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
Qwen3.5-0.8B	Chat + Reasoning	Text, Tool-Calling	262.144	Apache 2.0
Ministral-3-14B-Instruct-2512	Chat + Vision	Text, Bild, Tool-Calling	262.144	Apache 2.0
Mistral-Medium-3.5-128B	Chat + Vision	Text, Bild, Tool-Calling	256.000	Apache 2.0
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
GLM-OCR	Dokument OCR	PDF, DOCX, PPTX, XLSX, HTML, SVG, Bild → Text	131.072	MIT
Qwen3-Embedding-8B	Embedding	Text → Vektor	32.768	Apache 2.0
Qwen3-VL-Reranker-2B	Reranking	Text, Bild → Score	32.768	Apache 2.0
whisper-large-v3-turbo	Speech-to-Text	Audio → Text	n/a (Audio-basiert)	MIT

Modellauswahl

• Für komplexe textzentrierte Workloads und fortgeschrittene Automatisierungen, bei denen hohe Präzision und umfangreiches Wissen erforderlich sind
  verwende gpt-oss-120b.
• Für hochdurchsatz- und kostensensitive Aufgaben ohne Vision-Bedarf, etwa einfache Frage-Antwort-Szenarien, Routing, Klassifizierung und Batch-Verarbeitung
  verwende Qwen3.5-0.8B.
• Für komplexe Reasoning-, mehrsprachige oder Vision-Aufgaben, bei denen ein großes Frontier-Modell erforderlich ist
  verwende Mistral-Medium-3.5-128B.
• Für generelle, skalierbare und kostenbewusste Chat- sowie einfache multimodale Workflows (Text + Bild)
  verwende Ministral-3-14B-Instruct-2512.
• Für umfangreiche Reasoning- und Vision-Aufgaben, bei denen hohe Modellkapazität erforderlich ist
  verwende Qwen3.5-122B-A10B-FP8.
• Für Workloads, die lange Kontextfenster mit Reasoning- und Vision-Unterstützung bei niedrigeren Kosten erfordern
  verwende Qwen3.6-35B-A3B-FP8.
• Spezialanwendungen
  • Für das Extrahieren von Text aus PDF-, DOCX-, PPTX-, XLSX-, HTML- und Bilddokumenten, einschließlich gescannter Rechnungen, Verträge und Formulare
    verwende GLM-OCR
  • Für alle Anwendungsfälle mit Suche, Empfehlung, Clustering oder dem Aufbau von Knowledge Graphen
    verwende Qwen3-Embedding-8B
  • Für alle Transkriptions- oder Sprachbefehl-Anforderungen
    verwende whisper-large-v3-turbo
  • Für eine verbesserte Präzision beim RAG-Retrieval durch einen zweiten Reranking-Schritt nach der Vektorsuche
    verwende Qwen3-VL-Reranker-2B

Für weitere Details und zusätzliche Hinweise wirf einen Blick in die Beispiele und Anleitungen.

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

📄️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

📄️GLM-OCR

Detaillierte Informationen zu GLM-OCR

📄️Qwen3.5-0.8B

Detaillierte Informationen zu Qwen3.5-0.8B

📄️Qwen3-VL-Reranker-2B

Detaillierte Informationen zu Qwen3-VL-Reranker-2B

📄️Mistral-Medium-3.5-128B

Detaillierte Informationen zu Mistral-Medium-3.5-128B