123 Modelle mit Profil. Die Einteilung beschreibt Fähigkeiten, keine Qualitätsrangliste.
Google-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↗ MicrosoftMicrosofts multimodale Modellfamilie wandelt Inhaltsanforderungen und optionale visuelle Referenzen in bearbeitbare HTML/CSS-Dokumente um. Die Checkpoints 8B und 32B basieren auf Qwen3-VL-8B-Instruct beziehungsweise Qwen3-VL-32B-Instruct. Sie erzeugen Code, keine Rasterbilder oder Videodateien. Die Referenz liefert Komposition und Stil, während der Prompt die maßgebliche Quelle für Texte, Zahlen und Beziehungen bleibt. Die bestätigte öffentliche Veröffentlichung erfolgte am 11. Oktober 2026; die frühere Repository-Erstellung ist nicht das Veröffentlichungsdatum.
Code · Offene Gewichte↗ MicrosoftMicrosofts multimodale Modellfamilie wandelt Inhaltsanforderungen und optionale visuelle Referenzen in bearbeitbare HTML/CSS-Dokumente um. Die Checkpoints 8B und 32B basieren auf Qwen3-VL-8B-Instruct beziehungsweise Qwen3-VL-32B-Instruct. Sie erzeugen Code, keine Rasterbilder oder Videodateien. Die Referenz liefert Komposition und Stil, während der Prompt die maßgebliche Quelle für Texte, Zahlen und Beziehungen bleibt. Die bestätigte öffentliche Veröffentlichung erfolgte am 11. Oktober 2026; die frühere Repository-Erstellung ist nicht das Veröffentlichungsdatum.
Code · Offene Gewichte↗ MistralVon Mistral am 9. Oktober 2026 auf Hugging Face veröffentlichter Sprach- und Dialektklassifikator. Er verarbeitet Text in arabischer Schrift und unterscheidet Hocharabisch, Dialekte und andere Sprachen mit derselben Schrift. Er ist weder generativer Assistent noch Transkriptionsmodell. Er kombiniert fastText one-vs-all, einen MLP-Klassifikator und klassenweise isotone Kalibrierung; ausgegeben werden ein Label und kalibrierte Wahrscheinlichkeiten für 51 Klassen.
Textklassifikation · Offene Gewichte↗ Alibaba QwenAm 9. Oktober 2026 veröffentlichtes Modell zur Bilderzeugung und -bearbeitung. Der Checkpoint Qwen/Qwen-Image-2.1-Turbo nutzt die visuelle Komponente von Qwen Image 2.1 mit 7 Milliarden Parametern, beschleunigt auf acht Entrauschungsschritte. Die API-Kennung lautet qwen-image-2.1-turbo. Beide Zugangswege stehen in einem Profil; Turbo wird weder mit Pro verwechselt noch pro Plattform doppelt erfasst.
Bild · Eingeschränkte Gewichte und kostenpflichtige API↗ TencentMultimodales Tencent-Modell mit 5 Milliarden Parametern, am 9. Oktober 2026 auf Hugging Face veröffentlicht. Es analysiert Seiten, Bilder, Diagramme, Geometrie, Audio und Video und erzeugt strukturierten Text in einer OmniSchema-JSON-Hülle. Es generiert keine Bilder, Musik oder Videos. Ein gemeinsamer Encoder verarbeitet die Modalitäten vor dem Decoder; die Aufgabe bestimmt Schema und extrahierte Elemente.
Multimodal · Eingeschränkte 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↗ 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↗ GoogleProduktionsbildmodell, das Generierung, Bearbeitung und visuelles Reasoning mit einem Gleichgewicht aus Qualität, Kosten und Latenz kombiniert.
Bild · Kostenpflichtig proprietär↗ GoogleGoogle-Modell zur Bilderzeugung und dialogbasierten Bearbeitung, seit dem 6. Oktober 2026 allgemein verfügbar. Es ersetzt Nano Banana 2 und ist nicht mit Nano Banana Pro zu verwechseln. Es akzeptiert Text, Bilder, Videos und PDF als Kontext; es erzeugt Bilder und Text, keine Videos oder Audiodaten. Google meldet Verbesserungen bei Bildqualität, Anweisungsbefolgung, Textdarstellung und Konsistenz über mehrere Bearbeitungen.
Bild · Kostenpflichtig proprietär↗ IBMVon IBM am 5. Oktober 2026 veröffentlichtes Ensemble zur Zeitreihenprognose, belegt durch das öffentliche Veröffentlichungsereignis des offiziellen Repositorys. Es kombiniert PatchTST-FM-r1, PatchTST-FM-r2, FlowState-r1.1 und TTM-r3. Veröffentlicht werden reproduzierbare Rezepte, keine zusammengeführten Gewichte oder neu trainierten Checkpoints: Die vier Teilmodelle werden zur Laufzeit aus ihren jeweiligen Repositorys geladen.
Zeitreihen · Offenes Ensemble↗ 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↗
Technische Analyse des NVIDIA-Modells zur Umwandlung von Simulationskontrollen in RGB-Videos. Wir bewerten Architektur, veröffentlichte Benchmarks, Hardwareanforderungen und die physikalischen Einschränkungen, die es als zertifizierten Simulator untauglich machen.
22 Okt 2026 ↗
Eine rigorose Bewertung des Text-to-Speech-Modells von Mistral: hybride Architektur, Bewertungsmetriken, Preis pro Zeichen und praktische Einschränkungen für Engineering-Teams.
22 Okt 2026 ↗
Technische Bewertung der Offline-Transkriptionsvariante von Mistral: Architektur, Anbieter-Metriken, Bereitstellungserfordernisse und Kriterien für die Auswahl gegenüber Alternativen.
22 Okt 2026 ↗
Z.AI beschreibt GLM-5.1 als Modell für agentische Softwareentwicklung; außerdem gibt es einen Eintrag auf Hugging Face. Die verfügbaren Angaben reichen jedoch nicht aus, um Lizenz, Ausführungsanforderungen, offiziellen Preis oder Benchmark-Ergebnisse zu bestätigen. Dieser Leitfaden trennt Dokumentiertes von Ungeklärtem und bietet eine Checkliste für die Bewertung.
03 Okt 2026 ↗
Cohere zufolge erzielte Embed 5 Pro unter den getesteten Modellen den höchsten Durchschnittswert; besonders hervorgehoben wird die Suche in Finanzdokumenten. Die verfügbaren Angaben reichen jedoch nicht aus, um die Punktzahl, die Methodik, den genauen Preis oder sämtliche Nutzungsbedingungen zu überprüfen.
03 Okt 2026 ↗
Die vorliegenden Unterlagen ordnen Embed 5 Fast der Embed-5-Familie zu. Sie reichen jedoch nicht aus, um die Eingabemodalitäten, die Verfügbarkeit über einzelne Zugangskanäle, den geltenden Preis oder die Retrieval-Ergebnisse zu bestätigen. Hier erfahren Sie, was sich belegen lässt – und was noch geprüft werden muss.
03 Okt 2026 ↗
Google beschreibt Gemini 3.8 Live Extended Thinking als Audio-zu-Audio-Modell für die Live API, das empfohlen wird, wenn mehr Schlussfolgern im Hintergrund erforderlich ist. Die verfügbare Dokumentation belegt für sich genommen jedoch weder weniger Fehler noch eine geringere Latenz. Dafür sind Tests mit kontrollierten Aufgaben und Bedingungen nötig.
02 Okt 2026 ↗
Google beschreibt Gemini 3.8 Live als Modell für Dialoge in Echtzeit. Die verfügbaren Quellen bestätigen jedoch weder einen Preis noch quantitative Ergebnisse oder vollständige Zugangsbedingungen. Dieser Leitfaden trennt die Aussagen des Anbieters von den Punkten, die ein Team in der eigenen Integration überprüfen sollte.
02 Okt 2026 ↗
ElevenLabs positioniert v4 Turbo als Variante mit niedriger Latenz und nennt eine mediane Inferenzlatenz von rund 100 ms. Dieser Wert entspricht jedoch nicht der Antwortzeit eines vollständigen Agenten. Angaben zur Messmethode, zu den Zugangsbedingungen, den anwendbaren Kosten und zur modellspezifischen Sicherheit fehlen.
02 Okt 2026 ↗