KI-Modelle

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

GPT-6.1 Sol

OpenAIAllzweck

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

Nano Banana 2.1

GoogleBildgenerierung

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

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

AnthropicAllzweck

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

GoogleText zu Sprache

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

Gemini 4 Argon

GoogleReasoning

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

MiMo-V2.6-Pro

XiaomiReasoningOffene Gewichte

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

NVIDIASprache zu TextOffene Gewichte

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

Perplexity Decider (pplx-decider)

PerplexityEntscheidungsmodelleOffene Gewichte

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)AllzweckOffene Gewichte

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

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

AlibabaVideo

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

Cartesia Sonic 3.6

CartesiaText zu Sprache

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

Cohere Rerank 5

CohereEmbeddings und Reranking

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

ElevenLabsSprache zu Text

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

Gemma 4

GoogleKlein und On-DeviceOffene Gewichte

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)ProgrammierenOffene Gewichte

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.

PaddleOCR-VL-1.6

Baidu (PaddlePaddle)OCR und DokumenteOffene Gewichte

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

SAM 3 (Segment Anything Model 3)

MetaVision und multimodalOffene Gewichte

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

Seedance 2.5

ByteDanceVideo

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 AISprache zu Text

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

Claude Fable 5.1

AnthropicReasoning

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

DeepSeek-V4-Pro

DeepSeekReasoningOffene Gewichte

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

EmbeddingGemma 2

Google DeepMindEmbeddings und RerankingOffene Gewichte

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

Gemini 4 Carbon

GoogleReasoning

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

Gemini Embedding 2

GoogleEmbeddings und Reranking

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

Gemini Omni Flash 1.1

GoogleVideo

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

GLM-5.3-Flash

Z.ai (Zhipu AI)AllzweckOffene Gewichte

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 DokumenteOffene Gewichte

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

GPT-6 Luna

OpenAIAllzweck

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)

OpenAIMusik und Audio

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

Jina Embeddings v5

Jina AI (Elastic)Embeddings und RerankingOffene Gewichte

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 RerankingOffene Gewichte

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 AIReasoningOffene Gewichte

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

MAI-Image-2.6

Microsoft AIBildgenerierung

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

Midjourney V8

MidjourneyBildgenerierung

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

MiniCPM-OCR 1.0

OpenBMBOCR und DokumenteOffene Gewichte

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)

MiniMaxVideoOffene Gewichte

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

Qwen3-VL-Embedding

Alibaba (Qwen)Embeddings und RerankingOffene Gewichte

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

Chandra OCR 2

DatalabOCR und DokumenteOffene Gewichte

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

CohereEmbeddings und Reranking

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

DeepSeekAllzweckOffene Gewichte

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 SpracheOffene Gewichte

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 LabsVideo

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

Gemini 3.5 Transcribe

GoogleSprache zu Text

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

GPT-6 Astra

OpenAIReasoning

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)ProgrammierenOffene Gewichte

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 AIReasoning

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

LightOnOCR und DokumenteOffene Gewichte

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.

Mistral OCR 4.1

Mistral AIOCR und Dokumente

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

Nano Banana Pro (Gemini 3 Pro Image)

GoogleBildgenerierung

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 DokumenteOffene Gewichte

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 RerankingOffene Gewichte

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)AllzweckOffene Gewichte

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)ReasoningOffene Gewichte

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 AIEntscheidungsmodelleOffene Gewichte

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

Step 5 Preview

StepFunReasoningOffene Gewichte

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

BaiduOCR und DokumenteOffene Gewichte

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

d3-turbo (vLLM Semantic Router)

vLLM Semantic RouterEntscheidungsmodelleOffene Gewichte

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

ByteDanceAllzweck

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

Gemini 3.5 Flash-Lite

GoogleAllzweck

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

GoogleAllzweck

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

HunyuanOCR 1.5

Tencent (Hy, formerly Hunyuan)OCR und DokumenteOffene Gewichte

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.

Kling 4.0

Kuaishou (Kling AI)Video

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

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

Mistral AIKlein und On-DeviceOffene Gewichte

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

Moondream Parakeet Redux

Moondream (M87 Labs)Sprache zu TextOffene Gewichte

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

MetaAllzweckOffene Gewichte

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

MetaAllzweck

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.

Nemotron 3.5 Super VL

NVIDIAVision und multimodalOffene Gewichte

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 DokumenteOffene Gewichte

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

Parakeet TDT 0.6B v3

NVIDIASprache zu TextOffene Gewichte

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

Phonon-2

Fermion ResearchSprache zu TextOffene Gewichte

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 DokumenteOffene Gewichte

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

pyannoteAISprache zu TextOffene Gewichte

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

Seedream 5.0 Pro

ByteDanceBildgenerierung

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

Xiaomi-OCR-0

XiaomiOCR und DokumenteOffene Gewichte

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

d3 (vLLM Semantic Router)

vLLM Semantic RouterEntscheidungsmodelleOffene Gewichte

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

Deepgram Nova-3

DeepgramSprache zu Text

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 DokumenteOffene Gewichte

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.

FLUX 3 Image Klein

Black Forest LabsBildgenerierungOffene Gewichte

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-5.6-Cyber

OpenAIReasoning

OpenAIs zugangsbeschränktes Cybersecurity-Modell für geprüfte Forscher: Es schreibt Exploits und testet Abwehrmaßnahmen, wo die Standardmodelle ablehnen.

gpt-oss-120b

OpenAIReasoningOffene Gewichte

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

GPT-Rosalind

OpenAIReasoning

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

Granite 4.2

IBMReasoningOffene Gewichte

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

Ideogram 4.0

IdeogramBildgenerierungOffene Gewichte

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 AIKlein und On-DeviceOffene Gewichte

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)ReasoningOffene Gewichte

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

Maya 2 Native

Maya ResearchText zu SpracheOffene Gewichte

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)

OpenBMBVision und multimodalOffene Gewichte

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

OpenBMBKlein und On-DeviceOffene Gewichte

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

MiniMaxAllzweckOffene Gewichte

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

MetaAllzweck

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

MetaAllzweckOffene Gewichte

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 SpracheOffene Gewichte

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

Qianfan-OCR

BaiduOCR und DokumenteOffene Gewichte

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)BildgenerierungOffene Gewichte

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

DatalabOCR und DokumenteOffene Gewichte

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

PrismMLKlein und On-DeviceOffene Gewichte

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.

Codestral 25.08

Mistral AIProgrammieren

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

FireRed-OCR

Xiaohongshu (FireRedTeam)OCR und DokumenteOffene Gewichte

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

RecursiveProgrammierenOffene Gewichte

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.

GPT Transcribe

OpenAISprache zu Text

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

Kokoro-82M

hexgradText zu SpracheOffene Gewichte

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 AlphaReasoningOffene Gewichte

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

Luma Ray3.2

Luma AIVideo

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

MicrosoftVision und multimodalOffene Gewichte

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

TwelveLabsEmbeddings und Reranking

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

MiniMax-M3

MiniMaxAllzweckOffene Gewichte

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

Mistral Large 4

Mistral AIAllzweck

Mistrals Flaggschiff mit 1 Billion Parametern, trainiert und gehostet in Europa, als Preview für 1,36 $/4,18 $ mit versprochenen Gewichten.

MOSS-Transcribe-Diarize 0.9B

OpenMOSS (MOSI)Sprache zu TextOffene Gewichte

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

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

NVIDIAKlein und On-DeviceOffene Gewichte

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

Sage-A1.5

Shanghai AI Laboratory (InternScience)ReasoningOffene Gewichte

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 AIReasoning

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

zerank-2

ZeroEntropy (Notion)Embeddings und RerankingOffene Gewichte

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.

Beam

ReflectionReasoningOffene Gewichte

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

BreezeBlueText zu SpracheOffene Gewichte

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+

CohereAllzweckOffene Gewichte

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

gpt-oss-20b

OpenAIKlein und On-DeviceOffene Gewichte

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

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

Infinity-Parser2-Flash

INF Technology (infly)OCR und DokumenteOffene Gewichte

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.

Jev

TypeSafe AIEntscheidungsmodelle

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

LFM2.5-24B-A2B

Liquid AIKlein und On-DeviceOffene Gewichte

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)AllzweckOffene Gewichte

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.

LTX-2.5

Lightricks (LTX)VideoOffene Gewichte

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

Mistral Medium 3.5

Mistral AIAllzweckOffene Gewichte

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)BildgenerierungOffene Gewichte

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

MixedbreadEmbeddings und RerankingOffene Gewichte

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)ProgrammierenOffene Gewichte

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

NVIDIAEmbeddings und RerankingOffene Gewichte

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

Nemotron OCR v2

NVIDIAOCR und DokumenteOffene Gewichte

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.

Pika H3 Flex

Pika (Mellis, Inc.)VideoOffene Gewichte

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

RunwayVideo

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

VibeVoice-ASR

MicrosoftSprache zu TextOffene Gewichte

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

Whistle

Cactus ComputeSprache zu TextOffene Gewichte

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 $.

ZDTaichu5.0-9B

Zidong Taichu (CASIA and Wuhan AI Research)Vision und multimodalOffene Gewichte

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

Chatterbox

Resemble AIText zu SpracheOffene Gewichte

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

CohereEmbeddings und Reranking

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 IntelligenceEntscheidungsmodelle

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

DeepSeekOCR und DokumenteOffene Gewichte

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

BaiduAllzweck

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

MicrosoftProgrammierenOffene Gewichte

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

humanizer (12B)

jialinyyzz (independent developer)Klein und On-DeviceOffene Gewichte

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)AllzweckOffene Gewichte

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

Iris-3B

SperidlabsBildgenerierungOffene Gewichte

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 DokumenteOffene Gewichte

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.

Mistral Small 4

Mistral AIAllzweckOffene Gewichte

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)

ScaleDownEntscheidungsmodelle

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.

Spark-X2.6-4B

iFlytek (SparkLLM)Klein und On-DeviceOffene Gewichte

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

OpenAIEmbeddings und Reranking

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

Whisper large-v3-turbo

OpenAISprache zu TextOffene Gewichte

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

Z-Image-Turbo

Alibaba (Tongyi-MAI)BildgenerierungOffene Gewichte

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

Clef

CloudflareEntscheidungsmodelleOffene Gewichte

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

DiffuSpaceAllzweckOffene Gewichte

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 DokumenteOffene Gewichte

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.

Falcon-H1R-7B

Technology Innovation Institute (TII)ReasoningOffene Gewichte

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

GLiNER2.5-Decide

FastinoEntscheidungsmodelleOffene Gewichte

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.

Limite 1B - Violetto

ParadigmaKlein und On-DeviceOffene Gewichte

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

Needle 3

Cactus ComputeKlein und On-DeviceOffene Gewichte

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

Ornith-1.5-122B

OrnithProgrammierenOffene Gewichte

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)BildbearbeitungOffene Gewichte

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)AllzweckOffene Gewichte

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 AIAllzweck

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.

Underdog Saluki 27B 1.0

Conway Research (Underdog)Klein und On-DeviceOffene Gewichte

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)AllzweckOffene Gewichte

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.

HunyuanImage 3.0 Instruct

Tencent (Hunyuan)BildbearbeitungOffene Gewichte

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.

Qwen3-TTS

Alibaba (Qwen)Text zu SpracheOffene Gewichte

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

SenseNova-Loop-9B-Preview

SenseTime (SenseNova)Vision und multimodalOffene Gewichte

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 FaceKlein und On-DeviceOffene Gewichte

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 RerankingOffene Gewichte

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 RouterEntscheidungsmodelleOffene Gewichte

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

Devstral Small 2

Mistral AIProgrammierenOffene Gewichte

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.

KittenTTS 2

KittenML (Stellon Labs)Text zu SpracheOffene Gewichte

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.

Laya

Convai InnovationsEntscheidungsmodelleOffene Gewichte

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

MicrosoftReasoningOffene Gewichte