Zum Inhalt springen
ReviewRamble

Der wöchentliche Brief

KI im Test, in deinem Postfach.

  • Neue Tests von Tools, Modellen, MCP-Servern und Repos, mit dem Urteil vorneweg
  • Neu geprüfte Preise und Bewertungen, wenn sich etwas ändert
  • Neue Analysen, sobald sie erscheinen

Modelle, Agenten, MCP-Server und die Tools, die deine Zeit wirklich wert sind.

Eine E-Mail pro Woche. Abmelden kannst du dich über den Link in jedem Brief. Wie wir deine E-Mail-Adresse nutzen

Basismodell

Ein Basismodell (Base Model) ist ein Sprachmodell direkt aus dem Pretraining, vor Instruction Tuning oder Training mit menschlichem Feedback. Es setzt jeden Text fort, den es bekommt, statt Anweisungen zu befolgen oder ein Gespräch zu führen.

Auch: pretrained checkpoint, pretrained model, -Base

Von Divya Sharma · Geprüft am 15. Nov. 2026 · So testen wir

Frag ein Basismodell „What is the capital of France?“, und es antwortet vielleicht, oder es schreibt drei weitere Quizfragen, weil eine Liste von Fragen eine wahrscheinliche Fortsetzung ist. Es hat beim Pretraining Sprache und viele Fakten gelernt, aber man hat ihm nicht beigebracht, als Assistent aufzutreten.

Wo du sie siehst

Veröffentlichungen offener Modelle enthalten oft zwei Versionen: einen Basis-Checkpoint und ein Instruct-Modell. Manche Namen sagen es, etwa ERNIE 5.5 Flash Base. Gehostete APIs bieten fast immer nur die abgestimmte Version an.

Warum du eines nutzen würdest

Basismodelle sind der übliche Ausgangspunkt für dein eigenes Fine-Tuning, weil sie nicht den Stil, die Ablehnungen oder das Chat-Format eines anderen Teams übernommen haben. Forscher nutzen sie, um zu untersuchen, was Pretraining allein hervorbringt. Sie eignen sich auch gut für reine Fortsetzungsaufgaben, etwa Code zu vervollständigen oder Text in einem vorgegebenen Stil zu erzeugen.

Auch aus einem Basismodell lässt sich nützliche Arbeit herausholen, wenn du den Prompt als Text formulierst, den es natürlich fortsetzen würde, mit ein paar Beispielen vorweg. Das GPT-3-Paper hat genau das getan: Es testete ein Modell ohne Fine-Tuning und gab Aufgaben und Beispiele nur als Text vor. Das ist Few-Shot Prompting.

Der Unterschied zu einem Foundation Model

Ein Foundation Model ist jedes breit angelegte Modell, das an viele Aufgaben angepasst werden soll. Ein Basismodell ist ein bestimmter Checkpoint: der nicht abgestimmte. Ein darauf aufbauendes Instruct-Modell ist weiterhin ein Foundation Model, aber kein Basismodell mehr.

Verwandte Begriffe

Instruct-Modell
Ein Instruct-Modell ist ein Basis-Sprachmodell, das zusätzlich auf Anweisungen mit guten Antworten und oft auf menschlichem Feedback trainiert wurde, sodass es Anfragen befolgt, statt nur Text fortzusetzen.
Pretraining
Pretraining (Vortraining) ist die erste und größte Phase im Training eines Modells, in der es allgemeine Muster aus einem sehr großen, nicht gelabelten Datensatz lernt, meist durch Vorhersage des nächsten Tokens, noch vor jeder aufgabenspezifischen Anpassung.
Foundation Model
Ein Foundation Model (Basis- oder Grundlagenmodell) ist ein großes Modell, das in großem Maßstab auf breiten Daten trainiert wurde und sich per Prompting oder Fine-Tuning an viele verschiedene nachgelagerte Aufgaben anpassen lässt, statt für eine einzige Aufgabe gebaut zu sein.
Fine-Tuning
Fine-Tuning (Feinabstimmung) ist das Weitertrainieren eines vortrainierten Modells auf einem kleineren, aufgabenspezifischen Datensatz, damit das Modell eine bestimmte Fähigkeit, ein Format, einen Ton oder ein Fachgebiet übernimmt, ohne von Grund auf trainiert zu werden.
Few-Shot Prompting
Few-Shot Prompting (Prompting mit wenigen Beispielen) bedeutet, einem Sprachmodell im Prompt eine Handvoll durchgearbeiteter Beispiele einer Aufgabe zu geben, damit es das Muster ohne erneutes Training auf eine neue Eingabe übertragen kann.

Quellen