Verfügbare Modelle

Wir bieten aktuell die nachfolgenden Modelle an, die sich im Laufe der Zeit ändern oder erweitern können. Diese werden beschrieben und modellspezifische Parameter aufgeführt.

Modellname	Typ	Modalitäten	Context (Tokens)	Lizenz
gpt-oss-120b	Chat + Reasoning	Text, Tool-Calling	131.072	Apache 2.0
Ministral-3-14B-Instruct-2512	Chat + Vision	Text, Bild, Tool-Calling	262.144	Apache 2.0
Devstral-Small-2-24B-Instruct-2512	Chat	Text, Bild, Tool-Calling	262.144	Apache 2.0
Qwen3-Embedding-8B	Embedding	Text → Vektor	32.768	Apache 2.0
whisper-large-v3-turbo	Speech-to-Text	Audio → Text	n/a (Audio-basiert)	MIT
Qwen3.5-122B-A10B-FP8	Chat + Reasoning + Vision	Text, Bild, Tool-Calling	245.760	Apache 2.0
Qwen3.6-35B-A3B-FP8	Chat + Reasoning + Vision	Text, Bild, Tool-Calling	256.000	Apache 2.0

Modellauswahl

• Beginne mit Ministral-3-14B-Instruct-2512 für breite, skalierbare, kostenbewusste Chat- und einfache multimodale Workflows (Text + Bild).
• Wechsle zu Devstral-Small-2-24B-Instruct-2512 für anspruchsvolle, nuancierte, geschäftskritische Aufgaben, bei denen höchste Antwortqualität, agentische Workflows und Bildverständnis entscheidend sind.
• Verwende gpt-oss-120b für komplexe textbasierte Workloads und fortgeschrittene Automatisierungen, die eine hohe Präzision und umfangreiches Wissen erfordern.
• Wähle Qwen3-Embedding-8B für alle Anwendungsfälle mit Suche, Empfehlung, Clustering oder Knowledge-Graph-Aufbau.
• Setze whisper-large-v3-turbo für alle Transkriptions- oder Sprachbefehl-Anforderungen ein.
• Verwende Qwen3.5-122B-A10B-FP8 für umfangreiche Reasoning- und Vision-Aufgaben, bei denen hohe Modellkapazität erforderlich ist.
• Verwende Qwen3.6-35B-A3B-FP8 für Workloads, die lange Kontextfenster mit Reasoning- und Vision-Unterstützung bei niedrigeren Kosten erfordern.

Tipp

Für optimalen ROI beginne mit dem kleinsten Modell, das deinen Qualitätsanforderungen entspricht – steige nur dann auf ein größeres Modell um, wenn du zusätzliche Tiefe oder Zuverlässigkeit benötigst! "Klein" bezieht sich hier auf die Anzahl der Parameter, die ein Modell hat, was oft mit Kosten und Rechenanforderungen korreliert. Die Größe des Kontextes eines Modells (gemessen in Tokens) ist ebenfalls ein entscheidender Faktor, da sie bestimmt, wie viele Informationen das Modell auf einmal verarbeiten kann, was sich auch auf die Leistung und Eignung für bestimmte Aufgaben auswirken kann. Bei der Modellauswahl geht es also nicht nur darum, das leistungsstärkste Modell auszuwählen, sondern vielmehr dasjenige, das am besten zu deinem spezifischen Anwendungsfall passt.

Auf den nachfolgenden Seiten erhältst du weitere Informationen zu diesen Modellen:

📄️Ministral-3-14B-Instruct-2512

Detaillierte Informationen zu Ministral-3-14B-Instruct-2512

📄️Devstral-Small-2-24B-Instruct-2512

Detaillierte Informationen zu Devstral-Small-2-24B-Instruct-2512

📄️Qwen3-Embedding-8B

Detaillierte Informationen zu Qwen3-Embedding-8B

📄️gpt-oss-120b

Detaillierte Informationen zu gpt-oss-120b

📄️Whisper-Large-V3-Turbo

Detaillierte Informationen zu Whisper-Large-V3-Turbo

📄️Qwen3.5-122B-A10B-FP8

Detaillierte Informationen zu Qwen3.5-122B-A10B-FP8

📄️Qwen3.6-35B-A3B-FP8

Detaillierte Informationen zu Qwen3.6-35B-A3B-FP8