201 languages and dialects, enabling inclusive, worldwide deployment with nuanced cultural and regional understanding.“
Bei Qwen3.6 und Qwen3.8 steht weder eine Sprachenzahl noch eine Liste.
Aus dem eigenen Betrieb mit Qwen3.8 27B können wir zweierlei sagen. In Aufgaben von einigen Minuten fanden wir keine Sprachfehler. In einem langen Lauf von 37 Minuten, an dessen Ende ein deutscher Bericht stand, waren es fünf, einer davon sinnentstellend, dazu zwei chinesische Schriftzeichen mitten in einem deutschen Kommentar. Das ist ein einzelner Lauf, keine Reihe; wer das Modell lange am Stück arbeiten lässt, sollte das Ergebnis trotzdem gegenlesen.
Wer ein Modell sucht, das ausdrücklich auf Deutsch hin entwickelt wurde, findet im Ratgeber Deutsche KI-Modelle die Alternativen.
Bilder lesen
Alle Modelle aus der Tabelle außer den beiden Qwen3-Coder-Modellen nehmen neben Text auch Bilder entgegen, laut Modellkarte auch Videos; in Ollama sind nur Bilder vorgesehen.
Auf unserem Rechner liest Qwen3.8 27B Zahlen aus Bildern in unserem Test fehlerfrei, solange das Bild groß genug ist: bei 768 × 400 Pixeln waren 10 von 10 zufälligen Zahlen richtig, bei 384 × 200 Pixeln nur 6 bis 7 von 10. Bei der Beschreibung eines Bildschirmfotos hat es einmal ein Logo erfunden. Für das Ablesen klarer, ausreichend großer Zahlen taugt es; Schrift, Logos und Einzelheiten sollten Sie nachprüfen.
Wer llama.cpp direkt nutzt, braucht für Bilder eine zweite Datei, den sogenannten Projektor; lädt llama.cpp das Modell mit -hf von Hugging Face, holt es ihn selbst, sofern das Verzeichnis einen enthält, sonst geben Sie ihn mit --mmproj an. Die Modelle der Ollama-Bibliothek sind dort für Text und Bilder als Eingabe eingetragen.
So starten Sie Qwen
Mit Ollama genügt ein Befehl. Die Bibliothek von Ollama führt die Modelle unter kurzen Namen, etwa qwen3.8:27b, qwen3.6:35b-a3b oder qwen3.5:9b:
ollama run qwen3.8:27b
>>> /set parameter num_ctx 4096
Die zweite Zeile setzt den Kontext auf 4.096 Token, passend zu den Zahlen oben. Ohne sie wählt Ollama ab 24 GB Grafikspeicher von selbst mehr Kontext; beim Mac zählt dabei der Teil des Arbeitsspeichers, den macOS der Grafik zuteilt. Auf unseren Modellseiten steht zusätzlich ein Startbefehl, der die Datei direkt von Hugging Face holt. Mehr Kontext braucht mehr Speicher; wie viel, erklärt der Ratgeber Lokale KI-Modelle. Was Ollama und LM Studio unterscheidet, steht unter Ollama oder LM Studio.
Was Sie damit tun dürfen
Fast alle Qwen-Modelle aus der Tabelle stehen unter der Apache-2.0-Lizenz. Sie dürfen sie damit auch geschäftlich einsetzen, verändern und weitergeben; wer sie weitergibt, legt den Lizenztext bei.
Die Ausnahme ist Qwen3.8 Flash Next. Es steht unter einer eigenen Lizenz, der Qwen Community License 1.0. Sie erlaubt den gewerblichen Einsatz grundsätzlich. Eine gesonderte Lizenz von Qwen braucht aber, wer Sprachmodelle als Dienst für Dritte anbietet oder einen eigenständigen KI-Assistenten fürs Programmieren oder für Büroarbeit vertreibt, und ebenso, wessen verbundenes Unternehmen das tut. Der Einsatz im eigenen Haus ist ausgenommen, solange weder das Modell noch seine Ergebnisse oder Fähigkeiten Dritten zugänglich werden. Was die Lizenzen im Einzelnen erlauben, erklärt der Ratgeber Open Source KI.
Wann Qwen nicht die richtige Wahl ist
Wenn Sie ein Nachschlagewerk suchen. Qwen ist wie jedes lokale Modell gut darin, Text zu verarbeiten, den Sie mitliefern, und unzuverlässig, wenn es Wissen beisteuern soll. Warum das so ist, steht im Ratgeber Lokale KI.
Wenn lange deutsche Texte ungeprüft hinausgehen sollen. In unserem langen Lauf häuften sich die Sprachfehler. Für Texte, die ohne zweiten Blick veröffentlicht werden, ist das ein Risiko.
Wenn Sie Qwen3.8 Flash Next auf einem gewöhnlichen Rechner betreiben wollen. In der Variante Q8_0, die unser Katalog rechnet, braucht es 210,9 GB, und auch die stärker verdichteten Fassungen in der Ollama-Bibliothek liegen über 100 GB. Es läuft auf 9 der 891 geführten Geräte. Für fast alle ist Qwen3.8 27B die bessere Wahl aus derselben Reihe.
Kurz gesagt
Qwen gibt es in vielen Größen und mehreren aktuellen Generationen, und welche Fassung passt, entscheidet der Speicher: Mit 8 GB ist Qwen3.5 4B die sichere Wahl, auf einem Mac mit 16 GB Qwen3.5 9B, und die Klasse um 27 Milliarden Parameter läuft ab einer Grafikkarte mit 24 GB oder einem Mac mit 48 GB flüssig. Wer neu anfängt, nimmt in dieser Klasse Qwen3.8 27B, bei dem sich die Gründlichkeit des Nachdenkens einstellen lässt; Modelle aus Teilnetzen wie Qwen3-Coder 30B A3B schreiben deutlich schneller, brauchen aber Speicher für ihre volle Größe. Fast alle Modelle aus unserer Tabelle stehen unter Apache 2.0, die Ausnahme dort ist Qwen3.8 Flash Next. Deutsch nennt keine Modellkarte ausdrücklich, und lange deutsche Texte sollten Sie gegenlesen.
Häufige Fragen
Ist Qwen kostenlos?
Die Modelle zum Herunterladen kosten nichts, und die meisten stehen unter Apache 2.0, die auch die geschäftliche Nutzung erlaubt. Die Ausnahme in unserer Tabelle ist Qwen3.8 Flash Next mit einer eigenen Lizenz; was die erlaubt, steht im Abschnitt „Was Sie damit tun dürfen“.
Quellen: Qwen3.8 27B, Modellkarte · Qwen3.5 9B, Modellkarte · Qwen3.6 27B, Modellkarte · Qwen3.6 35B A3B, Modellkarte · Qwen3.8 Flash Next, Lizenz
Wer steckt hinter Qwen?
Qwen ist die Modellfamilie von Alibaba Cloud; das Qwen-Team veröffentlicht die Modelle unter dem Namen Qwen bei Hugging Face und als QwenLM bei GitHub. Zur Familie gehören vor allem Sprachmodelle (LLM), dazu Bildmodelle wie Qwen-Image.
Quellen: Qwen auf GitHub · Qwen3.8 27B, Modellkarte · Qwen-Image-2.1, Lizenz
Kann Qwen Deutsch?
Die Modellkarten der Reihe Qwen3.5 nennen 201 Sprachen und Dialekte, Deutsch aber nicht ausdrücklich; bei Qwen3.6 und Qwen3.8 steht keine Sprachenangabe. Was wir im eigenen Betrieb mit Qwen3.8 27B auf Deutsch beobachtet haben, steht im Abschnitt „Und auf Deutsch?“.
Quelle: Qwen3.5 9B, Modellkarte
Qwen3.6 27B oder Qwen3.6 35B A3B?
27B ist dicht und braucht in der Variante Q4_K_M rund 19,1 GB; 35B A3B besteht aus Experten, von denen je Textstück nur rund 3 Milliarden Parameter rechnen, braucht dafür aber rund 24,4 GB. Wie sich die Bauart im Tempo zeigt, am Beispiel von Qwen3-Coder 30B A3B, steht im Abschnitt „Dicht oder aus Teilnetzen: was das für das Tempo heißt“; wer neu anfängt und die 27B-Klasse unterbringt, findet im Abschnitt „Qwen3.6 oder Qwen3.8: gleich groß, verschieden steuerbar“ den Grund für Qwen3.8 27B.
Quellen: welche.ai, Qwen3.6 27B · welche.ai, Qwen3.6 35B A3B · Qwen3.6 35B A3B, Modellkarte
Wie viel Speicher braucht Qwen3-Coder-Next?
In der Variante Q4_K_M ist die Datei 48,5 GB groß, im Betrieb braucht das Modell nach unserer Rechnung rund 58,5 GB bei 4.096 Token Kontext. Damit läuft es auf 97 von 891 geführten Geräten flüssig. Von seinen 80 Milliarden Parametern rechnen je Textstück nur 3 Milliarden, geladen sein müssen aber alle; mehr dazu und zu den Fassungen als GGUF und FP8 im Abschnitt „Qwen3-Coder-Next: das große Modell fürs Programmieren“.
Quellen: welche.ai, Qwen3-Coder-Next · Qwen3-Coder-Next, Modellkarte
Weitere Ratgeber
- Sprachassistent selber bauen: lokal mit Whisper, Ollama und PiperEin Sprachassistent ohne Cloud braucht drei Modelle: Whisper hört zu, ein Sprachmodell antwortet, Piper liest vor. Speicher, gemessenes Tempo und unsere Grenzen.
- Whisper lokal: Interviews und Besprechungen auf dem eigenen Rechner transkribierenWhisper lokal installieren und nutzen, mit Programm oder im Terminal: Welches Modell für deutsche Aufnahmen passt, wie viel Speicher es braucht und wo die Grenzen liegen.
- KI-Agenten mit lokalem Modell: zwölf Werkzeuge im VergleichOpenClaw, Hermes Agent, DeepSeek Harness und neun weitere Agenten mit einem Modell auf dem eigenen Rechner: was jeder verlangt, was Ihr Gerät hergibt und welcher zu Ihnen passt.
- DeepSeek Harness installieren und lokal nutzenDeepSeek Harness ist der quelloffene Programmier-Agent von DeepSeek. Wie Sie ihn installieren, mit einem lokalen Modell verbinden und was an DeepSeek geht.
- KI auf dem eigenen PC installieren: Reicht Ihr Rechner, oder müssen Sie etwas kaufen?Zum Ausprobieren brauchen Sie meist weder neue Hardware noch das Terminal. Was mit 8 und 16 GB Arbeitsspeicher läuft, welche Programme ohne Befehle auskommen und wann sich ein Kauf lohnt.
- Lokale KI: Was das heißt, was Sie brauchen, was sie kannLokale KI heißt, dass die Modelldatei auf Ihrem Gerät liegt und die Rechenarbeit dort stattfindet. Was Sie dafür brauchen, was heute gut funktioniert und wo die Grenzen liegen.
- Qwen-Image: KI-Bilder lokal erzeugen und die richtige Fassung wählenQwen-Image erzeugt Bilder auf dem eigenen Rechner. Die neue Fassung 2.1 ist nur für Forschung und Erprobung freigegeben, für Unternehmen ist 2512 die Fassung. Was beide an Speicher brauchen und wie lange ein Bild auf unserer Karte dauerte.
- DSGVO-konforme KI: Welche Daten verlassen bei welchem Aufbau Ihr Haus?Lokal heißt nicht telemetriefrei, und eine EU-Zusage hängt am Bereitstellungstyp. Was bei vier gängigen Aufbauten wirklich übertragen wird, mit Zitaten aus den Datenschutzerklärungen der Anbieter.
- KI für Berufsgeheimnisträger: Was § 203 StGB bei ChatGPT & Co. verlangtHat ChatGPT eine Schweigepflicht? Worauf Anwälte, Ärzte, Steuerberater und Psychotherapeuten bei KI achten müssen, was die Kammern sagen und warum lokale KI die einfachste Antwort ist.
- KI lokal betreiben, ohne Terminal: So läuft ein Sprachmodell auf Ihrem RechnerLokale KI-Modelle brauchen auf Mac und Windows keine Befehlszeile mehr. Was Sie an Hardware brauchen, wie die Einrichtung Schritt für Schritt gelingt und wo die Grenzen liegen.
- Lokale KI-Modelle: Welches läuft auf Ihrer Hardware?Ob ein lokales KI-Modell auf Ihrem Rechner läuft, entscheidet der Speicher. Wie Sie die richtige Zahl finden und was die Stufen hinter dem Namen bedeuten.
- Mac mini für lokale KI: Welche Ausstattung reicht und wann es der Mac Studio sein mussBeim Mac zählt der Arbeitsspeicher, nicht die ganze Zahl. Was der Mac mini mit M4, M5 Pro und M6 trägt, wann es der Mac Studio sein muss und was gebraucht zählt.
- Deutsche und europäische KI-Modelle: Welche es gibt und was davon lokal läuftTeuken aus Deutschland, EuroLLM aus einem EU-Projekt, Mistral aus Paris, Apertus aus der Schweiz. Lizenz, Größe und auf wie vielen der 891 Geräte sie flüssig laufen.
- gpt-oss: OpenAIs offenes Modell auf dem eigenen Rechnergpt-oss gibt es in zwei Größen. Die kleine läuft auf 478 von 891 geführten Geräten flüssig, die große auf 80. Was Sie brauchen und wo das Modell nicht passt.
- Grafikkarte für KI: Worauf es bei lokalen Modellen ankommtFür KI zählt an einer Grafikkarte zuerst der Speicher, dann das Tempo. Welche Speicherklasse wie viele Modelle trägt und was der Schritt von 16 auf 24 GB bringt.
- Hermes Agent lokal: mit Ollama oder LM Studio nutzenHermes Agent lokal mit Ollama oder LM Studio: Er braucht mindestens 64.000 Token Kontext, ein Modell mit Werkzeugaufrufen und genug Speicher.
- KI selbst hosten: Was sich ändert, sobald mehrere zugreifenSelbst hosten heißt, dass einer betreibt und mehrere nutzen. Was dafür nötig ist, warum die Voreinstellungen dafür nicht gemacht sind und welche Fragen ab dem zweiten Nutzer keine Technikfragen mehr sind.
- Open Source KI: Welche Modelle wirklich offen sindDie meisten Modelle, die „Open Source KI“ heißen, geben nur die fertigen Modelldateien frei, nicht den Weg dorthin. Was der Begriff bedeutet, welche Familien es gibt und was davon auf eigener Hardware läuft.
- OpenClaw lokal: mit Ollama oder LM Studio einrichtenOpenClaw mit einem lokalen Modell über Ollama oder LM Studio: installieren, einrichten, passende Modelle wählen und wissen, was trotzdem ins Netz geht.
- Ornith 1.5: Welche der drei Größen auf Ihrem Rechner läuftOrnith 1.5 in drei Größen: Die kleinste läuft beim Ausprobieren auf 576 von 891 Geräten flüssig, die größte auf 9. Was jede braucht und wann ein Verbund hilft.
- Ollama oder LM Studio: Was ist der Unterschied, und welches passt zu Ihnen?Beide laden offene Sprachmodelle auf Ihren Rechner und rechnen mit demselben Unterbau. Was sie wirklich unterscheidet, was sie kosten und welche Daten dabei Ihr Haus verlassen.
- Was ist Ollama, und welche Alternativen gibt es?Ollama, LM Studio, llama.cpp und vLLM tauchen in vielen Anleitungen für lokale KI auf. Was jedes davon ist, wie die vier zusammenhängen und welches Sie wofür brauchen.
- Was kostet ChatGPT wirklich, und ab wann lohnt sich eigene Hardware?Die Rechnung hat vier Posten, und drei davon stehen auf keiner Preisliste. Was ein Modell über die Schnittstelle kostet, was eigene Hardware dagegenstellt, und ab welchem Punkt sich der Wechsel rechnet.