Modelle verstehen · Kapitel 8 von 8
Ein Modell für einen Agenten wählen
Ein Modell wählen heißt: die streichen, die an einer harten Grenze scheitern, und dann Fähigkeit, Tempo, Preis pro Aufgabe, Kontext und Zuverlässigkeit bei Tools für die Arbeit eines Agenten abwägen.
Ziele
- Wähle einen Agenten, für den du ein Modell aussuchst.Offen
- Wende seine harten Grenzen an und sieh, welche Modelle wegfallen.Offen
- Wäge ab, was übrig ist, ordne es und berechne den Preis eines Arbeitsmonats.Offen
- Bestehe den Test.Offen
Schritt 1 von 4: Der Text
Das passende, nicht das beste
Es gibt kein bestes Modell, nur das, das am besten zur Arbeit eines Agenten passt. Die Wahl braucht zwei Durchgänge. Zuerst kommen die harten Grenzen: Anforderungen, ohne die der Agent nicht auskommt. Ein Modell, das an einer scheitert, fällt weg, egal wie stark oder günstig es ist. Dann wägst du ab, was übrig ist: Du entscheidest, wie viel jede Eigenschaft für diese Arbeit zählt, und ordnest die Modelle danach.
Harte Grenzen
Modalität: die Arten von Ein- und Ausgabe, die ein Modell verarbeitet, etwa Text, Bilder oder Ton. Kontextfenster: wie viele Tokens es auf einmal liest, wie in Kapitel 2. Datenrichtlinie: ob der Anbieter seine Modelle mit dem trainieren darf, was du sendest, und die Aufbewahrung, wie lange er es behält. Region: wo deine Daten verarbeitet werden; manche Regeln, etwa die der EU, legen Wert darauf, wo. Lizenz und Zugang: was du mit einem Modell tun darfst und wer es überhaupt nutzen darf. Offene Gewichte können auch auf deinem eigenen Rechner laufen, sogar ohne Internet.
Was du abwägst
Fähigkeit: wie gut es die Arbeit erledigt. Benchmarks wie in Kapitel 7 helfen, wenn ihre Aufgaben deinen ähneln, aber deine eigene Evaluation sagt mehr: ein paar Dutzend echte Aufgaben aus der Arbeit, von dir bewertet. Latenz: wie lange du auf eine Antwort wartest; mehr Nachdenken bringt meist bessere Antworten und längere Wartezeiten.
Preis pro Aufgabe: was eine erledigte Aufgabe kostet. Ein Agent ruft sein Modell pro Aufgabe mehrmals auf, und jeder Aufruf ist eine Runde, abgerechnet nach ihren Tokens rein und raus. Ein günstiger Preis pro Token kann trotzdem eine teure Aufgabe ergeben. Zuverlässigkeit bei Tool-Aufrufen: wie oft das Modell Tools richtig aufruft, mit den richtigen Eingaben. Rate Limits: wie viele Anfragen und Tokens ein Anbieter pro Minute annimmt.
In der Grafik
Du wählst einen von vier Agenten. Seine harten Grenzen streichen Modelle, deine Gewichtung ordnet den Rest, und ein Rechner macht aus echten Listenpreisen eine Monatsrechnung. Eine Musterantwort zeigt dann, worauf ihre Wahl verzichtet. Die Agenten und die Größe ihrer Aufgaben sind erfunden. Die Modelle, Preise, Kontextfenster, Eingaben, Lizenzen und Scores sind echt, aus einer Momentaufnahme vom 2026-11-03. Die Momentaufnahme enthält keine Regionen und nur einige Datenbedingungen, deshalb steht bei manchen Grenzen „Prüfen“; sie enthält weder Geschwindigkeiten noch Rate Limits, die testest du also selbst.
Schritt 2 von 4: Probier es aus: Wähle ein Modell für diesen Agenten
Wähle ein Modell für diesen Agenten
Wähle einen Agenten, wende seine harten Grenzen nacheinander an, wäge ab, was übrig ist, berechne einen Arbeitsmonat und vergleiche dann mit einer Musterantwort.
Modus:EchtSimuliertEcht: die Modelle und ihre Listenpreise, Kontextfenster, Eingaben, Größen, Tool-Nutzung, Lizenzen, die Datenbedingungen von Google und Meta je Tarif und die Scores von Artificial Analysis, in einer Momentaufnahme vom 2026-11-03; Preise pro Aufgabe und die Rangfolge werden auf dieser Seite daraus berechnet. Simuliert: Die vier Agenten, ihre Grenzen und Aufgabengrößen sowie die Musterantworten sind für dieses Kapitel erfunden, und auf dieser Seite läuft kein Modell.
Schritt 3 von 4: Check
Check
Als Nächstes: Frage 2 von 3
Schritt 4 von 4: Was du jetzt kannst
Was du jetzt kannst
- Harte Grenzen, die ein Modell streichen, von den Eigenschaften trennen, die du abwägst.
- Aus Tokens, Runden und Listenpreisen einen Preis pro Aufgabe und pro Monat berechnen.
- Eine Auswahlliste nach dem ordnen, was für einen Agenten zählt, und sagen, worauf die Wahl verzichtet.
- Benennen, was die Seite eines Modells dir nicht sagen kann, und es in deiner eigenen Evaluation testen.