Die besten Large Language Models (LLMs) 2026

Large Language Models (LLMs): Von 30 getesteten Angeboten liegen derzeit Claude Opus 5.5, Claude Sonnet 5.5 und GPT-6.1 Sol vorn. Alle sind nach unserer Bewertung sortiert, mit Preis, unserem Fazit und für wen sie sich eignen.

Von Andrew Miller · Aktualisiert am 31. Okt. 2026 · So testen wir

So ist das Ranking entstanden: nach unserer Bewertung (maximal 5 Punkte), aus Tests auf Grundlage der Preise, Dokumentation und Richtlinien des jeweiligen Produkts sowie unabhängiger Benchmarks, wo es sie gibt, jeweils geprüft an dem im Test genannten Datum. Wir erhalten keine Affiliate-Provisionen.

1
Claude Opus 5.5
Anthropics neuer Standard verdient den Titel: Platz eins im unabhängigen Index von Artificial Analysis und pro Token ein Fünftel günstiger als das Opus, das es ersetzt.
Am besten für: Teams mit langen Coding-Agenten, Code-Audits oder dokumentenlastiger Recherche, bei denen das Erledigen der Aufgabe wichtiger ist als die Kosten jedes Aufrufs.
Preis: API: 4 $ pro 1 Mio. Input-Tokens, 20 $ pro 1 Mio. Output; Cache-Lesezugriffe 0,20 $, 5-Minuten-Cache-Schreibzugriffe 5 $; Batch API 50 % günstiger; Fast Mode 8 $/40 $; reine US-Inferenz zum 1,1-Fachen.
Unseren Test von Claude Opus 5.5 lesen
4.7/5
2
Claude Sonnet 5.5
In Anthropics Test für Wissensarbeit bis auf zwei Punkte an Opus 5.5 heran, zum halben Preis. Damit wird Opus zum bewussten Upgrade statt zum Standard.
Am besten für: Teams, die Coding-Agenten, Support-Automatisierung oder Dokumentenarbeit in großem Umfang betreiben und fast Opus-Qualität zum halben Token-Preis wollen.
Preis: API: 2 $ pro 1 Mio. Input-Tokens, 10 $ pro 1 Mio. Output-Tokens; Cache-Lesezugriffe 0,10 $; Batch API 50 % günstiger.
Unseren Test von Claude Sonnet 5.5 lesen
4.6/5
3
GPT-6.1 Sol
Für die meisten OpenAI-Kunden ist dies das Spitzenmodell, auf das es ankommt: einen Punkt hinter Astra im Index von Artificial Analysis, zu einem Fünftel des Token-Preises.
Am besten für: Teams, die Agenten und Geschäftsprozesse auf OpenAI bauen, Ergebnisse nahe an Astra zu Kosten der Mittelklasse wollen und mit langsamerem Output leben können.
Preis: API: 2 $ pro 1 Mio. Input-Tokens, 10 $ pro 1 Mio. Output-Tokens; gecachter Input 0,10 $; Batch/Flex zum halben Preis; Prompts über 272K Input-Tokens zahlen für die gesamte Anfrage das 2-Fache beim Input und das 1,5-Fache beim Output.
Unseren Test von GPT-6.1 Sol lesen
4.6/5
4
Claude Haiku 5.5
Haiku 5.5 schlägt Gemini 3.8 Flash in unabhängigen Tests zu einem Sechstel der Kosten pro Aufgabe, und das verschiebt, was man von einem Budget-Modell erwarten sollte.
Am besten für: Klassifizierung, Extraktion, Support und Subagenten-Arbeit mit hohem Volumen und kurzen Prompts.
Preis: API: 0,10 $ Input / 0,50 $ Output pro 1 Mio. Tokens für Prompts bis 100K Tokens; darüber 0,50 $ / 2,50 $; Cache-Lesezugriffe 0,01 $; Batch API 50 % günstiger.
Unseren Test von Claude Haiku 5.5 lesen
4.5/5
5
Qwen3.8-27B
Ein 27B-Modell mit Apache-Lizenz, das nach Alibabas eigenen Zahlen beim Coding knapp an Claude Opus 4.6 Max vorbeizieht und in 4 Bit auf eine einzelne 24-GB-Karte passt.
Am besten für: Entwickler, die das stärkste freizügig lizenzierte Modell suchen, das auf eine einzelne High-End-GPU passt, besonders für Coding- und Computer-Use-Agenten.
Preis: Kostenlose Gewichte unter Apache 2.0. Qwen Cloud: 0,50 $ Eingabe / 3,00 $ Ausgabe pro 1M Tokens (0,10 $ gecacht). Drittanbieter auf OpenRouter ab etwa 0,04 $ / 1,25 $.
Unseren Test von Qwen3.8-27B lesen
4.5/5
6
GLM-5.3-Flash
GLM-5.3-Flash bietet den Großteil der Coding-Fähigkeiten von GLM-5.3 zu einem Zehntel des Token-Preises, und seine MIT-Lizenz lässt einem Juristen nichts zu lesen.
Am besten für: Teams, die Coding- oder multimodale Agenten mit hohem Volumen betreiben und ein offenes Modell ohne Lizenzauflagen und mit sehr niedrigen API-Kosten wollen.
Preis: Offene Gewichte unter MIT. API von Z.ai: 0,15 $ Input / 0,50 $ Output pro 1 Mio. Tokens (0,03 $ gecacht); FlashX 0,37 $ / 1,25 $.
Unseren Test von GLM-5.3-Flash lesen
4.3/5
7
GPT-6 Luna
Luna liegt im Index von Artificial Analysis fünf Punkte unter Claude Haiku 5.5 und kostet pro Aufgabe ein Drittel so viel, und damit ist die ganze Entscheidung in einem Satz gesagt.
Am besten für: Apps auf OpenAI-Basis, die Klassifizierung, Extraktion oder Chat in sehr hohem Volumen betreiben.
Preis: API: 0,10 $ pro 1 Mio. Input-Tokens, 0,50 $ pro 1 Mio. Output-Tokens; gecachter Input 0,01 $; lange Prompts über 272K kosten mehr.
Unseren Test von GPT-6 Luna lesen
4.3/5
8
DeepSeek-V4.1-Flash
Coding-Agent-Werte nahe der Spitze für 0,15 $ pro Million Eingabe-Tokens, sofern du Datenverarbeitung in China akzeptierst oder einen Checkpoint mit 763 Milliarden Parametern selbst hostest.
Am besten für: Kostenbewusste Teams mit Coding- und Automatisierungsagenten, die eine in China gehostete API oder einen Drittanbieter nutzen können oder Server mit mehreren GPUs für die offenen Gewichte haben.
Preis: Kostenlose Gewichte unter MIT-Lizenz. DeepSeek-API: 0,15 $ Eingabe / 0,60 $ Ausgabe pro 1M Tokens außerhalb der Spitzenzeiten, 0,30 $ / 1,20 $ zur werktäglichen Spitzenzeit; Cache-Treffer 0,003 $ bis 0,006 $.
Unseren Test von DeepSeek-V4.1-Flash lesen
4.2/5
9
Qwen3.8-Flash-Next
Starke Agenten- und Coding-Werte für 6 Milliarden aktive Parameter, unter einer Lizenz, die strenger ist als die von Qwens eigenem Flaggschiff.
Am besten für: Teams mit internen Coding- oder Agenten-Workloads, für die ein 27B-Modell nicht mehr reicht, und Entwickler, die eine sehr günstige gehostete multimodale API suchen.
Preis: Offene Gewichte unter der Qwen Community License 1.0 (separate Lizenz für Hosting- und KI-Assistenten-Geschäfte). Qwen3.8-Flash API: 0,15 $ Eingabe / 0,47 $ Ausgabe pro 1M Tokens; Cache-Treffer 0,016 $.
Unseren Test von Qwen3.8-Flash-Next lesen
4.2/5
10
Doubao Seed 2.1 Pro
Nach ByteDances eigenen Zahlen das stärkste chinesische Modell für Video- und Bildverständnis, aber geschlossen, unabhängig nicht bewertet und außerhalb Chinas schwer zu bekommen.
Am besten für: Teams, die starkes Video- und Bildverständnis brauchen und über ByteDances Volcano Engine in China einkaufen können oder international Seed 2.1 Turbo nutzen.
Preis: Volcano Engine Ark (China): Pro 6 ¥ Eingabe / 30 ¥ Ausgabe pro 1M Tokens, gecacht 1,20 ¥, Batch 3 ¥ / 15 ¥; Turbo die Hälfte. BytePlus ModelArk (international): Turbo 0,50 $ / 2,50 $ pro 1M Tokens; Pro nicht in der veröffentlichten Liste.
Unseren Test von Doubao Seed 2.1 Pro lesen
4.1/5
11
Gemini 3.5 Flash-Lite
Streamt schnell und liest vieles, aber Haiku 5.5 und GPT-6 Luna verlangen inzwischen ein Drittel des Eingabepreises und ein Fünftel des Ausgabepreises.
Am besten für: Teams auf Google Cloud, die Extraktion in großen Mengen oder Audio- und Videoverständnis betreiben, bei denen die Zeit bis zum ersten Token keine Rolle spielt.
Preis: API: 0,30 $ Eingabe / 2,50 $ Ausgabe pro 1M Tokens; gecachte Eingabe 0,03 $; Batch und Flex 0,15 $ / 1,25 $; Free Tier (Prompts können fürs Training genutzt werden).
Unseren Test von Gemini 3.5 Flash-Lite lesen
4.1/5
12
Gemini 3.8 Flash
Vielseitige Eingaben und eine kostenlose Stufe halten Gemini 3.8 Flash nützlich, doch es verbraucht inzwischen mehr pro Aufgabe als besser bewertete Konkurrenten, und im Januar verdoppelt sich der Preis.
Am besten für: Teams, die in Googles Ökosystem Audio, Video und lange PDFs verarbeiten und langsame erste Antworten in Kauf nehmen können.
Preis: API: 0,75 $ Input / 3,75 $ Output pro 1 Mio. Tokens bis 31. Dez. 2026, danach 1,50 $ / 7,50 $; Batch und Flex zum halben Preis; kostenlose Stufe mit Limits.
Unseren Test von Gemini 3.8 Flash lesen
4.1/5
13
Muse Glimmer
Glimmer ist das offene Modell, das am sorgfältigsten auf die Grafikkarten zugeschnitten ist, die Leute tatsächlich besitzen, und Qwen3.8-27B hat es bei den Benchmarks binnen Wochen geschlagen.
Am besten für: Entwickler, die lokale, ständig laufende Agents auf einer einzelnen Consumer-GPU bauen und eine freizügige Lizenz von einem US-Labor wollen.
Preis: Kostenlose Gewichte unter Apache 2.0; keine Meta-API. Gehostet bei OpenRouter ab 0,30 $ pro 1 Mio. Input- und 1,20 $ pro 1 Mio. Output-Tokens (DeepInfra).
Unseren Test von Muse Glimmer lesen
4.1/5
14
Muse Wonder
Wonder kostet so viel wie Claude Opus 5.5 und gewinnt nur fünf der vierzehn Zeilen, die Meta zum Vergleich veröffentlicht hat.
Am besten für: Teams, die bereits Metas API nutzen und für lange Coding-Arbeit über mehrere Dateien oder juristische Dokumentarbeit ein stärkeres Modell brauchen, als Muse Spark bietet.
Preis: API: 4 $ Input, 0,20 $ gecachter Input, 20 $ Output pro 1 Mio. Tokens; kein Contributor-Modus. Wonder Full nur in Muse Code Power (50 $/Monat) und Maximum (200 $/Monat).
Unseren Test von Muse Wonder lesen
4.1/5
15
MiniMax-M3.1-Flash
Nahe der Spitze der Open-Weight-Tabelle für den Bruchteil eines Cents pro Aufgabe, solange nichts, was es sagt, ungeprüft hinausgeht.
Am besten für: Teams mit umfangreicher Agent- und Automatisierungsarbeit oder langen multimodalen Eingaben, die Ausgaben prüfen können und die Lizenzbedingungen von MiniMax akzeptieren.
Preis: Offene Gewichte unter der MiniMax-Community-Lizenz. MiniMax API pro 1 Mio. Tokens, pauschal bei jeder Prompt-Länge: 0,15 $ Input, 0,60 $ Output, 0,015 $ gecachter Input.
Unseren Test von MiniMax-M3.1-Flash lesen
4.0/5
16
Muse Spark 1.3
Günstig, mit langem Kontext und gutem Benehmen in Agent-Schleifen, aber von oben durch Muse Wonder und von der Seite durch ein offenes Spark zum selben Preis eingeklemmt.
Am besten für: Teams, die ein günstiges Modell mit langem Kontext für Sub-Agents und Tool-Schleifen wollen und kein Problem damit haben, Prompts an Metas API zu schicken.
Preis: Standard: 1,25 $ Input, 0,15 $ gecachter Input, 4,25 $ Output pro 1 Mio. Tokens. Contributor-Modus: 0,10 $ / 0,002 $ / 0,20 $, und Meta darf mit deinen Inhalten trainieren.
Unseren Test von Muse Spark 1.3 lesen
4.0/5
17
Muse Spark Open
Ein ernstzunehmendes Open-Weight-Agent-Modell mit ungewöhnlich starken Sicherheitswerten, gebremst durch gehostete Preise auf dem Niveau des geschlossenen Spark und eine Lizenz, die nach deinem Geburtsdatum fragt.
Am besten für: Organisationen, die ein fähiges Agent-Modell auf eigener Hardware brauchen, mit stärkerem Ablehnungsverhalten als andere offene Modelle, und mit Metas Klausel zur Namensnennung leben können.
Preis: Kostenlose Gewichte unter der Muse Model License (Namensnennung erforderlich; Umsatzschwelle von 20 Mio. $ für Model-as-a-Service). Gehostet bei OpenRouter für 1,25 $ Input, 0,15 $ gecacht, 4,25 $ Output pro 1 Mio. Tokens.
Unseren Test von Muse Spark Open lesen
4.0/5
18
MiniMax-M3
Für seinen Preis stark bei langen Eingaben mit gemischten Medien, gebremst von einer Lizenz, die Juristen zweimal lesen lässt.
Am besten für: Kostenbewusste Teams, die lange Dokumente oder Video verarbeiten, ein offenes Modell wollen und die Lizenzbedingungen akzeptieren können.
Preis: Offene Gewichte unter der MiniMax-Community-Lizenz. API pro 1 Mio. Tokens bei Prompts bis 512.000: 0,30 $ Input, 1,20 $ Output, 0,06 $ gecacht; über 512.000 das Doppelte; Priority-Stufe 1,5-fach.
Unseren Test von MiniMax-M3 lesen
3.9/5
19
Mistral Large 4
Europa hat endlich ein eigenes Modell mit einer Billion Parametern; unabhängige Tests sehen es im oberen Mittelfeld, nicht an der Spitze.
Am besten für: Europäische Organisationen, die ein Modell der Spitzenklasse mit Datensouveränität und einem Weg zum Selbsthosten brauchen.
Preis: Preview-API: 1,36 $ pro 1 Mio. Input-Tokens (0,14 $ gecacht), 4,18 $ pro 1 Mio. Output-Tokens; Batch mit 50 % Rabatt. Offene Gewichte bis Ende Oktober 2026 versprochen.
Unseren Test von Mistral Large 4 lesen
3.9/5
20
Command A+
Gewichte unter Apache 2.0, Hosting auf zwei H100 und jede EU-Sprache machen Command A+ leicht genehmigungsfähig, aber Cohere veröffentlicht weiterhin keine Benchmark-Werte, an denen man es messen könnte.
Am besten für: Unternehmen, die private, mehrsprachige RAG- und Agentensysteme bauen und ein freizügig lizenziertes Modell wollen, das sie auf zwei GPUs hosten können.
Preis: Kostenlose Gewichte unter Apache 2.0. Preis der Cohere-API nicht veröffentlicht; OpenRouter nennt 0,30 $ Eingabe / 1,50 $ Ausgabe pro 1M Tokens. Private Deployments auf Angebot.
Unseren Test von Command A+ lesen
3.8/5
21
Grok 4.7
Günstig auf der Preisliste und teuer in der Praxis: Grok 4.7 denkt so lange, dass seine Kosten pro Aufgabe zu den höchsten gemessenen zählen.
Am besten für: Entwickler, die Live-Suche auf X in einem Agenten brauchen und lange Denkzeiten verkraften, oder Teams, die sich bereits auf die Plattform von SpaceXSI festgelegt haben.
Preis: API: 2 $ Input / 6 $ Output pro 1 Mio. Tokens bei Prompts unter 200K Tokens, 4 $ / 12 $ ab 200K; gecachter Input 0,50 $; US-Endpunkt 10 % Aufschlag.
Unseren Test von Grok 4.7 lesen
3.8/5
22
Ling-3.0-flash-Sante
Ein günstiger, MIT-lizenzierter Medizin-Spezialist, der Claude Opus 4.8 in Ants eigenem HealthBench-Professional-Lauf schlägt, auch wenn nur Ant ihn gemessen hat und er weiter hinter GPT-5.6 Sol liegt.
Am besten für: Health-Tech- und Forschungsteams, die ein offenes, freizügig lizenziertes Medizinmodell selbst hosten und hinter menschliche Prüfung stellen wollen.
Preis: Offene Gewichte unter MIT. Vercel AI Gateway: 0,07 $ Input / 0,22 $ Output pro 1 Mio. Tokens (Novitas Zeile: 0,08 $ Input, 0,02 $ gecacht).
Unseren Test von Ling-3.0-flash-Sante lesen
3.8/5
23
Mistral Medium 3.5
Ein fähiges Coding-Modell für vier GPUs, dessen Lizenz große Unternehmen ausschließt und dessen API-Preis inzwischen gegen Mistrals eigenes Large 4 verliert.
Am besten für: Unternehmen unter 20 Millionen $ Monatsumsatz, die ein starkes Modell für Coding und Agents auf einem einzigen Server mit vier GPUs selbst hosten wollen.
Preis: Offene Gewichte unter einer modifizierten MIT-Lizenz (keine Rechte für Unternehmen über 20 Mio. $ Monatsumsatz). API: 1,50 $ pro 1 Mio. Input-Tokens, 7,50 $ pro 1 Mio. Output-Tokens; Batch mit 50 % Rabatt.
Unseren Test von Mistral Medium 3.5 lesen
3.8/5
24
ERNIE 5.1
Günstig trainiert und gut bei suchgestützten Antworten und Mathematik, aber geschlossen, auf der API nur Text und außerhalb Chinas weiterhin schwer zu bekommen.
Am besten für: Teams, die für chinesischsprachige Nutzer auf Baidus Cloud bauen und starke suchgestützte Antworten zu niedrigem Token-Preis wollen.
Preis: Qianfan (Festlandchina): 0,004 ¥ Eingabe / 0,018 ¥ Ausgabe pro 1.000 Tokens bis 32K, 0,006 ¥ / 0,022 ¥ von 32K bis 128K. Kein offizieller Dollarpreis; der internationale Katalog führt ERNIE 5.0 für 1,40 $ / 5,60 $ pro 1M Tokens. Kostenlos im Assistenten ERNIE.
Unseren Test von ERNIE 5.1 lesen
3.7/5
25
Hy-Memory-30B-A3B
Ein schmales Modell mit einer soliden Idee, das in Tencents Tests Agenten-Memory so gut schreibt wie Claude Opus 5, zu einem Bruchteil der Kosten, auch wenn bisher nur Tencent es gemessen hat.
Am besten für: Teams, die Mem0, MemOS oder ähnliche Memory-Schichten mit hohem Volumen betreiben und auf dem Schreibpfad ein bezahltes Frontier-Modell durch selbst gehostete Gewichte ersetzen wollen.
Preis: Offene Gewichte unter Apache 2.0; keine gehostete API.
Unseren Test von Hy-Memory-30B-A3B lesen
3.7/5
26
Mistral Small 4
Günstig, schnell und sauber lizenziert, doch unabhängige Tests sehen es weit hinter den offenen Modellen, mit denen es sich einen Server teilt.
Am besten für: Teams, die ein günstiges, Apache-lizenziertes Modell für Chat, Dokumente und Bilder wollen, über Mistrals API oder auf eigenen GPUs.
Preis: Kostenlose Gewichte unter Apache 2.0. API: 0,15 $ Input / 0,60 $ Output pro 1 Mio. Tokens; Batch mit 50 % Rabatt; gecachter Input bis zu 90 % günstiger.
Unseren Test von Mistral Small 4 lesen
3.7/5
27
Clover-35B-A3B-Preview
Nach den Zahlen seiner Entwickler ist Clover das bisher leistungsfähigste offene Diffusions-Sprachmodell, doch als Preview mit bescheidenen Geschwindigkeitsgewinnen und ohne externe Tests ist es etwas für Experimentierfreudige.
Am besten für: Forschende und Inference-Engineers, die Diffusions-Dekodierung an einem modernen MoE-Modell bewerten wollen, bevor sie Produktionsreife erreicht.
Preis: Offene Gewichte unter Apache 2.0; keine gehostete API.
Unseren Test von Clover-35B-A3B-Preview lesen
3.6/5
28
Qwen3.5-397B-A17B
Immer noch ein fähiges Arbeitstier unter Apache 2.0, aber Alibaba verkauft dasselbe Modell gehostet inzwischen billiger, als jeder Drittanbieter für den Betrieb der offenen Gewichte verlangt.
Am besten für: Teams, die das größte Qwen unter Apache 2.0 auf eigener Hardware brauchen und bereits einen Server mit mehreren GPUs oder eine Maschine mit 256 GB dafür haben.
Preis: Kostenlose Gewichte unter Apache 2.0; Qwen3.5-Plus auf Alibaba Cloud und Hosting bei Drittanbietern werden gesondert berechnet.
Unseren Test von Qwen3.5-397B-A17B lesen
3.6/5
29
Sakana Namazu
Ein vernünftig auf Japanisch abgestimmtes Kimi K2.6 mit eingebauten Tools, aber teurer als neuere offene Modelle, die Japanisch bereits gut beherrschen.
Am besten für: Japanische Unternehmen, denen ein inländischer Anbieter und ein auf Japanisch abgestimmtes Modell mit eingebauten Tools wichtiger sind als der niedrigste Preis pro Token.
Preis: Nutzungsbasiert: 0,95 $ Input / 4,00 $ Output pro 1 Mio. Tokens, gecachter Input 0,15 $; Websuche 7,00 $ pro 1.000 Aufrufe; Codeausführung 0,12 $ pro Stunde. Kostenlos in Sakana Chat (Japan).
Unseren Test von Sakana Namazu lesen
3.6/5
30
Xing4.0-29B-A4B
Xing4.0 beweist, dass China ein brauchbares Agentenmodell ohne NVIDIA trainieren kann, und ist ein ordentlicher günstiger Coder, aber kein Grund, Qwen zu verlassen.
Am besten für: Teams auf Huawei-Ascend-Hardware oder solche, die ein kleines Agentenmodell unter Apache-Lizenz für Fachaufgaben feinabstimmen wollen.
Preis: Kostenlose Gewichte unter Apache 2.0. Keine eigene API des Herstellers; OpenRouter listet einen kostenlosen Endpunkt (gehostet von Phala) mit den Request-Limits für Gratis-Modelle.
Unseren Test von Xing4.0-29B-A4B lesen
3.6/5