Eine Kartographie der offenen Zusammenarbeit in Open-Source-KI: Praktiken, Motivationen und Governance in 14 Open Large Language Model Projekten

A Cartography of Open Collaboration in Open Source AI: Mapping Practices, Motivations, and Governance in 14 Open Large Language Model Projects

September 29, 2025

papers.authors: Johan Linåker, Cailean Osborne, Jennifer Ding, Ben Burtenshaw

cs.AI

papers.abstract

Die Verbreitung offener großer Sprachmodelle (LLMs) fördert ein lebendiges Ökosystem aus Forschung und Innovation im Bereich der künstlichen Intelligenz (KI). Allerdings wurden die Methoden der Zusammenarbeit, die zur Entwicklung offener LLMs sowohl vor als auch nach ihrer Veröffentlichung verwendet werden, bisher noch nicht umfassend untersucht. Dies schränkt unser Verständnis davon ein, wie offene LLM-Projekte initiiert, organisiert und gesteuert werden sowie welche Möglichkeiten bestehen, dieses Ökosystem weiter zu stärken. Wir schließen diese Lücke durch eine explorative Analyse der offenen Zusammenarbeit während des gesamten Entwicklungs- und Wiederverwendungszyklus offener LLMs, basierend auf halbstrukturierten Interviews mit den Entwicklern von 14 offenen LLMs aus Graswurzelprojekten, Forschungseinrichtungen, Startups und Großunternehmen in Nordamerika, Europa, Afrika und Asien. Wir leisten drei zentrale Beiträge für Forschung und Praxis. Erstens erstreckt sich die Zusammenarbeit in offenen LLM-Projekten weit über die LLMs selbst hinaus und umfasst Datensätze, Benchmarks, Open-Source-Frameworks, Ranglisten, Wissensaustausch- und Diskussionsforen sowie Rechenpartnerschaften, um nur einige zu nennen. Zweitens haben die Entwickler offener LLMs eine Vielzahl sozialer, wirtschaftlicher und technologischer Motivationen, von der Demokratisierung des KI-Zugangs und der Förderung der offenen Wissenschaft bis hin zum Aufbau regionaler Ökosysteme und der Erweiterung der Sprachrepräsentation. Drittens zeigen die untersuchten offenen LLM-Projekte fünf unterschiedliche Organisationsmodelle, die von Einzelunternehmensprojekten bis hin zu von gemeinnützigen Organisationen unterstützten Graswurzelprojekten reichen und sich in ihrer Zentralisierung der Kontrolle und den Strategien zur Einbindung der Gemeinschaft während des gesamten LLM-Lebenszyklus unterscheiden. Wir schließen mit praktischen Empfehlungen für Stakeholder, die die globale Gemeinschaft bei der Schaffung einer offeneren Zukunft für die KI unterstützen möchten.

English

The proliferation of open large language models (LLMs) is fostering a vibrant ecosystem of research and innovation in artificial intelligence (AI). However, the methods of collaboration used to develop open LLMs both before and after their public release have not yet been comprehensively studied, limiting our understanding of how open LLM projects are initiated, organized, and governed as well as what opportunities there are to foster this ecosystem even further. We address this gap through an exploratory analysis of open collaboration throughout the development and reuse lifecycle of open LLMs, drawing on semi-structured interviews with the developers of 14 open LLMs from grassroots projects, research institutes, startups, and Big Tech companies in North America, Europe, Africa, and Asia. We make three key contributions to research and practice. First, collaboration in open LLM projects extends far beyond the LLMs themselves, encompassing datasets, benchmarks, open source frameworks, leaderboards, knowledge sharing and discussion forums, and compute partnerships, among others. Second, open LLM developers have a variety of social, economic, and technological motivations, from democratizing AI access and promoting open science to building regional ecosystems and expanding language representation. Third, the sampled open LLM projects exhibit five distinct organizational models, ranging from single company projects to non-profit-sponsored grassroots projects, which vary in their centralization of control and community engagement strategies used throughout the open LLM lifecycle. We conclude with practical recommendations for stakeholders seeking to support the global community building a more open future for AI.