
#173 Topic: Open-Weight Modelle
Streams straight from the publisher. podnod never proxies or re-hosts episode audio.
In dieser Folge besprechen wir Open Weight Modelle, deren Funktionsweise, Herkunft und Qualität im Vergleich zu geschlossenen Modellen. Wir beleuchten Kosten, Bezugswege, Bias-Risiken und staatliche Kontrolle, sowie das Resilienz-Argument im Kontext geopolitischer Entwicklungen. Praktische Tipps zum Self-Hosting, Einsatz im Coding-Alltag und offene Streitfragen runden die Diskussion ab.
---
Ihr wollt uns etwas Gutes tun? Spendiert uns gerne einen Kaffee:
https://www.buymeacoffee.com/todocast
---
Open Weights Basics und Modelle auf Hugging Face:
https://huggingface.co
DeepSeek V4 Pro - Offizielle Webseite:
https://deepseek.com
Zhipu AI - GLM-5.2 Modell:
https://zhipu.ai
NVIDIA Nemotron Modelldetails:
https://developer.nvidia.com/nemotron
OpenRouter - API Aggregator für Open Models:
https://openrouter.ai
Azure AI Foundry - Microsoft Cloud Service:
https://azure.microsoft.com/en-us/services/ai-foundry
Mistral AI - Europäischer Anbieter für Open Weight Modelle:
https://mistral.ai
Apertus AI - ETH Zürich transparentes Modell:
https://apertus.ethz.ch
Open Code Harness - Open Source Coding Tool:
https://github.com/open-code-harness
Qwen-Code Harness Optimierung:
https://qwen.ai/code
OpenRouter CCP-sensitive-prompts Dataset:
https://huggingface.co/datasets/ccp-sensitive-prompts
---
todo:shop - unser Shop für Nerdkram und alle Fans des Podcast:
https://todoshop.io
todo:cast auf TikTok:
https://www.tiktok.com/@todo_cast
todo:cast auf Instagram:
https://www.instagram.com/todo_cast
todo:cast auf YouTube:
https://www.youtube.com/@todo_cast
Feedback und Anregungen:
todopodcast@outlook.com
No links were found in this episode’s notes.