Wichtige Überlegungen

Die Wahl des richtigen großen Sprachmodells (LLM) ist eine der wichtigsten Entscheidungen in der KI-Entwicklung. Die falsche Wahl kann zu schlechter Leistung, übermäßigen Kosten oder Anbieterbindung führen. Das Ziel bewegt sich außerdem: Modellnamen, Kontextgrenzen und Listenpreise ändern sich mehrmals im Jahr. Behandle jeden Vergleich – auch die Tabelle unten – als datierten Schnappschuss und nicht als dauerhaftes Ranking, und prüfe die Preisseite des Anbieters erneut, bevor du ein Budget festlegst.

Bewertungskriterien

  • Aufgabenpassung: Ist das Modell bei deiner spezifischen Aufgabe (Programmieren, Schlussfolgern, kreatives Schreiben, Zusammenfassen) besonders gut? Teste an der Aufgabe, nicht nach dem Gesamteindruck.
  • Kontextfenster: Wie viel Text kann es gleichzeitig verarbeiten? Workflows mit langen Dokumenten brauchen Platz für Eingabe und Ausgabe.
  • Latenz: Wie schnell antwortet das Modell? Interaktive Produkte haben engere Grenzen als Batch-Pipelines.
  • Kosten: Wie hoch sind die Kosten pro Token für Eingabe und Ausgabe? Ausgabe-Token kosten meist ein Vielfaches von Eingabe-Token.
  • Privatsphäre: Kannst du selbst hosten, oder ist eine Cloud-API zwingend? Regulierte Daten können manche Anbieter vollständig ausschließen.

Beliebte Optionen im Jahr 2026

  • Claude (Anthropic): Ausgezeichnet für lange Dokumente, nuanciertes Schlussfolgern und Programmierung.
  • GPT-6 (OpenAI): Starke multimodale Fähigkeiten, mit einer Familie aus Flaggschiff-, Mittelklasse- und Budgetmodellen.
  • Gemini (Google): Große Kontextfenster, wobei das Flaggschiff nicht im kostenlosen Tarif enthalten ist.
  • Qwen (Alibaba): Beste chinesische Leistung ihrer Klasse, mit Optionen für offene Gewichte.
  • Llama (Meta): Vollständig Open Source, selbst hostbar, starke Community.

Entscheidungsrahmen

Definiere zuerst deine Muss-Kriterien: Latenz unter 2 Sekunden? Ein festes Monatsbudget? Volle Datensouveränität? Benchmarke dann 2–3 Finalisten mit deinen tatsächlichen Daten, bevor du dich entscheidest. Anforderungen zuerst, Modellnamen danach: Ein Modell an der Spitze einer öffentlichen Rangliste kann trotzdem an deinen Latenz-, Datenschutz- oder Kostenlimits scheitern.

Eine sinnvolle Reihenfolge ist: Latenz und Verfügbarkeit zuerst, Budget zweitens, Datensouveränität drittens und reine Fähigkeit zuletzt. Jeder Kandidat, der eine harte Anforderung verfehlt, scheidet aus – egal wie gut die Demo aussieht. Vergleiche die verbleibenden Kandidaten erst dann anhand von 50–100 echten Beispielen, einschließlich der schwierigen. Miss die End-to-End-Kosten pro erfolgreicher Aufgabe, nicht die Kosten pro Token, und rechne Wiederholungen sowie menschliche Prüfung mit ein.

Kostenvergleichstabelle

Die folgende Tabelle ordnet aktuelle Modelle in drei Preisstufen ein. Lies sie als Stufen, nicht als Ranking. Flaggschiffmodelle können pro Token 50–100-mal teurer sein als Budgetmodelle; die erste Frage ist daher, ob deine Aufgabe die oberste Stufe wirklich braucht.

| Modell | Eingabe ($/1M) | Ausgabe ($/1M) | Kontext |

|--------|----------------|----------------|---------|

| GPT-6 Astra | $10.00 | $50.00 | 1.05M |

| GPT-6.1 Sol | $2.00 | $10.00 | 1.05M |

| GPT-6 Luna | $0.10 | $0.50 | 1.05M |

| Claude Fable 5.1 | $10.00 | $50.00 | 1M |

| Claude Opus 5.5 | $4.00 | $20.00 | 1M |

| Claude Sonnet 5.5 | $2.00 | $10.00 | 1M |

| Claude Haiku 5.5 | $0.10 | $0.50 | 1M |

| Gemini 4 Argon | Offizielle Preise prüfen | Offizielle Preise prüfen | 1M |

Preise am 2026-10-15 anhand der offiziellen Preisseite jedes Anbieters geprüft; prüfe den Anbieter, bevor du ein Budget festlegst.

Die Kosten für Selbsthosting hängen von GPU-Mietpreisen und Auslastung ab, nicht von einem Listenpreis.

Monatliches Kostenbeispiel

Angenommen, du verarbeitest monatlich 1M Eingabe-Token und 200K Ausgabe-Token. Mit den obigen Listenpreisen:

  • GPT-6 Astra: 1M × $10.00 + 0,2M × $50.00 = $10.00 + $10.00 = $20.00 pro Monat
  • Claude Sonnet 5.5: 1M × $2.00 + 0,2M × $10.00 = $2.00 + $2.00 = $4.00 pro Monat
  • GPT-6 Luna: 1M × $0.10 + 0,2M × $0.50 = $0.10 + $0.10 = $0.20 pro Monat

Diese Zahlen sind reine Arithmetik mit veröffentlichten Stückpreisen. Sie sagen nichts über Antwortqualität, Latenz oder Zuverlässigkeit aus; das musst du mit deiner eigenen Last testen.

Das Verhältnis ist wichtiger als die absoluten Beträge: Bei diesen Preisen kostet das Flaggschiff für dasselbe Token-Volumen fünfmal so viel wie das Mittelklassemodell und hundertmal so viel wie das Budgetmodell. Ob diese Differenz es wert ist, hängt von der Qualität ab, die du mit deinen eigenen Daten misst – nicht vom Preis allein.

Häufige Fehlmuster

  • Nur auf den Stückpreis schauen: Wiederholungen, fehlgeschlagene Aufrufe und lange Prompts vervielfachen die Tokenzahl. Ein Modell, das halb so teuer ist, aber zwei Versuche braucht, ist nicht mehr günstiger.
  • Kontextlänge ignorieren: Ein niedriger Tokenpreis kann bei sehr langen Prompts trotzdem teure Anfragen erzeugen. Miss Token pro Anfrage, nicht nur den Preis pro Million.
  • Ein Flaggschiff für Klassifikation einsetzen: Kennzeichnung, Routing und Extraktion gelingen oft mit einem Budgetmodell. Reserve das Flaggschiff für schwierige Fälle.
  • Cache- und Batch-Rabatte ignorieren: Viele Anbieter berechnen weniger für wiederholte Präfixe oder asynchrone Batch-Jobs. Wer das ignoriert, schätzt zu hoch und wählt womöglich das falsche Modell.

Praktische Tipps

  • Beginne mit dem günstigsten Modell, das funktioniert: Für einfache Aufgaben eignet sich ein Budgetmodell wie GPT-6 Luna oder das aktuelle Gemini Flash. Wechsle erst nach oben, wenn die Qualität nicht reicht.
  • Benchmarke mit DEINEN Daten: Ranglistenwerte spiegeln deinen Anwendungsfall nicht wider. Teste mit 50–100 echten Beispielen.
  • Berücksichtige die Gesamtbetriebskosten: Selbsthosting erfordert DevOps-Zeit. Cloud-APIs brauchen keine Wartung, kosten aber mehr pro Token.
  • Plane Portabilität ein: Kapsele deine LLM-Schicht (LiteLLM oder LangChain), damit du Anbieter ohne Umschreiben wechseln kannst.
  • Prüfe Preise vor der Budgetentscheidung erneut: Listenpreise und Modellreihen ändern sich. Datierte deine Annahmen und überprüfe sie, wenn ein neues Modell erscheint.