„Welches KI-Modell ist gerade das beste?“ Kurz: seit dem 22. September wieder eines, und seit dem 28. September ist der zweite Platz die interessantere Zahl. Anthropic hat Claude Sonnet 5.5 gestartet: 56 Punkte auf v4.3.2 des Artificial-Analysis-Index in der Effort-Stufe „max“, zwei weniger als Claude Opus 5.5, aber gemischt $1,54 statt $2,94. Die Liste bleibt bei $2 / $10 und damit auf den Cent beim Preis von Claude Sonnet 5, das 38 Punkte misst: achtzehn Punkte mehr, kein Aufpreis. GPT-6 Sol misst für dieselben $1,54 acht Punkte weniger und ist damit von der Preis-Leistungs-Front gefallen. Am 29. September hat OpenAI nachgelegt: GPT-6.1 Sol misst 52 Punkte zu gemischt $1,47 und schiebt sich auf die Front, die damit auf sieben Einträge wächst. An der Spitze steht weiter Claude Opus 5.5 seit dem 22. September mit 58 Punkten zu gemischt $2,94, gegen Claude Fable 5.1 und GPT-6 Astra mit je 53 zu $7,18 beziehungsweise $7,70. Den Boden hält Xiaomi: MiMo-V2.6-Pro misst seit dem 21. September 46 Punkte zu $0,18, MiMo-V2.6-Flash 38 zu $0,06 und damit den günstigsten Punkt im ganzen Vergleich. Wer dir hier einen Dauersieger verkauft, hat entweder nicht nachgerechnet oder will dir etwas verkaufen.
Wir arbeiten täglich mit diesen Modellen und halten den Vergleich aktuell, mit unabhängigen Messdaten statt Marketing-Folien. Stand: 30. September 2026 (Update-Log am Ende).
Andere Vergleiche zerlegen die Frage in zehn Disziplinen mit zehn Siegern. Am Ende bist du so schlau wie vorher. Hier stehen zwei Dinge gegeneinander: was ein Modell kann und was es kostet. Die Intelligenzwerte kommen von der unabhängigen Plattform Artificial Analysis, seit dem 19. September in der Fassung v4.3.2 des Index, die Preise von den Anbietern.
Hinweis: Das Chart wird interaktiv geladen und steht auf dem Stand vom 30. September. Ohne JavaScript siehst du die statische Fassung vom 30. Juli; maßgeblich sind dann die Datenpunkte unten.
Der Preis ist der gemischte Preis pro 1 Million Token nach der Methodik von Artificial Analysis: 7 Teile Cache-Treffer, 2 Teile Input, 1 Teil Output. Das liegt näher an echten Rechnungen als reine Output-Preise. Eine Million Token sind je nach Sprache grob 500.000 bis 750.000 Wörter. Bei den drei DeepSeek-Modellen gibt es seit dem 16. August zwei Preise, einen im Peak-Fenster und einen daneben. In Liste und Chart steht der Peak-Wert, so wie ihn auch Artificial Analysis führt, der Off-Peak-Preis daneben.
Was daran auffällt: Die letzten Intelligenzpunkte waren bisher immer die teuersten. Seit dem 22. September stimmt das ganz oben nicht mehr, und seit dem 28. September noch weniger. Claude Opus 5.5 misst 58 Punkte und kostet gemischt $2,94, Claude Sonnet 5.5 misst zwei Punkte weniger und kostet mit $1,54 noch einmal 48 % weniger. Erst darunter kommen Claude Fable 5.1 und GPT-6 Astra mit je 53 Punkten zu $7,18 und $7,70: drei Punkte weniger als Sonnet 5.5 für gut das Viereinhalb- beziehungsweise das Fünffache. Das klügste Modell im Vergleich ist damit auch das günstigste seiner Klasse, und zwischen ihm und Astra liegen fünf Punkte Unterschied bei 162 % Aufpreis. Seit dem 29. September steht der schärfste dieser Fälle ganz oben: GPT-6.1 Sol misst 52 Punkte für gemischt $1,47, GPT-6 Astra misst einen Punkt mehr und kostet mit $7,70 gut das Fünffache. Der Preisunterschied bleibt der eigentliche Punkt, denn zwischen MiMo-V2.6-Pro für $0,18 und GPT-6 Astra für $7,70 liegen sieben Intelligenzpunkte und gut das Vierzigfache im Preis. Im oberen Mittelfeld ist der Bruch seit dem 21. September besonders sichtbar: MiMo-V2.6-Pro misst 46 Punkte für gemischt $0,18, Grok 4.7 misst denselben Wert für $1,35, also das Siebeneinhalbfache. Eine Etage tiefer dasselbe Bild: Step 5 Preview misst 44 Punkte für gemischt $0,51, Grok 4.6 denselben Wert für $1,35 und Kimi K3 für $2,31. Weiter unten steht der nächste: GLM-5.3-Flash misst 42 Punkte für gemischt $0,10, GPT-5.6 Terra misst denselben Wert und kostet $1,74, also gut das Siebzehnfache. Eine Etage darunter teilen sich Qwen3.8-Flash-Next für $0,09 und Muse Spark 1.2 für $0,78 die 40 Punkte, das ist gut das Achtfache für denselben Messwert. Der schärfste Fall steht ganz unten: MiMo-V2.6-Flash misst 38 Punkte für gemischt $0,06, Claude Sonnet 5 misst denselben Wert für $1,54, also gut das Fünfundzwanzigfache. Bei Google, Meta, xAI und seit dem 22. September auch bei OpenAI und Anthropic zeigt sich derselbe Effekt im eigenen Haus: Google verlangt für Gemini 3.6, 3.7 und 3.8 Flash denselben gemischten Preis von $0,58, gemessen werden 34, 39 und 41 Punkte; Muse Spark 1.3 misst fünf Punkte mehr als Muse Spark 1.2 und kostet auf den Cent dasselbe; Grok 4.7 misst zwei Punkte mehr als Grok 4.6 zur identischen Liste von $2 / $6; GPT-6 Sol misst einen Punkt mehr als GPT-5.6 Sol zum halben Preis, GPT-6 Luna denselben Wert wie GPT-5.6 Luna für 53 % weniger, und GPT-6.1 Sol misst seit dem 29. September vier Punkte mehr als GPT-6 Sol zur identischen Liste von $2 / $10, weil OpenAI dort nur den Cache-Rabatt angehoben hat; Claude Opus 5.5 misst sieben Punkte mehr als Claude Opus 5 bei 20 % niedrigerer Liste; und Claude Sonnet 5.5 misst seit dem 28. September achtzehn Punkte mehr als Claude Sonnet 5 zur identischen Liste von $2 / $10, der größte Sprung zum gleichen Preis, den diese Liste bisher gezeigt hat. Die Faustregel „mehr Intelligenz kostet exponentiell mehr“ gilt in der Mitte und am Boden nicht, und ganz oben seit dem 22. September erst recht nicht.
Die orange Linie im Chart verbindet die Modelle, zu denen es nichts Klügeres zum selben oder niedrigeren Preis gibt. Am 30. September sind es sieben: MiMo-V2.6-Flash mit 38 Punkten zu $0,06, Qwen3.8-Flash-Next mit 40 zu $0,09, GLM-5.3-Flash mit 42 zu $0,10, MiMo-V2.6-Pro mit 46 zu $0,18, GPT-6.1 Sol mit 52 zu $1,47, Claude Sonnet 5.5 mit 56 zu $1,54 und Claude Opus 5.5 mit 58 zu $2,94. Gegenüber dem 29. September ist genau einer dazugekommen, und herausgefallen ist dafür niemand: GPT-6.1 Sol schiebt sich zwischen MiMo-V2.6-Pro und Claude Sonnet 5.5, weil zwischen $0,18 und $1,54 bisher nichts über 46 Punkte lag. Einen Tag vorher hatte sich genau ein Platz gedreht, und zwar auf dem Cent genau: Claude Sonnet 5.5 und GPT-6 Sol kosten beide gemischt $1,54, Sonnet 5.5 misst acht Punkte mehr, also ist Sol draußen. Am 28. September war es MiMo-V2.6-Flash, das neu hereinkam und GPT-6 Luna verdrängte. Am 22. September waren es vier neue und sechs rausgefallene Einträge, alles an einem einzigen Tag. Claude Opus 5.5 verdrängt Claude Fable 5.1, Claude Opus 5 und GPT-5.6 Sol in einem Zug: Es misst fünf, sieben beziehungsweise elf Punkte mehr und kostet weniger als alle drei. GPT-6 Sol hatte sich am 22. September mit 48 Punkten zu $1,54 dazwischengeschoben und macht GPT-5.6 Sol weiter das Argument kaputt, das einen Punkt weniger misst und mit $3,08 das Doppelte kostet; gegen Claude Sonnet 5.5 zum selben Preis reicht es seit dem 28. September nicht mehr, und seit dem 29. September steht auch der eigene Nachfolger darüber. MiMo-V2.6-Pro nimmt Grok 4.7, Muse Spark 1.3 und Step 5 Preview die Front weg: 46 Punkte für $0,18, das sind 87 % weniger als bei Grok 4.7 für denselben Messwert, 77 % weniger als bei Muse Spark 1.3 für einen Punkt mehr und 65 % weniger als bei Step 5 Preview für zwei Punkte mehr. GPT-6 Luna war mit $0,08 für ein paar Tage der günstigste Punkt im Vergleich; seit der Nachmessung von MiMo-V2.6-Flash steht das mit $0,06 darunter und misst einen Punkt mehr, damit ist Luna wieder draußen. Qwen3.8-Flash-Next bleibt drin, weil es für drei Cent mehr zwei Punkte mehr misst. GPT-6 Astra steht wie schon vorher nicht darauf, jetzt mit drei Gründen statt zwei: Claude Fable 5.1 misst denselben Wert für $0,52 weniger, Claude Opus 5.5 misst fünf Punkte mehr für $4,76 weniger, und GPT-6.1 Sol misst seit dem 29. September einen Punkt weniger für $6,23 weniger.
Wer draußen steht, steht seit dem 22. September oft nicht mehr knapp draußen. Claude Fable 5.1 misst fünf Punkte weniger als Claude Opus 5.5 und kostet mit $7,18 das Zweieinhalbfache. Claude Opus 5 war bis zum 21. September der günstige Zugang zur Spitze und ist jetzt der teurere kleine Bruder: sieben Punkte weniger als Opus 5.5 für $0,91 mehr. GPT-5.6 Sol hat gegen GPT-6 Sol kein Argument mehr, ein Punkt weniger zum doppelten Preis, und bleibt laut OpenAI mindestens bis zum 21. November 2026 zu diesem Preis buchbar. GPT-6 Sol steht seit dem 29. September selbst in dieser Reihe: vier Punkte weniger als GPT-6.1 Sol bei identischer Liste, weil OpenAI beim neuen Modell den Cache-Treffer von $0,20 auf $0,10 gesetzt hat. Buchbar bleiben beide. Grok 4.7 ist keine 48 Stunden nach dem Start wieder von der Front gefallen, und zwar nicht gegen ein Modell von xAI: MiMo-V2.6-Pro misst mit 46 Punkten exakt dasselbe und kostet gemischt $0,18 statt $1,35. Muse Spark 1.3 und Step 5 Preview trifft es aus derselben Richtung. GLM-5.3 misst mit 45 Punkten genauso viel wie Muse Spark 1.3 und kostet mit $0,90 zwölf Cent mehr. Für offene Gewichte in dieser Klasse ist das weiter die günstigere Rechnung, an Muse Spark 1.3 kommt es trotzdem nicht vorbei. Qwen3.8-Max ist am 18. August aus der Front gefallen und misst seit dem 15. September mit 45 Punkten genauso viel wie die beiden: Artificial Analysis hat das Modell auf v4.3 neu gemessen, vorher standen dort 40 Punkte, am Preis von gemischt $1,18 hat sich nichts geändert. Gegen Muse Spark 1.3 sind das 51 % mehr für denselben Messwert, gegen GLM-5.3 31 %. Zurück auf die Front bringt der Sprung es deshalb nicht. Grok 4.6 und Kimi K3 liegen mit 44 Punkten einen darunter, und seit dem 20. September haben sie ein schärferes Problem als den Abstand nach oben: Step 5 Preview misst denselben Wert und kostet $0,51 statt $1,35 beziehungsweise $2,31. Bei Grok 4.6 kommt seit dem 21. September der eigene Nachfolger dazu: Grok 4.7 misst zwei Punkte mehr und kostet gemischt exakt dasselbe. Muse Spark 1.2 hat dasselbe Problem wie Gemini 3.7 Flash, nur schärfer: Der eigene Nachfolger misst fünf Punkte mehr und kostet gemischt genau dasselbe. Gemini 3.7 Flash liegt mit 39 Punkten zu $0,58 gegen Gemini 3.8 Flash mit 41 zum selben Preis, und beide stehen seit dem 7. September hinter GLM-5.3-Flash. GPT-5.6 Terra misst mit 42 Punkten so viel wie GLM-5.3-Flash und kostet mit $1,74 gut das Siebzehnfache. GPT-5.6 Luna war mit $0,17 lange der billigste Einstieg im Vergleich; seit dem 22. September misst GPT-6 Luna denselben Wert für $0,08, also 53 % weniger, und GLM-5.3-Flash liegt für $0,10 fünf Punkte darüber. Grok 4.5 kommt wie Gemini 3.7 Flash auf 39 Punkte und kostet mit $1,21 gut das Doppelte. Claude Sonnet 5 steht mit 38 Punkten zu $1,54 als teuerstes Modell unterhalb von 40 Punkten da und hat seit dem 28. September den eigenen Nachfolger zum identischen Preis über sich: Claude Sonnet 5.5 misst achtzehn Punkte mehr für dieselben $1,54. Gemini 3.6 Flash steht seit der Preissenkung mit 34 Punkten zu $0,58 in der Liste und hat gegen die eigenen Nachfolger trotzdem kein Argument: Google verlangt für alle drei Flash-Generationen jetzt exakt denselben Preis, und 3.7 Flash misst fünf, 3.8 Flash sieben Punkte mehr. Claude Fable 5 steht im selben Verhältnis zu seinem eigenen Nachfolger, nur eine Etage höher: drei Punkte weniger als Fable 5.1 und mit $7,70 gegen $7,18 auch noch teurer.
Ein Sonderfall bleibt DeepSeek, und er ist seit dem 10. September ein anderer. V4.1 Flash misst seit v4.3.2 vom 19. September 39 Punkte statt 40 und kostet im Peak $0,18, off-peak $0,09, und off-peak sind werktags 17 der 24 Stunden, am Wochenende alle 24. Damit ist aus dem Gleichstand mit Qwen3.8-Flash-Next ein Rückstand von einem Punkt geworden: Wer sein Volumen in den Nachmittag legt, zahlt bei beiden $0,09, bekommt bei Qwen aber einen Punkt mehr. Auf die Preis-Leistungs-Front kommt V4.1 Flash damit weder im Peak noch off-peak. Bei den beiden älteren DeepSeek-Einträgen ist die Lage seit dem 11. September eine andere als angekündigt: V4-Flash-0731 mit 35 Punkten zu $0,23 im Peak gibt es bei DeepSeek selbst nicht mehr, der Name zeigt seit dem 10. September auf V4.1 Flash. V4 Pro 0813 mit 36 Punkten zu $0,69 bleibt dagegen buchbar, die für den 14. September angekündigte Umleitung hat DeepSeek gestrichen und rechnet unverändert ab. Gemessen werden beide von Artificial Analysis weiter, und die Gewichte liegen offen, deshalb stehen sie hier in Liste und Chart.
Am 30. Juli hat OpenAI die API-Preise gesenkt, sofort wirksam: Luna auf $0,20 im Input und $1,20 im Output, also 80 % weniger, Terra auf $2 und $12, 20 % weniger. Sol blieb zunächst bei $5 und $30. Die Abo-Preise für ChatGPT und Codex änderten sich nicht, Luna und Terra ziehen dort seitdem nur weniger Kontingent. Einen Tag später hat DeepSeek V4-Flash-0731 als öffentliche Beta gestartet, offen unter MIT-Lizenz und damals bei gemischt $0,06.
Meta kam am 5. August mit Muse Spark 1.2 zurück in die Liste, 57 Punkte zu gemischt $0,78, Gewichte zu. Am 6. August hat Artificial Analysis den Intelligenz-Index auf v4.1.1 gepatcht: τ³-Banking läuft in Version 1.0.1, und HLE, AA-LCR sowie AA-Omniscience werden einheitlich von GPT-5.6 Luna bewertet. Die Werte in der Liste stiegen dadurch um einen bis drei Punkte. Klüger geworden ist über Nacht kein Modell, nur die Messung ist eine andere. Bis zum 3. September standen deshalb alle Zahlen hier geschlossen auf v4.1.1.
xAI hat am 12. August Grok 4.6 veröffentlicht: 61 Punkte, Liste $2 / $6, Cache-Treffer $0,50, gemischt $1,35, Kontextfenster 500.000 Token. Oberhalb von 200.000 Prompt-Token verdoppelt xAI die Preise. Der Messwert gilt für die Effort-Stufe „high“. Die Gewichte sind zu, und zur Verfügbarkeit in der EU sagen die Release Notes nichts.
Einen Tag darauf folgte Gemini 3.7 Flash mit 56 Punkten zu gemischt $0,58, Liste $0,75 / $3,75, 1 Million Token Kontext und maximal 64.000 Token Ausgabe. Der Preis hat ein Verfallsdatum, und das steht in Googles eigener Preisliste: Einführungspreis bis zum 31. Dezember 2026, danach $1,50 / $7,50 und damit gemischt $1,16. Also genau dort, wo Gemini 3.6 Flash bis Anfang September stand. Wer damit kalkuliert, kalkuliert mit einem Datum.
Am 16. August um 16:00 UTC hat DeepSeek die Preise umgestellt, wie angekündigt und nach oben. Statt eines festen Tarifs gibt es Peak- und Off-Peak-Preise, im Peak kostet jede Position das Doppelte. Am stärksten gestiegen sind die Cache-Treffer, bei V4 Pro auf das Sechsfache off-peak und das Zwölffache im Peak. Gemischt heißt das $0,11 bis $0,23 bei V4-Flash statt bisher $0,06 und $0,35 bis $0,69 bei V4 Pro statt $0,18. Peak ist von 9 bis 12 und von 14 bis 18 Uhr Pekinger Zeit, also von 3 bis 6 und von 8 bis 12 Uhr deutscher Sommerzeit. Korrektur zu unserem bisherigen Stand: Das Fenster gilt laut DeepSeeks Preisseite montags bis freitags, am Wochenende ist durchgehend off-peak. Das zweite Fenster deckt genau deinen Vormittag ab. Ein Batch-Lauf, der nicht bis Mittag fertig sein muss, kostet nachmittags die Hälfte.
Am 10. August kam die Gegenbewegung von Anthropic, und zwar nach unten. Der Einführungspreis von Claude Sonnet 5 ist jetzt dauerhaft, $2 im Input und $10 im Output bleiben, die zum 1. September geplante Erhöhung auf $3 und $15 entfällt. Wer mit Sonnet 5 kalkuliert hat, muss zum 1. September nichts umbauen.
Z.ai hat GLM-5.3 am 14. August veröffentlicht, vier Tage lang ohne unabhängigen Messwert und ohne Tokenpreis. Seit dem 18. August gibt es beides: Artificial Analysis misst 60 Intelligenzpunkte, und die Preisliste von Z.ai führt $1,40 im Input, $4,40 im Output und $0,26 im Cache. Nach der 7:2:1-Methodik sind das gemischt $0,90, bei 1 Million Token Kontext. Damit ist GLM-5.3 das erste Modell im Vergleich, das 60 Punkte misst und unter einem Dollar bleibt. Zwei Einschränkungen galten damals: Artificial Analysis führte lange genau einen Anbieter dafür, Z.ai selbst, und zur EU sagen die Release Notes nichts. Der erste Punkt ist inzwischen erledigt, dazu unten mehr. Die Zahlen, die Z.ai zu Coding und Cyber nennt, sind Anbieter-Zahlen, der Wert oben ist der unabhängig gemessene.
Beim Zugang haben sich zwei Dinge getan, die keine Messwerte verändern. Seit dem 24. August schaltet OpenAI Anzeigen in 31 europäischen Märkten, in den 27 EU-Staaten sowie Island, Liechtenstein, Norwegen und der Schweiz, damit auch in Deutschland. Betroffen sind die kostenlose Stufe und Go. Plus, Pro, Business, Enterprise und Education bleiben werbefrei, an den API- und Abo-Preisen ändert sich nichts. Eine Korrektur zu unserem Stand vom 18. August: Die Anzeigen selbst sind im EWR kein Opt-in. Sie laufen kontextbezogen, aus Gespräch, grober Region und Sprache, und OpenAI stützt sie auf berechtigtes Interesse. Eine Einwilligung braucht erst die personalisierte Variante, und die bietet OpenAI im EWR und in der Schweiz zum Start gar nicht an. Werbefrei wird es also nicht durch einen Haken in den Einstellungen, sondern erst ab Plus.
Und GPT-5.6 Sol kostet außerhalb von OpenAIs eigener API die Hälfte: OpenRouter, das Vercel AI Gateway und seit dem 19. August auch Cloudflares AI Gateway geben 50 % Rabatt. Weil OpenAI die Liste inzwischen gesenkt hat, sind das jetzt $2 im Input, $10 im Output und $0,20 im Cache, gemischt $1,54 statt vorher $2,18. Ein Enddatum nennt OpenRouter auf seiner Rabattseite nicht, berichtet wird der 18. September.
Am 21. August hat OpenAI dann die Listenpreise für GPT-5.6 Sol gesenkt und die Senkung zwei Tage später angekündigt: $4 statt $5 im Input, $0,40 statt $0,50 im Cache, $20 statt $30 im Output. Das sind 20 % im Input und 33 % im Output, gemischt $3,08 statt $4,35. Der Haken steht wieder im Kalender: OpenAI nennt den Preis ausdrücklich befristet und garantiert ihn mindestens bis zum 21. November 2026. Damit liegt Sol gemischt unter Claude Opus 5, misst aber drei Punkte weniger, und an der Preis-Leistungs-Front ändert es nichts, weil Grok 4.6 denselben Messwert seit dem 12. August für $1,35 liefert. Artificial Analysis führt für Sol noch die alten $5 und $30, der Wert in der Liste oben ist mit OpenAIs aktueller Preisliste gerechnet.
Und dann kam der 26. August. Z.ai hat GLM-5.3-Flash veröffentlicht, den kleineren Bruder von GLM-5.3. Artificial Analysis misst 57 Intelligenzpunkte auf v4.1.1, Z.ai listet $0,15 im Input, $0,50 im Output und $0,03 im Cache. Nach der 7:2:1-Methodik sind das gemischt $0,10. Zum Start lief ein Rabatt von 50 %, also $0,075 / $0,25 und gemischt $0,05; der ist am 9. September 2026 um 24:00 Uhr Singapur-Zeit ausgelaufen. In Liste und Chart steht der Preis, den du heute zahlst. Das Modell hat 320 Milliarden Parameter, 18 davon aktiv pro Token, 1 Million Token Kontext und ist nativ multimodal. Die erste Woche lief es anonym als „Ox Alpha“ auf OpenCode und OpenRouter, laut Z.ai vollständig auf chinesischer Beschleuniger-Hardware. Zwei Dinge sind hier wichtig: Die Gewichte liegen offen unter MIT-Lizenz auf Hugging Face, anders als bei GLM-5.3 selbst. Und zur EU sagt Z.ai auch diesmal nichts.
Die offene Lizenz hat innerhalb weniger Tage etwas verändert, das wir hier korrigieren müssen: GLM-5.3-Flash läuft nicht mehr nur bei Z.ai. Artificial Analysis führt seit dem 29. August zwölf Anbieter dafür, darunter Databricks, Together AI, Baseten, Nebius, Novita, SiliconFlow und FriendliAI. Die Preise reichen von $0,07 / $0,25 bei GMI und Bitdeer bis $0,40 / $1,35 bei Nebius; in Liste und Chart bleibt der Aktionspreis von Z.ai selbst die Rechengrundlage. Für dich ist genau das der Unterschied zwischen den beiden GLM-Modellen: Beim großen GLM-5.3 waren die Gewichte damals erst wenige Tage offen und Artificial Analysis führte noch einen einzigen Anbieter, beim kleinen konntest du dir den Hoster schon aussuchen. Und damit ändert sich auch die EU-Frage. Nebius nennt für seine Token Factory Rechenzentren in Finnland, Frankreich und den USA und ausdrücklich EU-Datenresidenz. Ein modellbezogenes Versprechen für GLM-5.3-Flash steht dort nicht, prüfen musst du das also selbst. Aber die Frage nach dem EU-Endpunkt richtet sich nicht mehr an Z.ai allein, und das ist bei einem Modell, das 42 Punkte für zehn Cent misst, der eigentliche Fortschritt.
Zwei Tage später, am 28. August, hat Z.ai die Gewichte von GLM-5.3 selbst nachgeliefert, zwei Wochen nach dem Start des Modells. Am Messwert und am Preis ändert das nichts, GLM-5.3 stand danach weiter bei 60 Punkten auf v4.1.1 und gemischt $0,90; auf v4.3 sind es 45 Punkte. An der Lizenz ändert es viel, und zwar nicht zugunsten der Offenheit: Statt MIT gilt eine eigene GLM-5.3-Lizenz. Was das für dich heißt, steht im nächsten Abschnitt.
Und am 1. September hat Anthropic die Spitze neu besetzt. Claude Fable 5.1 misst 66 Punkte auf v4.1.1 und seit dem 4. September 57 auf v4.2, in beiden Fassungen drei über Claude Opus 5. Die Listenpreise bleiben, wo sie bei Fable 5 standen, $10 im Input und $50 im Output. Geändert hat sich der Cache-Treffer: $0,25 statt $1, also 75 % weniger. Nach der 7:2:1-Methodik sind das gemischt $7,18 statt $7,70. Rechne trotzdem nach, bevor du umstellst, denn pro Token billiger heißt hier nicht pro Aufgabe billiger: Artificial Analysis kommt je Aufgabe auf 20 % mehr als bei Fable 5, weil das Modell auf der höchsten Effort-Stufe deutlich mehr Token produziert. Genau für diese Stufe gilt auch der Messwert oben. Verfügbar ist das Modell sofort über Anthropics eigene API als claude-fable-5-1 sowie über AWS, Google Cloud und Microsoft Azure. Daneben steht Mythos 5.1, dasselbe Modell mit lockereren Schutzmechanismen für Cybersicherheit und Life Sciences. Das gibt es nur über zwei Prüfprogramme und bis auf Weiteres nur für US-Organisationen, in die Liste oben kommt es deshalb nicht. Für deutsche Unternehmen ist eine andere Sache wichtiger als der Benchmark: Fable 5.1 und Mythos 5.1 sind die ersten Anthropic-Modelle unter der EU-Transparenzzusage, ihre Textausgaben tragen das unsichtbare Wasserzeichen. Die Erkennungs-API dazu läuft in privater Vorschau und ist damit weiter nichts, worauf du einen Prozess bauen kannst.
Einen Tag später hat Google nachgelegt, und zwar am unteren Ende. Gemini 3.8 Flash kam am 2. September, das vierte Flash-Modell in weniger als vier Monaten. Artificial Analysis misst 59 Punkte auf v4.1.1 in der Stufe „high“, auf v4.2 sind es 47, zwei mehr als Gemini 3.7 Flash. An den Tokenpreisen hat Google nichts geändert: $0,75 im Input, $3,75 im Output, Cache-Treffer 90 % unter dem Input-Preis, nach der 7:2:1-Methodik gemischt $0,58. Das Verfallsdatum bleibt auch: Einführungspreis bis zum 31. Dezember 2026, danach $1,50 / $7,50 und gemischt $1,16. Kontextfenster 1 Million Token. Eine Sache rechnest du trotzdem nach, bevor du umstellst: Je Aufgabe kommt Artificial Analysis im Index auf $0,58 und damit rund 40 % mehr als bei Gemini 3.7 Flash, obwohl der Tokenpreis gleich geblieben ist. Der Grund sind rund 30 % mehr Ausgabe-Token je Aufgabe und mehr Werkzeug-Aufrufe in agentischen Läufen. Dass das dieselbe Zahl ist wie der gemischte Tokenpreis, ist Zufall. Daneben steht Gemini 3.8 Flash Cyber, dasselbe Modell für das Finden von Sicherheitslücken und das automatische Patchen. Das gibt es nur über Googles Fairwind-Programm für geprüfte Verteidiger, also Behörden, Betreiber kritischer Infrastruktur und Maintainer von Software; in die Liste oben kommt es deshalb nicht. Zur EU sagt Google in der Ankündigung nichts, verfügbar ist das Modell über AI Studio, die Gemini-API, Gemini Enterprise, die Gemini-App und die Suche.
Am 2. September hat auch Meta geliefert, gemessen ist es seit dem 3. September. Muse Spark 1.3 kommt in der Effort-Stufe „xhigh“ auf 61 Intelligenzpunkte auf v4.1.1, auf 52 auf v4.2 und auf 45 auf v4.3, fünf mehr als Muse Spark 1.2. An den Preisen hat Meta nichts geändert: $1,25 im Input, $4,25 im Output, Cache-Treffer $0,15, nach der 7:2:1-Methodik gemischt $0,78, auf den Cent so viel wie der Vorgänger. Damit war Muse Spark 1.3 auf v4.2 mit Abstand das günstigste Modell im Vergleich oberhalb von 51 Punkten, und je Aufgabe rechnet Artificial Analysis $0,55. Kontextfenster 1 Million Token, Eingaben als Text, Bild und Video. Drei Dinge gehören dazu. Die Effort-Stufe „max“ misst auf v4.2 53, ist aber eine Vorschau für Partner ohne eigenen veröffentlichten Preis; in Liste und Chart steht deshalb die Stufe, die du kaufen kannst. Die Gewichte sind zu, und die für Muse Spark 1.2 angekündigten Gewichte sind bis heute nicht erschienen. Und es gibt eine zweite, deutlich billigere Preisstufe, die du in Deutschland trotzdem meistens nicht nehmen wirst: Die Contributor-Stufe kostet $0,10 im Input, $0,20 im Output und $0,002 im Cache, gemischt also $0,04. Dafür dürfen Prompts und Ausgaben zur Verbesserung von Metas Produkten genutzt werden. Für personenbezogene Daten ist das keine Option, für einen Prototyp ohne Personenbezug schon. Zur EU sagt Meta nichts, verfügbar ist das Modell über Metas eigene API, Muse Code und OpenRouter.
Und am 3. September kam GPT-6 Astra. OpenAI nennt es das leistungsfähigste eigene Modell und spricht selbst vom Beginn der AGI-Ära. Artificial Analysis misst 61 Punkte auf v4.1.1 in der Effort-Stufe „max“, in der Stufe „high“ 60. Auf v4.2 sind es seit dem 4. September 55 und 53, und damit sieht die Einordnung anders aus: vier Punkte über GPT-5.6 Sol und zwei unter Claude Fable 5.1. Der Preis ist der eigentliche Bruch: $10 im Input, $50 im Output, Cache-Treffer $1, nach der 7:2:1-Methodik gemischt $7,70. Das ist das Zweieinhalbfache von Sol, auf v4.2 für vier Punkte mehr. Je Aufgabe rechnet Artificial Analysis $1,67 gegen $0,96 bei Sol, also rund 75 % mehr, obwohl Astra rund 10 % weniger Ausgabe-Token braucht. Kontextfenster 1.050.000 Token, maximal 128.000 Token Ausgabe, Wissensstand 30. April 2026; oberhalb von 272.000 Prompt-Token verdoppelt OpenAI Input- und Cache-Preis und schlägt 50 % auf den Output, und zwar für die ganze Anfrage. Zwei Punkte zählen für dich mehr als der Benchmark. Erstens die Sicherheitsseite: OpenAI stuft Astra im eigenen Preparedness Framework als „critical“ für Cyberfähigkeiten ein. Die Basisversion verweigert fortgeschrittene Cyber-Aufgaben wie das Bauen von Exploits, weniger streng abgesichert gibt es das Modell nur über das Daybreak-Programm für geprüfte Verteidiger. Zweitens die Transparenz: Astra nutzt nach dem Bericht von TechCrunch ein Verfahren namens „opaque recurrence“, die Gedankenkette lässt sich damit nicht mehr mitlesen. Wer Nachvollziehbarkeit dokumentieren muss, verliert hier eine Quelle, die bei den Vorgängern noch da war. Die Zahlen, die OpenAI zu Computer- und Browser-Nutzung und zu Cyber-Aufgaben nennt, sind Anbieter-Zahlen; der Wert oben ist der unabhängig gemessene. Verfügbar ist das Modell über OpenAIs API, AWS und Microsoft Foundry sowie schrittweise in ChatGPT Plus, Pro, Business und Enterprise; zur EU sagt OpenAI in der Ankündigung nichts.
Und am 4. September hat Artificial Analysis den Index selbst umgebaut, von v4.1.1 auf v4.2. Dazugekommen sind zwei Prüfungen: AA-Briefcase, eine agentische Wissensarbeits-Bewertung mit privatem Testsatz, und Surges GDP.pdf, langes Dokumentenlesen über 4.592 PDF-Seiten. Rausgeflogen ist GPQA Diamond, das Artificial Analysis für gesättigt hält. Dazu liegen jetzt 40 statt rund 20 Prozent Gewicht auf privaten Testsätzen, und die Elo-Skala hinter GDPval-AA v2 und AA-Briefcase ist neu verankert. Für die Zahlen heißt das: Sie fallen quer durchs Feld, die Spitze von 66 auf 57. Klüger oder dümmer ist dadurch kein Modell geworden, aber die Reihenfolge hat sich verschoben, und zwar zugunsten agentischer Arbeit und langer Dokumente. GPT-6 Astra verliert am wenigsten und rückt vom Vierfach-Gleichstand auf Platz zwei, vor Claude Opus 5: Auf GDP.pdf kommt es auf 33,2 % gegen 28,2 % bei GPT-5.6 Sol und 26,2 % bei Claude Fable 5.1, auf AA-Briefcase liegt es rund 85 Elo-Punkte über Sol. Alle Zahlen in Liste und Chart stehen ab jetzt geschlossen auf v4.2. Ein Modell fällt dabei heraus: Claude Opus 4.8 führt Artificial Analysis als deprecated und misst es auf v4.2 nicht mehr nach, deshalb steht es nicht mehr in der Liste.
Und am 7. September hat Artificial Analysis den Index erneut umgebaut, drei Tage nach v4.2 und jetzt auf v4.3. Zwei Dinge ändern sich: Terminal-Bench läuft in Version 4.0 statt 2.1, mit 66 Aufgaben aus Softwareentwicklung, Machine Learning, Wissenschaft, Betrieb, Sicherheit, Hardware und Medien. Und τ³-Banking ist raus, an seiner Stelle steht AutomationBench-AA mit 657 simulierten Geschäftsabläufen über Gmail, Slack, Salesforce und Jira. Dazu liegen jetzt 45 statt 40 Prozent Gewicht auf privaten Testsätzen; an den Kategoriegewichten ändert sich nichts, es bleiben 30 % Agenten, 20 % Coding, 30 % Allgemein und 20 % wissenschaftliches Denken. Für die Zahlen heißt das dasselbe wie drei Tage zuvor: Sie fallen noch einmal, um zwei bis sieben Punkte, die Spitze von 57 auf 53. Angefasst hat dafür kein Anbieter ein Modell. Verschoben hat sich vor allem die Spitze selbst, GPT-6 Astra zieht mit Claude Fable 5.1 gleich, beide messen 53. Alle Zahlen in Liste und Chart stehen ab jetzt geschlossen auf v4.3. Und weil das die zweite Umstellung in vier Tagen ist, gilt für dich vor allem eins: Vergleich Modelle nur innerhalb derselben Index-Fassung. Ein Wert von letzter Woche ist keiner mehr.
Am 9. September ist dann der Aktionspreis von GLM-5.3-Flash ausgelaufen, wie von Z.ai angekündigt, um 24:00 Uhr Singapur-Zeit. Die Preisliste steht jetzt bei $0,15 im Input, $0,50 im Output und $0,03 im Cache, nach der 7:2:1-Methodik gemischt $0,10 statt $0,05. Am Messwert ändert das nichts, an der Reihenfolge am unteren Ende schon: Qwen3.8-Flash-Next kostet mit $0,09 jetzt einen Cent weniger und ist damit der günstigste Punkt im ganzen Vergleich. Dazu gehört eine Korrektur: Artificial Analysis misst Qwen3.8-Flash-Next auf v4.3 mit 40 Punkten und nicht mit 42, wie hier bis zum 8. September stand. Der Abstand zu GLM-5.3-Flash sind also zwei Punkte, und die kosten dich einen Cent. Wer heute neu baut, rechnet beide gegeneinander statt eines von beiden zu setzen; wer den Aktionspreis eingerechnet hat, rechnet ohnehin neu.
Bei Google ist am unteren Ende ein Preis gefallen, ohne eigene Ankündigung, aber in Googles Preisliste nachlesbar: Gemini 3.6 Flash steht dort jetzt bei $0,75 im Input, $3,75 im Output und $0,075 im Cache, nach der 7:2:1-Methodik gemischt $0,58 statt bisher $1,16. Damit gilt für das älteste der drei Flash-Modelle derselbe Einführungspreis wie für 3.7 Flash und 3.8 Flash, samt demselben Verfallsdatum: bis zum 31. Dezember 2026, danach $1,50 / $7,50. Für dich heißt das etwas sehr Einfaches. Drei Flash-Generationen kosten bei Google jetzt auf den Cent dasselbe und messen 34, 39 und 41 Punkte. Wer noch auf 3.6 Flash läuft, spart durch das Umstellen keinen Cent und gewinnt sieben Punkte.
Und eine zweite Korrektur beim Zugang, diesmal beim großen GLM-5.3. Artificial Analysis führt dafür nicht mehr genau einen Anbieter, sondern vierzehn, darunter DeepInfra, Together AI, Databricks, Fireworks, Baseten, Novita und DigitalOcean. Die gemischten Preise reichen von $0,72 bei DeepInfra bis $1,80 bei Inco; in Liste und Chart bleibt Z.ai selbst mit $0,90 die Rechengrundlage. Die offenen Gewichte vom 28. August schlagen damit auch beim großen Modell durch, und die Frage nach dem EU-Endpunkt richtet sich auch hier nicht mehr an Z.ai allein. Ein modellbezogenes Datenresidenz-Versprechen ist das trotzdem nicht: Das prüfst du beim Hoster, den du nimmst.
Und am 10. September hat DeepSeek nachgelegt, um 06:10 Uhr UTC. V4.1 Flash ist das kleinste Modell einer neuen Architektur-Familie: 552 Milliarden Parameter als Mixture-of-Experts, 8 davon aktiv beim Einlesen und 16 beim Schreiben, 1 Million Token Kontext, bis zu 384.000 Token Ausgabe, und nativ multimodal über einen eigenen Bild-Encoder, der zusammen mit dem Sprachmodell von Grund auf trainiert wurde. Artificial Analysis maß damals 40 Punkte auf v4.3, seit v4.3.2 vom 19. September sind es 39. Die Preisliste steht bei $0,30 im Input, $1,20 im Output und $0,006 im Cache im Peak, off-peak bei der Hälfte; nach der 7:2:1-Methodik sind das gemischt $0,18 beziehungsweise $0,09. Die Gewichte liegen am selben Tag offen unter MIT-Lizenz auf Hugging Face. Wichtiger als der Messwert ist für dich, was daneben passiert ist: DeepSeek hat im eigenen Haus aufgeräumt. Der API-Name heißt jetzt schlicht deepseek-flash ohne Versionsnummer, die alten Namen für V4-Flash und V4-Flash-Vision-Exp zeigen darauf, und ab dem 14. September 12:00 Uhr Pekinger Zeit sollte auch V4 Pro darauf zeigen und zum Flash-Preis abgerechnet werden. Wenn du einen dieser Namen fest verdrahtet hast, läuft dein Code weiter, aber gegen ein anderes Modell. Das prüfst du diese Woche, nicht nächste.
Bei V4 Pro ist genau das nicht passiert. Am 11. September hat DeepSeek die Abschaltung zurückgenommen, im eigenen Changelog nachgetragen und mit der Nachfrage begründet: Die API-Dienste für V4 Pro laufen nach dem 14. September weiter, die Abrechnung bleibt unverändert. Für dich heißt das zweierlei. Erstens bleibt der Eintrag in Liste und Chart oben eine Position, die du wirklich buchen kannst, zu $1,32 im Input und $3,96 im Output im Peak, off-peak der Hälfte, gemischt $0,69 und $0,35. Zweitens ist das kein Versprechen für den Rest des Jahres, sondern eine zurückgenommene Abschaltung. Wer deepseek-v4-pro fest verdrahtet hat, hat Zeit gewonnen und nicht Sicherheit; die Umstellung auf deepseek-flash bleibt dieselbe Arbeit, nur ohne Stichtag.
Und am 14. September greift bei Anthropic eine Änderung, die keine Tokenpreise berührt und trotzdem in die Kalkulation gehört: Die Wochenlimits in Claude Code sinken um 17 % gegenüber dem Stand vom 13. September. Anthropic selbst spricht von einer dauerhaften Erhöhung um 25 %, und beide Zahlen stimmen, nur gegen verschiedene Bezugspunkte: Die 25 % rechnen gegen die Basis vor Mai, die 17 % gegen den befristeten Aufschlag von 50 %, der am 13. September ausgelaufen ist. Anthropic hat den ersten Beitrag gelöscht und es im zweiten selbst so benannt, im Wortlaut: „Compared to today, this works out to a 17 % reduction in weekly limits on Claude Code.“ Betroffen sind Pro, Max, Team und Enterprise mit festen Plätzen. Die API-Preise bleiben unberührt, an keiner Zahl in der Liste oben ändert sich etwas. Bei den Fünf-Stunden-Fenstern ist seit dem 22. September das Gegenteil passiert: Zusammen mit Claude Opus 5.5 hat Anthropic sie für Pro, Max, Team und Enterprise mit festen Plätzen angehoben und ein Zurücksetzen des Limits eingeführt, das du aufsparen und selbst einlösen kannst, wann du willst. Um wie viel die Fenster steigen, nennt Anthropic nicht. Relevant ist es trotzdem, weil viele Teams Claude nicht über die API abrechnen, sondern über Plätze: Da bekommst du ab dem 14. September für dasselbe Geld rund ein Sechstel weniger Wochenkontingent. Dazu passt, dass seit Juni eine beantragte Sammelklage gegen Anthropic läuft, die den Stufen Max 5x und Max 20x vorwirft, deutlich weniger Wochenkontingent zu liefern, als die Namen versprechen. Eine Klasse ist bis heute nicht zertifiziert, und Anthropic äußert sich dazu nicht. Wer auf Plätzen kalkuliert, rechnet den API-Preis oben einmal gegen: Bei planbarem Volumen ist er die ehrlichere Grundlage, weil er sich nicht über Nacht um 17 % verschiebt.
Und am 18. September hat sich beim Zugang zweimal etwas getan, ohne dass sich eine Zahl in der Liste verschoben hätte. Kimi K3 ist seitdem allgemein auf Amazon Bedrock verfügbar, serverlos und auf Abruf, als erstes Modell mit offenen Gewichten dort mit ausdrücklichem Prompt-Caching. AWS nennt zwei Inferenz-Profile: global.moonshotai.kimi-k3 leitet jede Anfrage an eine beliebige kommerzielle AWS-Region weltweit und kostet laut AWS rund 10 % weniger als ein geografisches Profil, us.moonshotai.kimi-k3 hält die Verarbeitung in den USA. Ein EU-Profil steht nicht in der Ankündigung, Tokenpreise übrigens auch nicht, dort verweist AWS auf die Bedrock-Preisliste. Für dich heißt das zweierlei: Die 1,56 Terabyte Gewichte musst du nicht mehr selbst hosten, um K3 zu betreiben, und für Daten, die die EU nicht verlassen dürfen, ist der Weg über Bedrock trotzdem keiner. In Liste und Chart bleibt Moonshots eigene API die Rechengrundlage, gemischt $2,31.
Am selben Tag hat Alibaba Qwen3.8-Omni-Flash veröffentlicht, ein nativ omnimodales Modell: Text, Bild, Ton und Video im Eingang, Text im Ausgang, 1 Million Token Kontext, nur über die API und ohne offene Gewichte. Die Preisliste steht bei $0,15 im Input, $0,47 im Output und $0,016 im Cache, also auf den Cent dieselbe Liste wie beim reinen Textmodell Qwen3.8-Flash-Next. Was das Modell kann, sagt bisher nur Alibaba selbst: über 29 Bewertungen im Schnitt mehr als 25 % besser als Qwen3.5-Omni-Plus. Das sind Anbieterzahlen und kein unabhängiger Messwert, Artificial Analysis hat das Modell noch nicht gemessen, und genau deshalb steht es heute weder in der Liste noch im Chart. Wenn in deinem Anwendungsfall Ton oder Video vorkommt, lohnt der Blick trotzdem, weil der Textpreis derselbe bleibt.
Eine dritte Meldung vom selben Tag ist hier zunächst untergegangen: Z.ai hat am 18. September GLM-5.3-FlashX gestartet, eine schnellere Ausspielung von GLM-5.3-Flash. Gleiches Modell, gleiches Kontextfenster von 1 Million Token, laut Z.ai bis zu 200 Token pro Sekunde. Bezahlt wird die Geschwindigkeit: Z.ais Preisliste nennt $0,37 im Input, $1,25 im Output und $0,075 im Cache-Treffer, gemischt sind das $0,25. Das ist das Zweieinhalbfache von GLM-5.3-Flash mit seinen gemischt $0,10, bei identischer Ausgabe. Eigene Gewichte hat FlashX nicht, es ist eine reine Hosting-Stufe auf dem offenen Modell von Ende August, und einen eigenen unabhängigen Messwert gibt es auch nicht: Artificial Analysis führt die Stufe bisher nicht. In Liste und Chart bleibt deshalb GLM-5.3-Flash mit 42 Punkten zu gemischt $0,10 stehen. Für dich heißt das: Wenn dein Anwendungsfall an der Antwortzeit hängt, kannst du bei Z.ai jetzt dafür zahlen, und du weißt vorher, was es kostet. Wenn nicht, ändert sich für dich nichts.
Am 19. September hat Artificial Analysis den Intelligenz-Index auf v4.3.2 gepatcht. Geändert hat sich die Methodik an zwei Stellen: Das Elo aus GDPval-AA ist jetzt an DeepSeek V4.1 Flash in der Max-Stufe mit 1600 verankert, dazu kommt ein stabileres Fitting-Verfahren. Neu trainiert wurde kein Modell, neu gerechnet wurde die Messung. Zwei Werte in der Liste oben fallen dadurch um je einen Punkt: DeepSeek V4.1 Flash steht bei 39 statt 40, GPT-5.6 Luna bei 37 statt 38. Die übrigen zweiundzwanzig Messwerte sind unverändert, an der Spitze bleibt der Gleichstand von Claude Fable 5.1 und GPT-6 Astra mit je 53 Punkten. Es gilt dasselbe wie bei den Umstellungen davor: Klüger oder dümmer ist über Nacht kein Modell geworden, nur die Messung ist eine andere. Eine Folge hat es trotzdem, und die steht unten im Abschnitt zur Preis-Leistungs-Front: Qwen3.8-Flash-Next und DeepSeek V4.1 Flash lagen seit dem 10. September bei 40 Punkten gleichauf, jetzt liegt Qwen einen Punkt vorn, bei off-peak identischem Preis von $0,09.
Und am 20. September um 03:15 UTC hat StepFun Step 5 Preview gestartet, das erste Modell dieses Anbieters in der Liste. Die Eckdaten: 600 Milliarden Parameter als Mixture-of-Experts, 27 davon aktiv pro Token, 1 Million Token Kontext und bis zu 64.000 Token Ausgabe, Text, Bild und Video im Eingang. Artificial Analysis misst 44 Punkte auf v4.3.2. Die Preisliste steht bei $1 im Input und $2,70 im Output, der Cache-Treffer kostet 95 % weniger, also $0,05; nach der 7:2:1-Methodik sind das gemischt $0,51. Damit liefert Step 5 Preview denselben Messwert wie Grok 4.6 für $1,35 und Kimi K3 für $2,31, für 62 beziehungsweise 78 % weniger Geld. Auf die Preis-Leistungs-Front kommt es deshalb sofort, sie wächst von sechs auf sieben Einträge. Zwei Dinge gehören dazu, bevor du es einplanst. Erstens ist „Preview“ hier wörtlich zu nehmen: Was ein Nachfolger kostet und wie lange diese Stufe läuft, sagt StepFun nicht. Zweitens sind die Gewichte noch nicht da. StepFun nennt den 15. Oktober, das Hugging-Face-Repository stand am Starttag leer, eine Lizenz ist bisher nicht genannt und ein technischer Bericht auch nicht. Bis dahin ist Step 5 Preview ein API-Modell wie jedes andere, und zur EU sagt StepFun nichts.
Einen Tag später, am 21. September, hat xAI Grok 4.7 nachgelegt, keine sechs Wochen nach Grok 4.6. Artificial Analysis misst 46 Punkte auf v4.3.2, zwei mehr als der Vorgänger, und zwar in beiden Effort-Stufen, die dort geführt werden. An der Preisliste hat xAI nichts geändert: $2 im Input, $6 im Output, Cache-Treffer $0,50, gemischt $1,35, Kontextfenster 500.000 Token, oberhalb von 200.000 Prompt-Token das Doppelte. Zwei Punkte mehr zum selben Preis heißt zweierlei. Grok 4.7 landet sofort auf der Preis-Leistungs-Front, die von sieben auf acht Einträge wächst, und Grok 4.6 hat gegen den eigenen Nachfolger kein Argument mehr. Drei Dinge gehören dazu, bevor du umstellst. Die schnellere Ausspielung Grok 4.7 Fast kostet das Doppelte und läuft nur über Cursor und Grok Build, wer über die US-Region geht, zahlt 10 % Aufschlag. Was xAI zu Coding nennt, 46,3 % auf CursorBench 4.0, ist eine Anbieter-Zahl, der Wert oben ist der unabhängig gemessene. Und die Gewichte sind zu, zur EU sagt xAI wie schon bei Grok 4.6 nichts.
Am 21. September hat Xiaomi MiMo-V2.6-Pro und MiMo-V2.6-Flash veröffentlicht, beide mit offenen Gewichten unter MIT-Lizenz. Pro hat 1,02 Billionen Parameter als Mixture-of-Experts, 42 Milliarden aktiv pro Token, 1 Million Token Kontext und bis zu 128.000 Token Ausgabe, Text und Bild im Eingang. Artificial Analysis misst 46 Punkte auf v4.3.2. Die Preisliste steht bei $0,435 im Input und $0,87 im Output, der Cache-Treffer kostet 99 % weniger, also $0,0036; nach der 7:2:1-Methodik sind das gemischt $0,18. Damit misst MiMo-V2.6-Pro so viel wie Grok 4.7 und kostet 87 % weniger, und es ist das stärkste Modell mit offenen Gewichten in diesem Vergleich. Auf die Preis-Leistungs-Front kommt es sofort. MiMo-V2.6-Flash mit 310 Milliarden Parametern, 15 davon aktiv, steht bei $0,14 / $0,28, der Cache-Treffer bei $0,0028; gemischt sind das $0,06. Einen unabhängigen Messwert gab es am Starttag noch nicht, inzwischen misst Artificial Analysis 38 Punkte auf v4.3.2, und damit steht Flash in Liste und Chart. Und für das Selbst-Betreiben gilt bei Pro dasselbe wie bei Kimi K3: MIT-Lizenz heißt offen, nicht automatisch betreibbar, bei 1,02 Billionen Parametern erst recht nicht. Zur EU sagt Xiaomi nichts.
Am 22. September hat Anthropic Claude Opus 5.5 veröffentlicht, und das ist der größte Sprung, den dieser Vergleich bisher gesehen hat. Artificial Analysis misst 58 Punkte auf v4.3.2 in der Effort-Stufe „max“, fünf mehr als der bisherige Gleichstand von Claude Fable 5.1 und GPT-6 Astra und der höchste Wert, den die Plattform bisher gemessen hat. Die Preisliste steht bei $4 im Input und $20 im Output, der Cache-Treffer bei $0,20, der Cache-Schreibvorgang mit fünf Minuten Haltezeit bei $5; nach der 7:2:1-Methodik sind das gemischt $2,94. Gegenüber Claude Opus 5 mit $5 / $25 sind das 20 % weniger je Token; Anthropic selbst spricht von 40 % weniger auf typischen Aufgaben und rechnet dabei den geringeren Verbrauch mit. Das Modell läuft nach Anthropics Angaben auf allen Plattformen, auch auf AWS, Google Cloud und Azure. Zwei Dinge gehören dazu, bevor du umstellst. Die schnellere Ausspielung kostet mit $8 / $40 das Doppelte. Und der Messwert ist teuer erkauft: Auf Terminal-Bench 4.0 liegt Opus 5.5 mit 59,6 % gleichauf mit GPT-6 Astra, verbraucht dafür laut Artificial Analysis aber rund 119.000 Ausgabe-Token je Aufgabe statt rund 27.000. Wer nach Token abrechnet, rechnet das gegen den niedrigeren Listenpreis.
Am selben Tag hat OpenAI GPT-6 Sol und GPT-6 Luna gestartet und die Preise gegenüber den 5.6er-Stufen halbiert. Sol steht bei $2 / $10 mit $0,20 im Cache-Treffer, gemischt $1,54, und misst 48 Punkte, einen mehr als GPT-5.6 Sol zum doppelten Preis. Luna steht bei $0,10 / $0,50 mit $0,01 im Cache-Treffer, gemischt $0,08, und misst 37 Punkte, also genauso viel wie GPT-5.6 Luna für 53 % weniger. Damit war Luna der günstigste Punkt im ganzen Vergleich, bis Artificial Analysis MiMo-V2.6-Flash nachgemessen hat. Beide haben 1,05 Millionen Token Kontext und bis zu 128.000 Token Ausgabe; oberhalb von 272.000 Prompt-Token verdoppelt OpenAI den Input-Preis und schlägt 50 % auf den Output, so wie bei GPT-6 Astra. Die 5.6er-Stufen bleiben zu den befristeten Preisen mindestens bis zum 21. November 2026 buchbar. Der Gewinn liegt beim Preis, nicht überall in der Messung: Auf zwei Einzeltests, DeepSWE und OSWorld, liegt GPT-5.6 Sol weiter vor GPT-6 Sol.
Und am 23. September haben Alibaba und Z.ai dieselbe Stufe eingezogen, ohne dass sich ein Messwert bewegt. Alibaba führt in der Preisliste von Model Studio jetzt qwen3.8-max-prime, eine schnellere Ausspielung von Qwen3.8-Max: $3,301 im Input und $9,902 im Output je 1 Million Token in der Region China (Peking), wo das Standardmodell selbst $1,65 / $4,951 kostet. Das ist glatt das Doppelte. Alibaba nennt dafür die 1,5- bis 2-fache Geschwindigkeit der Standard-API bei identischen Fähigkeiten und Beschränkungen. Auf der Modellseite von Qwen3.8-Max steht die Stufe nicht, und in der internationalen Region Singapur, aus der die $2 / $6 in unserer Liste stammen, ebenfalls nicht. Z.ai hat am selben Tag GLM-5.3 Prime nachgezogen, dieselbe Idee: OpenRouter listet $2,80 / $8,80, je das Doppelte von Z.ais eigenen $1,40 / $4,40, und $0,56 im Cache-Treffer gegenüber $0,26. In Z.ais eigener Preisliste steht die Prime-Stufe bisher nicht, abrufbar sind beide Stufen seit dem 23. September über OpenRouter. Beide fahren dieselben Gewichte wie das jeweilige Basismodell, beide Tempo-Angaben kommen vom Anbieter und nicht aus einer unabhängigen Messung, und Artificial Analysis führt keine der beiden getrennt. In Liste und Chart bleiben deshalb Qwen3.8-Max und GLM-5.3 mit je 45 Punkten zu gemischt $1,18 beziehungsweise $0,90 stehen. Was du hier kaufst, ist Latenz und nicht Intelligenz: Das rechnet sich nur, wenn in deinem Prozess die Wartezeit teurer ist als der Tokenpreis. Bei Z.ai bleibt GLM-5.3-FlashX vom 18. September mit gemischt $0,25 der billigere Weg zu mehr Tempo, wenn dir 42 statt 45 Punkte reichen.
Seit dem 25. September ist genau eine Zahl dazugekommen, und sie steht ganz unten. Artificial Analysis hat MiMo-V2.6-Flash nachgemessen, die kleine Variante aus Xiaomis Doppelstart vom 21. September: 38 Punkte auf v4.3.2. Die Preisliste steht bei $0,14 im Input und $0,28 im Output, der Cache-Treffer bei $0,0028; nach der 7:2:1-Methodik sind das gemischt $0,06. Damit ist Flash der günstigste Punkt im ganzen Vergleich, zwei Cent unter GPT-6 Luna, das einen Punkt weniger misst und deshalb wieder von der Preis-Leistungs-Front fällt. Der größere Abstand liegt woanders: Claude Sonnet 5 misst mit 38 Punkten exakt dasselbe und kostet gemischt $1,54, also gut das Fünfundzwanzigfache. Die Gewichte liegen wie bei Pro unter MIT-Lizenz offen, 310 Milliarden Parameter mit 15 Milliarden aktiv pro Token, 1 Million Token Kontext. Zur EU sagt Xiaomi weiterhin nichts, und offen heißt auch hier nicht betreibbar: 310 Milliarden Parameter sind Server-Hardware, kein Arbeitsplatzrechner.
Zum Betrieb kommt eine Meldung dazu, die keine Zahl in dieser Liste verändert. OpenAI hat am 26. September Training, Auswertung und Ausführung mit Werkzeugnutzung für seine leistungsfähigsten Modelle gestoppt. Auslöser war ein Vorfall am 20. September, bei dem ein interner Agent die Sandbox-Beschränkungen über DNS umgangen hat; der Lauf wurde am selben Tag abgebrochen. Betroffen sind interne Forschungsmodelle, nicht die gebuchte API: Für GPT-6 Astra, Sol und Luna hat OpenAI weder eine Störung noch eine Preisänderung gemeldet, und die Zahlen in Liste und Chart bleiben unverändert. Kurzfristig ändert das für dich nichts. Mittelfristig heißt es: Wer seinen Zeitplan an das nächste OpenAI-Modell hängt, plant besser einen Puffer ein.
Am 28. September hat Anthropic Claude Sonnet 5.5 gestartet, und diesmal sitzt die Bewegung nicht unten, sondern direkt unter der Spitze. Artificial Analysis misst 56 Punkte auf v4.3.2 in der Effort-Stufe „max“, zwei weniger als Claude Opus 5.5 und drei mehr als Claude Fable 5.1 und GPT-6 Astra. Die Preisliste bleibt bei $2 im Input und $10 im Output, Cache-Treffer $0,20, Cache-Schreiben $2,50; nach der 7:2:1-Methodik sind das gemischt $1,54 und damit auf den Cent derselbe Preis wie bei Claude Sonnet 5, das 38 Punkte misst. Achtzehn Punkte mehr ohne Aufpreis: Für GPT-6 Sol heißt das das Ende auf der Front, acht Punkte weniger zum identischen gemischten Preis. Anthropic nennt dazu über 30 % höheres Ausgabetempo und bis zu 30 % weniger Kosten je Aufgabe durch weniger Token und weniger Werkzeugaufrufe, beides Anbieterangaben. Die von Artificial Analysis gemessenen Kosten je Aufgabe liegen in der Stufe „max“ bei rund $7,60, weil das Modell dort deutlich mehr Ausgabe-Token verbraucht als die Konkurrenz; wer das nicht braucht, fährt niedrigere Stufen, in „high“ misst Sonnet 5.5 47 Punkte. Neu ist außerdem eine Cyber-Schranke: Anfragen mit höherem Risiko fallen sichtbar auf Sonnet 5 zurück. Das Modell läuft über Anthropics eigene API sowie über AWS, Google Cloud und Azure, Zero Data Retention inklusive; Claude Haiku 5.5 hat Anthropic für die kommenden Wochen angekündigt.
Sieben Tage nach GPT-6 Sol hat OpenAI am 29. September GPT-6.1 Sol nachgeschoben. Artificial Analysis misst 52 Punkte auf v4.3.2 in der Effort-Stufe „max“, vier mehr als GPT-6 Sol und einen weniger als GPT-6 Astra, das gemischt $7,70 kostet. Die Liste bleibt bei $2 im Input und $10 im Output, geändert hat sich genau eine Zahl: Der Cache-Rabatt steigt von 90 auf 95 %, der Cache-Treffer kostet also $0,10 statt $0,20. Weil die 7:2:1-Methodik den Cache-Treffer mit sieben Zehnteln gewichtet, sinkt der gemischte Preis dadurch von $1,54 auf $1,47. Vier Punkte mehr für sieben Cent weniger: Damit steht GPT-6.1 Sol auf der Preis-Leistungs-Front, die auf sieben Einträge wächst, und GPT-6 Sol hat neben Claude Sonnet 5.5 auch den eigenen Nachfolger über sich. Das Kontextfenster bleibt bei 1,05 Millionen Token. In ChatGPT ist das Modell für Plus, Pro, Business, Enterprise und Edu in Work und Codex freigeschaltet, im normalen Chat laut OpenAI noch nicht; über die API läuft es als gpt-6.1-sol. GPT-6 Sol bleibt buchbar.
Für deutsche Unternehmen entscheidet nicht nur der Benchmark, sondern die Architektur dahinter. US-Modelle laufen über EU-Endpoints mit Datenresidenz und einen sauberen Auftragsverarbeitungsvertrag DSGVO-konform. Für wirklich sensible Daten wie Personalakten, Patientendaten oder Vertragsunterlagen sind offen lizenzierte Modelle auf eigener Infrastruktur die sauberste Lösung, dann verlassen die Daten deinen Server nie. Nur ist „offen“ nicht dasselbe wie „läuft bei dir im Serverschrank“, und dafür gibt es vier verschiedene Gründe.
Bei Kimi K3 steht die Hardware im Weg. Die Gewichte liegen seit dem 27. Juli offen auf Hugging Face, der Download umfasst rund 1,56 Terabyte. Acht Karten der 80-GB-Klasse ergeben zusammen 640 GB, das reicht nicht annähernd. Moonshots eigene Empfehlung nennt acht Beschleuniger der B300-Klasse oder 32 H100, also eine Rechnung im hohen sechsstelligen Bereich. Die Lizenz ist übrigens keine MIT-Lizenz, sondern eine eigene mit Umsatzstaffel, für interne Nutzung aber unkritisch. Seit dem 18. September gibt es einen Weg daran vorbei, der die Hardware-Frage erledigt und die Datenfrage nicht: Auf Amazon Bedrock läuft K3 serverlos, aber nur über ein US-Profil und ein weltweites Profil, ein EU-Profil nennt AWS nicht.
Bei Qwen3.8-Max steht die Größe im Weg. Alibaba hat die Gewichte am 12. August auf Hugging Face gelegt, 2,4 Billionen Parameter insgesamt, 95 Milliarden aktiv pro Token. Damit ist erstmals ein Modell der Max-Klasse offen, selbst betreiben kannst du es trotzdem nicht. Auch hier gilt eine eigene Lizenz mit Umsatzstaffel, ohne Gebietsbeschränkung.
Bei MiniMax H3 steht die Landkarte im Weg. Die Gewichte des Videomodells liegen seit dem 3. August offen, 33 Milliarden Parameter, ab 42,5 GB Download, technisch also gut betreibbar. Die Community-Lizenz vom 2. August definiert ein „Applicable Territory“: weltweit, ausgenommen die Europäische Union, Großbritannien, Südkorea und die USA. Wer in Deutschland sitzt, darf die Gewichte lokal weder betreiben noch die Ergebnisse daraus nutzen. Über die gehostete API bleibt das Modell erreichbar, denn das ist eine Kundenbeziehung und keine Lizenz. In der Liste oben steht H3 nicht, es ist ein Videomodell und wird im Intelligenz-Index für Textmodelle gar nicht gemessen.
Bei GLM-5.3 stand bis zum 28. August der Kalender im Weg, jetzt steht dort die Lizenz. Die GLM-Reihe lag bisher offen, GLM-5.2 kam im Juni unter MIT-Lizenz und war bei Artificial Analysis das stärkste offene Modell. Bei GLM-5.3 hat Z.ai die Gewichte rund zwei Wochen zurückgehalten und den Grund selbst genannt: Das Modell sei zu gut darin, Sicherheitslücken zu finden und auszunutzen. Im eigenen Wortlaut: „An open world cannot have only open attack surfaces. It must also have an open shield.“ Am 28. August waren sie dann da, 753 Milliarden Parameter als Mixture-of-Experts, in BF16 und FP8 auf Hugging Face. Nur nicht mehr unter MIT: Es gilt eine eigene GLM-5.3-Lizenz. Die erlaubt Nutzen, Ändern, Weitergeben und Verkaufen wie MIT, hängt aber eine Bedingung dran. Wer selbst Modelle als Dienst anbietet und mit seinen verbundenen Unternehmen in zwölf zusammenhängenden Monaten über 10 Milliarden US-Dollar Umsatz macht, muss vor der kommerziellen Nutzung Z.ais Sicherheitsprüfung bestehen. Die Lizenz zielt damit auf Hyperscaler, nicht auf dich: Für einen Mittelständler, der das Modell für eigene Zwecke betreibt, greift die Schwelle nicht. Eine Gebietsbeschränkung wie bei MiniMax enthält der Text nicht, eine Klausel zur zulässigen Nutzung übrigens auch nicht. Was bleibt, ist die Hardware: 753 Milliarden Parameter sind in 8-Bit rund 810 GB allein für die Gewichte, erst die 2-Bit-Quantisierung kommt mit rund 245 GB auf eine Maschine der 256-GB-Klasse. In die Gruppe, die gleich kommt, gehört GLM-5.3 deshalb nicht.
Bei Tencent Hy4 preview steht wieder die Größe im Weg, die Lizenz aber ausnahmsweise nicht. Tencent hat das Modell am 28. August veröffentlicht und die Gewichte am selben Tag offengelegt: 770 Milliarden Parameter als Mixture-of-Experts, 49 davon aktiv pro Token, über 1 Million Token Kontext, auf Hugging Face unter Apache 2.0. Das ist die freieste Lizenz in diesem ganzen Abschnitt, freier als die eigene GLM-5.3-Lizenz, freier als die Qwen-Community-Lizenz 1.0 und ohne Gebietsklausel wie bei MiniMax. Über Tencent Cloud TokenHub und OpenRouter kostet es $0,834 im Input, $2,501 im Output und $0,042 im Cache, gemischt also $0,45. In die Liste oben kommt es trotzdem nicht: Artificial Analysis hat Hy4 preview bis heute nicht gemessen, und ohne unabhängigen Messwert steht hier keine Zahl. Was Tencent selbst nennt, ist eine Anbieter-Zahl, nämlich eine interne Blindbewertung mit 163 Fachleuten über 203 Aufgaben, 2,99 von 4,00 gegen 2,94 bei Kimi K3 und 2,92 bei GLM-5.3. Und selbst betreiben wirst du 770 Milliarden Parameter so wenig wie die 753 von GLM-5.3.
Fünf Kandidaten laufen heute wirklich auf eigener Hardware, und beim ersten ist seit dem 10. September eine Unterscheidung wichtig. DeepSeek V4-Flash-0731 kommt unter MIT-Lizenz, misst 35 Punkte und passt mit rund 284 GB in FP8 auf vier H100. Die Gewichte bleiben, wo sie sind, und genau das ist hier der Punkt: Über DeepSeeks eigene API gibt es das Modell seit dem 10. September nicht mehr, selbst betreiben kannst du es weiter, und Artificial Analysis führt dafür siebzehn Anbieter. Der Haken ist inhaltlich und nicht technisch: Mit 84 % Halluzinationsrate auf AA-Omniscience gehört das Modell in Workflows mit Quellenzwang und Prüfschritt, nicht in die freie Auskunft. Qwen3.8-27B liegt seit dem 14. August unter Apache 2.0 daneben, 27 Milliarden Parameter als dichtes Modell, und lag auf v4.1.1 seit dem 17. August mit 52 Punkten gleichauf mit GPT-5.6 Luna. In die Liste oben kommt es trotzdem nicht, weil es keinen eigenen Tokenpreis gibt. Metas Muse Glimmer läuft seit dem 10. August unter Apache 2.0 in 4-bit-Quantisierung auf einer einzelnen Karte mit 24 GB, misst auf v4.1.1 dafür aber nur 35 Punkte. Und seit dem 26. August kommt GLM-5.3-Flash dazu, mit dem höchsten Messwert dieser Gruppe: 42 Punkte, MIT-Lizenz. Der native FP8-Checkpoint braucht rund 306 GiB allein für die Gewichte, dazu kommt der KV-Cache; das vLLM-Rezept läuft auf vier oder acht Karten der Hopper-Klasse oder neuer. Eine Einzelkarte ist das nicht, aber es ist eine Rechnung, die ein Mittelständler aufmachen kann. Und wenn du sie dir sparen willst: Artificial Analysis führt für dieses Modell inzwischen achtzehn Anbieter statt nur Z.ai.
Der fünfte kam am 31. August dazu und war der einzige in dieser Gruppe, der Bilder liest; seit dem 10. September steht ein größeres Geschwister daneben. DeepSeek hat die Gewichte von V4-Flash-Vision-Exp offengelegt, unter MIT-Lizenz auf Hugging Face, 305 Milliarden Parameter. Die API gibt es schon seit dem 21. August, zu denselben Preisen wie V4-Flash, gemischt also $0,23 im Peak und $0,11 off-peak. In die Liste oben kommt das Modell trotzdem nicht: Artificial Analysis misst 51 Punkte auf v4.1.1, einen weniger als V4-Flash-0731 zum gleichen Preis. Für reinen Text nimmst du also weiter das ältere Geschwister. Interessant ist die Vision-Variante da, wo Dokumente, Screenshots oder Diagramme durch den Workflow laufen und die Daten das Haus nicht verlassen sollen. Experimentell nennt DeepSeek sie selbst, plan sie entsprechend ein. Über DeepSeeks eigene API ist auch dieses Modell seit dem 10. September nicht mehr erreichbar, der Name zeigt auf V4.1 Flash. Die Gewichte bleiben trotzdem liegen, und für eigene Hardware sind sie weiter die realistischere Wahl. Der Nachfolger V4.1 Flash liest ebenfalls Bilder, steht ebenfalls unter MIT-Lizenz und misst mit 40 Punkten deutlich mehr, bringt aber 552 statt 305 Milliarden Parameter mit. In diese Gruppe gehört er damit so wenig wie GLM-5.3; über die API ist er dafür der bessere Kauf.
Am 26. August hat Alibaba Qwen3.8-Flash-Next offengelegt, 125 Milliarden Parameter, 6 davon aktiv pro Token, 262.144 Token Kontext nativ und bis zu 1 Million über YaRN. Lies hier die Lizenz genau: Es ist nicht Apache 2.0 wie beim kleinen Qwen3.8-27B, sondern die Qwen-Community-Lizenz 1.0. Messwert und Tokenpreis fehlten zunächst, beides liegt inzwischen vor, deshalb steht das Modell jetzt auch in der Liste oben: Artificial Analysis misst 40 Punkte auf v4.3 und führt Alibaba Cloud sowie Makora als Anbieter mit $0,15 im Input und $0,47 im Output, Cache-Treffer 89 % unter dem Input-Preis, gemischt $0,09. Die Zahlen, die Alibaba zu SWE-bench Pro und CoWorkBench nennt, sind Anbieter-Zahlen, der Wert oben ist der unabhängig gemessene. Zur EU sagt auch Alibaba nichts.
Bei Step 5 Preview steht bisher nur ein Datum da. StepFun hat das Modell am 20. September gestartet und die Gewichte für den 15. Oktober angekündigt; das Hugging-Face-Repository war am Starttag leer, eine Lizenz ist nicht genannt. Für deine Planung heißt das: Ein angekündigtes Veröffentlichungsdatum ist keine Lizenz, und bei 600 Milliarden Parametern käme danach ohnehin erst die Hardware-Rechnung. Bis zum 15. Oktober ist das ein API-Modell, und was danach gilt, steht erst im Lizenztext.
Seit dem 2. August 2026 gelten die Transparenzpflichten aus Artikel 50 des AI Act, und Kommission wie nationale Behörden können Verstöße sanktionieren. Ein Chatbot muss als Maschine erkennbar sein, nicht erst auf Nachfrage. KI-generierte Inhalte müssen gekennzeichnet werden, Deepfakes ausdrücklich. Emotionserkennung und biometrische Kategorisierung müssen offengelegt werden.
Auf die Modellwahl hat das keinen Einfluss, auf deinen Workflow schon. Du brauchst eine Stelle im Prozess, an der die Kennzeichnung entsteht, und eine Dokumentation, die zeigt, wo der Inhalt herkommt. Anthropic hat am 14. August beschrieben, wie das unsichtbare Wasserzeichen in Claudes Texten funktioniert, mit ausdrücklichem Verweis auf die EU-Vorgaben; seit dem 1. September tragen es Fable 5.1 und Mythos 5.1 als erste Modelle unter der EU-Transparenzzusage. Nimm es trotzdem nicht als erledigte Pflicht: Die Erkennungs-API ist in privater Vorschau und für dich noch nicht da, das Zeichen belegt Verarbeitung und keine Urheberschaft, bei kurzen Texten trägt es kaum und bei Code fast gar nicht, und eine vollständige Neufassung entfernt es.
Welche Pflicht ab wann greift, wer als Anbieter und wer als Betreiber gilt und was der KI-Omnibus auf 2027 verschoben hat, steht in unserem Artikel dazu: EU AI Act ab 2. August 2026: Was wirklich Pflicht ist.
Seit dem 31. August kommt für einen Anbieter eine zweite Regulierung dazu, die mit dem AI Act nichts zu tun hat. Die EU-Kommission hat ChatGPT als sehr große Online-Suchmaschine nach dem Digital Services Act eingestuft, Reddit und Roblox am selben Tag als sehr große Plattformen. Ausschlaggebend ist die Zahl, die die Dienste selbst gemeldet haben: mindestens 45 Millionen monatlich aktive Nutzer in der EU. OpenAI hat jetzt vier Monate Zeit, also bis Januar 2027, um die zusätzlichen Pflichten zu erfüllen. Dabei geht es um die Bewertung und Minderung systemischer Risiken, von der Verbreitung illegaler Inhalte über den Schutz Minderjähriger und die Auswirkungen auf Grundrechte bis zu Wahlprozessen und öffentlicher Sicherheit. Für deine Modellwahl ändert das nichts, kein Preis und kein Messwert bewegt sich dadurch. Für die Frage, wie ein Anbieter in Europa reguliert wird, ist es die größere Nachricht dieser Woche.
Du willst KI im Unternehmen einsetzen, aber sauber, technisch wie rechtlich? Genau solche Systeme bauen wir, vom n8n-Workflow bis zum Hosting auf deutschen Servern. Wie das konkret aussieht, zeigen wir dir hier: KI-Automatisierung.
Über den Nutzen eines KI-Projekts entscheidet selten das Modell, sondern der Prozess. Welche Daten fließen wo, was wird geprüft, wo bleibt der Mensch in der Schleife? Das Modell dahinter sollte austauschbar sein. Als am 24. Juli die Rangliste neu sortiert wurde, war das für sauber gebaute Workflows eine Konfigurationszeile und kein Projekt. Am 1. September ist sie wieder neu sortiert worden, und wer sauber gebaut hat, kann in Ruhe entscheiden, ob ihm drei Intelligenzpunkte $3,33 mehr je 1 Million Token wert sind. Für die Preissenkungen vom 30. Juli und vom 21. August gilt dasselbe, wer sauber gebaut hat, nimmt sie einfach mit. Wer am 26. August seinen billigen Massen-Workflow von Luna auf GLM-5.3-Flash ziehen wollte, hat dafür idealerweise auch nur eine Zeile gebraucht. Wer am 2. September von Gemini 3.7 Flash auf 3.8 Flash umgestellt hat, hat zwei Intelligenzpunkte zum selben Tokenpreis mitgenommen, und wer am 21. September von Grok 4.6 auf 4.7 gewechselt ist, noch einmal zwei zum identischen Preis. Am 3. September ließ sich beides an einem Tag sehen: OpenAI hat mit GPT-6 Astra sein neues Spitzenmodell veröffentlicht, gemischt $7,70, und Meta hat mit Muse Spark 1.3 für $0,78 geliefert. Nach der zweiten Index-Umstellung vom 7. September liegen zwischen beiden acht Intelligenzpunkte und knapp Faktor zehn im Preis. Wer sauber gebaut hat, vergleicht das an einer Konfigurationszeile statt in einem Projekt. Und wer seit dem 16. August merkt, dass sein DeepSeek-Batch im Peak-Fenster das Doppelte kostet, verschiebt ihn auf den Nachmittag statt das Projekt. Und am 22. September ging beides an einem Tag: Wer von Claude Fable 5.1 auf Claude Opus 5.5 umstellt, nimmt fünf Intelligenzpunkte mit und zahlt gemischt $4,24 weniger je 1 Million Token; wer bei OpenAI von den 5.6er- auf die 6er-Stufen wechselt, zahlt die Hälfte. Und seit dem 29. September lohnt sich dieselbe Zeile noch einmal: von GPT-6 Sol auf GPT-6.1 Sol sind es vier Intelligenzpunkte mehr für sieben Cent weniger.
Welcher Prozess in deinem Unternehmen wäre der erste Kandidat? Lass uns in 30 Minuten drüber schauen. Wir sagen dir ehrlich, was sich automatisieren lässt, welches Modell dafür reicht und was es kostet.
Lass uns in 30 Minuten über dein Onlineauftritt sprechen.
Wir haben die Antworten!
An der Spitze steht seit dem 22. September Claude Opus 5.5 von Anthropic: 58 Punkte auf v4.3.2 des Artificial-Analysis-Index, fünf mehr als Gemini 4 Argon, Claude Fable 5.1 und GPT-6 Astra, die alle drei 53 messen. Die Liste steht bei $4 Input und $20 Output pro Million Token, der Cache-Treffer bei $0,20, gemischt sind das $2,94. Damit ist das klügste Modell im Vergleich zum ersten Mal nicht das teuerste: Fable 5.1 kostet gemischt $7,18, Astra $7,70, Claude Opus 5 mit 51 Punkten $3,85. Einen Schritt darunter steht seit dem 28. September Claude Sonnet 5.5, ebenfalls von Anthropic: 56 Punkte in der Effort-Stufe „max“, zwei weniger als Opus 5.5, zu gemischt $1,54. Die Liste steht bei $2 / $10 und damit auf den Cent beim Preis von Claude Sonnet 5, das achtzehn Punkte weniger misst. GPT-6.1 Sol von OpenAI misst seit dem 29. September 52 Punkte für gemischt $1,47 und ist damit das zweitbeste Angebot in dieser Preisklasse: vier Punkte unter Sonnet 5.5 für sieben Cent weniger. Der Vorgänger GPT-6 Sol steht bei 48 Punkten zu $1,54, gleiche Liste, nur halb so hoher Cache-Rabatt. Seit dem 30. September liegt in derselben Preisklasse Googles Gemini 4 Argon: 53 Punkte für gemischt $1,47, also ein Punkt mehr als Sol zum identischen Preis und derselbe Messwert wie GPT-6 Astra für 81 % weniger. Bestellen kannst du Argon aber noch nicht, Google lässt bisher nur sein geprüftes Fairwind-Programm darauf. Wer offene Gewichte braucht, schaut seit dem 21. September zuerst auf Xiaomis MiMo-V2.6-Pro: 46 Punkte für gemischt $0,18, MIT-Lizenz, derselbe Messwert wie Grok 4.7 für 87 % weniger. Wer billiger sein muss, schaut auf Muse Spark 1.3 von Meta: Intelligenz 48, gemischt $0,78. Artificial Analysis führt das Modell seit dem 10. Oktober in der Effort-Stufe „max“ mit 48 Punkten statt in „xhigh“ mit 45, bei unverändertem Preis; damit misst es zwei Punkte mehr als MiMo-V2.6-Pro. Die Gewichte sind zu, und zur EU sagt Meta nichts. Eine Klasse darunter liegt GLM-5.3 von Z.ai: 45 Punkte für gemischt $0,90, also drei weniger für zwölf Cent mehr, und Kimi K3 kostet $2,31 für 44 Punkte. Für alles, was nicht an die Spitze muss, stehen unten vier Modelle dicht nebeneinander: GLM-5.3-Flash misst 42 Punkte für gemischt $0,10, seit der Aktionspreis am 9. September 2026 ausgelaufen ist, und die Gewichte liegen offen unter MIT-Lizenz. Qwen3.8-Flash-Next von Alibaba misst 40 Punkte für gemischt $0,09; der günstigste Punkt im ganzen Vergleich ist seit dem 28. September Xiaomis MiMo-V2.6-Flash mit 38 Punkten zu gemischt $0,06, zwei Cent unter GPT-6 Luna, das seit der Nachmessung auf v4.3.2 denselben Wert misst. Seit dem 7. Oktober steht darüber Claude Haiku 5.5 von Anthropic: 43 Punkte für gemischt $0,08, also ein Punkt mehr als GLM-5.3-Flash für zwei Cent weniger und derselbe Preis wie GPT-6 Luna, das fünf Punkte weniger misst. Oberhalb von 100.000 Prompt-Token kostet Haiku 5.5 das Fünffache, gemischt $0,39, und die Gewichte sind zu. Gemini 3.8 Flash ist mit 41 Punkten zu $0,58 seit dem 7. September von der Front gefallen, weil GLM-5.3-Flash einen Punkt mehr misst und deutlich weniger kostet. Bei Google kosten seit Anfang September ohnehin alle drei Flash-Generationen dasselbe: gemischt $0,58 für 34, 39 und 41 Punkte. Am 10. Oktober stehen damit sieben Modelle auf dieser Front: MiMo-V2.6-Flash, Claude Haiku 5.5, MiMo-V2.6-Pro, Muse Spark 1.3, Gemini 4 Argon, Claude Sonnet 5.5 und Claude Opus 5.5. Muse Spark 1.3 ist am 10. Oktober dazugekommen, ohne dass jemand herausgefallen ist. Qwen3.8-Flash-Next und GLM-5.3-Flash sind dort am 7. Oktober herausgefallen, beide gegen Claude Haiku 5.5. GPT-6.1 Sol ist dort am 30. September gegen Gemini 4 Argon herausgefallen; wer heute bestellen muss, nimmt es trotzdem, weil Argon noch nicht zu haben ist. Beim Zugang hat sich einiges entspannt: Für GLM-5.3 führt Artificial Analysis inzwischen vierzehn Anbieter statt nur Z.ai, ab gemischt $0,72 bei DeepInfra; für GLM-5.3-Flash sind es achtzehn, darunter Databricks, Together AI, Baseten und Nebius, das für seine Token Factory Rechenzentren in Finnland und Frankreich und EU-Datenresidenz nennt. Rechengrundlage in Liste und Chart bleibt in beiden Fällen Z.ai selbst. Z.ai und Alibaba selbst sagen zur EU weiterhin nichts. Für die Breite bleibt die GPT-5.6-Reihe der pragmatische Standard, weil du verlässlich rankommst und mit Terra und Luna zwei günstige Stufen hast, die seit dem 30. Juli noch einmal deutlich billiger sind, Luna um 80 %. Sol selbst steht seit dem 21. August bei $4 / $20 statt $5 / $30, gemischt $3,08, allerdings befristet bis mindestens zum 21. November 2026. Seit dem 22. September gibt es daneben GPT-6 Sol und GPT-6 Luna zum halben Preis der jeweiligen 5.6er-Stufe. Wer rein auf den Preis schaut, muss seit dem 16. August auch auf die Uhr schauen: DeepSeek hat auf Peak- und Off-Peak-Preise umgestellt. V4-Flash-0731 misst mit 35 Punkten drei weniger als GPT-5.6 Luna, kostet gemischt aber $0,11 off-peak und $0,23 im Peak statt bisher durchgehend $0,06. Der günstigste Punkt im Vergleich ist das seit dem 26. August trotzdem nicht mehr. Entscheidender als das Modell ist aber, dass dein Workflow so gebaut ist, dass du es später ohne Umbau tauschen kannst.
Ja. Über EU-Endpoints mit Datenresidenz und einen Auftragsverarbeitungsvertrag ist das sauber machbar. Für besonders sensible Daten empfehlen wir offen lizenzierte Modelle auf eigener Infrastruktur, dann verlassen die Daten deinen Server gar nicht erst. Wichtig: Offene Gewichte heißen nicht automatisch selbst betreibbar. Kimi K3 ist mit rund 1,56 Terabyte für die meisten Unternehmen nicht realistisch; seit dem 18. September läuft es zwar serverlos auf Amazon Bedrock, dort aber nur über ein US-Profil und ein weltweites Profil, ein EU-Profil nennt AWS nicht. Qwen3.8-Max liegt seit dem 12. August zwar offen auf Hugging Face, ist mit 2,4 Billionen Parametern aber jenseits von allem, was ein Mittelständler selbst betreibt, dazu unter einer eigenen Lizenz mit Umsatzstaffel statt unter Apache oder MIT. Seit dem 14. August liegt daneben das kleine Qwen3.8-27B unter Apache 2.0, 27 Milliarden Parameter als dichtes Modell und damit eine realistische Größe für eigene Hardware; auf v4.1.1 misst Artificial Analysis dafür seit dem 17. August 52 Punkte. DeepSeek V4-Flash-0731 passt ebenfalls: MIT-Lizenz, rund 284 GB in FP8, vier H100 reichen. Seit dem 31. August liegt daneben die multimodale Variante V4-Flash-Vision-Exp, ebenfalls unter MIT-Lizenz, 305 Milliarden Parameter; Artificial Analysis misst dafür 51 Punkte auf v4.1.1, einen weniger als das Textmodell zum gleichen Preis, dafür liest sie Bilder. Seit dem 21. September liegt daneben Xiaomis MiMo-V2.6-Pro unter MIT-Lizenz, also ohne Lizenzhaken: 1,02 Billionen Parameter mit 42 aktiv, Artificial Analysis misst 46 Punkte, über Xiaomis API kostet es gemischt $0,18. Selbst betreiben wirst du es bei dieser Größe so wenig wie Kimi K3; die kleinere MiMo-V2.6-Flash mit 310 Milliarden Parametern und 15 aktiv liegt ebenfalls unter MIT; Artificial Analysis misst sie inzwischen mit 38 Punkten auf v4.3.2. Seit dem 26. August ist GLM-5.3-Flash der stärkste Kandidat für eigene Hardware: MIT-Lizenz, 42 Punkte, 320 Milliarden Parameter mit 18 aktiv, rund 306 GiB im nativen FP8-Checkpoint, laut vLLM-Rezept vier oder acht Karten der Hopper-Klasse. Wenn du dir die Hardware sparen willst: Artificial Analysis führt für dieses Modell inzwischen achtzehn Anbieter statt nur Z.ai, darunter Nebius, das für seine Token Factory EU-Datenresidenz nennt. Alibaba hat am 26. August Qwen3.8-Flash-Next offengelegt, 125 Milliarden Parameter mit 6 aktiv, allerdings unter der Qwen-Community-Lizenz 1.0 und nicht unter Apache 2.0; lies den Lizenztext, bevor du planst. Gemessen ist das Modell inzwischen auch: Artificial Analysis kommt auf 40 Punkte, über Alibaba Cloud kostet es gemischt $0,09. Tencent hat am 28. August Hy4 preview offengelegt, unter Apache 2.0 und damit ohne Lizenzhaken, mit 770 Milliarden Parametern und 49 aktiv aber ebenso wenig etwas für den eigenen Serverschrank; einen unabhängigen Messwert gibt es dafür bis heute nicht. Seit dem 10. August gibt es dazu eine sehr kleine Variante: Metas Muse Glimmer läuft unter Apache 2.0 in 4-bit-Quantisierung auf einer Karte mit 24 GB, misst auf v4.1.1 mit 35 Punkten aber deutlich weniger als alles in der Liste oben. Und offene Gewichte sind nicht nur ein Lizenztext, sondern auch ein Zeitplan: Z.ai hat GLM-5.3 am 14. August ohne Gewichte gestartet und sie erst am 28. August nachgeliefert, zwei Wochen später als das Modell selbst. Dann aber nicht mehr unter MIT, sondern unter einer eigenen GLM-5.3-Lizenz; wer Modelle als Dienst anbietet und über 10 Milliarden US-Dollar Umsatz in zwölf Monaten macht, braucht vorher Z.ais Sicherheitsprüfung, für einen Mittelständler ist das unkritisch. Selbst betreiben wirst du das Modell trotzdem kaum: 753 Milliarden Parameter sind in 8-Bit rund 810 GB. Lies vor der Hardware-Bestellung also beides, den Lizenztext und den Kalender. Ant Group liefert dafür gerade das nächste Beispiel: Ling 3.1 Flash ist seit dem 1. Oktober als offenes Modell angekündigt und von Artificial Analysis mit 41 Punkten gemessen, die Gewichte liegen bis heute nicht da, weder Repository noch Lizenz. MiniMax schließt in der H3-Lizenz vom 2. August die EU vom lokalen Betrieb ausdrücklich aus. Mistral liefert seit dem 6. Oktober das jüngste Beispiel für denselben Kalender-Vorbehalt: Large 4 ist als Research Public Preview gestartet, Artificial Analysis misst 38 Punkte, die Gewichte sind für Ende Oktober angekündigt und eine Lizenz steht nicht da. Bei 1 Billion Parametern mit 49 Milliarden aktiv wäre es ohnehin nichts für den eigenen Serverschrank; interessant ist es, weil der Anbieter als einziger in dieser Liste selbst in der EU sitzt.
Made with love by Hochkonzept.
© Hochkonzept 2026 |Gegründet 2017 | Hochkonzept die Agentur für modernes Webdesign und Sichtbarkeit im Internet.
