Sechs KI-Modellnamen und ihre Herkunft

KI-generierte Titelillustration zur Herkunft von Modellnamen.

Von den sechs großen KI-Modellfamilien beschreiben nur zwei Namen tatsächlich Technik. GPT ist wörtlich ein Datenblatt. Mistral schreibt die Architektur direkt in den Modellnamen. Die übrigen vier – Claude, Gemini, Grok und Llama – sind Branding, Zufälle oder, in einem Fall, der Spitzname einer Kollegin.

Dieser Beitrag entstand mit Unterstützung eines KI-Schreibprogramms. Den unten beschriebenen API-Test habe ich selbst ausgeführt; der Screenshot ist eine echte Konsolenausgabe, kein generiertes Bild.

Das Problem

Beim Einrichten einer Modellliste hatte ich drei Bezeichner nebeneinander offen: claude-haiku-4-5, gemini-3-flash, gpt-5-4-mini.

Und mir fiel auf, dass ich nicht sagen konnte, welches dieser drei Suffixe „kleiner" bedeutet, welches „schneller" und welches beides. Haiku ist eine Gedichtform. Flash heißt Blitz. Mini heißt klein. Drei verschiedene Konzepte, die an derselben Stelle im Bezeichner stehen, als wären sie Labels derselben Art.

Also habe ich zuerst nicht die Suffixe nachgeschlagen, sondern die Namen selbst.

Was ich geprüft habe

Sechs Namensherkünfte, jeweils gegen die offizielle Quelle des Anbieters geprüft – Blog, Hilfecenter, Model Cards, Gründeraussagen. Zusätzlich habe ich die Modelle selbst gefragt, wo ihr Name herkommt, und die rohen Antworten protokolliert.

GPT – der Name ist die Spezifikation

Generative Pre-trained Transformer. Jedes Wort trägt Information:

• Generative – erzeugend statt diskriminierend
• Pre-trained – Vortraining auf großem Korpus vor der Anpassung an die Aufgabe
• Transformer – die zugrundeliegende Architektur

Keine Mythologie, kein Wortspiel. Der langweiligste Name der Liste und zugleich der informativste.

Mistral – Architektur korrekt, Arithmetik irreführend

Mixtral ist ein Kofferwort aus Mixture-of-experts und Mistral. Der Name sagt direkt, dass das Modell nicht dicht, sondern sparse ist.

Die vollständige Bezeichnung Mixtral-8x7B beschreibt auch die Parameterstruktur: acht Experten, pro Token etwa 12,9B aktive Parameter, ein Router wählt 2 der 8 aus, und die Schichtausgabe ist die gewichtete Summe dieser beiden.

Ich habe die naheliegende Rechnung gemacht: 8 × 7 = 56B. Dann die tatsächliche Gesamtparameterzahl nachgeschlagen: 46,7B.

Fast 10B weniger. Der Grund: Nur die Feed-Forward-Blöcke liegen achtfach vor. Die Self-Attention-Schichten und die Embeddings werden von allen acht Experten gemeinsam genutzt. Die Multiplikation im Namen überzeichnet die reale Größe also um rund 20 Prozent.

Wer die Hardware nach dem Namen dimensioniert, plant zu groß. Das ist der einzige Name in dieser Reihe, der konkret Geld kosten kann.

Der Firmenname selbst hat mit Machine Learning nichts zu tun: Der Mistral ist ein kalter Nordwestwind, der von Südfrankreich ins Mittelmeer weht, im Mittel rund 50 km/h, mitunter über Tage. Das Wort stammt aus dem Languedoc-Dialekt des Okzitanischen, von einer Wurzel mit der Bedeutung „herrschend". Die Gründer Arthur Mensch, Guillaume Lample und Timothée Lacroix lernten sich an der École Polytechnique kennen und meldeten das Unternehmen im April 2023 unter diesem Windnamen an.

Das Suffix zieht sich durch die ganze Produktlinie: Pixtral für Vision, Codestral für Code, Mathstral für Mathematik, Devstral für agentisches Programmieren, Voxtral für Sprache. Von allen sechs Anbietern kodiert nur dieser die Funktion statt der Größe – bei Codestral weiß man den Zweck, ohne die Doku zu öffnen.

Quelle: Mistral AI: Mixtral of experts.

Llama – bei der Abkürzung gehen die Buchstaben nicht auf

Llama = Large Language Model Meta AI.

Large, Language, Model, Meta, AI sind fünf Wörter. L-L-a-M-A hat fünf Positionen, aber Model und Meta teilen sich das M.

Wikipedia führt das deshalb als Backronym: Das Wort war zuerst da, die Auflösung wurde rückwärts dazukonstruiert.

Der Gag stammt nicht einmal von Meta. LlamaIndex nutzte das LLM-in-llama-Wortspiel früher; Gründer Jerry Liu hat erzählt, man habe niedliche Tiernamen durchprobiert und in llama steckte zufällig LLM.

Meta schrieb anfangs LLaMA, um die Abkürzung zu betonen, und wechselte später zum schlichten Llama.

Claude – offiziell bestätigt ist nichts

Die verbreitete Erklärung verweist auf Claude Shannon, dessen Arbeit A Mathematical Theory of Communication von 1948 die Informationstheorie begründete und über 160.000-mal zitiert wurde.

Ich habe die offizielle Bestätigung gesucht: Anthropic-Blog, Hilfecenter, Model Cards, Gründeraussagen – es gibt keine. Alle Quellen schreiben „soll sich beziehen auf".

Ein Artikel im New Yorker von 2026 trägt den Titel „What Is Claude? Anthropic Doesn't Know, Either". Nach der dort beschriebenen internen Version ist der Name teils Hommage an Shannon und teils schlicht der Wunsch nach einem freundlichen menschlichen Namen, der nicht nach Küchengerät klingt und nicht nach Sprachassistenten wie Siri oder Alexa.

Bei den Stufen Haiku / Sonnet / Opus dasselbe Bild: Die Erklärung über Gedichtformen ist allgemein bekannt, steht aber nicht im offiziellen Release-Post. Wer die tatsächliche Staffelung sehen will, muss sie an den realen Werten ablesen – die Claude-Opus-5-Modellseite bei Crazyrouter führt Kontextfenster und Tarifstufe direkt auf, was deutlich klarer ist als die Namensetymologie.

Gemini – und der Name, mit dem es fast erschienen wäre

Die offizielle Version ist hier substanziell. Jeff Dean hat erklärt, dass die „Zwillinge" die beiden fusionierten Teams meinen: das frühere Google Brain, überwiegend aus den Arbeiten an PaLM und PaLM-2, und das frühere DeepMind, überwiegend aus Chinchilla. Sie fusionierten im April 2023 und bauten gemeinsam ein multimodales Modell.

Darüber liegen zwei weitere Ebenen: das NASA-Programm Gemini, die Zweisitzer zwischen Mercury und Apollo, und das Sternbild selbst mit den Zwillingssternen Kastor und Pollux.

Der Entwicklungs-Codename war allerdings Titan – der größte Saturnmond und zugleich die griechischen Titanen. Geändert wurde er aus einem sehr menschlichen Grund: Dean mochte ihn nicht. Genau dieser Codename brachte ihn aber dazu, etwas „im Weltraum Verankertes" zu suchen – daher Gemini.

Co-Technical-Lead Oriol Vinyals scherzte später öffentlich, ob die Nachfolge Apollo heißen werde. Bei der NASA folgte auf Gemini genau das.

Und die kürzeste Geschichte der Liste: Nano Banana war der Spitzname, den Kolleginnen und Kollegen Naina Raisinghani gaben, einer Produktmanagerin bei Google DeepMind. Er wurde zum offiziellen Modellnamen und entspricht Gemini 2.5 Flash Image.

Grok – ein Wort aus einem Roman von 1961

Grok erfand Robert A. Heinlein für Stranger in a Strange Land, einen Roman über einen auf dem Mars geborenen und von Marsianern aufgezogenen Menschen. In der Marssprache des Buchs heißt es wörtlich „trinken", im erweiterten Sinn: etwas so vollständig aufnehmen, dass es Teil von einem wird. Das Oxford English Dictionary führt es mit der Bedeutung „intuitiv oder durch Einfühlung verstehen".

xAI hat die Quelle nie offiziell bestätigt. Musk postete am Tag nach der Ankündigung lediglich „Stranger in a Strange Land" auf X.

Verifikation: Was die Modelle selbst sagen

Da sich auf der menschlichen Seite wenig bestätigen ließ, habe ich dieselbe Frage an vier Modelle geschickt und die Rohantworten protokolliert.

Echter Screenshot des beschriebenen Laufs, kein generiertes Bild.

• GPT-6 Astra: siebenmal gefragt. Dreimal erklärte es ChatGPT, zweimal sagte es, es habe keinen eigenen Namen, beim letzten Mal nannte es sich Codex, „vom lateinischen Wort für Buch". Astra erwähnte es kein einziges Mal. Der finish_reason war jedes Mal stop, die Antworten waren also nicht abgeschnitten.
• Claude: das einzige Modell, das von sich aus einschränkte, Anthropic habe keine einzelne offizielle Herkunft veröffentlicht.
• Gemini: gab die vollständigste Antwort und verbrauchte dafür 1.859 Ausgabe-Token – gegenüber 281 bei Claude für dieselbe Frage.
• Grok: nannte die Quelle korrekt, stellte die Motivation von xAI aber als gesicherte Tatsache dar. Zusätzlich rutschte ein interner Marker \confidence{90} in den Antworttext.

Das Modell, dessen Unternehmen den eigenen Namen nicht erklärt, war das einzige, das Unsicherheit einräumte.

Fazit

Zwei von sechs Namen tragen technische Information: GPT und die Mistral-Linie. Die anderen vier stehen für eine unbestätigte Hommage, eine Teamfusion, einen Roman von 1961 und einen Spitznamen.

Und die Suffixe, mein Ausgangspunkt, messen über Anbieter hinweg nicht dasselbe: Google misst mit Flash die Latenz, OpenAI mit mini die Parametergröße, Anthropic mit Haiku beides, Mistral mit -stral die Funktion. Bei Pro liegen OpenAI und Google sogar in völlig verschiedenen Preisklassen.

Praktische Konsequenz: Suffixe nur innerhalb einer Anbieterlinie vergleichen. Über Anbieter hinweg direkt auf Kontextfenster, Tarifstufe und gemessene Latenz schauen.

Zur Diskussion

Mich würde interessieren: Kennt ihr ein Namensschema, das wirklich brauchbare Information trägt? Mistrals funktionsbasierte Suffixe sind in dieser Runde das einzige, das ich als informativ bezeichnen würde.

Und falls euch schon einmal ein Modellname zu einer falschen Dimensionierung verleitet hat – 8x7B ist der dokumentierte Fall, aber ich vermute, es gibt mehr –, schreibt das gern in die Kommentare.