KI-Modelle

Claude Opus 5.5

Anthropic·Allzweck

4.7/5

Anthropics Standard-Flaggschiff für agentisches Programmieren und Wissensarbeit, für 4 $/20 $ pro Million Tokens mit einem Kontext von 1 Mio. Tokens.

Eleven v4 and v4 Turbo

ElevenLabs·Text zu Sprache

4.7/5

Das ausdrucksstarke Text-to-Speech-Duo von ElevenLabs, gemeinsam auf Platz eins der Speech Arena von Artificial Analysis; v4 Turbo ist für Voice Agents gebaut.

GPT Image 2.5 (Flare and Sunburst)

OpenAI·Bildgenerierung

4.7/5

OpenAIs aktuelle Bildmodelle: Flare für alltägliches Erzeugen und Bearbeiten, Sunburst für präzise Bearbeitungen in mehreren Schritten.

Claude Sonnet 5.5

Anthropic·Allzweck

4.6/5

Anthropics Modell der Mittelklasse: in vielen Benchmarks nah an Opus 5.5 zum halben Preis, 2 $/10 $ pro Million Tokens.

GPT-6.1 Sol

OpenAI·Allzweck

4.6/5

OpenAIs Arbeitspferd der mittleren Preisklasse: Ergebnisse nahe an Astra bei Coding und Computer Use für 2 $/10 $ pro Million Tokens.

Nano Banana 2.1

Google·Bildgenerierung

4.6/5

Googles Bildmodell der Flash-Klasse: Platz vier in Blindabstimmungen, ab etwa 3,4 Cent pro 1K-Bild, mit bis zu 14 Referenzbildern.

Voyage rerank-3

Voyage AI (MongoDB)·Embeddings und Reranking

4.6/5

Die neuesten Reranker von Voyage AI, mit einem Fenster von 32K Tokens, Befolgung von Anweisungen und Preisen ab 0,02 $ pro Million Tokens.

Claude Haiku 5.5

Anthropic·Allzweck

4.5/5

Anthropics kleines, schnelles Modell, ab 0,10 $/0,50 $ pro Million Tokens, mit einem Kontext von 1 Mio. Tokens und einstellbarem Aufwand.

Gemini 3.8 Flash TTS

Google·Text zu Sprache

4.5/5

Googles ausdrucksstarke Sprachausgabe, Fünfter in Blindabstimmungen für etwa 16,50 $ pro Million Zeichen, mit Voice Design und Stimmklonen.

Gemini 4 Argon

Google·Reasoning

4.5/5

Googles neues Reasoning-Spitzenmodell: liest Text, Bilder, Audio, Video und PDFs, mit einem Kontext von 1 Mio. Tokens.

OpenAIs schnelle Auffrischung seiner Bildmodelle: halbe Wartezeit, Markierungs-Edits, SVG- und GIF-Ausgabe, gleiche Token-Preise, kein Batch.

Microsofts MIT-lizenzierte Text-Embedding-Modelle in drei Größen; das 27B führte MTEB v2 mehrsprachig mit 74,3 an, die kleinen führen ihre Klassen.

MiMo-V2.6-Pro

Xiaomi·Reasoning·Offene Gewichte

4.5/5

Xiaomis Open-Weight-Modell mit 1 Billion Parametern, an der Spitze der offenen Modelle bei Artificial Analysis, für 0,87 $ pro 1 Mio. Output-Tokens.

NVIDIA Nemotron 3.5 Transcribe

NVIDIA·Sprache zu Text·Offene Gewichte

4.5/5

NVIDIAs per Prompt steuerbares offenes Sprachmodell: Transkription in 40 Sprachen, Sprecherkennzeichnung und Übersetzung in einem Checkpoint.

Perplexity Decider (pplx-decider)

Perplexity·Entscheidungsmodelle·Offene Gewichte

4.5/5

Perplexitys offene Entscheidungsmodelle mit 27B und 4B, auch als API für 0,02 $ pro Million Tokens: Text und Bilder rein, Wahrscheinlichkeiten raus.

Qwen3.8-27B

Alibaba (Qwen)·Allzweck·Offene Gewichte

4.5/5

Alibabas dichtes Modell unter Apache 2.0: 27 Milliarden Parameter, Bild- und Videoeingabe und Coding-Werte, die mit Modellen vom Vielfachen seiner Größe mithalten.

voyage-4-large

Voyage AI (MongoDB)·Embeddings und Reranking

4.5/5

Das beste Text-Embedding-Modell von Voyage AI, gebaut auf Mixture-of-Experts, mit einem gemeinsamen Vektorraum für die günstigeren Voyage-4-Modelle.

Wan 3.0

Alibaba·Video

4.5/5

Alibabas neuestes Videomodell, an der Spitze der aktuellen Video-Rangliste von Artificial Analysis, mit Clips von bis zu 30 Sekunden.

Cartesia Sonic 3.6

Cartesia·Text zu Sprache

4.4/5

Cartesias Text-to-Speech-Modell mit niedriger Latenz für Voice Agents, in 44 Sprachen.

Cohere Rerank 5

Cohere·Embeddings und Reranking

4.4/5

Coheres Reranker vom Oktober 2026 in den Größen Pro und Fast, mit kalibrierten Scores und der Option, nur die relevanten Abschnitte zurückzugeben.

ElevenLabs Scribe v2

ElevenLabs·Sprache zu Text

4.4/5

Das Batch-Transkriptionsmodell von ElevenLabs: 2,2% Wortfehlerrate in unabhängigen Tests, 0,22 $ pro Stunde, mit Sprechertrennung und Entitätserkennung.

Gemma 4

Google·Klein und On-Device·Offene Gewichte

4.4/5

Googles offene Modellfamilie unter Apache 2.0, vom handygroßen E2B bis zu einem 31B-Modell für eine GPU, mit Eingabe von Bildern, Video und Audio.

GLM-5.3

Z.ai (Zhipu AI)·Programmieren·Offene Gewichte

4.4/5

Das Open-Weight-Modell von Z.ai für Coding und Agenten, mit einer Lizenz nahe an MIT, für 1,40 $/4,40 $ pro Million Tokens über die eigene API.

NVIDIAs offene Embedding-Modelle für Text und Seitenbilder in einem Vektorraum, Platz eins bei ViDoRe v3.1 und kostenlos über OpenRouter.

PaddleOCR-VL-1.6

Baidu (PaddlePaddle)·OCR und Dokumente·Offene Gewichte

4.4/5

Ein Dokumentparser mit 0,9 Milliarden Parametern, der den wichtigsten OCR-Benchmark anführt, zumindest nach Zählung seiner Entwickler.

SAM 3 (Segment Anything Model 3)

Meta·Vision und multimodal·Offene Gewichte

4.4/5

Metas Modell mit 848M Parametern, das jede Instanz einer kurzen Textphrase in Bildern und Videos findet, umrandet und verfolgt.

Seedance 2.5

ByteDance·Video

4.4/5

ByteDances Modell für Audio und Video in einem, mit Takes von 30 Sekunden, umfangreichen multimodalen Referenzen und Bearbeitung per Zeitstempel.

Voxtral 3 (Transcribe and TTS)

Mistral AI·Sprache zu Text

4.4/5

Mistrals Sprachfamilie vom Oktober 2026: Transkription in 50 Sprachen ab 0,0035 $ pro Minute, Echtzeit unter 500 ms und Voice Cloning.

MIT-lizenziertes Song-Modell, das mit unter 4 GB VRAM läuft, bis zu 10 Minuten mit Text in 50+ Sprachen erzeugt und Abschnitte bearbeitet.

Claude Fable 5.1

Anthropic·Reasoning

4.3/5

Anthropics Spitzenstufe für schweres Reasoning und lange Agentenaufgaben, zum Preis von 10 $/50 $ pro Million Tokens.

DeepSeek-V4-Pro

DeepSeek·Reasoning·Offene Gewichte

4.3/5

DeepSeeks größtes Modell mit offenen Gewichten: 1,6T Parameter, MIT-Lizenz, 1M Tokens Kontext und sehr niedrige API-Preise.

ElevenLabs' Musikmodell: Songs mit Gesang bis fünf Minuten, Bearbeitung einzelner Abschnitte und weite kommerzielle Rechte, für 0,15 $ pro Minute.

EmbeddingGemma 2

Google DeepMind·Embeddings und Reranking·Offene Gewichte

4.3/5

Googles offenes Embedding-Modell für das Gerät, das Text, Code, Bilder, Audio und Video in einen gemeinsamen Raum bringt.

Gemini 4 Carbon

Google·Reasoning

4.3/5

Googles stärkstes Reasoning-Modell, Erster im Index von Artificial Analysis, aber vorerst nur für geprüfte Cyberverteidiger nutzbar.

Gemini Embedding 2

Google·Embeddings und Reranking

4.3/5

Googles erstes multimodales Embedding-Modell: Text, Bilder, Video, Audio und PDFs in einem gemeinsamen Vektorraum.

Gemini Omni Flash 1.1

Google·Video

4.3/5

Googles Standardmodell für Video, gebaut auf Gemini, für kurze Clips, die du im Gespräch verfeinerst.

GLM-5.3-Flash

Z.ai (Zhipu AI)·Allzweck·Offene Gewichte

4.3/5

Das Mixture-of-Experts-Modell von Z.ai mit 320B Parametern unter MIT-Lizenz, mit Bild- und Videoeingabe, einem Kontext von 1 Mio. Tokens und einem API-Preis von 0,15 $/0,50 $.

GLM-OCR

Z.ai (Zhipu AI)·OCR und Dokumente·Offene Gewichte

4.3/5

Zhipus kompaktes OCR-Modell: unabhängig bewertet, 1,74 Millionen Downloads im Monat und eine API für 0,03 $ pro Million Tokens.

OpenAIs GPT-6 Astra, abgestimmt auf autorisierte Exploit-Arbeit und nur an geprüfte Daybreak-Red-Kunden über API und Codex abgegeben.

GPT-6 Luna

OpenAI·Allzweck

4.3/5

OpenAIs kleines, günstiges Modell für Aufgaben mit hohem Volumen, für 0,10 $/0,50 $ pro Million Tokens mit einem Kontext von 1,05 Mio. Tokens.

GPT-Live-1 (and GPT-Realtime-2.1)

OpenAI·Musik und Audio

4.3/5

OpenAIs Vollduplex-Sprachmodell: Es hört zu, während es spricht, und überlässt das Denken einem Textmodell deiner Wahl, für 0,05 $ pro Minute.

SpaceXSIs Speech-to-Speech-Modell für Sprachagenten: Spitze in Artificial Analysis' Index zum Pauschalpreis von 0,08 $ pro Minute, betrieben aus einer einzigen US-Region.

Jina Embeddings v5

Jina AI (Elastic)·Embeddings und Reranking·Offene Gewichte

4.3/5

Jina AIs kleine mehrsprachige Text-Embedder und ihre Omni-Geschwister für Bilder, Video und Audio, die sich einen Vektorraum teilen.

Jina Reranker v3.5

Jina AI (Elastic)·Embeddings und Reranking·Offene Gewichte

4.3/5

Kleiner mehrsprachiger Reranker mit 0,6B Parametern von Jina AI (heute Elastic), der eine ganze Kandidatenliste in einem Durchgang bewertet, mit 131K Tokens Kontext.

Kimi K3

Moonshot AI·Reasoning·Offene Gewichte

4.3/5

Moonshot AIs offenes Modell mit 2,8 Billionen Parametern, stark bei Agenten- und Browsing-Aufgaben, mit 1M Tokens Kontext.

MAI-Image-2.6

Microsoft AI·Bildgenerierung

4.3/5

Microsofts hauseigenes Bildmodell, Platz fünf in der Arena von Artificial Analysis, als Preview auf Foundry für etwa 39 $ pro 1.000 Bilder.

Midjourney V8

Midjourney·Bildgenerierung

4.3/5

Das Bildmodell der achten Generation von Midjourney, inzwischen bei V8.2 mit einem Editor für Anweisungen, nur im Monatsabo erhältlich.

MiniCPM-OCR 1.0

OpenBMB·OCR und Dokumente·Offene Gewichte

4.3/5

OpenBMBs OCR-Modell mit 1,3B Parametern, das schnellste im Test des Herstellers mit 15 Modellen und Spitze auf vier von sechs OCR-Benchmarks, unter Apache 2.0.

MiniMax H3 (Hailuo 3.0)

MiniMax·Video·Offene Gewichte

4.3/5

MiniMax' Videomodell mit 33 Mrd. Parametern und Stereoton: der beste Eintrag mit offenen Gewichten, lizenziert ohne die USA, die EU, Großbritannien und Südkorea.

Alibabas Transkriptionsmodelle unter Apache 2.0 in den Größen 1.7B und 0.6B: 30 Sprachen, 22 chinesische Dialekte, Spracherkennung und Streaming in einem Modell.

Qwen3-VL-Embedding

Alibaba (Qwen)·Embeddings und Reranking·Offene Gewichte

4.3/5

Alibabas offener multimodaler Embedder für Text, Bilder, Screenshots und Video in einem Vektorraum, in den Größen 2B und 8B.

Alibabas offene Sicherheitsmodelle von 0.6B bis 8B, die Text in 119 Sprachen als sicher, umstritten oder unsicher einstufen, mit einer Streaming-Variante.

Chandra OCR 2

Datalab·OCR und Dokumente·Offene Gewichte

4.2/5

Datalabs Parser auf Basis von Qwen 3.5 führt olmOCR-Bench und eine unabhängige Rangliste für historische Drucke an, doch seine Gewichte sind nur unter 2 Mio. $ kostenlos.

Cohere Embed 5

Cohere·Embeddings und Reranking

4.2/5

Coheres multimodale Embedding-Modelle für Text, Bilder und PDFs, mit 128K Tokens pro Eingabe und den Stufen Pro und Fast in einem gemeinsamen Vektorraum.

DeepSeek-V4.1-Flash

DeepSeek·Allzweck·Offene Gewichte

4.2/5

DeepSeeks offenes Mixture-of-Experts-Modell unter MIT-Lizenz mit Bildeingabe und 1M Tokens Kontext, außerhalb der Spitzenzeiten ab 0,15 $ pro Million Eingabe-Tokens.

Fish Audio Drama 3

Fish Audio (39 AI, Inc.)·Text zu Sprache·Offene Gewichte

4.2/5

Fish Audios Sprachmodell mit 35B Parametern und offenen Gewichten für inszenierte Szenen mit mehreren Figuren: das beste offene Modell auf der TTS-Rangliste von Artificial Analysis.

FLUX 3

Black Forest Labs·Video

4.2/5

Das multimodale Modell von Black Forest Labs für Video mit Ton und für Bilder, gebaut auf einer gemeinsamen Architektur.

Gemini 3.5 Transcribe

Google·Sprache zu Text

4.2/5

Googles spezialisierte Speech-to-Text-Modelle, mit einer Live-Variante fürs Streaming, für etwa einen halben Cent pro Minute.

GPT-6 Astra

OpenAI·Reasoning

4.2/5

OpenAIs Reasoning-Spitzenmodell für die schwierigste Arbeit, für 10 $/50 $ pro Million Tokens mit einem Kontext von 1,05 Mio. Tokens.

Hy4 preview

Tencent (Hy, formerly Hunyuan)·Programmieren·Offene Gewichte

4.2/5

Tencents offenes Flaggschiff mit 770 Mrd. Parametern (früher Hunyuan) unter schlichter Apache 2.0, stark beim Programmieren, mit 1M Tokens Kontext.

Kimi K3.1 Pro

Moonshot AI·Reasoning

4.2/5

Moonshot AIs nachtrainiertes Kimi K3: Spitze in der Terminal-Bench-Tabelle von Artificial Analysis, aber Platz 22 im härteren Index v5.0, und langsam.

LightOnOCR-3-4B

LightOn·OCR und Dokumente·Offene Gewichte

4.2/5

LightOns End-to-End-OCR-Modell mit 4B Parametern, Layoutboxen und Diagrammdaten, nach den Tests des Herstellers Erster auf ParseBench und bestes Modell für französische Dokumente.

Metas winzige offene Klassifikatoren mit 86M und 22M Parametern, die Text bei Prompt Injection und Jailbreaks als harmlos oder bösartig einstufen.

Googles Musikmodell: ganze Songs mit Gesang und Text aus Text oder bis zu 10 Bildern, für 0,08 $ pro Track über die Gemini API.

MiniMax' Song-Modell mit offenen Gewichten: bis zu fünf Minuten Gesang aus deinem Text, kommerziell nutzbar unter 20 Mio. $ Umsatz.

Mistral OCR 4.1

Mistral AI·OCR und Dokumente

4.2/5

Mistrals Dokument-OCR mit Bounding Boxes für Absätze, Blocklabels und Konfidenzwerten in 170 Sprachen, für 4 $ pro 1.000 Seiten.

Ein 9B-Vision-Modell mit 2B aktiven Parametern, das Objekte schneller findet, zeigt und zählt als Modelle mit viermal so vielen aktiven Parametern.

Ein 3B-Agentenmodell aus dem Labor von BOSS Zhipin, das seine Schichten mehrfach durchläuft und Qwen3.5-9B bei Tool-Nutzung und Coding-Agenten schlägt.

Nano Banana Pro (Gemini 3 Pro Image)

Google·Bildgenerierung

4.2/5

Googles Premium-Bildmodell: viermal so teuer wie Nano Banana 2.1, aber immer noch das, dem Tester beim Realismus vertrauen.

OvisOCR3

Alibaba (ATH-MaaS)·OCR und Dokumente·Offene Gewichte

4.2/5

Der Nachfolger von OvisOCR2: dieselbe Größe von 0,8B, jetzt mit Feldextraktion und seitenübergreifenden Tabellen, bei Werten, die bisher nur Alibaba geprüft hat.

Qwen3-Embedding and Qwen3-Reranker

Alibaba (Qwen)·Embeddings und Reranking·Offene Gewichte

4.2/5

Alibabas Familie für Embedding und Reranking unter Apache 2.0, von einem 0.6B-Modell bis zu einem 8B, das im Juni 2025 MTEB multilingual anführte.

Qwen3.8-Flash-Next

Alibaba (Qwen)·Allzweck·Offene Gewichte

4.2/5

Qwens Vorschau auf die Architektur von Qwen4: 6 Milliarden aktive Parameter, starke vom Hersteller gemeldete Coding-Werte und eine restriktive Lizenz.

Qwen3.8-Max

Alibaba (Qwen)·Reasoning·Offene Gewichte

4.2/5

Alibabas Flaggschiff mit 2,4 Billionen Parametern, mit offenen Gewichten und einer API für 2 $/6 $, die Bild, Video und 1M Kontext ergänzt.

Shieldstral 1.0 3B

Mistral AI·Entscheidungsmodelle·Offene Gewichte

4.2/5

Mistrals offener Sicherheitsklassifikator mit 3 Mrd. Parametern, der Text und Bilder gegen Moderationsrichtlinien prüft, die du in normaler Sprache schreibst.

Step 5 Preview

StepFun·Reasoning·Offene Gewichte

4.2/5

StepFuns Open-Weight-Modell mit 600 Mrd. Parametern und einem Kontext von 1 Mio. Tokens, laut Artificial Analysis so klug wie Kimi K3 zum halben Preis.

Unlimited-OCR 2

Baidu·OCR und Dokumente·Offene Gewichte

4.2/5

Baidus offenes OCR-Modell, das ein Dokument mit 300 Seiten in einem Request verarbeitet, bei gleichbleibendem Speicherbedarf, egal wie lang das Dokument wird.

Das Apache-lizenzierte 2B-Sprachmodell von OpenBMB: 30 Sprachen, Stimmdesign aus einem Satz und Klonen, in etwa 8 GB VRAM.

d3-turbo (vLLM Semantic Router)

vLLM Semantic Router·Entscheidungsmodelle·Offene Gewichte

4.1/5

Das verbesserte 27B-Entscheidungsmodell von vLLM Semantic Router: liest eine Eingabe einmal, beantwortet bis zu 255 Fragen und lokalisiert Objekte in Videos.

Doubao Seed 2.1 Pro

ByteDance·Allzweck

4.1/5

ByteDances geschlossenes Flaggschiff hinter der Doubao-App: führend bei Video- und Bildverständnis, verkauft vor allem über Chinas Volcano Engine.

Gemini 3.5 Flash-Lite

Google·Allzweck

4.1/5

Googles günstigstes aktuelles Gemini-Textmodell, sehr schnell, sobald es einmal losläuft, für 0,30 $/2,50 $ pro Million Tokens und mit Free Tier.

Gemini 3.8 Flash

Google·Allzweck

4.1/5

Googles Modell der Mittelklasse für Agenten und Dokumente, liest Text, Bilder, Audio, Video und PDFs bei einem Input von 1 Mio. Tokens.

OpenAIs schnelles Mittelklassemodell für Computer Use und Büroarbeit: 1 $/5 $ pro Million Tokens, 1,05M Kontext und mehr riskante Aktionen im Test.

Gradiums englisches Sprachmodell mit 31M Parametern in einer 64,5-MB-Datei, von Hörern vor Kokoro gesehen und kommerziell kostenlos nutzbar.

HunyuanOCR 1.5

Tencent (Hy, formerly Hunyuan)·OCR und Dokumente·Offene Gewichte

4.1/5

Tencents End-to-End-OCR-Modell mit 1,12B Parametern für Parsing, Texterkennung mit Position, Extraktion und Übersetzung; in der EU, Großbritannien und Südkorea nicht lizenziert.

HY-World 2.0

Tencent (Hy, formerly Hunyuan)·Spiele und Weltmodelle·Offene Gewichte

4.1/5

Tencents offene Pipeline, die aus einem Satz oder Foto eine dauerhafte 3D-Welt macht, durch die du gehen und die du in Unity öffnen kannst.

Kling 4.0

Kuaishou (Kling AI)·Video

4.1/5

Kuaishous neues Videomodell: 30-Sekunden-Takes, 10 Keyframes, 15 Referenzen und Stereoton, mit einer API bisher nur auf fal.

Poolsides offenes Coding-Modell mit 118 Mrd. Parametern, 8 Mrd. aktiv, 1 Mio. Tokens Kontext und freizügiger Lizenz, für 0,10/0,20 $ pro Million Tokens.

Microsofts erstes Modell für Live-Transkription: 60 Sprachen, Zwischentext in etwa 100 ms, 0,54 $ pro Audiostunde während der Preview.

OpenBMBs 9B-Omni-Modell unter Apache 2.0, das gleichzeitig sieht, zuhört und antwortet, auf einem Mac oder einer 12-GB-GPU.

Ministral 3 (3B, 8B and 14B)

Mistral AI·Klein und On-Device·Offene Gewichte

4.1/5

Mistrals kleine offene Modelle in drei Größen, jeweils mit Base-, Instruct- und Reasoning-Version und Bildeingabe, unter Apache 2.0.

Mistral Large 4

Mistral AI·Allzweck·Offene Gewichte

4.1/5

Mistrals Flaggschiff mit 1 Billion Parametern, jetzt mit offenen Gewichten und aus der Preview, für $0,70/$2,10 pro Million Tokens.

Moondream Parakeet Redux

Moondream (M87 Labs)·Sprache zu Text·Offene Gewichte

4.1/5

Moondreams 1,58-Bit-Parakeet: NVIDIAs Transkriptionsmodell für 25 Sprachen, von 1,2 GB auf 178 MB geschrumpft und mit 113-facher Echtzeit auf acht CPU-Kernen.

Muse Glimmer

Meta·Allzweck·Offene Gewichte

4.1/5

Metas Agent-Modell mit 30 Mrd. Parametern unter Apache 2.0, destilliert aus Muse Spark und mit getesteten 4-Bit-Builds für eine einzelne Consumer-GPU.

Muse Wonder

Meta·Allzweck

4.1/5

Metas erstes Modell zu Preisen der Spitzenklasse: stark bei langer Coding- und juristischer Agent-Arbeit, in den meisten Zeilen von Metas eigener Tabelle hinter Claude Opus 5.5.

NVIDIAs offenes 550B-Reasoning-Modell mit offenen Trainingsdaten, schnell bereitzustellen und vorsichtig mit Fakten, ab 0,40/1,76 $ pro Million Tokens.

NVIDIAs offener 8B-Reranker, der neben Text auch Seitenbilder liest, zum Start Platz eins im Reranking-Board von ViDoRe v3.1.

Nemotron 3.5 Super VL

NVIDIA·Vision und multimodal·Offene Gewichte

4.1/5

NVIDIAs offenes hybrides Mamba-MoE mit 120B, das Bilder, Dokumente und Video liest, mit 1M Tokens Kontext und veröffentlichten Trainingsrezepten.

OvisOCR2

Alibaba (ATH-MaaS)·OCR und Dokumente·Offene Gewichte

4.1/5

Alibabas Seiten-Parser mit 0,8B Parametern, nahe der Spitze der unabhängigen OmniDocBench-Tabelle und bereits durch OvisOCR3 abgelöst.

Parakeet TDT 0.6B v3

NVIDIA·Sprache zu Text·Offene Gewichte

4.1/5

NVIDIAs Transkriptionsmodell mit 600M Parametern für 25 europäische Sprachen: das schnellste auf der Rangliste von Artificial Analysis.

NVIDIAs Sprachmodell Parakeet, auf einen Download von 164MB geschrumpft und mit fast seiner ganzen englischen Genauigkeit, für Laptops und Smartphones.

PP-OCRv6

Baidu (PaddlePaddle)·OCR und Dokumente·Offene Gewichte

4.1/5

Baidus klassische OCR-Pipeline aus Erkennen und Lesen in drei Größen von 1,5M bis 34,5M Parametern, unter Apache 2.0.

pyannote speaker-diarization-community-1

pyannoteAI·Sprache zu Text·Offene Gewichte

4.1/5

Die offene Pipeline zur Sprecherdiarisierung, mit der die meisten Transkriptions-Stacks klären, wer wann gesprochen hat, jetzt mit weniger Sprecherverwechslungen.

Seedream 5.0 Pro

ByteDance·Bildgenerierung

4.1/5

ByteDances Flaggschiff unter den Bildmodellen, gebaut für bearbeitbare Designarbeit: bis zu 20 Ebenen, Bearbeitung per Koordinaten und Text in 14 Sprachen.

Xiaomi-OCR-0

Xiaomi·OCR und Dokumente·Offene Gewichte

4.1/5

Xiaomis offenes OCR-Modell mit 0,8B Parametern, das Seiten parst, Fragen dazu beantwortet und JSON-Felder füllt, unter Apache 2.0.

Coheres erstes Sprachmodell: ein 2B-Transkriptionsmodell unter Apache 2.0 für 14 Sprachen, das zum Start das Open ASR Leaderboard anführte.

d3 (vLLM Semantic Router)

vLLM Semantic Router·Entscheidungsmodelle·Offene Gewichte

4.0/5

Das offene 27B-Entscheidungsmodell von vLLM Semantic Router mit Videoeingabe und Serving im unveränderten vLLM, bereits vom eigenen d3-turbo überholt.

Deepgram Nova-3

Deepgram·Sprache zu Text

4.0/5

Deepgrams Speech-to-Text-Modell: im Test von Artificial Analysis das zweitschnellste und günstig pro Minute, bei der Genauigkeit aber weit hinter der Spitze.

Falcon OCR

Technology Innovation Institute (TII)·OCR und Dokumente·Offene Gewichte

4.0/5

TIIs OCR-Modell mit 270M Parametern liest eine Seite in einem einzigen kleinen Transformer und kommt erstaunlich nah an Modelle heran, die drei- bis zehnmal so groß sind.

Brias offener 8B-Editor führt die Bearbeitungs-Rangliste der Open-Weights-Modelle an und wurde nur mit lizenzierten Bildern trainiert, die Gewichte sind aber nicht kommerziell.

FLUX 3 Image Klein

Black Forest Labs·Bildgenerierung·Offene Gewichte

4.0/5

Das offene Bildmodell von Black Forest Labs mit 5,6B Parametern, 4K-Ausgabe, Bearbeitung und Bounding Boxes aus FLUX 3, kommerziell kostenlos unter 5 Mio. $ Umsatz.

gpt-oss-120b

OpenAI·Reasoning·Offene Gewichte

4.0/5

OpenAIs größeres Open-Weight-Reasoning-Modell: Apache 2.0, 5,1B aktive Parameter und klein genug für eine einzelne GPU mit 80 GB.

OpenAIs Reasoning-Modelle mit offenen Gewichten, die Inhalte nach einer selbst geschriebenen Sicherheitsrichtlinie einstufen und ihre Begründung zeigen.

GPT-Rosalind

OpenAI·Reasoning

4.0/5

OpenAIs zugangsbeschränktes Modell für die Lebenswissenschaften, für zugelassene Forschungseinrichtungen: Wirkstoffforschung, Genomik und Proteinarbeit.

Granite 4.2

IBM·Reasoning·Offene Gewichte

4.0/5

IBMs Familie dichter Reasoning-Modelle mit 3B, 8B und 30B unter Apache 2.0 für Agenten und Coding, veröffentlicht im August 2026.

IBMs offenes 8B-Richtermodell, das mit Ja oder Nein über Schaden, Jailbreaks, RAG-Halluzinationen, falsche Tool-Aufrufe und eigene Kriterien urteilt.

IBMs Sprachmodell unter Apache 2.0 für sechs Sprachen, das transkribiert, übersetzt und eine Liste mit 2.000 Schlüsselwörtern annimmt.

Ideogram 4.0

Ideogram·Bildgenerierung·Offene Gewichte

4.0/5

Ideograms Designmodell mit 9,3 Mrd. Parametern, stark bei Text im Bild; die herunterladbaren Gewichte sind nicht kommerziell, bezahlte Arbeit läuft also über die API.

LFM3

Liquid AI·Klein und On-Device·Offene Gewichte

4.0/5

Liquid AIs Familie aus sechs Modellen mit 2B Parametern für Text, Bild, Audio, Omni und typisierte Entscheidungen, alle aus einer Basis mit 1,7B gewachsen.

Ling-3.1-flash

Ant Group (inclusionAI)·Reasoning·Offene Gewichte

4.0/5

Ant Groups offenes Modell mit 560 Mrd. Parametern: schnell mit über 200 Tokens pro Sekunde, unter MIT-Lizenz, mit 1M Tokens Kontext.

Microsofts ausdrucksstarke Sprachsynthese in 23 Sprachen für 22 $ pro Million Zeichen, mit einer Flash-Version für 15 $ für Sprachagenten.

Maya 2 Native

Maya Research·Text zu Sprache·Offene Gewichte

4.0/5

Eine Streaming-Stimme mit 2,5B Parametern unter Apache 2.0 für 11 indische Sprachen und Englisch, auf der Hindi-Rangliste von VoiceArena gleichauf mit Mistral und Eleven v3.

MiniCPM-V 4.7 (35B-A3B and 1B)

OpenBMB·Vision und multimodal·Offene Gewichte

4.0/5

OpenBMBs Vision-Modelle unter Apache 2.0: ein Mixture-of-Experts-Modell mit 35 Mrd. Parametern, das bei Dokumenten vorn liegt, und ein 1B-Modell für Smartphones.

MiniCPM5-2B

OpenBMB·Klein und On-Device·Offene Gewichte

4.0/5

OpenBMBs On-Device-Modell mit 2,5 Mrd. Parametern: Tool-Aufrufe und Code-Fixes wie ein 4B-Modell, mit veröffentlichten Checkpoints und Trainingsdaten.

MiniMax-M3.1-Flash

MiniMax·Allzweck·Offene Gewichte

4.0/5

MiniMax' Open-Weight-MoE, das immer reasont: die 428B-Architektur von M3, eine pauschale API für 0,15 $/0,60 $, 1 Mio. Tokens Kontext und ein Problem mit Halluzinationen.

Muse Spark 1.3

Meta·Allzweck

4.0/5

Metas geschlossenes Modell für Agents und Programmierung: 1 Mio. Tokens Kontext für 1,25 $/4,25 $, inzwischen die günstige Stufe unter Muse Wonder.

Muse Spark Open

Meta·Allzweck·Offene Gewichte

4.0/5

Metas Muse Spark mit offenen Gewichten und 816 Mrd. Parametern: ein Agent-Modell mit 1 Mio. Tokens Kontext zum Selbsthosten, unter einer Lizenz mit Auflagen.

OmniVoice

k2-fsa (Next-gen Kaldi)·Text zu Sprache·Offene Gewichte

4.0/5

Offenes Zero-Shot-TTS mit Voice Cloning und Voice Design in mehr als 600 Sprachen, vom Team hinter Next-gen Kaldi.

Qianfan-OCR

Baidu·OCR und Dokumente·Offene Gewichte

4.0/5

Baidus Modell mit 4,7B Parametern, das in einem Durchgang Seiten parst, Felder extrahiert und Diagramme liest, auf Kosten von Größe und Genauigkeit bei Seiten.

Qwen-Image-2.1

Alibaba (Qwen)·Bildgenerierung·Offene Gewichte

4.0/5

Alibabas offener Bildgenerator und -editor mit 7B führt die Open-Weights-Rangliste an und gibt Transparenz aus, ist aber nur für die Forschung lizenziert.

Surya OCR 2.5

Datalab·OCR und Dokumente·Offene Gewichte

4.0/5

Datalabs Dokumentparser mit 689M Parametern: Layout, OCR, Tabellen und Mathematik als HTML, schnell auf einer GPU, kostenlos unter 5 Mio. $ Umsatz.

Ternary Bonsai 2 9B

PrismML·Klein und On-Device·Offene Gewichte

4.0/5

PrismMLs ternärer Nachbau von Qwen3.5-9B: ein Vision-Language-Modell mit Tool Calling in einer Datei von 2,42 GB, das auf Handys und Laptops läuft.

Offenes Song-Modell mit editierbarer Partitur: Bestwerte auf WildSongBench und Gesang mit 48 kHz, aber die Gewichte sind nicht kommerziell.

Codestral 25.08

Mistral AI·Programmieren

3.9/5

Mistrals schnelles Fill-in-the-Middle-Modell für Code-Autovervollständigung, in IDE-Tools weiter Standard; nicht für Agentenarbeit gebaut.

DeepSeek-V4.1-Flash-1017 GSQ-RCO Coder (GGUF)

ISTA-DASLab (Institute of Science and Technology Austria)·Programmieren·Offene Gewichte

3.9/5

DeepSeek-V4.1-Flash für Code, mit halbierter Zahl an Experten und dem Rest bei etwa 2 Bit: ein Transformer mit 72,1 GB.

AI Dungeons eigenes Modell für Text-Adventures, gebaut auf Gemma 4 31B und unter Apache 2.0 veröffentlicht.

FireRed-OCR

Xiaohongshu (FireRedTeam)·OCR und Dokumente·Offene Gewichte

3.9/5

Xiaohongshus 2B-Feinabstimmung von Qwen3-VL führt in der eigenen Tabelle die End-to-End-OCR-Modelle an und liegt dort zugleich hinter den Pipelines.

Flint

Recursive·Programmieren·Offene Gewichte

3.9/5

Das erste Modell von Recursive: ein Coding-Modell mit offenen Gewichten, 40B Parametern, davon 2,5B aktiv, gebaut, um schnell auf einem Laptop zu laufen.

Alibabas Apache-lizenzierter 0,5B-Stimmkloner mit Streaming: neun Sprachen, über 18 chinesische Dialekte und etwa 150 ms bis zum ersten Audio.

GPT Transcribe

OpenAI·Sprache zu Text

3.9/5

OpenAIs Ersatz für Whisper: genauer und günstiger als GPT-4o Transcribe, aber ohne Zeitstempel und Sprecherzuordnung.

IBMs kleine Embedding-Modelle unter Apache 2.0 für über 200 Sprachen und Code, mit 32K Kontext und für Unternehmen freigegebenen Trainingsdaten.

SpaceXSIs Bildmodell für Designarbeit: starker Text und Satz, Bereichs-Edits und intelligentes Skalieren, ab 0,04 $ pro Bild, aber begrenzt auf 2K.

Ein Sprachmodell mit 82M Parametern unter Apache 2.0, bei der Qualität im Mittelfeld und die günstigste Stimme auf der Rangliste von Artificial Analysis.

Kolibri 1

Aleph Alpha·Reasoning·Offene Gewichte

3.9/5

Aleph Alphas deutsch-englisches Reasoning-Modell unter Apache 2.0: 78B Parameter, 3,46B aktiv, trainiert in Deutschland und Finnland.

Luma Ray3.2

Luma AI·Video

3.9/5

Lumas Videomodell für die Postproduktion: 16 Keyframes, natives HDR und 16-Bit-EXR, abgerechnet pro Clip über die API und die Luma-App.

Mage-VL-Cowork

Microsoft·Vision und multimodal·Offene Gewichte

3.9/5

Microsofts Desktop-Agent mit 4B Parametern, der Schritt für Schritt entscheidet, ob er auf den Bildschirm klickt oder Code in einem Terminal ausführt.

Marengo 3.5

TwelveLabs·Embeddings und Reranking

3.9/5

Das videozentrierte Embedding-Modell von TwelveLabs: Video, Audio, Bilder, Text und PDF-Seiten in einem gemeinsamen Raum mit 512 Dimensionen, abgerechnet pro Token.

Matrix-Game 4.0

Skywork AI (Kunlun Tech)·Spiele und Weltmodelle·Offene Gewichte

3.9/5

Skyworks offenes 5B-Modell, das die Low-Poly-Bilder einer Game-Engine in Echtzeit übermalt, allerdings nur für seine drei mitgelieferten Szenen.

Googles offenes 4B-Medizinmodell, das CT- und MRT-Volumen, Pathologie-Schnitte und Laborberichte liest, als Basis, die Entwickler anpassen.

Microsofts Entscheidungsmodell auf Qwen3.5-9B: Ja/Nein-, Auswahl- und Bewertungsantworten mit Wahrscheinlichkeiten für 0,042 $ pro Million Input-Tokens.

MiniMax-M3

MiniMax·Allzweck·Offene Gewichte

3.9/5

MiniMax' multimodales Open-Weight-MoE: 1 Mio. Tokens Kontext, Sparse Attention, eine API für 0,30 $/1,20 $ und eine Lizenz mit Auflagen.

Ai2s offenes 8B-Videomodell zeigt auf Objekte und verfolgt sie über Frames hinweg, und auch seine Trainingsdaten sind veröffentlicht.

MOSS-Transcribe-Diarize 0.9B

OpenMOSS (MOSI)·Sprache zu Text·Offene Gewichte

3.9/5

Ein offenes Modell mit 900 Mio. Parametern, das bis zu 90 Minuten Audio in einem Durchgang transkribiert, Sprecher zuordnet und mit Zeitstempeln versieht.

NVIDIAs 600M-Modell für Live-Untertitel: 40 Sprachvarianten, Chunks ab 80 ms und Tausende Streams auf einer H100.

Nemotron 3.5 Bolt (74B-A9B 24GB and E4B 4GB)

NVIDIA·Klein und On-Device·Offene Gewichte

3.9/5

NVIDIAs Duo für lokale Agenten: ein 2-Bit-Vision-Modell mit 74B, benannt nach 24 GB, und ein 4B auf Gemma-Basis für Sprachassistenten.

Ripple-65B Preview

Ricursive Intelligence·Programmieren·Offene Gewichte

3.9/5

Ein dichtes 65B-Codemodell mit offenen Gewichten von den AlphaChip-Gründerinnen, dessen selbst gemeldete Agenten-Werte weit größere Rivalen erreichen.

Sage-A1.5

Shanghai AI Laboratory (InternScience)·Reasoning·Offene Gewichte

3.9/5

Das 35B-Agentenmodell von Shanghai AI Lab für Rechercheaufgaben, mit eingebauter Verteilung auf Subagenten und einem Selbstprüfungsmodus, unter Apache 2.0.

Sakana Fugu (Fugu, Max and Ultra v2)

Sakana AI·Reasoning

3.9/5

Der Orchestrator von Sakana AI: eine API, die jede Aufgabe auf einen verborgenen Pool von Frontier-Modellen verteilt und die Antworten zusammenführt.

Stabilitys Audio-Familie mit lizenzierten Daten: Medium macht Instrumentals bis 6:20, zwei kleine Modelle laufen auf Handys; keine Texteingabe.

zerank-2

ZeroEntropy (Notion)·Embeddings und Reranking·Offene Gewichte

3.9/5

Der offene 4B-Reranker von ZeroEntropy mit kalibrierten Scores, unter Apache 2.0, seit Notion die Firma gekauft hat und ihre gehostete API abgeschaltet wurde.

Audio8 TTS

Edge0·Text zu Sprache·Offene Gewichte

3.8/5

Ein Voice-Cloning-Modell mit 0.6B Parametern in 23 Sprachen unter Apache 2.0, mit Fehlerraten nahe an Modellen, die ein Mehrfaches so groß sind.

Beam

Reflection·Reasoning·Offene Gewichte

3.8/5

Das erste offene Modell von Reflection: 501 Mrd. Parameter, davon 23 Mrd. aktiv, Apache 2.0 und weniger Reasoning-Tokens pro Aufgabe als die Konkurrenz.

Breeze TTS 2

BreezeBlue·Text zu Sprache·Offene Gewichte

3.8/5

Ein Modell für Voice Cloning und Voice Design mit 3,5 Mrd. Parametern, das in der Open-Weights-Arena weit oben steht, kommerzielles Self-Hosting aber verbietet.

Command A+

Cohere·Allzweck·Offene Gewichte

3.8/5

Coheres Mixture-of-Experts-Modell mit 218B Parametern für Agenten und mehrsprachiges RAG, mit Gewichten unter Apache 2.0, die auf zwei H100 passen.

Das Standardmodell der Community für lokales Rollenspiel: ein Finetune von Mistral Small 3.2, das auf eine 24-GB-Karte passt und vor allem von Fans bewertet wird.

Googles experimentelle Diffusionsversion von Gemma 4 26B: über 1.000 Tokens pro Sekunde auf einer H100, mit deutlichen Abstrichen bei der Qualität.

GPT-5.6-Cyber

OpenAI·Reasoning

3.8/5

OpenAIs Cyber-Modell vom August 2026 für geprüfte Forscher in Daybreak Red: von GPT-6 Cyber abgelöst, aber weiter erhältlich und günstiger.

gpt-oss-20b

OpenAI·Klein und On-Device·Offene Gewichte

3.8/5

OpenAIs Open-Weight-Reasoning-Modell unter Apache 2.0 mit 3,6B aktiven Parametern, ausgelegt für 16 GB Speicher auf einem Laptop oder einer Consumer-GPU.

Grok 4.7

SpaceXSI (formerly xAI)·Allzweck

3.8/5

Das Grok-Flaggschiff von SpaceXSI für Chat, Code und Agenten: 2 $/6 $ pro Million Tokens, 500K Kontext und sehr lange Denkzeiten.

Das 4B-Gesprächssprachmodell von Boson AI für über 100 Sprachen, mit Inline-Emotions-Tags und Klonen, unter nichtkommerzieller Lizenz.

Bilibilis Stimmklon-Modell mit getrennten Reglern für Emotion und Klangfarbe, in fünf Sprachen, unter einer Lizenz, die unter 100 Millionen Nutzern kostenlos ist.

Ein 3B-Sprachmodell für 22 indische Sprachen und Englisch, mit Stimmen von Sprechern, die eingewilligt haben, ohne Klonen und mit einer API für ₹6.

Infinity-Parser2-Flash

INF Technology (infly)·OCR und Dokumente·Offene Gewichte

3.8/5

INFs Parser mit 2,2B Parametern, stark auf olmOCR-Bench und bei Diagrammen, aber langsam bei einem einzelnen Stream und auf OmniDocBench schwächer als kleinere Konkurrenten.

Das 975B-Modell von Thinking Machines Lab unter Apache-Lizenz hört und sieht: eine gute Basis zum Feinabstimmen, beim Sehen aber hinter Kimi K2.6.

Jev

TypeSafe AI·Entscheidungsmodelle

3.8/5

Das gehostete Entscheidungsmodell von TypeSafe AI: typisierte Auswahl, Bewertungen und Ja/Nein-Wahrscheinlichkeiten für 0,042 $ pro Million Input-Tokens, Output kostenlos.

Kreas offenes 12,9B-Bildmodell: 2K-Bilder in 8 Schritten mit Turbo, eine trainierbare Raw-Basis und eine Lizenz, die bei 1 Mio. $ Umsatz endet.

LFM2.5-24B-A2B

Liquid AI·Klein und On-Device·Offene Gewichte

3.8/5

Liquid AIs Reasoning-Modell mit 24B Parametern und 2,45B aktiven, in Agenten-Umgebungen trainiert, um auf einem Laptop Tools aufzurufen.

Ling-3.0-flash-Sante

Ant Group (inclusionAI)·Allzweck·Offene Gewichte

3.8/5

Ant Groups MIT-lizenziertes Medizinmodell mit 124B, davon 5,1B aktiv: auf den eigenen Gesundheits-Benchmarks nahe an der Spitze, zu einem Bruchteil des Preises.

NVIDIAs 3B-Modell zeichnet schnell Boxen und Punkte um alles, was du benennst, ist aber nur für gemeinnützige Forschung lizenziert.

Meituans MIT-lizenziertes Agenten- und Coding-Modell mit 1,6 Billionen Parametern, auf chinesischen Chips trainiert, für 0,30/1,20 $ pro Million Tokens.

LTX-2.5

Lightricks (LTX)·Video·Offene Gewichte

3.8/5

Lightricks' offenes Videomodell mit 22 Mrd. Parametern, synchronem Ton und Szenen mit mehreren Einstellungen, auf der API bis 4K ab 0,09 $ pro Sekunde.

JetBrains' Apache-lizenziertes 12B-Modell für Coding-Agenten mit 2,5B aktiv, gebaut für schnelle Sub-Agenten auf deiner eigenen GPU.

Ant Groups MIT-lizenziertes 6B-Designmodell führt bei offenen Gewichten auf der UI-Rangliste von Artificial Analysis, braucht aber eine 80-GB-GPU.

Mistral Medium 3.5

Mistral AI·Allzweck·Offene Gewichte

3.8/5

Mistrals dichtes Open-Weight-Modell mit 128 Mrd. Parametern für Coding und Agents passt auf vier GPUs, doch die Lizenz schließt Firmen mit mehr als 20 Mio. $ im Monat aus.

MOSS-Image

OpenMOSS (MOSI)·Bildgenerierung·Offene Gewichte

3.8/5

Ein offenes Bildmodell mit 5B Parametern unter Apache 2.0, das Text und Objekte dort platziert, wo ein JSON-Layout es vorgibt, und langen Text gut darstellt.

mxbai-rerank v2

Mixedbread·Embeddings und Reranking·Offene Gewichte

3.8/5

Mixedbreads Reranker unter Apache 2.0 in den Größen 0,5B und 1,5B, mit mehr als 100 Sprachen und 8.000 Tokens Kontext, gebaut zum Selbsthosten.

Nanbeige4.3-33B

BOSS Zhipin (Nanbeige LLM Lab)·Programmieren·Offene Gewichte

3.8/5

Ein dichtes offenes 33B-Modell aus dem Labor von BOSS Zhipin, das beim agentischen Programmieren die 30B-Klasse anführen will, unter Apache 2.0.

Nemotron ColEmbed V2

NVIDIA·Embeddings und Reranking·Offene Gewichte

3.8/5

NVIDIAs Late-Interaction-Retriever, die Seitenbilder ohne OCR durchsuchen: genau, speicherhungrig und in jeder Größe nicht kommerziell nutzbar.

Nemotron OCR v2

NVIDIA·OCR und Dokumente·Offene Gewichte

3.8/5

NVIDIAs OCR aus Detektor und Erkenner mit 84M Parametern für die RAG-Aufnahme: etwa 35 Seiten pro Sekunde auf einer A100, lizenziert für kommerzielle Nutzung.

NVIDIAs offener Spiele-Agent: schaut auf den Bildschirm, drückt Gamepad-Tasten und hat aus 40.000 Stunden fremder Spielzeit gelernt.

Pika H3 Flex

Pika (Mellis, Inc.)·Video·Offene Gewichte

3.8/5

Pikas Nachtraining von MiniMax H3 auf sechs Schritte: Video mit Stereoton zum halben API-Preis von MiniMax, unter MiniMax' regional beschränkter Lizenz.

Runway Gen-4.5

Runway·Video

3.8/5

Runways hauseigenes Videomodell: 2025 Spitzenreiter der Rangliste, inzwischen überholt, verkauft in einer Suite, die auch die Konkurrenz weiterverkauft.

VibeVoice-ASR

Microsoft·Sprache zu Text·Offene Gewichte

3.8/5

Microsofts Transkriptionsmodell unter MIT-Lizenz, das eine Stunde Audio in einem Durchgang verarbeitet und festhält, wer wann gesprochen hat.

Ein 1,2B-Weltmodell, das auf einem Gaming-PC eine spielbare Ego-Welt erzeugt, mit bis zu 720p und 56 fps auf einer RTX 5090.

Whistle

Cactus Compute·Sprache zu Text·Offene Gewichte

3.8/5

Ein Speech-to-Text-Modell mit 16,9 MB in sieben Sprachen, das ohne Abhängigkeiten auf einer CPU läuft; eine Community-Portierung bringt es auf einen Chip für 10 $.

Ein 9B-Vision-Language-Modell des chinesischen Zidong-Taichu-Teams, das etwas OCR gegen räumliches Denken und Tool-Nutzung tauscht.

Chatterbox

Resemble AI·Text zu Sprache·Offene Gewichte

3.7/5

Die MIT-lizenzierten Voice-Cloning-Modelle von Resemble AI, vom CPU-Modell mit 110 Mio. Parametern bis zu 23 Sprachen, mit Wasserzeichen in jedem Clip.

Cohere Rerank 4

Cohere·Embeddings und Reranking

3.7/5

Coheres Reranker vom Dezember 2025 in den Versionen Pro und Fast mit einem Kontext von 32K Tokens, am 21. Oktober 2026 durch Rerank 5 abgelöst.

DecisionNode

Bynn Intelligence·Entscheidungsmodelle

3.7/5

Das gehostete Entscheidungsmodell von Bynn Intelligence liefert sechs typisierte Antworten mit Konfidenz, dazu kommen zwei kleine Edge-Modelle mit offenen Gewichten für Geräte.

DeepSeek-OCR 2

DeepSeek·OCR und Dokumente·Offene Gewichte

3.7/5

DeepSeeks offener Dokumentenleser mit 3B Parametern ordnet eine Seite vor dem Lesen neu, doch PaddleOCR-VL und Unlimited-OCR schneiden inzwischen besser ab.

ERNIE 5.1

Baidu·Allzweck

3.7/5

Baidus geschlossenes Flaggschiff, aus ERNIE 5.0 zu einem Bruchteil der Kosten destilliert: stark bei Suche und Mathematik, außerhalb Chinas schwer zu bekommen.

FrogNano-4B-2609

Microsoft·Programmieren·Offene Gewichte

3.7/5

Microsofts 4B-Forschungsagent fürs Programmieren, nur per Reinforcement Learning auf synthetischen Aufgaben trainiert: 61,5 % auf SWE-bench Verified, nach eigenen Angaben.

Gemma 4 31B, bei dem nur die Ausgabeschicht für Fiktion neu trainiert wurde: weniger Klischees, darunter dasselbe Modell.

OpenAIs Streaming-Spracherkennung für 0,017 $ pro Minute: einstellbare Verzögerung und Stichwort-Hinweise, aber ohne Sprecherzuordnung und Zeitstempel.

Ein offenes 12B-Fine-Tune von Gemma 4, das KI-geschriebene Entwürfe auf Englisch und Chinesisch offline menschlich klingen lässt und dabei die Fakten behält.

Hy-Memory-30B-A3B

Tencent (Hy, formerly Hunyuan)·Allzweck·Offene Gewichte

3.7/5

Tencents Modell mit 3B aktiven Parametern für genau eine Aufgabe: entscheiden, was das Langzeitgedächtnis eines Agenten behalten soll, anstelle eines Frontier-LLM.

Tencents Echtzeit-Video-Weltmodell, gesteuert mit Tastatur und Maus, mit vollständigem Trainingscode; braucht Rechenzentrums-GPUs.

Iris-3B

Speridlabs·Bildgenerierung·Offene Gewichte

3.7/5

Das 3B-Text-zu-Bild-Modell von Speridlabs malt Pixel direkt, ohne VAE, dazu ein Turbo mit 4 Schritten sowie Fine-Tunes für Tiefe und Hochskalierung.

Jina OCR v1

Jina AI (Elastic)·OCR und Dokumente·Offene Gewichte

3.7/5

Eine Feinabstimmung von DeepSeek-OCR von Jina AI, inzwischen Teil von Elastic, optimiert auf Seiten pro Sekunde auf günstigen GPUs; die Gewichte sind nicht kommerziell nutzbar.

Sbers MIT-lizenzierte Video-mit-Ton-Familie: ein 3B-Lite für 16-GB-Karten und ein 29B-Pro, beide auf 5-Sekunden-Clips begrenzt.

Sand AIs Apache-lizenziertes 114B-Videomodell mit Ton steht in der Arena auf Platz 16, sofern du acht Hopper-GPUs hast.

Microsofts erstes eigenes Reasoning-Modell: ein Mixture-of-Experts mit 1T Parametern zu 2 $/8 $ pro Million Tokens, eine Stufe unter der Spitze.

Mistral Small 4

Mistral AI·Allzweck·Offene Gewichte

3.7/5

Mistrals Mixture-of-Experts unter Apache 2.0: 119 Mrd. Parameter, Bildeingabe, abschaltbares Reasoning, 0,15 $/0,60 $ pro Million Tokens.

ScaleDown Constrained Decoding Models (Classify, Extract, Summarize)

ScaleDown·Entscheidungsmodelle

3.7/5

Gehostete Modelle von ScaleDown zum Klassifizieren, Extrahieren und Zusammenfassen für 0,05 $ pro Million Input-Tokens, mit einem Decisions-Endpunkt nach dem Vorbild von Jev.

Upstages offenes 250B-Modell für Büroarbeit auf Koreanisch, Englisch und Japanisch, mit 1 Mio. Tokens Kontext und ohne Möglichkeit, es pro Token zu mieten.

Spark-X2.6-4B

iFlytek (SparkLLM)·Klein und On-Device·Offene Gewichte

3.7/5

iFlyteks Agent-Modell mit 4B Parametern für den Betrieb auf dem Gerät unter Apache 2.0, das bei Tools und Code Qwen3.5-9B schlagen soll, mit einem Kontext von 1M Tokens.

text-embedding-3-large

OpenAI·Embeddings und Reranking

3.7/5

OpenAIs bestes Embedding-Modell, seit Januar 2024 unverändert: überall unterstützt und günstig, aber beim Retrieval nicht mehr führend.

Weibos MIT-lizenziertes 3B-Reasoning-Modell: 94,3 auf AIME 2026 und 96,1% der jüngsten LeetCode-Aufgaben, für kaum etwas anderes gebaut.

Whisper large-v3-turbo

OpenAI·Sprache zu Text·Offene Gewichte

3.7/5

OpenAIs Spracherkennungsmodell mit offenen Gewichten, weiterhin die Standardwahl für selbst gehostete Transkription.

Z-Image-Turbo

Alibaba (Tongyi-MAI)·Bildgenerierung·Offene Gewichte

3.7/5

Ein Bildmodell mit 6B Parametern unter Apache-Lizenz aus Alibabas Tongyi-Labor, das in acht Schritten auf einer Consumer-GPU mit 16GB läuft.

Aion 3.5

Aion Labs (Deep Forge)·Rollenspiel und Charaktere

3.6/5

Ein System für Rollenspiel und Storytelling, in dem mehrere GLM-basierte Modelle jede Antwort gemeinsam schreiben; bisher ohne öffentliche Benchmarks.

ByteDance Seeds Modell unter Apache 2.0, das Bilder mit denselben Gewichten versteht, zeichnet und bearbeitet.

Clef

Cloudflare·Entscheidungsmodelle·Offene Gewichte

3.6/5

Cloudflares offenes Entscheidungsmodell mit 27 Mrd. Parametern, das typisierte Auswahlfragen zu Text und Bildern bewertet, bereitgestellt auf Workers AI hinter einer Jev-kompatiblen API.

Clover-35B-A3B-Preview

DiffuSpace·Allzweck·Offene Gewichte

3.6/5

Ein aus Qwen3.6-35B-A3B umgewandeltes Diffusions-Sprachmodell, das Blöcke von 32 Tokens parallel schreibt, offen unter Apache 2.0.

dots.ocr

Xiaohongshu (rednote hi lab)·OCR und Dokumente·Offene Gewichte

3.6/5

Der mehrsprachige Layout-Parser von Xiaohongshu aus dem Jahr 2025 wird noch stark heruntergeladen, doch seine eigenen Entwickler und drei neuere Konkurrenten haben ihn überholt.

Baidus Apache-lizenziertes 8B-Bildmodell mit 8-Schritt-Turbo punktet bei Plakaten und langen Texten, landet bei Arena-Wählern aber weit hinten.

Falcon-H1R-7B

Technology Innovation Institute (TII)·Reasoning·Offene Gewichte

3.6/5

TIIs Reasoning-Modell mit 7B Parametern für Mathematik und Coding, mit hybridem Transformer-Mamba-Design, 256K Kontext und einer Lizenz mit Namensnennung.

DeepMinds Echtzeit-Weltmodell mit eigenem Ton und Live-Steuerung per Text; beeindruckend und für fast alle noch verschlossen.

GLiNER2.5-Decide

Fastino·Entscheidungsmodelle·Offene Gewichte

3.6/5

Fastinos Zero-Shot-Klassifikator mit weniger als einer Milliarde Parametern: Labels beim Aufruf übergeben und auf einer CPU eines zurückbekommen, ohne Prompt und ohne Textgenerierung.

SpaceXSIs Videomodell mit Ton: bis zu 15 Sekunden in bis zu 1080p, ab 0,08 $ pro Sekunde, von einem Hersteller, gegen den wegen Deepfakes ermittelt wird.

Limite 1B - Violetto

Paradigma·Klein und On-Device·Offene Gewichte

3.6/5

Ein Mathematikmodell mit 1B Parametern von einem römischen Startup, das bei Wettbewerbsaufgaben mit 30B-Modellen mithält und fast alles andere missversteht.

Ant Groups 14B-Weltmodell, das stundenlanges Spielen mit szenenlenkenden Agenten verspricht, unter einer nicht kommerziellen Lizenz.

Microsofts kleines Coding-Modell für GitHub Copilot: günstig mit 0,20/1,20 $ pro Million Tokens, aber hinter DeepSeek bei Preis und Terminal-Bench.

Needle 3

Cactus Compute·Klein und On-Device·Offene Gewichte

3.6/5

Ein Modell mit 29M bis 121M Parametern, das auf Handys, Robotern und Hubs Anfragen in Funktionsaufrufe verwandelt; stark bei Handybefehlen, schwächer anderswo.

Neuphonics On-Device-Sprachmodelle klonen eine Stimme aus 3 Sekunden und versehen jeden Clip mit Wasserzeichen, vom Raspberry Pi bis zum Laptop.

Ornith-1.5-122B

Ornith·Programmieren·Offene Gewichte

3.6/5

Ein Reasoning- und Coding-Modell mit 122B und offenen Gewichten, trainiert in einer Selbstverbesserungsschleife, die ihre eigenen Aufgaben schreibt, unter MIT.

Qwen-Image-Edit-2511

Alibaba (Qwen)·Bildbearbeitung·Offene Gewichte

3.6/5

Alibabas Bildeditor unter Apache-Lizenz: bei der Qualität Mittelfeld, aber die sauberste Lizenz unter den offenen Editoren, die du ausliefern kannst.

Qwen3.5-397B-A17B

Alibaba (Qwen)·Allzweck·Offene Gewichte

3.6/5

Alibabas erstes offenes Qwen3.5-Modell: ein MoE mit 397B und 17B aktiven Parametern unter Apache 2.0, inzwischen überholt von Qwen3.8 und dem eigenen gehosteten Zwilling.

Sakana Namazu

Sakana AI·Allzweck

3.6/5

Das auf Japanisch abgestimmte Modell von Sakana AI auf Basis von Kimi K2.6, mit eingebauter Websuche und Codeausführung hinter einer API im OpenAI-Stil.

Indiens größtes von Grund auf trainiertes offenes Modell, Apache-lizenziert und auf 22 indische Sprachen abgestimmt, günstig über Sarvams API, aber schwach beim Code.

Underdog Saluki 27B 1.0

Conway Research (Underdog)·Klein und On-Device·Offene Gewichte

3.6/5

Qwen3.8-27B, verdichtet in eine 2-Bit-Datei von 7,89 GB, bei der Tool Calling intakt bleibt, unter Apache 2.0.

Xing4.0-29B-A4B

China Telecom (XingChen)·Allzweck·Offene Gewichte

3.6/5

Das Agentenmodell von China Telecom unter Apache 2.0, bemerkenswert weniger wegen seiner Werte als deshalb, weil es vollständig auf Huawei-Ascend-Chips trainiert wurde.

Microsoft Researchs 2B-Modell, von Grund auf mit Gewichten von -1, 0 oder +1 trainiert: 0,4 GB Speicher und schnell auf einer normalen CPU.

Das offene 32B-Bearbeitungs- und Generierungsmodell von Black Forest Labs: der Maßstab, an dem andere Bildmodelle gemessen werden, inzwischen von BFLs eigenem Klein überholt.

HunyuanImage 3.0 Instruct

Tencent (Hunyuan)·Bildbearbeitung·Offene Gewichte

3.5/5

Tencents offenes Bildmodell mit 80 Mrd. Parametern und Reasoning-Schritt: Platz drei unter den offenen Editoren, braucht aber einen Knoten mit acht GPUs und lässt Europa aus.

Tencents 8,3B-Videomodell läuft auf einer 14-GB-Karte und skaliert auf 1080p, aber seine Clips sind stumm und die Lizenz lässt Europa aus.

Meituans MIT-lizenziertes 13,6B-Videomodell verlängert Clips zu minutenlangem 720p-Material, ist aber stumm und eine Generation zurück.

Qwen3-TTS

Alibaba (Qwen)·Text zu Sprache·Offene Gewichte

3.5/5

Alibabas Sprachfamilie unter Apache-Lizenz: Voice Design aus einem Satz, Klonen aus drei Sekunden und keinerlei Schutz vor Missbrauch.

Ein 12B-Rollenspiel-Finetune von Mistral Nemo, das auf einem Laptop läuft; beliebt, aber nur von seinen Nutzern getestet.

SenseNova-Loop-9B-Preview

SenseTime (SenseNova)·Vision und multimodal·Offene Gewichte

3.5/5

SenseTimes Bild-und-Text-Modell mit 9B Parametern, das seine mittleren 24 Schichten zweimal durchläuft, ausgerichtet auf Büro-Agenten, unter Apache 2.0.

SmolLM3-3B

Hugging Face·Klein und On-Device·Offene Gewichte

3.5/5

Das vollständig offene 3B-Modell von Hugging Face, mit umschaltbarem Reasoning, 128K Kontext und veröffentlichtem Trainingsrezept.

all-MiniLM-L6-v2

Sentence Transformers (Hugging Face)·Embeddings und Reranking·Offene Gewichte

3.4/5

Das Standard-Embedding-Modell aus tausend Tutorials, heute am besten aufgehoben bei Tests, Prototypen und kurzen englischen Texten.

Decision-2.0-Nox-4B (vLLM Semantic Router)

vLLM Semantic Router·Entscheidungsmodelle·Offene Gewichte

3.4/5

Das Apache-lizenzierte 4B-Textentscheidungsmodell von vLLM Semantic Router: gut kalibriert, aber schon vom hauseigenen d3-mini übertroffen.

Devstral Small 2

Mistral AI·Programmieren·Offene Gewichte

3.4/5

Mistrals Coding-Modell mit 24B Parametern unter Apache 2.0, das auf einer RTX 4090 oder einem Mac mit 32GB läuft, mit 256K Kontext und Bildeingabe.

LG AI Researchs Apache-lizenziertes 750B-Modell, stark bei Koreanisch, langen Dokumenten und Sicherheit, schwächer bei Code und schwierigem Schlussfolgern.

KittenTTS 2

KittenML (Stellon Labs)·Text zu Sprache·Offene Gewichte

3.4/5

Ein ternäres Sprachmodell mit 1,7B Parametern und Voice Cloning, das unter 1 GB groß ist und ohne GPU läuft, unter einer engen Community-Lizenz.

Entscheidungsmodell unter Apache 2.0 auf Basis von ModernBERT, das typisierte Fragen in wenigen Dutzend Millisekunden beantwortet, für Genauigkeit aber Fine-Tuning braucht.

Phi-4-Reasoning-Vision-15B

Microsoft·Reasoning·Offene Gewichte

3.4/5

Microsofts neuestes kleines Phi-Modell: 15B, MIT-lizenziert, liest Bilder und kann schrittweises Reasoning ein- oder ausschalten.

Arcees offenes 398B-Reasoning-Modell aus den USA für Agenten, stark bei Tool-Tests, nach dem Wegfall der gehosteten Endpunkte nur noch als Gewichte nutzbar.

Z.ais MIT-lizenziertes 16B-Bildmodell führt im eigenen Vergleich bei Text im Bild, braucht aber rund eine Minute pro Bild auf einer H100.

Phi-4-multimodal

Microsoft·Vision und multimodal·Offene Gewichte

3.3/5

Microsofts Modell mit 5,6B Parametern unter MIT-Lizenz, das Sprache, Bilder und Text in einem Netz verarbeitet, inzwischen 20 Monate alt.

Sesames offenes Basismodell für Gesprächssprache: Englisch, kontextabhängiger Vortrag, Apache-lizenziert und noch immer die einzige offene Veröffentlichung.

Veo 3.1

Google DeepMind·Video

3.3/5

Googles aus der API zurückgezogenes Videomodell, in der Enterprise-Cloud weiterhin als GA verkauft, für Teams, die Verlängerung und Kontrolle über das letzte Bild brauchen.

Devstral 2

Mistral AI·Programmieren·Offene Gewichte

3.1/5

Mistrals offenes Coding-Modell mit 123B Parametern vom Dezember 2025, inzwischen von der API genommen und durch Mistral Medium 3.5 ersetzt.

d1-omni-600M

Liquid AI·Entscheidungsmodelle·Offene Gewichte

3.0/5

Liquid AIs experimentelles Entscheidungsmodell mit 587M für Text, Bilder und kurze Sprachclips, drei Wochen später von d1-Omni-2B überholt.