Legjobb lokális AI modell: nyílt súlyú modellek rangsora
Azok a modellek, amelyeket letölthetsz és saját gépen vagy céges szerveren futtathatsz, így az adat nem hagyja el a céget. Élő rangsor az Epoch AI és az LMArena nyílt adataiból, licenc szerint szétválogatva, és amit mi magunk is helyben futtatunk.
Élő adatok · utolsó lekérés: 2026. november 11. 00:02
Röviden
- A legerősebb nyílt súlyú modell az Epoch AI képességindexe szerint: Kimi K3.1 Pro (Moonshot, ECI 162,0); hozzáférés: nyílt súlyú, korlátozott licenc.
- Szabad licencű, üzleti célra is használható modellek közül az első: DeepSeek V4.1 Flash 1017 (DeepSeek, ECI 159,3).
- Emberi szavazatok alapján a legjobb nyílt licencű modell: MiMo-V2.6-Pro (Xiaomi), az összesített rangsorban a 11. helyen.
- A licenc ugyanolyan fontos, mint a pontszám: a csak nem üzleti célra kiadott modell cégnél nem használható.
Mit jelent a lokális AI?
Nyílt súlyú (open weights) modellnél a gyártó közzéteszi a modell fájljait, így saját hardveren is futtatható. Előnyei: az adat a cégnél marad, nincs tokenenkénti díj, és internetkapcsolat nélkül is működik. Hátrányai: a legerősebb zárt modellek mögött jár, a hardvert meg kell venni, és az üzemeltetés a tiéd.
Nyílt súlyú modellek képességindex szerint
| Sorrend | Modell | Gyártó | ECI (90%-os sáv) | Megjelenés | Hozzáférés |
|---|---|---|---|---|---|
| 1. | Kimi K3.1 Pro | Moonshot | 162,0 (159,5–165,0) | 2026. október 23. | Nyílt súlyú, korlátozott licenc |
| 2. | DeepSeek V4.1 Flash 1017 | DeepSeek | 159,3 (157,1–161,9) | 2026. október 17. | Nyílt súlyú, szabad licenc |
| 3. | Kimi K3 | Moonshot | 158,5 (156,5–160,7) | 2026. július 16. | Nyílt súlyú, csak nem üzleti célra |
| 4. | GLM-5.3 | Z.ai | 156,9 (154,8–159,2) | 2026. augusztus 14. | Nyílt súlyú, korlátozott licenc |
| 5. | DeepSeek V4.1 Flash | DeepSeek | 156,5 (154,6–158,6) | 2026. szeptember 9. | Nyílt súlyú, szabad licenc |
| 6. | DeepSeek V4 Pro 0813 | DeepSeek | 155,9 (154,0–158,0) | 2026. augusztus 13. | Nyílt súlyú, szabad licenc |
| 7. | Muse Spark Open | Meta | 155,4 (153,4–157,7) | 2026. október 15. | Nyílt súlyú, korlátozott licenc |
| 8. | Mistral Large 4 | Mistral AI | 154,6 (151,8–157,5) | 2026. október 29. | Nyílt súlyú, korlátozott licenc |
| 9. | DeepSeek V4 Flash 0731 | DeepSeek | 154,4 (152,5–156,4) | 2026. július 31. | Nyílt súlyú, szabad licenc |
| 10. | GLM-5.3-Flash | Z.ai | 153,6 (151,8–155,6) | 2026. augusztus 20. | Nyílt súlyú, szabad licenc |
| 11. | GLM-5.2 | Z.ai | 153,0 (151,3–154,9) | 2026. június 16. | Nyílt súlyú, szabad licenc |
| 12. | Qwen 3.8 27B | Alibaba | 152,7 (150,7–154,9) | 2026. augusztus 14. | Nyílt súlyú, szabad licenc |
| 13. | Mistral Large 4 Preview | Mistral AI | 152,6 (150,7–154,5) | 2026. október 6. | Nyílt súlyú, korlátozott licenc |
| 14. | Kimi K2.6 | Moonshot | 151,5 (149,8–153,4) | 2026. április 20. | Nyílt súlyú, szabad licenc |
| 15. | Kimi K2.7 Code | Moonshot | 151,1 (149,1–153,2) | 2026. június 12. | Nyílt súlyú, szabad licenc |
Forrás: Epoch AI, Capabilities & benchmarking (CC BY 4.0), lekérve: 2026. november 11. 00:02. Szűrt, kerekített, magyarra fordított változat.
A „nyílt súlyú” nem azt jelenti, hogy bármire szabadon használhatod. A szabad licencű modell üzleti célra is használható; a korlátozott licencű modellnél felhasználási szabályok vagy méretkorlátok lehetnek; a csak nem üzleti célra szóló modell cégnél nem használható. Bevezetés előtt mindig olvasd el a modell saját licencét.
Nyílt licencű modellek emberi szavazatok alapján
| Hely | Modell | Gyártó | Pontszám (sáv) | Szavazat | Licenc |
|---|---|---|---|---|---|
| 11. | MiMo-V2.6-Pro | Xiaomi | 1492 (1482–1501) | 4066 | MIT |
| 25. | GLM-5.3 (Max) | Z.ai | 1476 (1471–1481) | 31 017 | MIT |
| 27. | Kimi K3 (Max) | Moonshot | 1474 (1470–1479) | 40 867 | Kimi K3 license |
| 31. | GLM-5.3-Flash | Z.ai | 1471 (1466–1475) | 50 189 | MIT |
| 32. | GLM-5.2 (Max) | Z.ai | 1469 (1465–1473) | 54 173 | MIT |
| 38. | MiMo-V2.5-Pro | Xiaomi | 1464 (1461–1468) | 76 793 | MIT |
| 39. | DeepSeek-V4.1-Flash-20260910 (Max) | DeepSeek | 1463 (1457–1469) | 13 580 | MIT |
| 40. | GLM-5.1 | Z.ai | 1463 (1459–1466) | 67 074 | MIT |
| 44. | Kimi K3.1 Pro (Max) | Moonshot | 1457 (1447–1468) | 3443 | Kimi K3.1 Pro License |
| 46. | Kimi K2.6 | Moonshot | 1455 (1451–1460) | 39 573 | Modified MIT |
| 50. | DeepSeek-V4-Pro | DeepSeek | 1451 (1448–1455) | 56 906 | MIT |
| 54. | MiMo-V2.6-Flash | Xiaomi | 1450 (1445–1456) | 22 354 | MIT |
Forrás: LMArena, leaderboard-dataset (CC BY 4.0), publikálva: 2026. november 9.. Szűrt, kerekített, magyarra fordított változat.
Mekkora gép kell egy lokális modellhez?
A modellnek el kell férnie a videókártya memóriájában (VRAM), vagy Macen az egyesített memóriában. Ökölszabály: a paraméterek száma szorozva a paraméterenkénti bájtokkal, plusz kb. 20% a munkamemóriának. A kvantálás (pl. 8 vagy 4 bites tárolás) negyedére-felére csökkenti az igényt, kis minőségvesztéssel. Hosszú szövegnél a kontextus is memóriát kér.
| Modellméret | 16 bit | 8 bit | 4 bit | Jellemző hardver |
|---|---|---|---|---|
| 8 milliárd paraméter | 19 GB | 10 GB | 5 GB | 8–12 GB-os videókártya |
| 14 milliárd paraméter | 34 GB | 17 GB | 8 GB | 12–16 GB-os kártya, 4 vagy 8 biten |
| 32 milliárd paraméter | 77 GB | 38 GB | 19 GB | 24–32 GB-os kártya, 4 biten |
| 70 milliárd paraméter | 168 GB | 84 GB | 42 GB | 48 GB felett: két kártya vagy nagy memóriás Mac |
| 120 milliárd paraméter | 288 GB | 144 GB | 72 GB | szerver, vagy 96–128 GB egyesített memória, 4 biten |
Szakértői keverék (MoE) modelleknél az összes paraméternek el kell férnie a memóriában, a sebességet viszont az egyszerre aktív paraméterek száma határozza meg. Ezért fut gyorsan egy nagy MoE-modell egy sok memóriás, de nem csúcskategóriás gépen is.
Így használjuk mi: helyi képgenerálás a Holdmozihoz
A Mesehold mesevideóinak illusztrációit saját gépen, helyi képmodellel készítjük: Flux, 8 bites kvantálással, ComfyUI-ban, egy 12 GB-os RTX 4070 Ti kártyán, képenként nagyjából 35 másodperc alatt. A narrációt az ElevenLabs hangja adja, a videót Remotionnel, kódból rakjuk össze. Egy 5 perces meséhez kb. 30 kép kell; az első teljes mesénél a képgenerálás és a renderelés együtt egy óránál kevesebb gépidő volt, képenkénti díj nélkül.
A tanulság: a helyi modell ott erős, ahol sok hasonló feladat fut, és fontos, hogy ne fizess darabonként. Minden képet ember ellenőriz a mese szövegével szemben; a hibás képet újrageneráljuk. Az első mesénél 33 képhez 76 generálás kellett, vagyis a minőség nem magától jön, hanem a munkafolyamatból. Erről részletesen a Mesehold saját termékünkről szóló cikkben írtunk.
Lokális vagy felhős AI a cégednek?
- Lokális: érzékeny adat (egészségügy, jog, HR, üzleti titok), nagy és egyenletes feladatmennyiség, internet nélküli működés, kiszámítható költség.
- Felhős: a legerősebb modellekre van szükség, változó a forgalom, gyorsan kell indulni. Az árat az AI token-kalkulátorral becsülheted meg.
- Vegyes: a kényes adatot helyi modell dolgozza fel vagy anonimizálja, a nehezebb, nem érzékeny lépés megy a felhőbe. A gyakorlatban sokszor ez a legjobb arány.
- ChatGPT vs Claude vs Gemini vs Meta AIGyártónként a legjobb modell, élő adatokkal és saját tapasztalattal.Megnézem
- Legjobb AI képgenerátorSzövegből kép és képszerkesztés: fotó, szöveg a képen, termékfotó.Megnézem
- Legjobb AI videógenerátorSzövegből és képből videó: ki vezet most, és mire elég.Megnézem
- AI token-kalkulátorMennyibe kerül havonta egy AI-funkció a te forgalmaddal?Megnézem
Helyben futó AI-t vezetnél be?
Felmérjük a feladatot és az adatot, kiválasztjuk a modellt és a hardvert, és beépítjük a meglévő rendszeredbe. Ha kell, a modellt a saját adataidra hangoljuk.
Gyakori kérdések
Melyik a legjobb lokális AI modell?
Az oldal tetején élő adatokkal mutatjuk a legerősebb nyílt súlyú modellt az Epoch AI képességindexe szerint, és külön a szabad licencűek közül a legjobbat. Céges használatnál a licenc ugyanolyan fontos, mint a pontszám.
Futtatható a ChatGPT saját gépen?
A ChatGPT mögötti zárt modellek nem tölthetők le. Az OpenAI kiadott néhány nyílt súlyú modellt is, de a lokális élmezőnyt jellemzően más gyártók (például DeepSeek, Moonshot, Z.ai, Alibaba, Mistral) modelljei adják.
Mennyi VRAM kell egy lokális AI modellhez?
Ökölszabályként a paraméterek száma szorozva a paraméterenkénti bájtokkal, plusz kb. 20%. Egy 8 milliárd paraméteres modell 4 bitesen 6 GB körül elfér, egy 70 milliárdos 4 bitesen kb. 42 GB-ot kér. A pontos igény a kontextus hosszától is függ.
Kell-e videókártya a lokális AI-hoz?
Kis modellek processzoron is futnak, de lassan. Napi munkához videókártya vagy nagy, egyesített memóriájú gép kell. Képgeneráláshoz mi egy 12 GB-os kártyát használunk, ami 8 bites kvantálással elég.
Használhatok nyílt modellt üzleti célra?
Csak ha a licence engedi. A táblában a hozzáférési oszlop jelzi a licenc típusát: a szabad licencű modell üzleti célra is használható, a korlátozottnál szabályok vannak, a nem üzleti célú modell cégnél nem használható.
Források és módszertan
Szerkesztési elv: A táblák az LMArena és az Epoch AI nyilvános, CC BY 4.0 licencű adataiból készülnek, az oldal 6 óránként újra lekéri őket. Az adatokat szűrtük, kerekítettük, a gyártóneveket egységesítettük és a feliratokat magyarra fordítottuk; a pontszámokon és a sorrenden nem változtattunk. A forrásoldalak nem állnak kapcsolatban velünk, és nem hagyták jóvá ezt az oldalt. Utolsó lekérés: 2026. november 11. 00:02; a szöveg utolsó szerkesztése: 2026. november 10..
- LMArena – LeaderboardVak, páros emberi szavazásokból számolt rangsor.
- LMArena – leaderboard-dataset (Hugging Face)A rangsor nyílt adatai, CC BY 4.0.
- Epoch AI – Capabilities & benchmarkingEpoch Capabilities Index (ECI) és benchmarkadatok, CC BY 4.0.
- Artificial Analysis – LLM LeaderboardTovábbi független összevetés árral és sebességgel; csak hivatkozunk rá.
- Creative Commons Nevezd meg! 4.0 Nemzetközi licenc
Beszéljük meg a projektedet!
Mondd el, mire van szükséged — egy munkanapon belül válaszolunk.