Karte der künstlichen Intelligenz

Entdecken Sie Systeme, Fähigkeiten und wer sie baut.

Ein redaktioneller Katalog, der KI nach Technologie und Problem erschließt – mit geprüften Profilen und klaren Wegen.

Verifizierte Modelle

Profile mit Version, Zugang, Modalitäten, veröffentlichten Preisen und Prüfdatum.

OPENAI

GPT‑6 Astra

Generalistisches Grenzmodell, das auf komplexe Aufgaben, den Einsatz von Werkzeugen und hochanspruchsvolle berufliche Arbeit ausgerichtet ist.

Text und Begründung · Kostenpflichtig proprietär ANTHROPIC

Claude Opus 5

Auf Code- und Wissensarbeit ausgerichtetes Modell mit Steuerelementen, die eine Anpassung des Aufwands an jede Aufgabe ermöglichen.

Text und Begründung · Kostenpflichtig proprietär GOOGLE

Gemini 3.8 Flash

Flash-Modell für langwieriges Software-Engineering, autonome Agenten und komplexe Geschäftsabläufe.

Text und Begründung · Kostenpflichtig proprietär OPENAI

GPT‑5.6 Sol

Komplexe Aufgaben, Code und Agenten mit Werkzeugen.

Text und Begründung · Kostenpflichtig proprietär OPENAI

GPT‑5.6 Terra

Aufgaben mit ausgewogenem Verhältnis von Qualität, Geschwindigkeit und Kosten.

Text und Begründung · Kostenpflichtig proprietär OPENAI

GPT‑5.6 Luna

Hohes Volumen, Unteragenten und strukturierte Extraktion.

Text und Begründung · Kostenpflichtig proprietär ANTHROPIC

Claude Fable 5.1

Lang andauerndes Schlussfolgern und Agenten.

Text und Begründung · Kostenpflichtig proprietär ANTHROPIC

Claude Sonnet 5

Code, Recherche und professionelle Abläufe mit Werkzeugen.

Text und Begründung · Kostenpflichtig proprietär ANTHROPIC

Claude Haiku 4.5

Hohes Volumen, Unteragenten und strukturierte Extraktion.

Text und Begründung · Kostenpflichtig proprietär GOOGLE

Gemini 3.1 Pro

Multimodales Schlussfolgern, Code und komplexe Probleme.

Text und Begründung · Kostenpflichtig proprietär XAI

Grok 4.6

Code, Recherche und professionelle Abläufe mit Werkzeugen.

Text und Begründung · Kostenpflichtig proprietär DEEPSEEK

DeepSeek V4.1 Flash

Agenten, Code und offene Bereitstellung zu niedrigen Kosten.

Text und Begründung · Kostenpflichtig proprietär MISTRAL AI

Mistral Medium 3.5

Multimodaler Code und selbst kontrollierte Bereitstellung.

Text und Begründung · Kostenpflichtig proprietär META

Llama 4 Maverick

Offene Multimodalität und selbst kontrollierte Bereitstellung.

Text und Begründung · Kostenpflichtig proprietär COHERE

Command A+

Enterprise-RAG, Mehrsprachigkeit und private Bereitstellung.

Text und Begründung · Kostenpflichtig proprietär AMAZON

Amazon Nova 2 Lite

Lange Dokumente, Video und Unternehmensaufgaben auf AWS.

Text und Begründung · Kostenpflichtig proprietär ALIBABA QWEN

Qwen3‑Max Thinking

Multimodales Schlussfolgern, Code und komplexe Probleme.

Text und Begründung · Kostenpflichtig proprietär Z.AI

GLM‑5.1

Code, Recherche und professionelle Abläufe mit Werkzeugen.

Text und Begründung · Kostenpflichtig proprietär MINIMAX

MiniMax M2.7

Agenten, Code und offene Bereitstellung zu niedrigen Kosten.

Text und Begründung · Kostenpflichtig proprietär OPENAI

GPT‑5.5

Frühere OpenAI-Generation für Code und professionelle Arbeit, beibehalten zum Vergleich von Migrationen und Kosten.

Text und Begründung · Kostenpflichtig proprietär OPENAI

GPT‑4.1

Nicht schlussfolgerndes Modell mit langem Kontext, nützlich als historische Referenz für Code, Instruktionsbefolgung und vorhersehbare Latenz.

Code · Kostenpflichtig proprietär OPENAI

gpt‑oss‑120b

Reasoning-Modell mit offenen Gewichten für lokale oder private Ausführung; laut OpenAI passt es auf eine H100-GPU.

Text und Begründung · Offene Gewichte OPENAI

GPT‑Image‑2.5 Sunburst

OpenAIs Hauptmodell zum Generieren und Bearbeiten von Bildern mit komplexen Anweisungen und hochwertiger visueller Produktion.

Bild · Kostenpflichtig proprietär OPENAI

Sora 2 Pro

Historisches Videomodell mit synchronisiertem Audio, nützlich zum Vergleich der Entwicklung der Sora-Familie.

Video · Eingestellt OPENAI

GPT‑Live 1

Echtzeit-Sprachmodell für ausdrucksstarke Gespräche, natürliche Unterbrechungen und Workflows mit Tools.

Sprache und Audio · Kostenpflichtig proprietär OPENAI

GPT‑Transcribe

Spezialisiertes hochpräzises Transkriptionsmodell für Dateien und Echtzeit-Audioeingaben.

Sprache und Audio · Kostenpflichtig proprietär OPENAI

text‑embedding‑3‑large

Leistungsstärkstes Embedding-Modell von OpenAI für semantische Suche, Klassifizierung, Clustering und RAG.

Embeddings · Kostenpflichtig proprietär ANTHROPIC

Claude Opus 4.5

Frühere Opus-Version für Code, Agenten und Computernutzung, beibehalten für Migration und historischen Vergleich.

Text und Begründung · Kostenpflichtig proprietär ANTHROPIC

Claude Sonnet 4.5

Frühere Sonnet-Generation für Code, Agenten und Schnittstellenautomatisierung mit offiziellen Ergebnissen für Computernutzung.

Code · Kostenpflichtig proprietär GOOGLE

Gemini 3.7 Flash

Frühere Flash-Generation für komplexen Code, Agenten und mehrstufige Ausführung; nützlich als Vergleichspunkt mit Gemini 3.8.

Text und Begründung · Kostenpflichtig proprietär GOOGLE

Nano Banana 2

Produktionsbildmodell, das Generierung, Bearbeitung und visuelles Reasoning mit einem Gleichgewicht aus Qualität, Kosten und Latenz kombiniert.

Bild · Kostenpflichtig proprietär GOOGLE

Veo 3.1

Filmisches Videomodell mit nativem Audio, Szenenerweiterung und Steuerung durch Frames und Referenzbilder.

Video · Kostenpflichtig proprietär GOOGLE

Lyria 3.5

Musikmodell für vollständige Songs mit Stimme, Liedtext und Kontrolle über Struktur, Stil, Dauer und Instrumentierung.

Musik · Kostenpflichtig proprietär GOOGLE

Gemini Embedding 2

Embedding-Modell, das Text, Bilder, Video, Audio und PDF in einem gemeinsamen Vektorraum für Suche und multimodales RAG abbildet.

Embeddings · Kostenpflichtig proprietär GOOGLE

Gemini Robotics ER 2

Auf physisches Verständnis, Video, räumliches Reasoning und Tool-Orchestrierung für Robotiksysteme spezialisiertes Modell.

Robotik · Kostenpflichtig proprietär META

Llama 4 Scout

Multimodales Modell mit 17B aktiven Parametern und 16 Experten, ausgelegt für Kontext von bis zu 10 Millionen Tokens.

Multimodal · Offene Gewichte META

Segment Anything Model 3

Bildverarbeitungsmodell zur Erkennung, Segmentierung und Verfolgung offener Konzepte in Bildern und Videos mittels Text oder visueller Beispiele.

Bild und Dokumente · Offene Gewichte DEEPSEEK

DeepSeek V3.2

Auf Reasoning und Agenten ausgerichtetes offenes Modell mit in die Tool-Nutzung integriertem Denken.

Text und Begründung · API und offene Gewichte DEEPSEEK

DeepSeek R1

Offenes Reasoning-Modell und Familie destillierter Modelle, relevant für die Beobachtung der Entwicklung überprüfbaren Reasonings.

Text und Begründung · API und offene Gewichte MISTRAL AI

Mistral Small 4

Hybrides Modell, das Instruktion, Reasoning und Code in einer effizienten Option mit offenen Gewichten vereint.

Text und Begründung · API und offene Gewichte MISTRAL AI

Voxtral TTS

Mehrsprachiges Text-to-Speech-Modell mit Streaming und Zero-Shot-Klonen anhand einer Stimmreferenz.

Sprache und Audio · API und offene Gewichte MISTRAL AI

Mistral OCR 4.1

Spezialisierter OCR-Dienst mit Boxen pro Absatz, Labels für strukturierte Blöcke und Konfidenzwerten.

Bild und Dokumente · Kostenpflichtig proprietär ALIBABA QWEN

Qwen3 235B A22B

Offenes MoE-Modell mit 235B Gesamtparametern und 22B aktiven Parametern, mit Denkmodus und direktem Antwortmodus.

Text und Begründung · API und offene Gewichte ALIBABA QWEN

Qwen3‑Coder 480B A35B

Auf Softwareentwicklung, Repository-Navigation und längere Tool-Nutzung spezialisiertes offenes MoE-Modell.

Code · API und offene Gewichte MICROSOFT

Phi‑4 Multimodal

Kompaktes Microsoft-Modell, das Sprache, Bildverarbeitung und Audio kombiniert, einschließlich Sprachtranskription und -übersetzung.

Multimodal · Offene Gewichte COHERE

Cohere Embed 4

Multimodales Embedding-Modell für Text, Bilder und gemischte Dokumente mit konfigurierbaren Dimensionen.

Embeddings · Kostenpflichtig proprietär COHERE

Command R 08‑2024

Früheres kommerzielles Modell, optimiert für RAG, Zitate, Tools und hohe Leistung bei Unternehmens-Workloads.

Text und Begründung · Kostenpflichtig proprietär STABILITY AI

Stable Diffusion 3.5 Large

Bild-Basismodell mit 8B Parametern für Generierung und Bearbeitung, über API und für eigene Bereitstellung unter Stability-Lizenz verfügbar.

Bild · API und offene Gewichte STABILITY AI

Stable Audio 3.0

Kommerzielles Modell zur Generierung von Songs, Instrumenten und Effekten aus Text oder Audio, mit Inpainting und Stiltransformation.

Musik · Kostenpflichtig proprietär ELEVENLABS

Eleven v3

Ausdrucksstarkes Text-to-Speech-Modell mit emotionalen Tags, Dialogen zwischen mehreren Sprechern und Unterstützung für mehr als 70 Sprachen.

Sprache und Audio · Kostenpflichtig proprietär ELEVENLABS

Scribe v2

Spracherkennungsmodell für mehr als 90 Sprachen mit Diarisierung, Wortzeitstempeln, Entitäten und Audio-Labels.

Sprache und Audio · Kostenpflichtig proprietär NVIDIA

NVIDIA Nemotron 3 Ultra

Offenes MoE-Modell mit 550B Parametern für Orchestrierung, Forschung, Code und Langzeit-Agenten.

Text und Begründung · API und offene Gewichte NVIDIA

Nemotron Labs Dory 1.0 4B

Textmodell 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 MISTRAL AI

Timestral 5M

Numerische Modellfamilie von Mistral, veröffentlicht am 15. Oktober 2026 in vier Größen: 5M, 28M, 123M und 209M. Sie erstellt probabilistische univariate und multivariate Zero-Shot-Prognosen. Eingaben sind historische Daten sowie vergangene und bekannte zukünftige Kovariaten; keine Gespräche oder Textgenerierung.

Zeitreihen · Eingeschränkte Gewichte MISTRAL AI

Timestral 28M

Numerische Modellfamilie von Mistral, veröffentlicht am 15. Oktober 2026 in vier Größen: 5M, 28M, 123M und 209M. Sie erstellt probabilistische univariate und multivariate Zero-Shot-Prognosen. Eingaben sind historische Daten sowie vergangene und bekannte zukünftige Kovariaten; keine Gespräche oder Textgenerierung.

Zeitreihen · Eingeschränkte Gewichte MISTRAL AI

Timestral 123M

Numerische Modellfamilie von Mistral, veröffentlicht am 15. Oktober 2026 in vier Größen: 5M, 28M, 123M und 209M. Sie erstellt probabilistische univariate und multivariate Zero-Shot-Prognosen. Eingaben sind historische Daten sowie vergangene und bekannte zukünftige Kovariaten; keine Gespräche oder Textgenerierung.

Zeitreihen · Eingeschränkte Gewichte MISTRAL AI

Timestral 209M

Numerische Modellfamilie von Mistral, veröffentlicht am 15. Oktober 2026 in vier Größen: 5M, 28M, 123M und 209M. Sie erstellt probabilistische univariate und multivariate Zero-Shot-Prognosen. Eingaben sind historische Daten sowie vergangene und bekannte zukünftige Kovariaten; keine Gespräche oder Textgenerierung.

Zeitreihen · Eingeschränkte Gewichte BLACK FOREST LABS

FLUX 3 Image Klein

Bildmodell mit 5,6 Milliarden Parametern, veröffentlicht am 15. Oktober 2026. Es erzeugt und bearbeitet Bilder aus Text und Referenzen mit Bounding-Box-Steuerung. Distilled und Base sind unterschiedliche Checkpoints und nicht mit dem vollständigen FLUX 3 Image zu verwechseln.

Bild · Eingeschränkte Gewichte BLACK FOREST LABS

FLUX 3 Image Klein Base

Bildmodell mit 5,6 Milliarden Parametern, veröffentlicht am 15. Oktober 2026. Es erzeugt und bearbeitet Bilder aus Text und Referenzen mit Bounding-Box-Steuerung. Distilled und Base sind unterschiedliche Checkpoints und nicht mit dem vollständigen FLUX 3 Image zu verwechseln.

Bild · Eingeschränkte Gewichte META

Muse Spark Open

Multimodales 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 LIQUID AI

d1-ultra

Multimodales Entscheidungsmodell von Liquid AI, veröffentlicht am 15. Oktober 2026. Es verarbeitet Text und Bilder und liefert Wahrscheinlichkeiten für definierte Optionen, binäre Fragen oder Skalen. Kennung d1-ultra in der Decisions-API; keine freie Textgenerierung.

Entscheidungen · Kostenpflichtig proprietär AI2

HiRO-ACEv2

Am 14. Oktober 2026 angekündigtes Ai2-System, das den Atmosphärenemulator ACE2S-X-SHiELD mit dem Diffusionsmodell HiROv2 verbindet. Es verfeinert Felder von etwa 100 km auf 3 km für Niederschlag, Wind in zehn Metern Höhe und Luftdruck auf Meereshöhe. Das öffentliche Repository enthält beide Checkpoints, Konfiguration und Beispieldaten; sein Erstellungsdatum am 12. Oktober ist nicht das Ankündigungsdatum. Es ist weder Gesprächsassistent noch herkömmlicher Bildgenerator.

Zeitreihen · Offene Gewichte XAI

Grok Voice 3.0

Proprietäres Sprachmodell, seit dem 14. Oktober 2026 für bidirektionale Audio- und Textgespräche verfügbar. Die versionierte Kennung lautet grok-voice-3.0; grok-voice-latest verweist bereits auf diese Version und ist kein weiteres Modell. Es ersetzt das abgekündigte Grok Voice 2.0, ohne Endpunkt, Sitzungsparameter oder Ereignisse zu ändern. Nicht mit Grok Voice Transcribe 2.0 oder dem separaten Sprachsynthesedienst verwechseln.

Sprache und Audio · Kostenpflichtig proprietär MICROSOFT

UserRepGen-4B

Microsoft-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 MICROSOFT

AesCode 8B

Microsofts 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 MICROSOFT

AesCode 32B

Microsofts 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 ALIBABA QWEN

Qwen Image 2.1 Turbo

Am 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 MISTRAL

LIDstral Arabic

Von 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 TENCENT

Youtu-Parsing-Omni

Multimodales 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 AI2

Bwen 8B

Ai2-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 AI2

Blama 8B

Ai2-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 AI2

Bolmo 1B Stage 1

Ai2-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 AI2

Bolmo 7B Stage 1

Ai2-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 AI2

Bwen 8B Stage 1

Ai2-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 AI2

Blama 8B Stage 1

Ai2-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 GOOGLE

Gemini 4 Argon

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 ANTHROPIC

Claude Haiku 5.5

Am 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 GOOGLE

Gemini Nano Banana 2.1

Google-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 IBM

Granite Timeseries Ensemble R1

Von 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 ALPHA

Kolibri 1

Text- 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 ALIBABA QWEN

Qwen Image 2.1 Pro

Dienst zur Bilderzeugung und -bearbeitung, der am 2. Oktober 2026 in den internationalen Katalog von Alibaba Cloud aufgenommen wurde. Die Qwen-Image-2.1-Familie kombiniert textbasierte Erstellung, lokale Bearbeitung und native Transparenz mit einer visuellen Komponente mit 7 Milliarden Parametern. Dieses Profil beschreibt die Pro-API-Variante, nicht die herunterladbaren Gewichte des Basismodells.

Bild · Kostenpflichtig proprietär COHERE

Cohere Embed 5 Pro

Embedding-Modell für hochwertige Indexierung von Texten, Bildern und gemischten Dokumenten. Unterstützt über hundert Sprachen und teilt einen Vektorraum mit Embed 5 Fast: Dokumente lassen sich mit Pro indexieren und mit Fast durchsuchen, ohne den Index neu aufzubauen.

Embeddings · Kostenpflichtig proprietär COHERE

Cohere Embed 5 Fast

Embedding-Variante für interaktive Suche, Agentenabfragen und hohen Datenverkehr. Verarbeitet Texte, Bilder und gemischte Dokumente in über hundert Sprachen. Teilt den Vektorraum von Pro, um bestehende Indizes zu geringeren Textkosten abzufragen.

Embeddings · Kostenpflichtig proprietär OPENAI

GPT‑6.1 Sol

OpenAI-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 ANTHROPIC

Claude Opus 5.5

Opus der nächsten Generation für agentisches Programmieren, Computernutzung und längere professionelle Arbeit mit einem Kontext von einer Million Tokens.

Text und Begründung · Kostenpflichtig proprietär ANTHROPIC

Claude Sonnet 5.5

Sonnet-Update für alltägliche Aufgaben, Code und Dokumente – mit höherer Geschwindigkeit und einer Million Token Kontext.

Text und Begründung · Kostenpflichtig proprietär XAI

Grok 4.7

Modell von xAI für Programmierung, Agenten und Wissensarbeit mit Text- und Bildeingabe.

Text und Begründung · Kostenpflichtig proprietär XAI

Grok Voice Transcribe 2.0

Zweite Version des Transkriptionsmodells von xAI für Dateien und Live-Audio.

Sprache und Audio · Kostenpflichtig proprietär GOOGLE

Gemini 3.8 Live

Live-Konversationsmodell, das Sprache, Video und Tools mit geringer Latenz integriert.

Sprache und Audio · Kostenpflichtig proprietär GOOGLE

Gemini 3.8 Live Extended Thinking

Live-Sprachvariante mit Hintergrund-Reasoning für komplexe, mehrstufige Aufgaben.

Sprache und Audio · Kostenpflichtig proprietär ALIBABA QWEN

Qwen3.8-Max

Qwen3.8-Flaggschifffamilie für Softwareentwicklung, Agenten und visuelles Verständnis mit einem Kontextfenster von einer Million Tokens.

Text und Begründung · Kostenpflichtig proprietär ALIBABA QWEN

Qwen3.8-Flash

Effiziente Qwen3.8-Variante für Text und Vision mit langem Kontext und umfangreicher Ausgabe.

Text und Begründung · Kostenpflichtig proprietär ALIBABA QWEN

Qwen3.8-Omni-Flash

Modell zum Verständnis von Text, Bildern, Audio und Video mit Textantworten und Tools.

Multimodal · Kostenpflichtig proprietär ALIBABA QWEN

Qwen3.8-Omni-Flash-Realtime

Audiovisuelles Modell für Echtzeitinteraktion mit Sprach- und Textausgabe, Tools und Remote-MCP.

Sprache und Audio · Kostenpflichtig proprietär ELEVENLABS

Eleven v4

Modell für ausdrucksstarke Sprachsynthese für Erzählungen, Figuren und Dialoge in mehr als 90 Sprachen.

Sprache und Audio · Kostenpflichtig proprietär ELEVENLABS

Eleven v4 Turbo

Eleven-v4-Variante, optimiert für Sprachagenten und ausdrucksstarke Antworten in Echtzeit.

Sprache und Audio · Kostenpflichtig proprietär Z.AI

GLM‑5.3

Offenes Modell von Z.AI mit Schwerpunkt auf Softwareentwicklung, lang laufenden Agenten und technischem Schlussfolgern.

Code · API und offene Gewichte Z.AI

GLM‑5.3‑Flash

Multimodale Variante mit insgesamt 320.000 Milliarden Parametern und 18.000 Milliarden aktiven Parametern, auf Effizienz ausgelegt.

Multimodal · API und offene Gewichte ALIBABA QWEN

Qwen Image 3.0 Pro

Visuelles Modell für komplexe Kompositionen, kleinen Text und Bearbeitungen auf Basis von bis zu drei Referenzbildern.

Bild · Kostenpflichtig proprietär ALIBABA QWEN

Wan 3.0 Video Prime

Beschleunigte Version von Wan 3.0 zur Erstellung von Videos mit Text-, Bild-, Video- und Audioreferenzen.

Video · Kostenpflichtig proprietär

Werkzeuge pro Problem

Das Dienstprogramm vor dem unendlichen Verzeichnis.

ENTWICKLUNG

Code-Assistenten

Verstehen Sie Repositorys, überprüfen Sie Änderungen und automatisieren Sie Tests.

Code UNTERSUCHUNG

Suche mit Quellen

Synthese von Beweisen unter Wahrung von Herkunft und Grenzen.

Beweis SCHAFFUNG

Bild, Video, Stimme und Audio

Multimodale Generierung und Bearbeitung mit Kontroll- und Kostenkriterien.

Multimedia

Agenten und Automatisierung

Systeme, die Modelle, Werkzeuge, Speicher und Kontrollregeln kombinieren.

MUSTER

Agent mit Werkzeugen

Wählen Sie Aktionen aus, konsultieren Sie Dienste und überprüfen Sie das Ergebnis.

Werkzeuge MUSTER

Überwachter Durchfluss

Reservieren Sie sensible Entscheidungen der expliziten menschlichen Überprüfung.

Kontrolle MUSTER

Wiederherstellung mit Quellen

Verbinden Sie Antworten mit Dokumenten und nachvollziehbaren Referenzen.

LAPPEN

Nach Kapazität durchsuchen

Jede Fähigkeit erfordert unterschiedliche Kennzahlen und Risiken.

TEXT

Text und Begründung

Kontext, Planung, Synthese und Problemlösung.

Vergleichen SOFTWARE

Programmierung

Codegenerierung, -verständnis und -pflege.

Bewerten MULTIMODAL

Bild, Video, Stimme und Audio

Eingaben und Ausgaben, die Treue, Kosten und Rechte bewerten müssen.

Modalitäten
ANALYSE

Verwandte Analysen

Von der Datenanalyse zur Entscheidung: So wählen Sie zwischen KI, BI und Code
GUIA

Von der Datenanalyse zur Entscheidung: So wählen Sie zwischen KI, BI und Code

Erfahren Sie, wie Sie explorative Analysen, wiederkehrende Berichte und operative Entscheidungen unterscheiden, den passenden Ansatz auswählen und Ergebnisse sowie Datenschutz und Kosten prüfen.

17 Okt 2026
Operative Workflows mit KI automatisieren: Wann das Modell zum Flaschenhals wird
ANALISIS

Operative Workflows mit KI automatisieren: Wann das Modell zum Flaschenhals wird

Ein praktisches Framework, um zu entscheiden, wann deterministische Regeln, prädiktive Modelle oder generative KI in operativen Aufgaben eingesetzt werden sollten und welche Metriken vor der Automatisierung gemessen werden müssen.

17 Okt 2026
RAG-Tools passend zu Dokumenten und Fehlerrisiko auswählen
GUIA

RAG-Tools passend zu Dokumenten und Fehlerrisiko auswählen

Ein Leitfaden zur Entscheidung zwischen Stichwortsuche, semantischer Suche und RAG. Er zeigt, wie sich Dokumentstruktur, Nachvollziehbarkeit, Aktualität, Latenz und Kosten bewerten lassen – ohne Relevanz mit Wahrheit zu verwechseln.

15 Okt 2026
GLM-5.1: Was vor dem Einsatz als Programmieragent zu prüfen ist
ANALISIS

GLM-5.1: Was vor dem Einsatz als Programmieragent zu prüfen ist

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 Embed 5 Pro: Was sein Vorteil bei der Retrieval-Leistung belegt – und was für eine Entscheidung noch fehlt
ANALISIS

Cohere Embed 5 Pro: Was sein Vorteil bei der Retrieval-Leistung belegt – und was für eine Entscheidung noch fehlt

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
Cohere Embed 5 Fast: Was über Fähigkeiten, Zugang und Preis bekannt ist
ANALISIS

Cohere Embed 5 Fast: Was über Fähigkeiten, Zugang und Preis bekannt ist

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