So entstehen die Empfehlungen
Die Empfehlungen folgen festen Regeln. Es entscheidet keine KI, und es gibt keine bezahlten Platzierungen.
01 · Ausschluss
Zuerst fallen Modelle weg, die eine Anforderung nicht erfüllen: zu kleines Kontextfenster für die gewählte Textlänge (8.000 / 32.000 / 200.000 Token), keine Bildeingabe bei Bildauswertung, keine Verarbeitung in der gewünschten Region oder keine offenen Gewichte bei lokalem Betrieb.
Bei lokalem Betrieb prüfen wir zusätzlich, ob das Modell in den Speicher deiner Hardware passt. Schätzung für die komprimierte Version (Q4): 0,6 GB pro Milliarde Parameter plus 1,5 GB Reserve.
Bei beruflicher Nutzung oder im Team fallen Modelle weg, deren Lizenz keine kommerzielle Nutzung erlaubt.
02 · Bewertung
Jedes bewertete Modell hat je Aufgabe eine Qualitätsstufe von 1 bis 3. Die Stufen stammen aus öffentlichen Ranglisten: das obere Drittel einer Rangliste ist Stufe 3, das mittlere Stufe 2, das untere Stufe 1. Für jede Aufgabe nehmen wir die passendste verfügbare Rangliste:
| Aufgabe | Rangliste (Ersatz) |
|---|---|
| Texte schreiben | LMArena Creative Writing (Text) |
| Dokumente zusammenfassen | LMArena Document (Longer Query, Text) |
| Chatbot | LMArena Text |
| Programmieren | LMArena Coding (WebDev) |
| Übersetzen | LMArena Non-English (Text) |
| Mathe | LMArena Math |
| Bilder auswerten | LMArena Vision |
| Videos auswerten | LMArena Vision – für Videoverständnis gibt es noch keine öffentliche Rangliste, deshalb dient Bildverständnis als Näherung |
| Bilder erzeugen / bearbeiten | LMArena Text-to-Image / Image Edit |
| Videos erzeugen / Foto → Video | LMArena Text-to-Video / Image-to-Video |
| Audio abtippen | Hugging Face Open ASR Leaderboard (Mittel aus englischer und mehrsprachiger Platzierung) |
Die LMArena-Ranglisten beruhen auf Millionen blinder Vergleiche durch echte Nutzer. Das Open ASR Leaderboard misst die Wortfehlerrate auf festen Testaufnahmen (kleiner = besser). Wählst du ein Fachgebiet (Recht, Medizin, Wirtschaft, Wissenschaft), zählt die passende LMArena-Themen-Rangliste als zusätzliche Stufe im Durchschnitt. Modelle, die in keiner dieser Ranglisten vorkommen, bleiben unbewertet. Einzelne Stufen korrigieren wir von Hand, wenn wir bessere Quellen haben, und sagen das auf der Modellseite. Der Preis einer typischen Anfrage wird logarithmisch eingeordnet, weil sich Preise um das Tausendfache unterscheiden. Beides wird nach deiner Priorität gewichtet:
| Priorität | Qualität | Preis |
|---|---|---|
| Günstig | 30 % | 70 % |
| Ausgewogen | 50 % | 50 % |
| Beste Qualität | 80 % | 20 % |
Ab 10.000 Anfragen pro Monat verschiebt sich die Gewichtung um 10 Prozentpunkte Richtung Preis, weil kleine Preisunterschiede dann spürbar werden. Bei Gleichstand entscheidet der niedrigere Preis, danach das größere Kontextfenster.
03 · Mehrere Aufgaben auf einmal
Du kannst mehrere Aufgaben wählen. Text- und Auswertungsaufgaben übernimmt ein Modell, das alle davon können muss; seine Qualität ist der Durchschnitt seiner Stufen für diese Aufgaben. Bilder, Videos und Transkription bekommen jeweils ein eigenes Podium, weil kaum ein Modell alles kann. Bilder werden pro Bild berechnet, Videos pro 10-Sekunden-Clip, Transkription pro Minute Audio. Diese Preise stammen aus der öffentlichen LiteLLM-Preisliste; sind mehrere Anbieter oder Qualitätsstufen gelistet, nehmen wir den mittleren (typischen) Preis, nicht den günstigsten. Offene Spracherkennungs-Modelle ohne Cloud-Angebot empfehlen wir nur für den lokalen Betrieb.
04 · Benchmarks
Benchmark-Werte haben verschiedene Skalen (Prozent, Elo-Punkte, Fehlerquoten) und lassen sich nicht einfach mitteln. Wir rechnen jeden Wert in eine Platzierung von 0 bis 100 um – unter allen hier gelisteten Modellen, die denselben Benchmark gemacht haben (100 = bestes; bei Fehlerquoten ist der kleinste Wert der beste). Eine Platzierung zeigen wir erst ab 3 vergleichbaren Modellen. Der Benchmark-Durchschnitt ist der Mittelwert dieser Platzierungen. „Stärken“ sind Bereiche mit einer durchschnittlichen Platzierung ab 75, „Schwächen“ bis 30. Benchmarks fließen nicht in die Empfehlung ein – die beruht auf unseren belegten Qualitätsstufen.
05 · Datenquellen
Modelle und Preise: OpenRouter. Offene Gewichte und Hosting-Anbieter (für die Regionen): models.dev. Lizenz und Größe offener Modelle: Hugging Face. Ranglisten: LMArena und das Open ASR Leaderboard. Preise pro Bild, pro Sekunde Video und pro Minute Audio: LiteLLM. Wechselkurs: Europäische Zentralbank. Alles wird täglich automatisch aktualisiert; fällt eine Quelle aus, bleiben die zuletzt bekannten Werte stehen.
06 · Werbung
Falls wir Werbung zeigen, ist sie klar gekennzeichnet, steht nur in eigenen Flächen und beeinflusst nie Rangfolge oder Empfehlungen.
07 · Grenzen
Qualitätsstufen sind eine Vereinfachung. Preise stammen von OpenRouter und können direkt beim Anbieter oder in anderen Regionen abweichen. Speicherangaben sind Schätzungen. Modelle ohne eigene Bewertung erscheinen nur im Vergleich, nicht in den Empfehlungen.
Manche KI-Arten fehlen noch, z. B. Musikerzeugung, 3D-Modelle und CAD oder Sprachausgabe (Text-to-Speech): Dafür gibt es derzeit keine öffentliche Rangliste mit offenen Daten, die wir nutzen könnten. Lieber lassen wir sie weg, als ohne Belege zu empfehlen.
Hinweise zum Datenschutz sind keine Rechtsberatung. Prüfe Verträge (z. B. Auftragsverarbeitung) mit dem Anbieter selbst.