58 Modelle mit Profil. Die Einteilung beschreibt Fähigkeiten, keine Qualitätsrangliste.
Proprietäres OpenAI-Modell, veröffentlicht am 26. Oktober 2026, zum Verstehen von Bildern, Bedienen von Anwendungen und Verfassen von Texten. Es verarbeitet Text und Bilder und gibt Text aus; Bilderzeugung über ein Werkzeug ist keine native Ausgabemodalität. Es ist per API als gpt-6.1-terra sowie je nach Tarif in ChatGPT Work und Codex verfügbar. Es wird nicht als herunterladbarer Checkpoint veröffentlicht.
Text und Begründung · Kostenpflichtig proprietär↗ NVIDIAKompaktes NVIDIA-Modell, veröffentlicht am 23. Oktober 2026 und auf Grundlage von Gemma-4-E4B-it nachtrainiert. Es hat etwa 8 Milliarden Parameter insgesamt und 4 Milliarden effektive Parameter; E4B bedeutet kein MoE mit vier Milliarden aktiven Parametern. BF16 und GGUF Q4_K_M werden in einem Profil mit getrennten Ergebnissen nach Präzision zusammengefasst. Dokumentiert ist Text als Ein- und Ausgabe: Die Ausrichtung auf Sprachassistenten macht es nicht zu einem System für Audioerkennung oder Sprachsynthese.
Text und Begründung · API und offene Gewichte↗ RecursiveAm 21. Oktober 2026 veröffentlichtes Modell von Recursive zur Untersuchung von Repositories, Fehlerbehebung, Entwicklung von Funktionen und Erstellung von Tests mit lokalen Agenten. Es ist ein Mixture-of-Experts-Transformer mit insgesamt 39,8 Milliarden Parametern und ungefähr 2,5 Milliarden aktiven Parametern pro Token, einschließlich des Ausgabekopfs. Es verarbeitet und erzeugt Text, aber keine Bilder oder Audiodaten. Dieses Profil bündelt den BF16-Checkpoint und die offiziellen INT4- und NVFP4-Distributionen, ohne sie als eigenständige Modelle zu zählen.
Code · API und offene Gewichte↗ DeepSeekDeepSeek aktualisierte API, Website und App am 17. Oktober 2026 auf DeepSeek-V4.1-Flash-1017. Der API-Bezeichner bleibt deepseek-flash und die Preise ändern sich nicht. Wir behalten Profil und URL bei: Es handelt sich um eine Revision des bestehenden Modells, nicht um ein weiteres Duplikat.
Text und Begründung · Kostenpflichtige API · offene Gewichte↗ NVIDIATextmodell von NVIDIA, veröffentlicht am 16. Oktober 2026, mit 4 Milliarden Parametern und rekurrenter Architektur. Es verwendet einen Schichtenblock wieder, um den Rechenaufwand pro Token ohne Checkpoint-Wechsel anzupassen. Dokumentiert sind Englisch und ein validierter Kontext von 256K Token. Es erzeugt keine Bilder, Audio- oder Videodaten.
Text und Begründung · Offene Gewichte↗ MetaMultimodales Meta-Modell, veröffentlicht am 15. Oktober 2026, mit insgesamt 816 Milliarden und 42 Milliarden aktiven Parametern. Es verarbeitet Text, Bilder, Audio und Video und gibt Text aus. Kombiniertes Kontextfenster von einer Million Tokens; BF16- und NVFP4-Varianten.
Multimodal · Eingeschränkte Gewichte↗ MicrosoftMicrosoft-Checkpoint auf Basis von Qwen3.5-4B, der Textgespräche in Beschreibungen der Aufgabe und des beobachteten Verhaltens umwandelt. Die Gewichte wurden am 14. Oktober 2026 in das offizielle Repository hochgeladen. Er erzeugt Repräsentationen für einen separaten Simulator, nicht selbst Nutzerbeiträge oder Aufgabenausführungen. Trotz der multimodalen Architektur des Basismodells unterstützt diese Veröffentlichung nur Text und wurde auf Englisch evaluiert.
Text und Begründung · Offene Gewichte↗ GoogleGoogle-Modell, seit dem 13. Oktober 2026 allgemein verfügbar. Es verarbeitet Text, Bilder, Audio und Video und erzeugt Text einschließlich Code, jedoch keine Bilder, Audio- oder Videodateien. Es nutzt eine MoE-Architektur und ein gemeinsames Kontextfenster von 1.048.576 Tokens. Robotikanwendungen verwenden dasselbe Modell, keinen separaten Endpoint.
Text und Begründung · Kostenpflichtig proprietär↗ Ai2Ai2-Checkpoint aus der öffentlichen Veröffentlichung vom 7. Oktober 2026 anlässlich der Publikation von Bolmo in Nature. Das autoregressive Modell verarbeitet Text als UTF-8-Bytes mithilfe lokaler Komponenten, dynamischer Gruppierung und eines globalen Modells. Die verifizierte Modalität ist Text-zu-Text: mögliche spätere Erweiterungen auf Bild oder Audio sind keine verfügbaren Fähigkeiten. Das Erstellungsdatum des Repositories im August gilt nicht als Veröffentlichungsdatum.
Text und Begründung · Offene Gewichte↗ Ai2Ai2-Checkpoint aus der öffentlichen Veröffentlichung vom 7. Oktober 2026 anlässlich der Publikation von Bolmo in Nature. Das autoregressive Modell verarbeitet Text als UTF-8-Bytes mithilfe lokaler Komponenten, dynamischer Gruppierung und eines globalen Modells. Die verifizierte Modalität ist Text-zu-Text: mögliche spätere Erweiterungen auf Bild oder Audio sind keine verfügbaren Fähigkeiten. Das Erstellungsdatum des Repositories im August gilt nicht als Veröffentlichungsdatum.
Text und Begründung · Offene Gewichte↗ Ai2Ai2-Checkpoint aus der öffentlichen Veröffentlichung vom 7. Oktober 2026 anlässlich der Publikation von Bolmo in Nature. Das autoregressive Modell verarbeitet Text als UTF-8-Bytes mithilfe lokaler Komponenten, dynamischer Gruppierung und eines globalen Modells. Die verifizierte Modalität ist Text-zu-Text: mögliche spätere Erweiterungen auf Bild oder Audio sind keine verfügbaren Fähigkeiten. Das Erstellungsdatum des Repositories im August gilt nicht als Veröffentlichungsdatum.
Text und Begründung · Offene Gewichte↗ Ai2Ai2-Checkpoint aus der öffentlichen Veröffentlichung vom 7. Oktober 2026 anlässlich der Publikation von Bolmo in Nature. Das autoregressive Modell verarbeitet Text als UTF-8-Bytes mithilfe lokaler Komponenten, dynamischer Gruppierung und eines globalen Modells. Die verifizierte Modalität ist Text-zu-Text: mögliche spätere Erweiterungen auf Bild oder Audio sind keine verfügbaren Fähigkeiten. Das Erstellungsdatum des Repositories im August gilt nicht als Veröffentlichungsdatum.
Text und Begründung · Offene Gewichte↗ Ai2Ai2-Checkpoint aus der öffentlichen Veröffentlichung vom 7. Oktober 2026 anlässlich der Publikation von Bolmo in Nature. Das autoregressive Modell verarbeitet Text als UTF-8-Bytes mithilfe lokaler Komponenten, dynamischer Gruppierung und eines globalen Modells. Die verifizierte Modalität ist Text-zu-Text: mögliche spätere Erweiterungen auf Bild oder Audio sind keine verfügbaren Fähigkeiten. Das Erstellungsdatum des Repositories im August gilt nicht als Veröffentlichungsdatum.
Text und Begründung · Offene Gewichte↗ Ai2Ai2-Checkpoint aus der öffentlichen Veröffentlichung vom 7. Oktober 2026 anlässlich der Publikation von Bolmo in Nature. Das autoregressive Modell verarbeitet Text als UTF-8-Bytes mithilfe lokaler Komponenten, dynamischer Gruppierung und eines globalen Modells. Die verifizierte Modalität ist Text-zu-Text: mögliche spätere Erweiterungen auf Bild oder Audio sind keine verfügbaren Fähigkeiten. Das Erstellungsdatum des Repositories im August gilt nicht als Veröffentlichungsdatum.
Text und Begründung · Offene Gewichte↗ AnthropicAm 7. Oktober 2026 veröffentlichtes Anthropic-Modell für häufige, kosten- und latenzsensitive Aufgaben. Es verarbeitet Text und Bilder und gibt Text einschließlich Code aus; es erzeugt keine Bilder, Audio- oder Videoinhalte. Sein Kontextfenster mit einer Million Tokens und adaptives Denken erweitern die Haiku-Familie, ohne Sonnet oder Opus bei komplexen Arbeiten grundsätzlich zu ersetzen.
Text und Begründung · Kostenpflichtig proprietär↗ AnthropicSonnet-Update für alltägliche Aufgaben, Code und Dokumente – mit höherer Geschwindigkeit und einer Million Token Kontext.
Text und Begründung · Kostenpflichtig proprietär↗ Aleph AlphaText- und Codemodell von Aleph Alpha, offiziell am 3. Oktober 2026 veröffentlicht und auf Deutsch und Englisch ausgerichtet. Die MoE-Architektur umfasst insgesamt 78,1 Milliarden Parameter und aktiviert etwa 3,46 Milliarden pro Token. Das Modell unterstützt konfigurierbares Reasoning und Tool-Aufrufe. FP8- und BF16-Gewichte stehen unter Apache 2.0; sie sind zwei Präzisionsvarianten derselben Familie, keine unabhängigen Modelle.
Text und Begründung · Offene Gewichte↗ OpenAIOpenAI-Modell für komplexe Programmierung, Computernutzung und professionelle Aufgaben mit Text- und Bildeingaben. Der Anbieter beschreibt eine Leistung nahe Astra bei geringeren Kosten; prüfen Sie dieses Verhältnis anhand Ihrer eigenen Aufgaben.
Text und Begründung · Kostenpflichtig proprietär↗
Technische Anleitung zum Design robuster Interface-Verträge, die die strukturelle Gültigkeit von KI-Ausgaben sicherstellen, Formatfehler von Inhaltsfehlern unterscheiden und Protokolle für die automatische Validierung etablieren.
19 Okt 2026 ↗
Eine Abfrage kann fehlerfrei laufen und trotzdem eine Kennzahl falsch berechnen. Dieses Prüfprotokoll zeigt, wie Sie JOINs, Filter und Aggregationen untersuchen, die Abfrage kontrolliert testen und Ergebnisse mit bekannten Referenzwerten vergleichen.
18 Okt 2026 ↗
Ein praxisnaher Leitfaden, um Anfragen und ihre einzelnen Schritte zu protokollieren, ohne sensible Daten wahllos zu speichern. Mit einem Ereignisschema, einem Instrumentierungsbeispiel, Datenschutzkriterien, Diagnoseansichten und einem Verfahren zur Fehlersuche – einschließlich der Unterscheidung zwischen API-gemeldetem Verbrauch und endgültigen Kosten.
18 Okt 2026 ↗
So definieren Sie Fehlerzustände, Wiederherstellungsregeln und Abnahmetests für KI-gestützte Automatisierungen, damit Fehler nicht zu doppelten oder unautorisierten Aktionen führen.
18 Okt 2026 ↗
Eine Anleitung, um ein Modell mit einem internen Tool zu verbinden, ohne ihm direkte Befugnisse zum Ändern von Daten zu geben: Schnittstelle begrenzen, jeden Vorschlag im Code prüfen und mit Kontrollen und Rücksetzplan schrittweise ausrollen.
16 Okt 2026 ↗
Ein Zitat beweist nicht, dass eine Aussage stimmt. Lerne, überprüfbare Behauptungen zu trennen, Belege im Kontext zu lesen und eine Entscheidung so zu dokumentieren, dass andere sie nachvollziehen können.
16 Okt 2026 ↗
Ein wiederverwendbares Verfahren, um eine konkrete Aufgabe abzugrenzen, sie mit dem heutigen Ablauf und einer regelbasierten Alternative zu vergleichen und vorab Kriterien für Erfolg, menschliche Prüfung und Abbruch festzulegen.
15 Okt 2026 ↗
Praxisleitfaden zum Spezifizieren, Testen und Integrieren eines Workflows, der Anfragen entgegennimmt, eine Kategorie vorschlägt und Fälle mit klaren Grenzen, menschlicher Prüfung und Fehlerbehandlung weiterleitet.
15 Okt 2026 ↗
Ein praxisorientierter Leitfaden, um Schemata zu entwerfen, das passende Verfahren für strukturierte Ausgaben oder Funktionsaufrufe auszuwählen, JSON zu validieren und zu prüfen, ob generierte Daten der Eingabe entsprechen, bevor sie in eine Pipeline gelangen.
15 Okt 2026 ↗