KI-Modelle zum Trainieren: alle aktuellen Modelle, nach Größe sortiert
Du willst ein KI-Modell auf deinem eigenen Computer feintunen (Fine-Tuning mit Unsloth & QLoRA)? Diese Tabelle zeigt alle aktuellen Modelle — vom winzigen Testmodell bis zum 33-Milliarden-Kraftpaket. Oben die Kleinsten für erste Gehversuche und leistungsschwache Rechner, unten die großen für maximale Qualität.
Klein & unkompliziert
Für erste Tests, Lernen und schwache Rechner. Training dauert Minuten.
ab 16 GB RAMAlltag & Ernstes
Der Sweet Spot für echtes Fine-Tuning: gute Qualität, erträgliche Dauer.
ab 32 GB RAMMaximale Qualität
Die großen Modelle für Power-User. Brauchen Geduld und viel Speicher.
ab 64 GB RAMDie komplette Modell-Tabelle
Sortiert nach Download-Größe — die Kleinsten zuerst.
„QLoRA-Speicher" ist der realistische Gesamtbedarf beim Training
(4-Bit-Modell + Puffer). Alle Modelle als unsloth/…-Spiegel
bei Hugging Face.
Welches Modell für wen?
Drei typische Situationen — und das passende Modell dazu.
🖥️ „Ich habe 16 GB RAM und will es einfach mal ausprobieren"
Nimm Qwen3.5-4B oder zum Warmwerden Qwen3.5-0.8B. Ein kompletter Testlauf dauert nur wenige Minuten — perfekt, um Dataset, Ablauf und Export kennenzulernen, bevor ein großes Modell anrückt.
💻 „Ich habe 32 GB und will ein richtig gutes Modell trainieren"
Qwen3.5-9B (★ unsere Empfehlung) — neueste Generation, trainiert in erträglicher Zeit, Qualität nahe den Großen. Wer mehr Wert auf Denkleistung legt: DeepSeek-R1-0528-Qwen3-8B. Wer starkes Deutsch braucht: Mistral-Nemo-Instruct.
⚡ „Ich habe 64 GB und will das Maximum"
Qwen3.5-35B-A3B ist der Geheimtipp: 33,5 Milliarden Parameter Gesamt, aber nur ~3B pro Wort aktiv — trainiert spürbar schneller als die dichte Qwen3.5-27B bei höherer Qualität. Download allerdings 67 GB.
Wichtig beim Training — 4 Dinge, die oft schiefgehen
Aus der Praxis: Diese Punkte kosten Anfängern die meiste Zeit.
1. Zum Trainieren: Safetensors, nicht GGUF!
Modelle gibt es in zwei Formaten: GGUF (zum Chatten, z. B. in LM Studio oder Ollama) und Safetensors (zum Trainieren). Die Trainings-Software zeigt GGUF-Dateien deshalb gar nicht an. Beim Modellnamen darf also kein „-GGUF" hinten dranhängen — jede Zeile dieser Tabelle ist bereits die richtige Trainings-Variante.
2. QLoRA ist der Standard — und reicht völlig
QLoRA trainiert in 4-Bit-Genauigkeit und reduziert den Speicherbedarf auf ein Drittel bis Viertel, bei fast gleichbleibender Qualität. Die Spalte „QLoRA-Speicher" dieser Tabelle reicht von modellgröße ÷ 2 × 0,65 + 4 GB (Modell + Optimierer + Puffer). Faustregel: RAM ≥ doppelte QLoRA-Zahl.
3. „unsloth/…"-Spiegel statt Original-Repos
Hinter unsloth/Qwen3.5-9B steckt dasselbe Modell wie beim
Anbieter (Alibaba, Meta, Google …), aber ohne Zugangs-Hürden: Original-Repos
wie meta-llama sind oft „gated" (Zugang muss beantragt werden)
und verursachen kryptische Fehler. Die Spiegel sind kostenlos, offen und
funktionieren direkt.
4. Hugging Face bremst? Token hinterlegen
Ohne Konto zählt Hugging Face Anfragen pro Internetanschluss und bremst
zeitweise. Einmal ein kostenloses Konto anlegen und
huggingface-cli login ausführen — danach fällt die Bremse
praktisch weg.
Datenstand: automatisch jeden Montag um 09:00 Uhr geprüft und aktualisiert.