Which model to use for which task?

Jeden Monat erscheint ein neues Modell, das als 'das beste' beworben wird. Die eigentliche Frage ist nicht diese — es ist wo das Datenleben verankert sein soll und wie lang die Aufgabe ist.

Der kommerzielle Überblick heute

Claude nähert sich bereits seiner fünften Generation: Haiku 4.5 für Geschwindigkeit und Kosten, Sonnet 5 als Kompromiss aus Qualität und Kosten, Opus 5 für komplexes agentisches Coden sowie Fable 5 an der Spitze. OpenAI vereinheitlichte seinen Code-Stack unter GPT-5.6 – Codex ist kein separates Produkt mehr, sondern derselbe Stack mit einem spezialisierten Modus (GPT-5.3-Codex, mit Varianten Max für lange Aufgaben und Mini für geringere Kosten). Gemini setzt auf Kontext: Seine Varianten 3.1 Pro und 3 Deep Think erreichen Fenster von bis zu 1M Tokens, was nützlich ist, wenn man ein ganzes Dokument auf einmal verarbeiten möchte.

Und die lokalen

Hier ist, wo dieser Standort eine klare Meinung hat: Wenn eine Aufgabe kein absolutes Frontier-Raten erfordert, löst ein lokales Modell den Großteil der täglichen Arbeit bei marginalen Kosten. Qwen3.6 27B läuft auf einer oder zwei Consumer-GPUs und verfügt über einen nativen Kontext von 262K – genau das läuft auf diesem Standort.

Die tatsächliche Matrix

• Sensible Daten (Kunden, Verträge, Gesundheit): lokal, ohne Diskussion
• Große Refaktorisierung oder langformatiger Agenten-Code. Claude Opus oder GPT-5.3-Codex-Max.
• Große Dokumente auf einmal Gemini, durch den Kontextfenster.
• Alles andere — Chat, Zusammenfassungen, tägliche Aufgaben: das günstigste lokale Modell, das gut funktioniert.

Der häufigste Fehler besteht darin, das teuerste Modell „zur Sicherheit" für triviale Aufgaben einzusetzen. Die meisten alltäglichen Aufgaben werden von einem Modell mit 8 bis 27 Milliarden Parametern, das auf Ihrer eigenen Hardware läuft, genauso gut gelöst.