Sprachmodelle für Chat, Analyse, Extraktion und Agenten.
Schnellwahl
21 Modelle
Anthropic
Anthropic's model for the most demanding reasoning and long-horizon agentic work. 1M-token context window, up to 128K output tokens, adaptive thinking that is always on.
claudefablereasoning
12,00 $/1 Mio. In
60,00 $/1 Mio. Out
Anthropic
The most capable model of Anthropic's Opus 4 series. State of the art on long-horizon agentic work, coding and knowledge tasks, with a 1M-token context window at standard pricing.
claudeopusagentic
6,00 $/1 Mio. In
30,00 $/1 Mio. Out
Anthropic
Anthropic's current Opus model for long-running agentic coding and knowledge work. 1M-token context window, up to 128K output tokens, adaptive thinking that is always on.
claudeopusagentic
4,80 $/1 Mio. In
24,00 $/1 Mio. Out
Anthropic
Anthropic's Sonnet model with the best combination of speed and intelligence. 1M-token context window, up to 128K output tokens, adaptive thinking.
claudesonnetbalanced
2,40 $/1 Mio. In
12,00 $/1 Mio. Out
DeepSeek
DeepSeek's April 2026 flagship. 1.6T MoE / 49B active params, 1M context, rivals top closed-source models on STEM and coding at a fraction of the price.
open-weightsmoecoding
1,584 $/1 Mio. In
4,752 $/1 Mio. Out
Google DeepMind
Google's latest thinking model. Excels at reasoning, coding, math, and science with massive context window.
reasoningcodingmultimodal
1,50 $/1 Mio. In
12,00 $/1 Mio. Out
OpenAI
OpenAI's newest flagship model. Improved reasoning, instruction following, and coding over GPT-4o.
codingreasoning
2,40 $/1 Mio. In
9,60 $/1 Mio. Out
OpenAI
OpenAI's current flagship chat model (released April 2026). Strongest general reasoning, coding and tool use in the GPT-5 line, with vision input and a large context window.
gpt-5reasoningvision
6,00 $/1 Mio. In
36,00 $/1 Mio. Out
OpenAI
OpenAI's reasoning model optimized for STEM tasks, coding, and math. Uses chain-of-thought reasoning.
reasoningcodingmath
1,32 $/1 Mio. In
5,28 $/1 Mio. Out
OpenAI
OpenAI's most capable multimodal model. Excellent for complex reasoning, coding, and creative tasks.
fastmultimodal
3,00 $/1 Mio. In
12,00 $/1 Mio. Out
DeepSeek
Efficiency-optimized variant of DeepSeek V4. 284B MoE / 13B active, 1M context, ultra-low pricing for high-throughput workloads.
open-weightsmoecost-efficient
0,36 $/1 Mio. In
1,44 $/1 Mio. Out
DeepSeek
DeepSeek's current Flash model (API name deepseek-flash, model version DeepSeek-V4.1-Flash): 1M-token context, up to 384K output tokens, JSON output, tool calls and vision input.
open-weightscost-efficientlong-context
0,36 $/1 Mio. In
1,44 $/1 Mio. Out
OpenAI
OpenAI's most capable model, built for the hardest end-to-end work. Reasoning, text and image input, function calling and tool use, 1,050,000-token context window and up to 128,000 output tokens. Knowledge cutoff April 30, 2026.
gpt-6reasoningvision
12,00 $/1 Mio. In
60,00 $/1 Mio. Out
OpenAI
OpenAI's most efficient model for focused, high-volume tasks. Reasoning, text and image input, function calling and tool use, 1,050,000-token context window and up to 128,000 output tokens. Knowledge cutoff May 18, 2026.
gpt-6cost-efficientfast
0,12 $/1 Mio. In
0,60 $/1 Mio. Out
OpenAI
OpenAI model built to power complex coding and agentic workflows. Reasoning, text and image input, function calling and tool use, 1,050,000-token context window and up to 128,000 output tokens. Knowledge cutoff April 20, 2026.
gpt-6codingagents
2,40 $/1 Mio. In
12,00 $/1 Mio. Out
OpenAI
Small, fast, and affordable model for lightweight tasks. Great balance of speed and capability.
fastaffordable
0,18 $/1 Mio. In
0,72 $/1 Mio. Out
OpenAI
Smaller, faster, cheaper member of OpenAI's GPT-5 family. Tuned for high-throughput chat, classification and extraction where the full flagship is overkill.
gpt-5cost-efficientfast
0,30 $/1 Mio. In
2,40 $/1 Mio. Out
OpenAI
OpenAI GPT-5.1 chat model (November 2025). An earlier GPT-5 point release kept available for compatibility. Good general-purpose reasoning and coding.
gpt-5reasoningvision
1,50 $/1 Mio. In
12,00 $/1 Mio. Out
OpenAI
OpenAI's o3 reasoning model. Spends compute on a private chain of thought before answering, strong at math, science and hard coding problems that benefit from deliberate reasoning.
o-seriesreasoningstem
2,40 $/1 Mio. In
9,60 $/1 Mio. Out
OpenAI
OpenAI's o4-mini reasoning model. A cost-efficient reasoning model that trades some depth for much lower price and latency, good for high-volume math and code tasks.
o-seriesreasoningcost-efficient
1,32 $/1 Mio. In
5,28 $/1 Mio. Out
Community
Meta SeamlessM4T v2 Large. Universal multilingual translation across 100+ languages with text-to-text mode for documents and chat.
translationmetaopen-weights
ca. 0,0012 $/Lauf
Anthropic
Anthropic's most powerful model. Exceptional at complex analysis, agentic tasks, and extended reasoning.
reasoningagentic
Derzeit nicht im Angebot
Google DeepMind
Google's fastest multimodal model. Supports text, images, audio, and video input.
fastmultimodalaffordable
Derzeit nicht im Angebot
Hugging Face
The original Bio_ClinicalBERT from Alsentzer et al., a BERT model initialized from BioBERT and further pretrained on all MIMIC-III clinical notes. Served as a fill-mask endpoint it predicts masked tokens in clinical text and produces clinical embeddings. It is the standard encoder backbone behind many downstream clinical NLP fine-tunes.
medicalresearchnlp
Derzeit nicht im Angebot
Hugging Face
Token-classification model from d4data that tags 84 biomedical entity types in clinical and medical text, including disease, sign, symptom, medication, dosage, lab value, body part and procedure. Trained on the Maccrobat clinical case corpus on a DistilBERT base, so it runs cheaply for high-volume tagging.
medicalresearchnlp
Derzeit nicht im Angebot
Anthropic
Anthropic's most capable model. Excellent for complex analysis, coding, math, and creative writing.
codinganalysis
Derzeit nicht im Angebot
DeepSeek
DeepSeek's refreshed V3.1 release. 671B MoE / 37B active. Tops open-weights leaderboards on coding and reasoning.
open-weightsmoecoding
Derzeit nicht im Angebot
xAI
xAI's flagship reasoning model with vision and tool use. 256k context, strong at complex reasoning and STEM tasks.
reasoningvisiontools
Deaktiviert
xAI's Grok 4.20 reasoning snapshot. Runs an extended thinking pass before answering for multi-step analysis, math and STEM, with a 1M token context window and strong agentic tool calling.
grokreasoninglong-context
Derzeit nicht im Angebot
Other
Moonshot AI's 1T-parameter MoE model. Industry-leading agentic coding and tool-use benchmarks.
moonshotkimimoe
Derzeit nicht im Angebot
Hugging Face
Token-classification model that extracts 41 medical entity types from clinical text, such as disease, medication, dosage, frequency, lab test, sign and symptom. Fine-tuned on a DeBERTa v3 base, which gives more accurate spans than older BERT-based taggers on the same corpus.
medicalresearchnlp
Derzeit nicht im Angebot
MiniMax
MiniMax's 456B hybrid lightning-attention model with native 4M-token context. Industry-leading long-context.
long-contextlightning-attentionopen-weights
Derzeit nicht im Angebot
Perplexity
Perplexity's premium web-grounded search model with multi-step reasoning over live sources.
web-searchcitationsrag
Derzeit nicht im Angebot
Alibaba (Qwen)
Alibaba's Qwen 3 flagship MoE: 235B total / 22B active. Strong reasoning and tool use, open-weights.
moeopen-weights
Deaktiviert
DeepSeek
DeepSeek's reasoning model with chain-of-thought capabilities. Excellent for complex problem-solving.
reasoningmath
Derzeit nicht im Angebot
xAI
xAI's flagship model. Strong at reasoning, coding, and real-time knowledge with web search capabilities.
reasoningreal-time
Deaktiviert
AI21 Labs
AI21's flagship hybrid Mamba-Transformer model with a 256k context window for long-document tasks.
long-contextmambahybrid
Derzeit nicht im Angebot
AI21 Labs
Cost-efficient hybrid Mamba-Transformer model with 256k context. Tuned for high-throughput RAG.
long-contextmambahybrid
Derzeit nicht im Angebot
Hugging Face
BioBERT fine-tuned on the NCBI Disease corpus for disease-name recognition. Given biomedical text it tags spans that mention a disease or condition, using BIO labels. Useful for pulling diagnoses and disease mentions out of abstracts, case reports and clinical notes.
medicalresearchnlp
Derzeit nicht im Angebot
Anthropic
Anthropic's fast and affordable model. Great for quick tasks, summarization, and simple coding.
fastaffordable
Derzeit nicht im Angebot
Hugging Face
Text-classification model from Betty van Aken that decides whether a medical condition mentioned in a clinical note is present, absent or possible. The target entity is marked in the input with [entity] tags, and the model returns the assertion status. Built on Bio_ClinicalBERT and trained on the 2010 i2b2/VA assertion data.
medicalresearchnlp
Derzeit nicht im Angebot
Hugging Face
Token-classification model that tags the three core i2b2 clinical entity types in patient notes: problem, test and treatment. Given a sentence from a discharge summary or progress note it marks which spans are medical problems, which are diagnostic tests and which are treatments or medications.
medicalresearchnlp
Derzeit nicht im Angebot
Other
Open-weights multilingual research model from Cohere covering 23 languages. 35B parameters.
coheremultilingualopen-weights
Derzeit nicht im Angebot
Cohere's fast lightweight chat model (deprecated Sep 2025). Kept as comparison tombstone.
Derzeit nicht im Angebot
Cohere's mid-tier RAG/tool model. Cost-efficient sibling of Command R+ with 128k context.
ragtoolsmultilingual
Derzeit nicht im Angebot
Cohere's flagship RAG- and tool-optimized chat model. 128k context, refreshed August 2024.
ragtoolsmultilingual
Derzeit nicht im Angebot
xAI's Grok 4.20 standard snapshot. Skips the extended thinking pass for lower-latency answers on tasks that do not need deep deliberation. 1M token context window.
groklong-contextlow-latency
Derzeit nicht im Angebot
xAI's Grok 4.20 multi-agent snapshot. Coordinates several specialized agents under one call to handle multi-step workflows that mix research, tool use and synthesis. 1M token context window.
grokmulti-agentagentic
Derzeit nicht im Angebot
Meta
Meta's open-source 70B parameter model. Strong all-around performance with multilingual support.
open-source
Derzeit nicht im Angebot
Meta
Meta M2M-100 12B many-to-many translation model. Direct translation between 100 languages without pivoting through English.
translationopen-weightsmany-to-many
Deaktiviert
Google DeepMind
Google MADLAD-400 3B multilingual translation model. 419 languages supported, trained on a 5T-token multilingual corpus with strong low-resource performance.
translationopen-weightsmultilingual
Deaktiviert
Meta mBART-50 many-to-many translation model. 50 supported languages with strong performance on news and conversational text.
translationopen-weightsmany-to-many
Deaktiviert
Microsoft
Mixture-of-experts Phi-3.5: 42B total / 6.6B active params. 128k context, multilingual.
open-weightsmoemultilingual
Deaktiviert
Mistral AI
Mistral's flagship model. Strong reasoning, multilingual, and coding capabilities.
multilingualcoding
Derzeit nicht im Angebot
Meta
Meta's No Language Left Behind 3.3B translation model. Direct translation between any pair of 200+ languages including many low-resource African and Asian languages.
translationopen-weightsmultilingual
Deaktiviert
Meta's distilled 600M NLLB. Same 200-language coverage as the 3B model with a fraction of the parameters, ideal for edge or high-throughput deployment.
translationopen-weightsmultilingual
Deaktiviert
Nous Research
Full-parameter fine-tune of Llama 3.1 405B by Nous Research. Steerable, uncensored, strong tool use.
open-weightstoolsroleplay
Deaktiviert
Nous Research
Llama-3.1-70B fine-tune from Nous Research with strong tool/agent capabilities and uncensored alignment.
open-weightstoolsroleplay
Deaktiviert
Perplexity
Perplexity's fastest and cheapest web-grounded chat model. Live-source citations included.
web-searchcitationscost-efficient
Derzeit nicht im Angebot
Perplexity
Perplexity's reasoning model with chain-of-thought and integrated web search.
web-searchreasoning
Derzeit nicht im Angebot
Alibaba (Qwen)
Alibaba's powerful open-source model. Excellent at coding, math, and multilingual tasks.
open-sourcecodingmultilingual
Derzeit nicht im Angebot
Other
Alibaba's flagship pretrained MoE model. Top-tier reasoning and code performance via DashScope API.
qwenalibabamoe
Derzeit nicht im Angebot
Snowflake's open MoE model: 480B total / 17B active params with dense+MoE hybrid architecture.
snowflakemoeopen-weights
Derzeit nicht im Angebot
Community
TII's 180B causal decoder chat model fine-tuned on Ultrachat, Platypus and Airoboros.
tiiopen-weights
Deaktiviert
Community
Unbabel TowerInstruct 13B. Llama-2-based multilingual translation and post-editing model. Strong terminology consistency for enterprise localization.
translationunbabelopen-weights
Deaktiviert
Other
01.AI's larger general-purpose chat model with 32k context window and strong bilingual performance.
01aichinesebilingual
Derzeit nicht im Angebot
Die Seiten bleiben erreichbar, die Modelle lassen sich aber gerade nicht ausführen.
Große Sprachmodelle sind das Arbeitspferd moderner KI: Chatbots, Agenten, Zusammenfassungen, Klassifikatoren, Übersetzer. Die Kategorie ist die voll besetzteste auf Railwail — OpenAI, Anthropic, Google, Mistral, Meta, DeepSeek, xAI und Dutzende Open-Weights-Labore konkurrieren hier miteinander.
Die Preisgestaltung bei Textgenerierung erfolgt fast immer pro Token, aufgeteilt in eine günstigere Eingaberate und eine teurere Ausgaberate. Eine Million Input-Tokens entspricht rund 750.000 deutschen Wörtern — selbst sehr ausführliche Prompts treiben den Preis pro Aufruf also kaum über wenige Cent. Bei der Ausgabe wachsen die Rechnungen: agentische Schleifen, die sich selbst neu prompten, lange Berichte und nicht gecachte Few-Shot-Beispiele summieren sich schnell. Cache den System-Prompt, kürze den Verlauf konsequent und nutze JSON-Mode für strukturierte Aufgaben, um die Token-Zahl niedrig zu halten.
Das Trade-off-Dreieck heißt Qualität, Latenz und Kosten. Flagship-Modelle (GPT-5, Claude 4.6, Gemini 2.5) kosten das Zehn- bis Fünfzigfache der Budget-Stufen (Haiku, Flash, Mini) und antworten zwei- bis viermal langsamer, dafür reasonen sie tiefer, befolgen Anweisungen zuverlässiger und halluzinieren weniger. Für hochvolumige Klassifikation oder Extraktion ist ein Budget-Modell fast immer die richtige Wahl. Für Langtext-Analyse, Code-Review oder alles, was Endnutzer zu sehen bekommen, zahlt sich das Flagship meistens aus.
Achte auf Kontext-Verdünnung: Wenn du 200.000 Tokens in das Fenster stopfst, verteilt sich die Aufmerksamkeit des Modells zu dünn, und es beginnt, die Mitte des Prompts zu ignorieren — selbst bei Long-Context-Flagships. Hol dir die relevanten 8.000–16.000 Tokens lieber per Embedding statt das ganze Dokument hineinzuwerfen.
Budget-Modelle wie GPT-4o mini, GPT-5.4 Nano, DeepSeek V4 Flash und Gemini 3 Flash liegen am unteren Ende — auf Railwail derzeit etwa 0,18 bis 0,60 US-Dollar pro Million Input-Tokens. Das Ranking ändert sich mit jedem Anbieter-Preisupdate. Sortiere das Modell-Grid oben nach Preis, um die aktuell günstigste Option zu sehen.
Im Katalog hat Gemini 3.1 Pro das größte Kontextfenster (2 Mio. Tokens), gefolgt von GPT-5.4, Claude Opus 4.8 und DeepSeek V4 Pro mit jeweils rund 1 Mio. Tokens. Für die meisten Workloads reichen 128.000 mehr als aus — greife nur zur Long-Context-Stufe, wenn du wirklich eine ganze Codebase oder ein Forschungspapier in einem Prompt lesen musst.
Open-Weights-Modelle (Llama 3, Qwen, DeepSeek, Mistral, Mixtral) holen schnell auf und gewinnen bei Preis pro Token und Datensouveränität. Proprietäre Flagships führen weiterhin beim Reasoning, der mehrsprachigen Abdeckung und der Tool-Nutzungs-Zuverlässigkeit. Wenn du kostensensitiv bist oder selbst hosten willst, fang Open an. Wenn du an Endkunden ausspielst, fang proprietär an und optimiere abwärts.
GPT-5 führt bei reinen Benchmark-Werten, Mathematik und Codegenerierung; Claude 4.6 führt bei Langtext, der Nuance beim Befolgen von Anweisungen und der Ausgewogenheit der Refusal-Rate. Beide liegen bei den meisten Aufgaben innerhalb von 5 % zueinander. Lass sie unter /compare/gpt-5-vs-claude-4-6 mit deinen echten Prompts gegeneinander antreten — die Unterschiede sind workload-spezifisch.
Railwail ist OpenAI-kompatibel: Du änderst nur den Parameter `model`. Gleicher Endpoint, gleiches SDK, gleicher Request-Body. Teste ein neues Modell in der Produktion, indem du eine Woche lang 10 % deines Traffics dahin routest und Qualität, Latenz und Kosten vergleichst.
Über die Railwail-API noch nicht: Der Chat-Endpoint reicht `response_format` und Tool-Definitionen derzeit nicht an den Anbieter weiter. Bitte im Prompt um JSON und prüfe die Antwort mit einem Zod- oder Pydantic-Schema; viele Modelle halten eine klare JSON-Anweisung zuverlässig ein.
Noch nicht. Der Railwail-Chat-Endpoint liefert die komplette Antwort in einem Stück; der Parameter `stream: true` wird derzeit ignoriert. Setze für lange Antworten ein sinnvolles `max_tokens` und zeige in deiner UI einen Ladezustand.
Railwail betreibt seine Plattform auf Servern in Deutschland und trainiert nicht auf deinen Prompts. Die Anfrage selbst verarbeitet der Anbieter des gewählten Modells, der auch außerhalb der EU sitzen kann; jede Modellseite nennt diesen Anbieter, damit du einen wählen kannst, der zu deinen Compliance-Anforderungen passt. Details stehen auf der Trust-Seite.
Alle verfügbaren Modelle über eine OpenAI-kompatible API. Guthaben in USD im Voraus, kein Abo.
