Die besten KI-Modelle 2026: Rankings, Preise und die richtige Wahl

Zuletzt aktualisiert: 5. November 2026. Der Markt für KI-Modelle verändert sich alle paar Wochen, deshalb ist dieser Leitfaden auf regelmäßige Aktualisierungen ausgelegt. Er trennt die drei Bestenlisten, hält die Listenpreise fest und enthält eine Entscheidungstabelle, die Sie bei der Veröffentlichung des nächsten Modells erneut durchgehen können.

Aktuell gibt es auf die Frage „Was ist das stärkste KI-Modell?“ drei verschiedene Antworten, die sich nicht gegenseitig ersetzen.

Gemini 4 Carbon führt den Artificial Analysis Intelligence Index mit 60 Punkten an, doch Google hat es bislang nur einer Teilgruppe von Cyberabwehrkräften und Partnern im Fairwind-Programm zugänglich gemacht. Claude Opus 5.5 liegt einen Punkt dahinter, führt die Arena-Agents-Bestenliste an und ist für alle Entwickler schon heute verfügbar. GPT-6.1 Sol liegt fünf Punkte hinter Carbon und vier hinter Opus, kostet laut Messung von Artificial Analysis jedoch 1,27 $ pro Aufgabe – ungefähr ein Achtel der 10,04 $ für Opus.

So sieht der Markt heute aus: Intelligenz, Verfügbarkeit und Kosten pro Aufgabe bilden inzwischen drei getrennte Bestenlisten. In diesem Beitrag werden sie getrennt betrachtet; anschließend folgt eine Entscheidungstabelle zu den relevanten Modellen.

Drei Bestenlisten, drei verschiedene Gewinner

Der Artificial Analysis Intelligence Index ist ein zusammengesetzter Wert, der auf Bewertungen zu Reasoning, Coding, Wissen und agentischen Fähigkeiten basiert. In der aktuellen Bestenliste liegt Carbon mit 60 Punkten vorn, gefolgt von Opus 5.5 mit 59, GPT-6 Astra mit 57 und einer Gruppe mit 55 Punkten, zu der Claude Sonnet 5.5 und GPT-6.1 Sol gehören. In Googles Ankündigung zum Start wurden für Carbon auf einem früheren Snapshot von Version 5.0 59 Punkte genannt; in der aktuellen Bestenliste sind es 60. Der Unterschied von einem Punkt ist auf eine Versionsänderung zurückzuführen, nicht auf ein neues Modell.

Die Arena-Agents-Bestenliste misst etwas anderes: wie oft Menschen die Ausgaben eines Modells bei Agent-Aufgaben bevorzugen. Opus 5.5 liegt mit 20,14 % auf Platz eins, Carbon mit 16,72 % auf Platz zwei, Sonnet 5.5 mit 15,42 % auf Platz drei und Astra mit 14,70 % auf Platz vier.

Die Kosten pro Aufgabe bilden die dritte Achse. Artificial Analysis lässt jedes Modell dieselbe Evaluation durchlaufen und erfasst die Kosten des Durchlaufs einschließlich Reasoning- und Ausgabe-Tokens. Bei dieser Messung liegt Terra bei 0,96 $, Sol bei 1,27 $, Astra bei 6,24 $, Carbon bei 7,76 $, Sonnet bei 10,02 $ und Opus bei 10,04 $.

Ein Modell kann eine Bestenliste gewinnen und bei einer anderen verlieren. Carbon ist bei der Intelligenz führend und liegt bei Arena auf Platz zwei, ist aber für die meisten Teams nicht nutzbar. Opus führt bei Arena und liegt bei der Intelligenz auf Platz zwei. Sol ist unter den Modellen mit mindestens 55 Punkten am günstigsten.

Die erste Modellklasse auf einen Blick

Die Preise gelten pro Million Tokens. Carbon kostet während der Einführungsphase 2 $/10 $ und zum regulären Preis 4 $/20 $. Argon kostet bis zum 30. November 2026 2 $/10 $, danach 4 $/20 $. Carbon ist nicht im Katalog von AIHubMix enthalten; die anderen sechs Modelle in dieser Tabelle sind über AIHubMix verfügbar. Für die AA-Werte wurde bei jedem Modell die Einstellung mit der höchsten Punktzahl verwendet: max für Opus, Astra, Sonnet, Sol und Terra; high für Carbon und Argon.

Zwei Dinge fallen auf. Die Preisspanne innerhalb der ersten Modellklasse ist enorm: Der Tokenpreis von Terra beträgt ein Zehntel des Astra-Preises, und die Kosten pro Aufgabe liegen bei etwa 15 % der Astra-Kosten. Auch die Reihenfolge ist je nach Bestenliste unterschiedlich: Sonnet belegt bei Arena Platz drei und im Intelligence Index Platz vier; Astra liegt im Index auf Platz drei und bei Arena auf Platz vier.

In der Praxis sollte man die Achse wählen, die zur eigenen Einschränkung passt. Wenn Sie die größtmögliche Leistungsfähigkeit brauchen und Zugriff haben: Carbon. Wenn Sie ein Modell benötigen, das Sie schon heute einsetzen können: Opus. Wenn Sie hohen Durchsatz brauchen: Sol oder Terra.

Wofür die einzelnen Spitzenmodelle tatsächlich geeignet sind

Claude Opus 5.5: die Standardwahl für den Produktiveinsatz

Claude Opus 5.5 ist der Maßstab für Aufgaben, die über viele Schritte hinweg Urteilsvermögen erfordern. Bei maximalem Reasoning effort erzielt es 59 Punkte im Intelligence Index, führt die Arena Agents mit 20,14 % an, und Anthropic meldet 66,4 % bei Terminal-Bench 4.0 mit xhigh effort, 1846 Elo bei GDPval-AA v2.1 sowie 67,7 % bei Humanity's Last Exam mit Tools.

Gleichzeitig hat sich die Wirtschaftlichkeit verbessert. Der Listenpreis von Opus 5.5 beträgt 4 $/20 $ pro Million Tokens. Anthropic zufolge kosten typische Workloads etwa 40 % weniger als mit Opus 5. Das Modell unterstützt ein Kontextfenster mit 1M Tokens und 128K Ausgabe-Tokens. Artificial Analysis misst 10,04 $ pro Aufgabe und 26,2 Minuten pro Aufgabe.

Letztere Zahl ist wichtig. Opus ist nicht für Klassifizierungen oder das Erstellen von Entwürfen in großem Umfang gedacht. Es eignet sich für lange Coding-Sitzungen, Recherchen, bei denen mehrere Dokumente gleichzeitig berücksichtigt werden müssen, und Agents, die selbst entscheiden müssen, was als Nächstes zu tun ist. Wenn die Ausgabe wertvoll genug ist, dass eine falsche Antwort mehr als zehn Dollar kostet, ist Opus die sicherere Standardwahl.

Gemini 4 Carbon: der Spitzenreiter, den Sie wahrscheinlich nicht nutzen können

Gemini 4 Carbon ist führend im Bereich Intelligenz. Googles Ankündigung zum Start nennt 59 Punkte bei AA v5.0; in der aktuellen Bestenliste sind es 60. Bei Arena Agents liegt es mit 16,72 % auf Platz zwei. Google meldet 88,2 % bei SEC-bench Pro, 71,0 % bei CWE-bench und 54,8 % bei ExploitGym. Der Einführungspreis beträgt 2 $/10 $, der reguläre Preis 4 $/20 $.

Der Haken ist der Zugang. Carbon steht zunächst einer Teilgruppe von Cyberabwehrkräften und danach weiteren vertrauenswürdigen Partnern über das Fairwind-Programm zur Verfügung. Google plant einen breiteren Zugang, doch derzeit ist das Modell nicht allgemein verfügbar. Es ist außerdem nicht im Katalog von AIHubMix enthalten. In Googles Ankündigung zum Start wird für Carbon kein Kontextfenster angegeben.

Für die meisten Teams ist Carbon ein Hinweis darauf, wohin sich Gemini 4 entwickelt, und kein Modell, mit dem sie planen sollten. Das nutzbare Gemini 4 ist Argon.

GPT-6 Astra: der teure Spezialist

GPT-6 Astra ist das stärkste Modell von OpenAI für mehrdeutige Aufgaben, die mehrere Anwendungen umfassen. Bei maximalem Reasoning effort erzielt es 57 Punkte im Intelligence Index, belegt bei Arena Agents mit 14,70 % Platz vier und kostet laut Listenpreis 10 $/50 $ pro Million Tokens. Das Kontextfenster umfasst 1,05M Tokens, die Ausgabe 128K Tokens. Bei mehr als 272K Eingabe-Tokens gelten die höheren Preise für die gesamte Anfrage: 20 $ für die Eingabe und 75 $ für die Ausgabe. Artificial Analysis misst 6,24 $ pro Aufgabe und 18,8 Minuten pro Aufgabe.

Der Tokenpreis von Astra ist fünfmal so hoch wie der von Sol, und auch die gemessenen Kosten pro Aufgabe sind mit 6,24 $ gegenüber 1,27 $ etwa fünfmal so hoch. Im Vergleich zu Opus sieht es anders aus. Der Tokenpreis von Astra ist 2,5-mal so hoch wie der von Opus, die Kosten pro Aufgabe sind jedoch niedriger, weil Astra pro Aufgabe weniger Tokens verbraucht. Im eigenen Bericht zur Softwarewartung von OpenAI zeigen die Konfigurationen mit Ultra effort dasselbe Muster: Astra gab 109,06 $ aus und lieferte 142 Befunde (0,77 $ pro Befund), Sol gab 15,12 $ aus und lieferte 131 Befunde (0,12 $ pro Befund). Das sind 92 % der Befunde bei 14 % der API-Kosten.

Astra lohnt sich, wenn eine Aufgabe wirklich offen ist: etwa beim Aufräumen eines großen Repositorys, bei der Bedienung eines Browsers und mehrerer Desktop-Apps oder beim Nachverfolgen eines Problems über verschiedene Tools hinweg. Für die Generierung großer Mengen ist es ungeeignet; Terra oder Sol erledigen dieselbe Arbeit zu einem Bruchteil der Kosten.

Claude Sonnet 5.5 und GPT-6.1 Sol: gleicher Preis, andere Kosten

Sonnet 5.5 und Sol haben denselben Listenpreis von 2 $/10 $. Die Kosten pro Aufgabe sind jedoch unterschiedlich. Artificial Analysis misst für Sonnet 10,02 $ und für Sol 1,27 $ – ein Unterschied um den Faktor 7,9. Die Bearbeitung einer Aufgabe dauert 30,6 Minuten beziehungsweise 20,9 Minuten.

Der Unterschied liegt darin, wie viel die einzelnen Modelle schreiben und nachdenken. Anthropic positioniert Sonnet als schnellere und kostengünstigere Ergänzung zu Opus für klar umrissene Alltagsaufgaben, Fehlerbehebungen und ausgefeilte Dokumente. Für komplexe, offene Aufgaben, die anhaltendes Urteilsvermögen erfordern, sei Opus weiterhin klar überlegen. Sonnet erzielt bei der von Anthropic gemeldeten Terminal-Bench-4.0-Bewertung 70,6 % und liegt damit über den 66,4 % von Opus. Die Reasoning-effort-Einstellung von Sonnet wurde jedoch nicht veröffentlicht, während der Wert von Opus mit xhigh erzielt wurde. Ein Benchmark misst eine Aufgabe, nicht das Urteilsvermögen. Die Tokenkosten erklären weiterhin, warum Sonnet pro Aufgabe genauso viel kosten kann wie Opus, obwohl sein Tokenpreis nur halb so hoch ist.

Sol ist das Modell für hohen Durchsatz. Bei maximalem Reasoning effort erzielt es 55 Punkte im Intelligence Index, liegt mit 12,51 % auf Platz sechs bei Arena Agents und unterstützt dasselbe Kontextfenster mit 1,05M Tokens. Bei Agent-Schleifen, die tausende Male am Tag laufen, bei Codewartung, Stapelanalysen und ersten Prüfungen ist der entscheidende Wert Sols Preis von 1,27 $ pro Aufgabe.

Eine einfache Faustregel: Sonnet, wenn die Ausgabe korrekt sein und von einem Menschen gelesen werden muss; Sol, wenn ein anderes Modell oder eine Testsuite die Ausgabe prüfen soll.

Gemini 4 Argon: das nutzbare Gemini 4

Gemini 4 Argon ist das Gemini-4-Modell, das die meisten Teams tatsächlich nutzen können. Bei hohem Reasoning effort erzielt es 50 Punkte im Intelligence Index und belegt mit 10,53 % Platz acht bei Arena Agents. Es verarbeitet Text, Bilder, Audio, Video und PDFs, unterstützt ein Kontextfenster mit 1M Tokens und kostet bis zum 30. November 2026 2 $/10 $, danach 4 $/20 $. Artificial Analysis misst 9,95 $ pro Aufgabe und 25,8 Minuten pro Aufgabe.

Googles gemeldete Ergebnisse sind besonders stark bei multimodalen und wissenschaftlichen Aufgaben: Platz eins insgesamt im Vals Index, 87 % bei ERQA, 57 % bei RareBench und 52,2 % bei LabBench. Argon eignet sich für lange Videos, dokumentenlastige Unterlagen mit vielen Diagrammen, 3D- und räumliches Reasoning sowie Forschung mit unterschiedlichen Formaten. Für Chats mit niedriger Latenz ist es ungeeignet: AA misst 25,8 Minuten pro Aufgabe, ähnlich viel wie bei Opus. Planen Sie deshalb eine asynchrone oder stapelweise Nutzung ein.

Kimi K3.1 Pro: der Herausforderer mit offenen Gewichten fürs Coding

Bei Coding-Aufgaben ist noch kein Modell mit offenen Gewichten so nah an die geschlossene Modellspitze herangekommen wie Kimi K3.1 Pro. Moonshot meldet 65,7 % bei Terminal-Bench 4.0, nur 0,7 Punkte weniger als Opus 5.5, sowie 61,2 % bei Kimi Code Bench 3.0 Long-horizon, 92,7 % bei BenchCAD mit Tools und 64,4 bei OfficeQA Pro v2. Das Modell unterstützt ein Kontextfenster mit 1,048,576 Tokens und wurde am 24. Oktober 2026 veröffentlicht. Die Gewichte wurden am 2. November unter der Kimi K3.1 Pro License auf Hugging Face veröffentlicht.

Der Vorbehalt betrifft den Intelligence Index. AA bewertet Kimi mit 46 Punkten, 13 Punkte weniger als Opus. Bei Arena Agents liegt es außerhalb der Top Ten. Diese Kombination deutet darauf hin, dass das Modell bei den Aufgaben, die sein Anbieter ausgewählt hat, ausgezeichnet ist, aber noch kein allgemeiner Ersatz für ein Spitzenmodell ist. Nutzen Sie es für Terminal-Coding, CAD- und 3D-Arbeit sowie Finanzdokumente, wenn eine offene Lizenz oder Self-Hosting wichtig ist.

Auf der Preisseite von Moonshot war in der von uns geprüften Version kein USD-Listenpreis angegeben. AIHubMix listet Kimi K3.1 Pro mit 2 $/10,5 $ pro Million Tokens. Artificial Analysis misst 3,68 $ pro Aufgabe.

Claude Haiku 5.5: die Option für hohe Nutzungshäufigkeit

Haiku 5.5 ist das Modell für kleinere Aufgaben. Im Intelligence Index erreicht es 36 Punkte, der Listenpreis liegt bei $0.10/$0.50 pro Million Token für Prompts mit bis zu 100K Token ($0.50/$2.50 darüber), und es unterstützt ein Kontextfenster mit 1M Token. Artificial Analysis beziffert die Kosten auf $0.41 pro Aufgabe.

Das ist das richtige Werkzeug für Klassifizierung, Extraktion, Routing, Zusammenfassungen und Subagenten, die innerhalb eines größeren Workflows schnell entscheiden müssen. Für anspruchsvolles Reasoning ist es nicht ausgelegt; der Abstand zu Opus beträgt 23 Indexpunkte. In der Praxis kann ein Opus- oder Sonnet-Agent planen und Haiku die kostengünstigen, klar definierten Schritte ausführen lassen.

Claude Fable 5.1: das andere Anthropic-Flaggschiff

Fable 5.1 übersieht man leicht, da es nicht das Modell ist, zu dem die meisten Teams zuerst greifen. Der Listenpreis liegt bei $10/$50 pro Million Token, es unterstützt 1M Token Kontext und 128K Ausgabe und ist allgemein verfügbar. Anthropic bezeichnet Fable 5.1 und Mythos 5.1 als seine fortschrittlichsten Modelle für Coding und Wissensarbeit, doch auf der Seite wird Fable nicht direkt mit Opus 5.5 verglichen. AA bewertet es bei maximalem Aufwand mit 49 und bei xhigh mit 50; in Arena liegt es mit 13.86% auf Platz fünf.

Sein eingeschränkt verfügbares Schwestermodell Mythos 5.1 ist dasselbe zugrunde liegende Modell, jedoch mit weniger restriktiven Schutzmaßnahmen für geprüfte US-Organisationen, die in Cybersicherheit und Biowissenschaften tätig sind. Es ist ausschließlich über die Programme für vertrauenswürdigen Zugang von Anthropic verfügbar. Fables Tokenpreis ist 2.5× so hoch wie der von Opus, doch der Aufpreis bringt keinen höheren Indexwert: Bei xhigh erreicht Fable 50 Punkte gegenüber Opus mit 57, bei maximalem Aufwand 49 gegenüber 59. AA misst für Fable bei xhigh $10.85 pro Aufgabe, gegenüber $10.04 für Opus bei maximalem Aufwand, also etwa 8% mehr. Teste es, bevor du annimmst, dass sich der Aufpreis lohnt.

Open Weights: beim Coding nah dran, bei allgemeiner Intelligenz nicht

Die Benchmark-Zahlen in der Tabelle zu Open-Weight-Modellen stammen von den Anbietern; GLMs Wert von 41.9% bei Terminal-Bench 4.0 wurde mit der Max-Konfiguration auf dem mini-swe-agent-Harness erzielt.

Kimi ist das Highlight. Ein Wert von 65.7% bei Terminal-Bench, nur 0.7 Punkte hinter Opus, ist eine echte Leistung, und dank des 1M-Kontexts eignet sich das Modell für Arbeiten in Repository-Größe. Doch die andere Hälfte der Geschichte ist der Abstand beim Intelligence Index: 46 gegenüber 59. Ein Modell kann bei einem Coding-Benchmark nahe dran sein und bei der Mischung aus Reasoning, Wissen und agentischen Aufgaben, die der Index misst, trotzdem weit zurückliegen.

GLM 5.3 ist in dieser Gruppe die kostengünstige Wahl. AA bewertet es bei maximalem Reasoning effort mit 32, deutlich unter Kimi mit 46. Es handelt sich jedoch um ein 753B-MoE-Modell unter der Lizenz glm-5.3, das laut Anbieter bei Terminal-Bench 4.0 41.9% (Max, mini-swe-agent), 1769 Elo bei GDPval-AA v2 und mit Tools 62.5% bei Humanity's Last Exam (HLE) erreicht. Der offizielle Preis beträgt $1.40/$4.40; AIHubMix listet es derzeit unter dem Listenpreis für $1.13/$3.94 pro Million Token.

DeepSeek V4.1 Flash 1017 ist die Wahl für niedrige Kosten und Datenhoheit. Es ist ein 763B-Modell unter MIT-Lizenz mit einem Kontextfenster von 1M Token, einer maximalen Ausgabe von 384K und Vision-Eingabe. Der offizielle Preis beträgt außerhalb der Spitzenzeiten $0.15/$0.60 und während der Spitzenzeiten $0.30/$1.20. Die Spitzenzeiten sind montags bis freitags von 01:00–04:00 und 06:00–10:00 UTC, chinesische Feiertage ausgenommen. Bei Cache-Treffern kostet die Eingabe pro Million Token außerhalb der Spitzenzeiten $0.003 und während der Spitzenzeiten $0.006. Es ist kein Allrounder der Spitzenklasse, aber eine sehr günstige Möglichkeit, ein multimodales Modell mit langem Kontext selbst zu betreiben.

MiniMax M3.1 Flash ist die multimodale Agentenoption: insgesamt 428B Parameter, 23B aktiv pro Token, ein Kontextfenster mit 1M Token, Text-/Bild-/Videoeingabe und ein OSWorld-2.0-Wert von 61.7. MiniMax setzt den Preis in CNY an: ¥1/¥4 pro Million Token. Es ist eine überzeugende Self-Hosting-Alternative für Computer-Use-Workflows, auch wenn die Geschwindigkeit nichts Besonderes ist.

Der Vorteil von Open Weights besteht nicht darin, dass sich der Abstand überall geschlossen hat. Er besteht darin, dass du das Modell selbst betreiben kannst, wenn Daten dein Netzwerk nicht verlassen dürfen, die Kosten planbar sein müssen oder du Fine-Tuning benötigst. Unter diesen Einschränkungen zählen ein paar Indexpunkte weniger als die Freiheit bei der Bereitstellung.

Außerhalb der Auswahlliste ist Meta's Muse Wonder der andere multimodale Agent in den Top Ten von Arena und liegt mit 9.42% auf Platz neun; die Full-Konfiguration erreicht bei AA 50 Punkte, die Standardkonfiguration 44. xAI's Grok 4.7 bietet 500K Kontext, kostet laut Listenpreis $2/$6 für Prompts unter 200K Token ($4/$12 ab 200K) und erreicht bei AA 35 Punkte. Alibaba's Qwen3.8 Max erreicht 34 Punkte bei Kosten von $10.02 pro Aufgabe. Keines dieser Modelle verändert das Bild an der Spitze.

Der Tokenpreis ist nicht gleich den Aufgabenkosten

Die Spalte „Rechnung“ ist ein Rechenbeispiel, kein AA-Wert: 10M Eingabe-Token plus 2M Ausgabe-Token zu den regulären Listenpreisen. Dabei wird angenommen, dass jede Anfrage unter dem Schwellenwert des jeweiligen Anbieters für langen Kontext bleibt, ohne Caching und Mengenrabatt. Für Carbon und Argon gelten die regulären Preise; mit den Einführungs- und Aktionspreisen sinken die jeweiligen Rechnungen auf $40.

Daraus ergeben sich drei Schlussfolgerungen.

Erstens kann derselbe Tokenpreis zu etwa 8× unterschiedlichen Kosten pro Aufgabe führen. Sonnet und Sol kosten laut Listenpreis beide $2/$10. Die gemessenen Kosten pro Aufgabe betragen bei Sonnet $10.02 und bei Sol $1.27. Der Unterschied liegt in der Ausgabelänge und der Denkzeit, nicht in der Preisliste.

Zweitens ist ein teures Modell nicht immer die kostspieligere Wahl. Der Tokenpreis von Astra ist 2.5× so hoch wie der von Opus, doch die Kosten pro Aufgabe liegen bei $6.24 gegenüber $10.04 für Opus, weil Astra weniger Token pro Aufgabe verbraucht. Ein hoher Preis pro Token und eine hohe Rechnung sind nicht dasselbe.

Drittens ist Kontext nicht kostenlos. OpenAIs Preisstufe für langen Kontext berechnet höhere Preise für die gesamte Anfrage, sobald sie 272K Token überschreitet: $20 für Eingabe und $75 für Ausgabe bei Astra, $4 und $15 bei Sol. Ein Kontextfenster mit 1M Token ist nützlich; es bei jeder Anfrage auszuschöpfen, ist eine Budgetentscheidung.

So triffst du deine Wahl

Drei Regeln sorgen dafür, dass die Tabelle funktioniert.

Führe 20 echte Aufgaben aus, bevor du dich festlegst. Verwende deine Prompts, dein Ausgabeformat und deine Fehlerkriterien statt eines öffentlichen Benchmarks. Zwanzig Aufgaben reichen aus, um ein Modell zu entlarven, das deinem Schema nicht folgen kann oder bei einem langen Kontext versagt.

Trenne Entscheidungen von der Ausführung. Lass Opus oder Sonnet planen, prüfen und schwierige Fälle bearbeiten; lass Haiku, Sol oder DeepSeek die klar definierten Schritte ausführen. In einem Agentensystem muss nicht das teuerste Modell jeden Schritt übernehmen.

Sorge für eine austauschbare Ebene. Modelle ändern sich alle paar Monate. Eine einzelne API, eine einzige Rechnung und ein einziges Log sind wichtiger, als einen Monatessieger auszuwählen.

Diese Modelle über AIHubMix nutzen

AIHubMix ist kein weiteres Modell, sondern eine Möglichkeit, Modelle austauschbar zu machen. Ein Schlüssel funktioniert über einen OpenAI-kompatiblen Endpunkt, einen Claude-kompatiblen Endpunkt (Beta) und einen Gemini-nativen Endpunkt hinweg, mit mehr als 900 Modellen auf einer Rechnung. Gemini 4 Carbon ist das einzige Modell in den Tabellen, das nicht angeboten wird. Die Schnellstartanleitung zeigt den Aufbau der Anfrage.

Für die meisten Teams reicht der OpenAI-kompatible Endpunkt aus:

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
)

prompt = "Explain in three sentences why cost per task beats cost per token."

response = client.chat.completions.create(
    model="claude-opus-5-5",
    messages=[{"role": "user", "content": prompt}],
)

print(response.choices[0].message.content)

Die Modell-IDs entsprechen den Namen der Anbieter (Carbon hat hier keine Modell-ID): claude-opus-5-5, claude-sonnet-5-5, claude-haiku-5-5, claude-fable-5-1, gpt-6-astra, gpt-6.1-sol, gpt-6.1-terra, gemini-4-argon, kimi-k3.1-pro, glm-5.3, deepseek-v4.1-flash-1017, minimax-m3.1-flash und muse-wonder.

Wenn du nicht für jede Anfrage einzeln entscheiden möchtest, unterstützt der auto-Router vier Strategien: cost_optimized (Standardeinstellung), balanced, quality_first und latency_critical. Nutze ihn für explorative Aufgaben; lege für kritische Aufgaben ein festes Modell fest und halte ein Ausweichmodell bereit.

FAQ

Was ist derzeit das leistungsstärkste KI-Modell?
Stand 5. November 2026 ist es Gemini 4 Carbon mit 60 Punkten im aktuellen Intelligence Index von Artificial Analysis. Für ein Modell, das die meisten Teams tatsächlich produktiv einsetzen können, ist es Claude Opus 5.5 mit 59 Punkten.

Kann ich Gemini 4 Carbon über AIHubMix nutzen?
Nein. Carbon ist einer ausgewählten Gruppe von Cyberabwehrspezialisten und Fairwind-Partnern vorbehalten und nicht im Katalog enthalten. Gemini 4 Argon ist das allgemein verfügbare Gemini 4.

Welches Modell eignet sich am besten für Coding?
Opus 5.5 für anspruchsvolle, offene Aufgaben; Sonnet 5.5 für alltägliches Coding und Dokumente; Sol für Agenten-Workflows mit hohem Volumen; Kimi K3.1 Pro, wenn du Open Weights benötigst.

Warum sind die Kosten pro Aufgabe bei Sonnet 5.5 so hoch, wenn es pro Token genauso viel kostet wie Sol?
Artificial Analysis misst für Sonnet $10.02 pro Aufgabe und für Sol $1.27. Sonnet verbraucht pro Aufgabe deutlich mehr Token. Der Tokenpreis ist gleich, die Rechnung nicht.

Welches Modell der Spitzenklasse ist am günstigsten?
GPT-6.1 Terra mit $0.96 pro Aufgabe laut AA. Unter den Modellen mit mindestens 55 Punkten ist GPT-6.1 Sol mit $1.27 am günstigsten. DeepSeek V4.1 Flash ist pro Token günstiger, liegt bei der Bewertung aber deutlich unter der Spitzenklasse.

Können Open-Weight-Modelle mit den Spitzenmodellen mithalten?
Bei bestimmten Coding-Benchmarks ist Kimi nah dran: 65.7% gegenüber 66.4% bei Terminal-Bench 4.0, wobei Opus mit xhigh Reasoning effort gemessen wurde. Bei allgemeiner Intelligenz bewertet AA Kimi mit 46 Punkten gegenüber 59 für Opus. Wähle Open Weights wegen Kontrolle, Kosten und Fine-Tuning – nicht, weil der Abstand sich überall geschlossen hätte.

Kann ich all diese Modelle mit einem API-Schlüssel aufrufen?
Carbon ist nicht im AIHubMix-Katalog enthalten; alle anderen Modelle in den Tabellen schon. Ein Schlüssel funktioniert über die OpenAI-kompatiblen, Claude-kompatiblen und Gemini-nativen Endpunkte hinweg.

Quellen

1. Bestenliste des Artificial Analysis Intelligence Index, abgerufen am 5. November 2026.
2. Bestenliste von Arena Agents, abgerufen am 5. November 2026.
3. Materialien der Frontier-Anbieter: Claude Opus 5.5, Claude Sonnet 5.5, Claude Haiku 5.5, Claude Fable 5.1 und Mythos 5.1, Übersicht über Claude-Modelle, Gemini 4 Carbon, Gemini 4 Argon, Gemini-API-Modelle, OpenAI-Modellkatalog, Wartungsbeitrag zur GPT-6-Familie, Kimi K3.1 Pro, Kimi-Preise.
4. Materialien der Anbieter von Open-Weight-Modellen: GLM-5.3-Preise, GLM-5.3-Model-Card, DeepSeek-Preise, DeepSeek V4.1 Flash 1017 Model-Card, MiniMax-Preise, MiniMax M3.1 Flash Model-Card, Grok-4.7-Modelle.
5. AIHubMix: Modellkatalog und Schnellstart für die API, abgerufen am 5. November 2026.