Jeder Report beleuchtet ein Modell in der Tiefe: Testergebnisse je Disziplin, Stärken-Schwächen-Profil, politischer Kompass und eine klare Handlungsempfehlung für den produktiven Einsatz. Die Analysen basieren ausschließlich auf reproduzierbaren CrucibleMark-Benchmarks.
Seit Mitte April 2026 ist Claude Opus 4.7 das stärkste Modell von Anthropic und auf Coding, Agenten-Loops und komplexes Reasoning ausgelegt. Das xhigh Effort Level treibt das Extended Thinking auf maximale Tiefe, das Kontextfenster umfasst eine Million Tokens ohne Aufpreis für lange Kontexte.
Qwen 3.7 Max ist Alibabas proprietäres Flagship-Modell der Qwen-3.7-Serie mit Fokus auf agentische Coding-Workflows und autonome Betriebsdauer von bis zu 35 Stunden. Das Modell arbeitet mit einem Kontextfenster von einer Million Tokens, konfigurierbarem Thinking-Modus und nativer Tool-Use-Unterstützung. Ausschliesslich über Cloud-APIs verfügbar, die chinesische Jurisdiktion ist zu beachten.
Kimi K3 ist seit Juli 2026 Moonshot AIs Frontier-Flaggschiff mit 2,8 Billionen Gesamtparametern als bislang grösstes Open-Weights-Modell der Welt. Die Stable-LatentMoE-Architektur aktiviert pro Token nur 16 Milliarden Parameter aus 896 Experten, das Kontextfenster umfasst 1.000.000 Tokens für langhorizontige Agentic-Workflows. Kimi Delta Attention und Attention Residuals sollen die Skalierungseffizienz gegenüber dem Vorgängermodell deutlich verbessern.
Wo die Opus-Klasse zu teuer ist, springt Claude Sonnet 4.6 ein: Coding, Computer Use und agentische Workflows auf annäherndem Opus-Niveau, zum niedrigeren Sonnet-Preis. Das Modell arbeitet mit adaptivem Thinking in drei Effort-Stufen, verarbeitet Text, Bilder und PDF-Dokumente und bietet ein seit März 2026 allgemein verfügbares Kontextfenster von einer Million Tokens.
MiniMax M3 ist ein multimodales MoE-Modell mit einem Kontextfenster von einer Million Tokens und Fokus auf agentische Workflows, Coding und Tool-Use. Von 428 Milliarden Gesamtparametern sind pro Token nur 23 Milliarden aktiv, das Modell verarbeitet Text, Bild und Video als Input. Die chinesische Herkunft erfordert bei Cloud-Nutzung eine separate Bewertung des Datenschutz-Risikos.
Claude Opus 4.8 ist seit Ende Mai 2026 Anthropics Flaggschiff für Agentic-Coding und Enterprise-Workflows. Adaptive Thinking mit fünfstufiger Effort-Steuerung von Low bis Ultra Code ersetzt das frühere manuelle Token-Budget, Multimodalität, 1.000.000-Token-Kontextfenster. Dynamic Workflows erlauben in Claude Code bis zu 1.000 parallele Sub-Tasks, gesteuert aus JavaScript-Skripten, verfügbar auf Max-, Team- und Enterprise-Plänen.
Xiaomi MiMo V2.5 Pro ist Xiaomis Flaggschiff mit 1,02 Billionen Gesamt- und 42 Milliarden aktiven Parametern für Frontier-Reasoning und agentische Workflows. Die hybride Attention-Architektur reduziert den KV-Cache-Speicher deutlich, das Kontextfenster umfasst eine Million Tokens. Nativ omnimodal für Text, Bild, Video und Audio, unter MIT-Lizenz voll kommerziell nutzbar.
Claude Sonnet 5 ist seit Ende Juni 2026 der neue Standard für Free- und Pro-Nutzer. Das Nachfolgemodell von Sonnet 4.6 bringt Adaptive Thinking als Default-Verhalten, Geschwindigkeit nahe Opus, und verarbeitet Text und Bilder mit einem 1.000.000-Token-Kontextfenster. Die Sicherheit ist deutlich verbessert, mit besserer Resistenz gegen Prompt-Injection und weniger Halluzinationen.
Was die FP8-Block-Quantisierung Ornith-1.0-35B-FP8 leistet: ein Open-Weight-MoE mit nur etwa 3 von 35 Milliarden aktiven Parametern pro Token läuft auf einer einzelnen GPU und bringt 262.144 Tokens Kontext, natives Thinking und Tool-Calling mit. DeepReinforce hat das Modell so trainiert, dass es seine eigene Agent-Vorgehensweise mitlernt statt mit einem festen Regelwerk zu arbeiten. MIT-Lizenz, kommerzielle Nutzung und Fine-Tuning ohne Auflagen.
Kimi K2.7 Code ist das coding-spezialisierte Agenten-Modell von Moonshot AI aus der K2-Familie, optimiert für langfristige Software-Engineering-Workflows. Die MoE-Architektur aktiviert pro Token nur 32 Milliarden der insgesamt eine Billion Gesamtparameter, das Kontextfenster umfasst 256.000 Tokens. Multimodaler Eingang für Text, Bild und Video, Always-on-Thinking-Modus und Tool-Use-Unterstützung. Unter Modified-MIT-Lizenz als Open-Weights-Modell verfügbar.
GLM-5.1 ist Z.AIs Post-Training-Upgrade mit 754 Milliarden Gesamt- und 40 Milliarden aktiven Parametern in MoE-Architektur, optimiert für langfristige agentische Coding-Workflows mit bis zu acht Stunden autonomer Ausführung. Das Kontextfenster umfasst 200.000 Tokens, die Gewichte sind unter MIT-Lizenz als Open-Weights-Modell verfügbar.
Anthropics Frontier-Modell für komplexe Agenten-Aufgaben: Claude Opus 4.6 verarbeitet Text- und Bildeingaben bei einem Standard-Kontextfenster von 200.000 Tokens, das sich für lange Workflows auf eine Million Tokens erweitern lässt. Das Modell unterstützt Tool-Aufrufe und Extended Thinking für maximale Reasoning-Tiefe.
Qwen 3.6 Plus ist Alibabas proprietäres Flagship-Modell der Qwen-3.6-Serie mit hybrider MoE-Architektur und Schwerpunkt auf agentisches Coding und multimodale Verarbeitung. Mit einem Kontextfenster von einer Million Tokens, konfigurierbarem Thinking-Modus und nativen Agentic-Fähigkeiten richtet sich das Modell an anspruchsvolle produktive Anwendungen. Ausschliesslich über Cloud-APIs verfügbar, die chinesische Jurisdiktion ist zu beachten.
Kimi K2.6 ist Moonshot AIs multimodales Modell für agentische Aufgaben, Coding und toolgestützte Workflows mit nativem Eingang für Text, Bild und Video. Die MoE-Architektur aktiviert pro Token nur 32 Milliarden der insgesamt eine Billion Gesamtparameter, das Kontextfenster umfasst 256.000 Tokens. Als Open-Weights-Modell lokal oder über Cloud-API verfügbar, mit chinesischer Jurisdiktion als wesentlichem Cloud-Risikofaktor.
Googles Frontier-Reasoning-Modell mit Sparse-MoE-Architektur und konfigurierbarem Extended Thinking. Gemini 2.5 Pro arbeitet mit einem Kontextfenster von einer Million Tokens, verarbeitet nativ Text, Bilder, Audio und Video und ist exklusiv über die Google Cloud API zugänglich. Der Fokus liegt auf komplexem Reasoning und anspruchsvollen Coding-Aufgaben.
MiniMax M2.7 ist ein chinesisches Frontier-Generalist-Modell mit einem Kontextfenster von 205.000 Tokens für umfangreiche Dokumente und mehrsprachige Anwendungen. Die MoE-Architektur liefert hohe Leistung für allgemeine Sprach- und Reasoning-Aufgaben, das Modell ist als Cloud-Variante verfügbar und auf produktive Anwendungen ausgelegt. Bei Cloud-Nutzung greift die chinesische Jurisdiktion mit den entsprechenden Datenschutzimplikationen.
Gemma 4 31B Instruct ist Googles größtes Dense-Modell mit 30,7 Milliarden Parametern über 60 Layer und hybrider Attention aus lokalem Sliding-Window plus globaler Aufmerksamkeit. Anders als die Gemma-4-MoE-Variante aktiviert dieses Modell alle Parameter pro Token. Multimodalität für Text und Bilder, 256.000 Tokens Kontext, natives Function-Calling und konfigurierbarer Thinking-Modus runden das Profil ab. Echte Apache-2.0-Lizenz.
Auf Geschwindigkeit getrimmt: Claude Haiku 4.5 ist Anthropics kompaktes Modell für Echtzeit-Interaktionen und API-Pipelines mit hohem Durchsatz. Es verarbeitet Text- und Bildeingaben bei einem Kontextfenster von 200.000 Tokens, unterstützt Tool-Aufrufe und liefert Antworten zu einem Preis von 1 US-Dollar pro Million Input- und 5 US-Dollar pro Million Output-Tokens. Anthropic hat das Retirement für den 15. Oktober 2026 angekündigt.
DeepSeek V4 Pro ist das Flaggschiff der V4-Linie und auf Reasoning, Coding und agentische Workflows ausgelegt. Die Hybrid-Attention-MoE-Architektur vereint 1,6 Billionen Gesamtparameter mit 49 Milliarden aktiven Parametern pro Token und einem Kontextfenster von einer Million Tokens. Das Modell ist unter MIT-Lizenz als Open-Weight-Modell verfügbar, wobei die chinesische Jurisdiktion bei Cloud-Nutzung eine separate Datenschutz-Bewertung erforderlich macht.
Kimi K2 Thinking ist das Reasoning-Modell von Moonshot AI, das schrittweises Denken mit Tool-Aufrufen kombiniert. Die MoE-Architektur vereint eine Billion Gesamtparameter mit 32 Milliarden aktiven Parametern pro Token, das Kontextfenster umfasst 256.000 Tokens. Das Modell ist auf komplexe agentische Aufgaben und lange Reasoning-Ketten ausgelegt, als Text-only-Variante verfügbar. Die chinesische Hersteller-Jurisdiktion erfordert bei Cloud-Nutzung eine separate Bewertung.
Claude Sonnet 4.5 ist seit September 2025 im Einsatz und auf Coding, Agenten-Workflows und Computer Use spezialisiert. Das Modell arbeitet mit Extended Thinking für tieferes Reasoning bei komplexen Aufgaben, einem 200.000-Token-Kontextfenster mit automatischer Verdichtung sowie einem übergreifenden Gedächtnis über mehrere Konversationen. Anthropic hat das Retirement für den 29. September 2026 angekündigt.
GLM-5 ist das Flaggschiff-Modell von Z.AI mit 744 Milliarden Gesamt- und 40 Milliarden aktiven Parametern in einer 256-Experten-MoE-Architektur, optimiert für komplexe System-Design-Aufgaben und langlaufende Agent-Workflows. Das Kontextfenster umfasst 202.000 Tokens, die Gewichte sind unter MIT-Lizenz verfügbar.
DeepSeek V4 Flash ist die effizienzoptimierte Variante aus der V4-Familie: Hybrid-Attention-MoE mit 284 Milliarden Gesamtparametern, von denen pro Token nur 13 Milliarden aktiv sind. Das Modell arbeitet mit einem Kontextfenster von einer Million Tokens, unterstützt drei Reasoning-Modi und ist unter MIT-Lizenz als Open-Weight-Modell lokal betreibbar. Die chinesische Hersteller-Jurisdiktion erfordert bei Cloud-Nutzung eine separate Bewertung.
GPT-5 ist OpenAIs Kernmodell für Coding, Reasoning und agentische Aufgaben mit einem Kontextfenster von 400.000 Tokens und bis zu 128.000 Tokens Ausgabe. Das Modell unterstützt Text- und Bildeingaben sowie konfigurierbaren Reasoning-Aufwand für Kosten-, Latenz- und Qualitätssteuerung. Proprietär und ausschliesslich über die OpenAI-API verfügbar.
GLM-4.7 ist das Flagship-Modell von Zhipu AI mit 355 Milliarden Gesamt- und 32 Milliarden aktiven Parametern in MoE-Architektur, optimiert für agentisches Coding, Reasoning und bilinguale Aufgaben in Chinesisch und Englisch. Das Modell unterstützt schaltbares Thinking-System und ist als Open-Weights-Variante lokal oder über Cloud-Schnittstellen einsetzbar.
GLM-5.2 ist Z.AIs aktuelles Flaggschiff mit 744 Milliarden Gesamt- und 40 Milliarden aktiven Parametern in MoE-Architektur, optimiert für komplexe Engineering-Workflows und langlaufende Coding-Aufgaben. Das Kontextfenster umfasst eine Million Tokens, die Gewichte sind unter MIT-Lizenz als Open-Weights-Modell verfügbar.
GPT-5.5 ist OpenAIs Frontier-Modell für komplexe professionelle Workloads und agentisches Coding mit einem Kontextfenster von 1,05 Millionen Tokens. Das Modell arbeitet mit internem Chain-of-Thought-Reasoning, das nicht in der API-Antwort sichtbar wird, und ist auf Forschung, Coding und anspruchsvolle Produktivität ausgelegt. Verfügbar ausschliesslich über die OpenAI-API.
Qwen 3.5 35B-A3B ist ein multimodales MoE-Modell von Alibaba mit 35 Milliarden Gesamt- und 3 Milliarden aktiven Parametern auf einer hybriden Architektur. Diese Q4-Quantisierung von Unsloth ermöglicht effizienten lokalen Betrieb, das Kontextfenster umfasst 262.000 Tokens. Mit optionalem Thinking-Modus, nativem Tool-Use und Vision-Fähigkeit über separate Multimodal-Projektor-Datei.
Qwen 3 Coder Next ist ein Coding-spezialisiertes Open-Weights-MoE-Modell von Alibaba mit 80 Milliarden Gesamt- und 3 Milliarden aktiven Parametern. Die Q4-Quantisierung reduziert den Speicherbedarf für lokale Inferenz deutlich, das Kontextfenster umfasst 262.000 Tokens. Unter Apache-2.0-Lizenz auf Workstation-Hardware lokal betreibbar, optimiert für Coding-Agents und grosse Codebasen.
GPT-OSS 120B ist seit August 2025 OpenAIs größtes Open-Weights-Modell und das offenste des Anbieters: Apache-2.0-Lizenz, lokales Deployment möglich. Das MoE bündelt 116,8 Milliarden Gesamt- bei nur etwa 5,1 Milliarden aktiven Parametern pro Token und läuft dank MXFP4-Quantisierung auf einer einzelnen 80-GB-GPU. Drei Reasoning-Stufen und native Tool-Use-Fähigkeiten runden das Profil ab.
Google DeepMind unterscheidet Gemma 4 26B-A4B Instruct bewusst von früheren Gemma-Generationen: unter echter Apache-2.0-Lizenz, also ohne restriktive Gemma-Nutzungsbedingungen. Das Open-Weight-MoE aktiviert pro Token nur etwa 3,8 von 25,2 Milliarden Parametern und unterstützt Multi-Token-Prediction für schnelleres Decoding. Multimodalität für Text und Bild, 262.144 Tokens Kontext, natives Function-Calling und konfigurierbarer Thinking-Modus runden das Profil ab.
Mistral Medium 3.5 ist Mistral AIs Frontier-Modell mit Fokus auf agentische Workflows und Coding. Mit 128 Milliarden Parametern arbeitet das Modell bei einem Kontextfenster von 256.000 Tokens und unterstützt multimodale Eingaben für Text und Bild. Als Open-Weights-Modell unter Modified-MIT-Lizenz lokal oder über die Cloud-API nutzbar, aus einem europäischen Anbieter-Umfeld mit DSGVO-Konformität.
Qwen3.6 27B Instruct ist Alibabas erstes dichtes Modell seit dem Qwen3.5-Wechsel zu MoE — 27,8 Milliarden Parameter, alle pro Token aktiv, ohne Sparsity-Vorteil. Das Modell ist auf Agentic Coding und Repository-weites Reasoning ausgelegt, verarbeitet Text, Bild und Video nativ, bietet 262.000 Tokens Kontext und Function-Calling. Thinking-Modus mit Reasoning-Erhaltung über mehrere Turns und Apache-2.0-Lizenz, kommerzielle Nutzung frei.
Diese Community-Fine-Tune-Variante von Gemma 4 31B richtet sich an kreative Schreib-Anwendungen und verzichtet auf einen Großteil der Sicherheitsfilter des Basismodells, mit zusätzlichem Feintuning auf natürlicheren Schreibstil. Das dichte Open-Weight-Modell mit 30,7 Milliarden Parametern und 256.000 Tokens Kontext läuft als NVFP4-Variante lokal mit niedrigem Speicherbedarf. Apache-2.0-Lizenz aus dem Basismodell.
Gemini 3.5 Flash ist Googles schnellste Frontier-Klasse und liefert nahezu Pro-Level-Leistung bei Flash-Preisen. Mit Dynamic Thinking in vier konfigurierbaren Stufen, einem Kontextfenster von einer Million Tokens und vollständiger Multimodalität für Text, Bilder, Audio, Video und PDF eignet sich das Modell für agentische Workflows, Coding und Workloads mit hohem Durchsatz.
Was die FP8-Block-Quantisierung Ornith-1.0-35B-FP8 leistet: ein Open-Weight-MoE mit nur etwa 3 von 35 Milliarden aktiven Parametern pro Token läuft auf einer einzelnen GPU und bringt 262.144 Tokens Kontext, natives Thinking und Tool-Calling mit. DeepReinforce hat das Modell so trainiert, dass es seine eigene Agent-Vorgehensweise mitlernt statt mit einem festen Regelwerk zu arbeiten. MIT-Lizenz, kommerzielle Nutzung und Fine-Tuning ohne Auflagen.
Qwen 3.6 27B ist Alibabas dichtes Open-Weights-Modell mit 27,8 Mrd. aktiven Parametern, das laut Hersteller das eigene MoE-Geschwistermodell 35B-A3B in Coding-, Agent- und Vision-Tests übertrifft. Veröffentlicht am 22. April 2026 unter Apache 2.0 für lokalen Betrieb, kombiniert die Architektur hybride Attention mit nativer Multi-Token-Prediction für spürbaren Durchsatz.
Gemma 4 ARA 26B-A4B als Q5-Quantisierung der ARA-APEX-Community, eine Variante mit Adaptive Refusal Abliteration zur Entfernung der Sicherheitsfilter. Von 25,2 Milliarden Gesamtparametern sind pro Token etwa 4 Milliarden aktiv, das Kontextfenster umfasst 128.000 Tokens. Unter Apache-2.0-Lizenz lokal betreibbar ohne externe Cloud-Verbindung, mit unklarer Thinking-Funktion.
Kimi K2.5 ist Moonshot AIs Flaggschiff mit aktivem Chain-of-Thought-Reasoning, multimodalem Eingang für Text und Bild sowie Fokus auf Reasoning und agentische Aufgaben. Die MoE-Architektur aktiviert pro Token nur 32 Milliarden der insgesamt eine Billion Gesamtparameter, das Kontextfenster umfasst 128.000 Tokens. Als Open-Weights-Variante lokal oder über die Cloud verfügbar, mit chinesischer Jurisdiktion als Cloud-Risikofaktor.
Gemma 4 31B als Cloud-API-Variante von Google DeepMind, mit nativem Zugang zu Text-, Bild-, Audio- und Video-Eingaben ohne lokale Hardware-Anforderungen. Unter Apache-2.0-Lizenz stehen die Gewichte auch für lokales Deployment zur Verfügung, diese Variante beschreibt jedoch die Cloud-Nutzung mit einem Kontextfenster von 128.000 Tokens.
Qwen 3.6 35B-A3B ist Alibabas MoE-Modell mit 35 Mrd. Gesamt- und rund 3 Mrd. aktiven Parametern pro Token, veröffentlicht am 22. April 2026 unter Apache 2.0 mit offenen Gewichten für lokalen Betrieb. Die hybride Attention-Architektur kombiniert klassische Aufmerksamkeit mit linearer Variante, Multi-Token-Prediction beschleunigt die Generierung spürbar.
Qwen 3.5 397B A17B ist Alibabas erstes nativ multimodales Open-Weights-Frontier-Modell mit Verarbeitung von Text, Bild und Video in einem einzigen Modell. Die hybride Architektur aus Gated DeltaNet und Sparse MoE aktiviert pro Token nur 17 Milliarden der insgesamt 397 Milliarden Gesamtparameter, das Kontextfenster umfasst 256.000 Tokens. Unter Apache-2.0-Lizenz vollständig kommerziell nutzbar.
Mistral 3 Large ist das offene Frontier-Modell aus Mistral AIs dritter Generation mit nativem Text- und Bildeingang und einem Kontextfenster von 256.000 Tokens. Die Sparse-MoE-Architektur vereint 675 Milliarden Gesamtparameter mit 41 Milliarden aktiven Parametern pro Token. Unter Apache-2.0-Lizenz verfügbar, aus einem europäischen Anbieter-Umfeld mit DSGVO-Konformität.
GLM-4.6 ist Zhipu AIs Frontier-Sprachmodell mit Schwerpunkt auf chinesischer und englischer Sprach-kompetenz. Das Modell arbeitet mit einem Kontextfenster von 128.000 Tokens und unterstützt Tool-Use für agentische Workflows. Aufgrund der chinesischen Hersteller-Jurisdiktion ist eine gesonderte Datenschutz-Bewertung erforderlich, die kommerzielle Nutzung unterliegt Einschränkungen.
GPT-5.4 ist die grössere Variante aus OpenAIs 5.4-Generation für anspruchsvolle Workloads mit höherer Antwortqualität als die Mini-Versionen. Das Modell arbeitet mit einem Kontextfenster von 272.000 Tokens, verarbeitet Text- und Bildeingaben und ist ausschliesslich über die OpenAI-API verfügbar. Proprietär und auf produktive, komplexe Aufgaben ausgelegt.
GLM-5 Turbo ist die schnelle Cloud-Variante der GLM-5-Modellreihe von Z.AI, optimiert für schnelle Textgenerierung und allgemeine Geschäfts-Workflows. Das Modell arbeitet mit einem Kontextfenster von 128.000 Tokens und unterstützt Tool-Aufrufe. Ausschliesslich über Z.AI-Infrastruktur verfügbar, mit chinesischer Jurisdiktion als Cloud-Risikofaktor.
NVIDIA Nemotron 3 Ultra ist NVIDIAs Frontier-Reasoning-Modell mit 550 Milliarden Gesamt- und 55 Milliarden aktiven Parametern auf hybrider Mamba-Transformer-MoE-Architektur mit LatentMoE-Routing und MTP-Schichten. Das Kontextfenster umfasst eine Million Tokens, das Reasoning ist konfigurierbar. Native Tool-Aufrufe und Agentic-Orchestrierung, unter NVIDIA Open Model License als Open-Weights-Modell verfügbar.
Qwen 3.6 35B-A3B MTP ist Alibabas multimodales MoE-Modell mit Multi-Token-Prediction für spekulatives Decoding. Die Unsloth-Dynamic-Q8-Quantisierung bietet nahezu Vollpräzision als qualitative Referenz der Familie, von 35 Milliarden Gesamtparametern sind pro Token nur 3 Milliarden aktiv, das Kontextfenster umfasst 262.000 Tokens. Vision erfordert eine separate Multimodal-Projektor-Datei.
GPT-5 Mini ist die kompakte GPT-5-Variante für kosten- und latenzsensitive Workloads. Trotz der Nano-Klasse bietet das Modell ein Kontextfenster von 400.000 Tokens und unterstützt multimodale Eingaben für Text und Bild. Verfügbar ausschliesslich über die OpenAI-API, eignet es sich für klar definierte Aufgaben, strukturierte Ausgaben und hohe Volumen.
Grok 4.5 ist seit Juli 2026 das aktuelle Flaggschiff von xAI mit nativem Echtzeit-Zugriff auf Web- und X-Daten, 500.000 Tokens Kontext und multimodaler Text- und Bildeingabe. Reasoning läuft serverseitig immer mit und wird konfigurierbar über Reasoning-Effort-Level gesteuert, ohne sichtbare Chain-of-Thought-Tags im Antworttext. Function-Calling, strukturierte Ausgaben und Prompt-Caching ergänzen das Profil für Coding- und Agentic-Workflows.
DeepSeek V3.2 ist als Frontier-Modell auf Sprache, Code und Reasoning ausgelegt und nutzt die gleiche MoE-Architektur wie sein Vorgänger mit 671 Milliarden Gesamt- und 37 Milliarden aktiven Parametern. Das Modell arbeitet mit einem 128.000-Token-Kontextfenster, ist als Open-Weights-Variante lokal betreibbar und über die Cloud-API zu niedrigen Preisen verfügbar. Die chinesische Jurisdiktion macht eine Bewertung des Cloud-Einsatzes erforderlich.
Diese Community-Fine-Tune-Variante von Gemma 4 31B richtet sich an kreative Schreib-Anwendungen und verzichtet auf einen Großteil der Sicherheitsfilter des Basismodells, mit zusätzlichem Feintuning auf natürlicheren Schreibstil. Das dichte Open-Weight-Modell mit 30,7 Milliarden Parametern und 256.000 Tokens Kontext läuft als NVFP4-Variante lokal mit niedrigem Speicherbedarf. Apache-2.0-Lizenz aus dem Basismodell.
Was die meisten Edge-Modelle nicht können: Text, Bild, Audio und Video in einem einzigen Gewichtspaket verarbeiten, ohne separate Multimodal-Projektor-Datei. Gemma 4 E4B nutzt Per-Layer-Embeddings für 4,5 Milliarden effektive Parameter und läuft mit rund 5 Gigabyte VRAM auf Edge-Hardware. Konfigurierbare Thinking-Modi und 128.000-Token-Kontext unter Apache-2.0-Lizenz runden das Profil ab.
Qwen 3.6 27B ist Alibabas dichtes Open-Weights-Modell mit 27,8 Mrd. aktiven Parametern, das laut Hersteller das eigene MoE-Geschwistermodell 35B-A3B in Coding-, Agent- und Vision-Tests übertrifft. Veröffentlicht am 22. April 2026 unter Apache 2.0 für lokalen Betrieb, kombiniert die Architektur hybride Attention mit nativer Multi-Token-Prediction für spürbaren Durchsatz.
Diese Community-Fine-Tune-Variante von Qwen 3.6 35B-A3B entfernt die Sicherheitsfilter und liefert ungefilterte Antworten ohne Refusals. Von 35 Milliarden Gesamtparametern der MoE-Architektur sind pro Token nur 3 Milliarden aktiv, das Kontextfenster umfasst 262.000 Tokens. Mit Q8-Quantisierung nahezu voller Qualität lokal betreibbar unter Apache-2.0-Lizenz, mit multimodaler Verarbeitung für Text, Bild und Video.
Gemma 4 31B Instruct ist Googles größtes Dense-Modell mit 30,7 Milliarden Parametern über 60 Layer und hybrider Attention aus lokalem Sliding-Window plus globaler Aufmerksamkeit. Anders als die Gemma-4-MoE-Variante aktiviert dieses Modell alle Parameter pro Token. Multimodalität für Text und Bilder, 256.000 Tokens Kontext, natives Function-Calling und konfigurierbarer Thinking-Modus runden das Profil ab. Echte Apache-2.0-Lizenz.
Kimi K2 ist das Flaggschiff-Modell von Moonshot AI mit Open-Weights-Lizenz und Fokus auf agentische Aufgaben, Coding und mehrstufiges Reasoning. Die MoE-Architektur aktiviert pro Token nur 32 Milliarden der insgesamt eine Billion Gesamtparameter, das Kontextfenster umfasst 128.000 Tokens. Als Text-only-Variante lokal oder über Cloud-Provider nutzbar, bei Cloud-Nutzung erfordert die chinesische Jurisdiktion eine separate Bewertung.
Qwen3.6 27B Instruct ist Alibabas erstes dichtes Modell seit dem Qwen3.5-Wechsel zu MoE — 27,8 Milliarden Parameter, alle pro Token aktiv, ohne Sparsity-Vorteil. Das Modell ist auf Agentic Coding und Repository-weites Reasoning ausgelegt, verarbeitet Text, Bild und Video nativ, bietet 262.000 Tokens Kontext und Function-Calling. Thinking-Modus mit Reasoning-Erhaltung über mehrere Turns und Apache-2.0-Lizenz, kommerzielle Nutzung frei.
Gemma 4 12B Instruct als Q8-Quantisierung der Unsloth-Community, die höchstpräzise Variante unter den 12B-Ausführungen. Mit zwölf Milliarden Parametern und 128.000 Tokens Kontextfenster liefert das Modell nahezu FP16-Qualität, ist auf lokalen Betrieb ohne Cloud-Anbindung ausgelegt und unter Apache-2.0-Lizenz voll kommerziell nutzbar.
Mistral Small 4 ist das kompakte Open-Weights-Modell von Mistral AI für allgemeine und agentische Aufgaben. Die MoE-Architektur aktiviert pro Token nur 6,5 Milliarden der insgesamt 119 Milliarden Parameter, das Kontextfenster umfasst 256.000 Tokens und das Modell verarbeitet Text- und Bildeingaben. Unter Apache-2.0-Lizenz lokal oder über die Mistral-API nutzbar, aus einem europäischen Anbieter-Umfeld.
Xiaomi MiMo V2.5 ist ein nativ omnimodales MoE-Modell mit 310 Milliarden Gesamt- und 15 Milliarden aktiven Parametern. Das Modell verarbeitet Text, Bild, Video und Audio in einer einzigen Architektur, das Kontextfenster umfasst bis zu eine Million Tokens. Unter MIT-Lizenz voll kommerziell nutzbar, aus chinesischer Hersteller-Jurisdiktion mit entsprechender Bewertung bei Cloud-Nutzung.
Hermes 4 70B ist ein offenes Instruct- und Reasoning-Modell von Nous Research aus der Hermes-4-Familie mit 70 Milliarden Parametern. Das Modell kombiniert optionales Thinking mit fortgeschrittenem Tool-Use und strukturierten Ausgaben, trainiert auf hohe Steuerbarkeit und reduzierte Refusal-Raten. Als Open-Weights-Modell unter Modified-MIT-Lizenz lokal oder serverseitig einsetzbar.
Qwen 3.6 35B-A3B ist Alibabas MoE-Modell mit 35 Mrd. Gesamt- und rund 3 Mrd. aktiven Parametern pro Token, veröffentlicht am 22. April 2026 unter Apache 2.0 mit offenen Gewichten für lokalen Betrieb. Die hybride Attention-Architektur kombiniert klassische Aufmerksamkeit mit linearer Variante, Multi-Token-Prediction beschleunigt die Generierung spürbar.
Google DeepMind unterscheidet Gemma 4 26B-A4B Instruct bewusst von früheren Gemma-Generationen: unter echter Apache-2.0-Lizenz, also ohne restriktive Gemma-Nutzungsbedingungen. Das Open-Weight-MoE aktiviert pro Token nur etwa 3,8 von 25,2 Milliarden Parametern und unterstützt Multi-Token-Prediction für schnelleres Decoding. Multimodalität für Text und Bild, 262.144 Tokens Kontext, natives Function-Calling und konfigurierbarer Thinking-Modus runden das Profil ab.
NVIDIA Llama 3.3 Nemotron Super 49B v1.5 ist eine durch Pruning und Destillation optimierte Variante von Metas Llama 3.3 70B mit 49 Milliarden Parametern. Das Modell bietet hohe Reasoning-Leistung bei geringerem Ressourcenbedarf, ein Kontextfenster von 131.000 Tokens und optionalen Thinking-Modus über System-Prompt-Steuerung. Unter NVIDIA Open Model License als Open-Weights-Variante lokal oder über Cloud-Anbieter verfügbar.
Devstral 2 ist Mistral AIs Code-Agent für anspruchsvolle Software-Engineering-Aufgaben. Mit 123 Milliarden Parametern arbeitet das Modell auf Codebasis-Exploration, Multi-File-Änderungen, Debugging und Legacy-Modernisierung, unterstützt ein Kontextfenster von 256.000 Tokens und verarbeitet neben Text auch Bildeingaben. Als Open-Weights-Modell unter modified-MIT-Lizenz verfügbar, aus einem europäischen Anbieter-Umfeld mit DSGVO-Konformität.
Vierstufige Community-Derivat-Kette auf Gemma-4-31B-Basis: Google DeepMind als Ursprung, dann ConicCat-Fine-Tune für kreative Prosa, eine Abliteration durch llmfan46 zur Entfernung der Sicherheitsfilter und schliesslich eine Q8-Quantisierung von mradermacher. Das uncensored-Modell ist auf kreatives Schreiben, Rollenspiel und Übersetzung optimiert, arbeitet mit 128.000 Tokens Kontextfenster und ist unter Apache-2.0-Lizenz lokal betreibbar.
GPT-5.4 Mini ist die kompakte GPT-5.4-Variante für schnelle und kosteneffiziente Alltagsaufgaben. Mit einem Kontextfenster von 272.000 Tokens und multimodaler Eingabe für Text und Bild richtet sich das Modell an Anwendungen mit niedriger Latenz bei solider Ausgabequalität. Ausschliesslich über die OpenAI-API verfügbar.
Grok 4 (Non-Reasoning) ist die Standard-Variante der Grok-4-Generation von xAI ohne aktives Chain-of-Thought, ausgelegt auf schnelle direkte Antworten. Das Modell arbeitet mit einem Kontextfenster von einer Million Tokens, ist ausschliesslich über die xAI-API verfügbar und richtet sich an Konversations-und Textaufgaben ohne explizite Reasoning-Schritte.
Grok 4.20 (Reasoning) ist xAIs Frontier-Modell mit dediziertem Reasoning-Modus und proprietärer Cloud-only-Lizenz aus den USA. Das am 9. März 2026 veröffentlichte Modell liefert Reasoning-Schritte über Provider-Metadaten statt Content-Tags und ist Teil einer Familie mit Non-Reasoning- und Multi-Agent-Varianten.
Qwen 3.5 4B ist ein kompaktes Open-Weights-Modell von Alibaba mit Thinking-Optional-Architektur und Unsloth-Dynamic-Quantisierung in Q6. Die Q6-Stufe bietet höhere Qualitätstreue als die Q4-Variante bei moderatem Mehraufwand im VRAM, das Kontextfenster umfasst 128.000 Tokens. Unter Apache-2.0-Lizenz auf ressourcenbeschränkter Hardware lokal betreibbar.
o4-mini ist OpenAIs kompaktes Reasoning-Modell mit nativem Vision-Eingang für Bilder, Diagramme und Screenshots. Das Modell verarbeitet Text und Bild, arbeitet mit einem Kontextfenster von 200.000 Tokens und bietet drei einstellbare Reasoning-Stufen für die Balance zwischen Antworttiefe und Latenz. Volles Tool-Use inklusive parallelem Tool-Calling für leichte agentische Workflows.
Qwen 3 32B ist Alibabas Open-Weights-Modell für allgemeine Aufgaben, Reasoning und Coding. Mit 32 Milliarden Parametern und optionalem Thinking-Modus arbeitet das Modell mit einem Kontextfenster von 128.000 Tokens und bietet eine ausgewogene Balance zwischen Leistung und Effizienz. Unter Apache-2.0-Lizenz lokal oder über Cloud-Provider verfügbar.
Gemma 3 12B Instruct als Q4-Quantisierung, optimiert für lokale Inferenz auf ressourcenbeschränkter Hardware. Das Modell verarbeitet Text-und Bildeingaben bei einem Kontextfenster von 128.000 Tokens, ist auf direkte Aufgabenbearbeitung ausgelegt und arbeitet ohne externe Cloud-Verbindung. Lizenziert unter den Google Gemma Terms of Use, die kommerzielle Nutzung erlauben.
GPT-5.4 Nano ist OpenAIs preisgünstigste GPT-5.4-Variante für hochvolumige Standardaufgaben wie Klassifikation, Extraktion und Ranking. Mit einem Kontextfenster von 272.000 Tokens und bis zu 128.000 Tokens Ausgabe eignet sich das Modell für Batch-Verarbeitung und Sub-Agent-Routing. Verfügbar ausschliesslich über die OpenAI-API zu niedrigen Kosten.
Qwen 3.5 9B ist ein Open-Weights-Modell von Alibaba für allgemeine Sprach- und Reasoning-Aufgaben mit Thinking-Optional-Architektur. Die Unsloth-Dynamic-Q6-Quantisierung bietet nahezu verlustfreie Qualität bei deutlich reduziertem VRAM-Bedarf, das Kontextfenster umfasst 128.000 Tokens. Unter Apache-2.0-Lizenz auf lokaler Hardware ohne Cloud-Zwang betreibbar.
NVIDIA Nemotron 3 Nano 30B A3B ist ein effizientes Hybrid-Modell aus der Nemotron-3-Serie, das Mamba-2 mit Transformer-Schichten kombiniert. Bei 31,6 Milliarden Gesamtparametern aktiviert das Modell nur 3,2 Milliarden pro Token, das Kontextfenster umfasst bis zu eine Million Tokens. Optionaler Thinking-Modus mit konfigurierbarem Budget, native Tool-Aufrufe und Agentic-Fähigkeiten ab Werk. Unter NVIDIA Open Model License als Open-Weights-Modell verfügbar.
Hermes 4 14B Abliterated ist eine lokal betreibbare Open-Weights-Variante von NousResearch auf Basis von Qwen 3 14B, bei der Sicherheitsmechanismen gezielt entfernt wurden. Mit 14 Milliarden Parametern und 128.000 Tokens Kontextfenster richtet sich das Modell an ungefilterte Antwortweise, kreative Schreibprozesse und Szenarien, die maximale Offenheit erfordern. Unter Apache-2.0-Lizenz voll kommerziell nutzbar.
o3-mini ist OpenAIs kompaktes Reasoning-Modell mit internem Chain-of-Thought, spezialisiert auf Mathematik, Coding und STEM-Aufgaben. Das Modell arbeitet mit einem Kontextfenster von 200.000 Tokens und bietet drei einstellbare Reasoning-Stufen für die Balance zwischen Antworttiefe, Latenz und Kosten. Ausschliesslich über die OpenAI-API verfügbar.
GPT-4o ist OpenAIs multimodales Allround-Modell mit nativem Zugang zu Text-, Bild- und Audio-Eingaben. Es arbeitet mit einem Kontextfenster von 128.000 Tokens, ist ausschliesslich über die OpenAI-API verfügbar und richtet sich an ein breites Spektrum produktiver Anwendungen von Analyse und Coding bis zu natürlicher Gesprächsführung.
Hermes 4 405B ist ein leistungsstarkes Instruct- und Reasoning-Modell von Nous Research mit 405 Milliarden Parametern, konzipiert für komplexe Reasoning-Aufgaben und agentische Workflows. Das Modell unterstützt optionales Thinking, präzise Tool-Aufrufe und strukturierte Ausgaben. Trainiert auf hohe Steuerbarkeit und reduzierte Refusal-Raten. Unter Meta-Llama-Community-Lizenz als Open-Weights-Modell verfügbar.
Qwen 3 14B ist Alibabas Open-Weights-Modell für allgemeine Sprachaufgaben und Reasoning mit optionalem Thinking-Modus. Die Q6-Quantisierung ist für effizienten lokalen Betrieb ohne Cloud-Verbindung ausgelegt, das Kontextfenster umfasst 128.000 Tokens. Unter Apache-2.0-Lizenz voll kommerziell nutzbar.
OpenAI o1 ist OpenAIs erstes dediziertes Reasoning-Modell, trainiert auf internem Chain-of-Thought und ausgelegt auf komplexe Mathematik-, Logik- und Wissenschafts-aufgaben. Das Modell arbeitet mit einem Kontextfenster von 200.000 Tokens, ist ausschliesslich über die OpenAI-API verfügbar und eignet sich besonders dort, wo gründliches mehrstufiges Schlussfolgern wichtiger ist als niedrige Latenz.
Hermes 4 14B als Q4-Quantisierung der NousResearch-Distribution auf Qwen-3-Basis, optimiert für lokale Assistenz und agentische Aufgaben. Mit 14 Milliarden Parametern und 128.000 Tokens Kontextfenster läuft das Modell auf ressourcenbeschränkter Hardware und unterstützt hybride Denkmodi. Unter Apache-2.0-Lizenz voll kommerziell nutzbar.
Grok 4.3 ist das aktuelle Flaggschiff von xAI mit nativem Echtzeit-Zugriff auf die X-Plattform und einem Kontextfenster von einer Million Tokens. Die MoE-Architektur erlaubt effiziente Inferenz bei agentischen Routineaufgaben, ist aber bei komplexem Software-Engineering spezialisierten Modellen unterlegen. Verfügbar ausschliesslich über die xAI-API zu einem Preis von 1,25 US-Dollar pro Million Input- und 2,50 US-Dollar pro Million Output-Tokens.
Für Code-Aufgaben trainiert und nicht für Allgemeines: Codestral 25.08 ist Mistral AIs spezialisiertes Entwickler-Modell aus dem August 2025, optimiert auf Fill-in-the-Middle und eine breite Palette an Programmiersprachen. Mit 22 Milliarden Parametern unterstützt es 128.000 Tokens Kontext, läuft wahlweise lokal oder über die Mistral-API, unterliegt allerdings einer restriktiven Lizenz mit eingeschränkter kommerzieller Nutzung.
GPT-4o Mini ist OpenAIs kompaktes Einstiegsmodell der GPT-4o-Familie, ausgelegt auf niedrige Kosten und schnelle Antwortzeiten. Mit einem Kontextfenster von 128.000 Tokens verarbeitet das Modell Text- und Bildeingaben, ist ausschliesslich über die OpenAI-API verfügbar und eignet sich für alltägliche Aufgaben wie Klassifikation, einfache Textgenerierung und kosteneffiziente Automatisierung.
Llama 3.3 70B Versatile ist Metas Allround-Modell der 70-Milliarden-Klasse mit ausgewogenen Stärken über ein breites Aufgabenspektrum. Mit 128.000 Tokens Kontextfenster und offenen Gewichten unter der Llama-3.3-Community-Lizenz ist das Modell wahlweise lokal für maximale Datensouveränität oder über Cloud-Anbieter verfügbar.
Coheres erstes offenes MoE-Modell kombiniert Frontier-Leistung mit Selbst-Hosting: Von 218 Milliarden Gesamtparametern sind pro Token nur 25 Milliarden aktiv, das Kontextfenster umfasst 128.000 Tokens und das Modell verarbeitet Text- und Bildeingaben. Unter Apache-2.0-Lizenz aus Kanada veröffentlicht, ohne Vendor-Lock-in und ohne proprietäre Gewichte.
Vier Milliarden Parameter, Apache-2.0-Lizenz und ein optionaler Thinking-Modus: Qwen 3 4B ist für mobile Anwendungen und Edge-Setups gedacht, wo jedes Watt zählt. Lokal betreibbar unter Q6-Quantisierung, mit 128.000 Tokens Kontextfenster für ein Nano-Modell dieser Klasse grosszügig dimensioniert. Die Hersteller-Jurisdiktion China bringt bei politisch sensiblen Themen gelegentlich zensierte oder ausweichende Antworten mit sich.
Hermes 3 8B ist ein Uncensored-Fine-Tune von NousResearch auf Basis von Metas Llama 3.1 8B. Mit acht Milliarden Parametern und 128.000 Tokens Kontextfenster richtet sich das Modell an Instruction-Following, Tool-Use sowie kreative und ambivalente Anfragen. Unter Llama-3.1-Community-Lizenz lokal betreibbar, die reduzierte Ablehnungsrate ist ein definierendes Merkmal dieser Distribution.
GPT-OSS 20B ist OpenAIs kompaktes Open-Weights-Modell der OSS-Serie mit 21 Milliarden Parametern in dichter Architektur, gehostet über Groq für Cloud-Nutzung und parallel als Download für lokales Deployment. Das Modell unterstützt konfigurierbares Reasoning mit drei Intensitätsstufen und Apache-2.0-Lizenz für vollständige kommerzielle Nutzbarkeit.
Qwen 2.5 Coder 7B ist ein kompaktes Open-Weights-Coding-Modell von Alibaba, optimiert für Code-Generierung, Debugging und Reparatur. Die Q6-Quantisierung ermöglicht lokalen Betrieb auf ressourcenschonender Hardware bei minimalem Qualitätsverlust, das Kontextfenster umfasst 128.000 Tokens für komplexe Codebasen. Unter Apache-2.0-Lizenz voll kommerziell nutzbar.
Llama 4 Scout ist Metas multimodales Modell der vierten Llama-Generation, das allgemeine Sprachverarbeitung mit Bildverständnis in einer effizienten MoE-Architektur kombiniert. Von 109 Milliarden Gesamtparametern sind pro Token nur 17 Milliarden aktiv, das Kontextfenster umfasst 128.000 Tokens. Unter der Llama-4-Community-Lizenz verfügbar, die für EU-Domizilierte bei Self-Hosting und Deployment Einschränkungen enthält.
