Model Garden: Wie wir KI-Modelle messen, bevor sie für Sie arbeiten

Von Baybora Gülec21. Oktober 2026 · 5 Min. Lesezeit

TL;DR. Der Model Garden ist unser eigener Zugang zu KI-Modellen: ein Schlüssel für offene Modelle auf Nebius Token Factory, für Claude und für GPT, die Kosten je Kunde getrennt. Welches Modell bei uns welche Aufgabe übernimmt, entscheiden wir nicht nach Ranglisten, sondern mit Blindvergleichen an echten Aufträgen. Im letzten Vergleich baute das offene Kimi K3 auf Nebius bessere Präsentationen als GPT-6 Sol. Nur Claude Opus 5.5 war knapp besser.

Ein Schlüssel für alle Modelle

Der Model Garden läuft seit dem 7. Oktober unter api.azena.ai. Über einen Schlüssel erreichen unsere Anwendungen Dutzende Modelle: offene Modelle wie Kimi K3, DeepSeek oder Qwen über Nebius Token Factory, dazu Claude und GPT. Jede Anfrage gehört zu einem Kunden, jeder Kunde hat eine Obergrenze im Monat, und an jeder Antwort stehen die Kosten in Euro. Im Test kostete der Umweg über den Garden 1 bis 7 Millisekunden. Auch Brand Studio baut seine Präsentationen seit dem 10. Oktober darüber.

Fünf Namen. Für jede Aufgabe das richtige Modell.

Sie schreiben den Namen der Aufgabe, nicht den des Modells. Welches Modell dahinter arbeitet, legt azena fest.

Frontierazena/best

Das Beste, was es gibt.

Für schwierige Aufgaben, bei denen jedes Detail zählt.

Heute: Claude Fable 5.1

Frontierazena/code

Für Code und Agenten.

Programmieren, Werkzeuge, lange Abläufe.

Heute: Claude Opus 5.5

Frontierazena/fast

Antwort sofort.

Chats, Einordnen, kurze Texte.

Heute: Claude Haiku 4.5

Open Sourceazena/open

Offen und stark.

Auswertungen, Entwürfe, viel Text, zu einem Bruchteil der Kosten.

Heute: DeepSeek V4 Pro

Open Sourceazena/cheap

Für große Mengen.

Sortieren, Auslesen, Zusammenfassen, tausendfach am Tag.

Heute: gpt-oss-120b

Kommt ein besseres Modell, tauschen wir es hinter dem Namen aus. In Ihrem Code ändert sich keine Zeile.

So sieht der Model Garden aus.

Jede Pflanze ist ein Modell: je weiter links, desto günstiger, je höher, desto mehr Text passt hinein.

Übersicht des Model Garden: Modelle als Pflanzen, nach Preis und Kontextlänge angeordnet

Tabelle mit Weiterleitungen: DeepSeek V3.2 auf DeepSeek V4 Pro, Kimi K2.5 auf Kimi K3

Modellwechsel ohne Ausfall

Wird ein Modell abgeschaltet, leitet der Garden alte Namen auf den Nachfolger um. Ihr Code läuft weiter.

Liste der API-Schlüssel mit Status, Monatslimit und Anfragen pro Minute

Grenzen je Schlüssel

Jeder Schlüssel hat sein eigenes Monatslimit und seine eigene Regel für den Modellwechsel.

Schnellstart der Dokumentation mit einem curl-Aufruf an api.azena.ai

Eine Adresse, fertig

Bestehender Code im OpenAI-Format braucht nur eine neue Adresse und einen azena-Schlüssel.

Screens aus dem Model Garden, mit Beispieldaten.

Wie wir messen

Ranglisten sagen wenig darüber, wie ein Modell in Ihrer Aufgabe arbeitet. Deshalb messen wir an echten Aufträgen. Beim Präsentationsbau heißt das: Jedes Modell baut dieselben fünf Decks über Brand Studio, mit echten Folien, Bildern und Markenregeln. Danach legt ein drittes Modell je zwei Decks nebeneinander und entscheidet blind, welches besser ist, in beiden Reihenfolgen.

Warum keine Noten? Weil Noten rauschen. Als wir dasselbe Modell gegen sich selbst antreten ließen, bekam es einmal 6,74 und einmal 6,34 Punkte. Ein Unterschied von 0,4 Punkten sagt also nichts. Der direkte Vergleich trennt dagegen sauber.

Was herauskam

Duelle gegen Kimi K3 auf Nebius · 5 Aufträge · je 10 Urteile

Urteil für den HerausfordererUrteil für Kimi K3

Claude Opus 5.5 gegen Kimi K36 : 4

GPT-5.6 Sol gegen Kimi K30 : 10

GPT-6 Sol gegen Kimi K30 : 10

Eigene Messung vom 10. Oktober 2026: fünf echte Präsentationsaufträge, jedes Paar in beiden Reihenfolgen bewertet, Richter jeweils ein drittes Modell.

Kimi K3 auf Nebius gewann alle zehn Urteile gegen GPT-6 Sol und gegen GPT-5.6 Sol. Nur Claude Opus 5.5 schlug Kimi K3, mit 6 zu 4. In einer ersten Runde mit mehr Modellen holten DeepSeek V4 Pro 35 Prozent und Claude Sonnet 5.5 20 Prozent der Urteile gegen Kimi K3.

Der Preis allein führt in die Irre

Was ein Deck kostet und wie lange es dauert

Kosten je Deck

GPT-6 Sol0,40 €

GPT-5.6 Sol0,76 €

Kimi K31,19 €

Claude Opus 5.51,42 €

Bauzeit je Deck

GPT-6 Sol35 s

GPT-5.6 Sol82 s

Kimi K395 s

Claude Opus 5.579 s

Gleiche fünf Aufträge, Mittelwert je Deck. Maßstab: Kosten bis 1,50 €, Zeit bis 100 Sekunden.

GPT-6 Sol baut ein Deck für 40 Cent in 35 Sekunden. Das ist günstig und schnell, verliert aber jedes Urteil. Kimi K3 kostet 1,19 Euro und braucht 95 Sekunden, Claude Opus 5.5 kostet 1,42 Euro und braucht 79 Sekunden. Die richtige Frage ist deshalb nicht, welches Modell am billigsten ist, sondern was ein brauchbares Ergebnis kostet.

Warum Open Source dazugehört.

Offene Modelle ersetzen die Frontier nicht. Sie ergänzen sie überall dort, wo Menge, Kosten und Kontrolle zählen.

33×

günstiger in der Ausgabe

gpt-oss-120b gegen Claude Opus 5.5, Listenpreis je Million Tokens, Stand Oktober 2026.

10 : 0

gegen GPT-6 Sol

Kimi K3 auf Nebius beim Präsentationsbau, blind bewertet.

Viele Anbieter

statt einem

Offene Gewichte laufen bei vielen Anbietern. Wird einer teurer, wechseln wir, Ihr Code bleibt.

Ihr Standort

wenn es sein muss

Bei Bedarf läuft ein offenes Modell auf dedizierten Servern oder im eigenen Rechenzentrum.

6 : 4

Frontier für die Spitze.

Wo die letzte Qualitätsstufe zählt, gewinnt Claude Opus 5.5 gegen Kimi K3. Deshalb beides: offene Modelle für die Breite, Frontier für die Spitze, verbunden unter einem Schlüssel im Model Garden.

Was Sie jetzt tun sollten

Fünf echte Fälle sammeln. Aufgaben aus Ihrem Alltag, keine Rätsel aus dem Internet. Fünf reichen für den Anfang.
Blind und paarweise vergleichen. Zwei Ergebnisse nebeneinander, ohne Modellnamen, beide Reihenfolgen. Noten allein täuschen.
Kosten und Zeit je Ergebnis mitschreiben. Erst dann sehen Sie, was eine gute Antwort wirklich kostet.
Offene Modelle mitprüfen. Sie halten bei vielen Aufgaben mit und laufen bei Anbietern Ihrer Wahl.

Wie wir das im großen Stil gemacht haben, steht in unserem Bericht über 353 Messläufe mit 13 Modellen. Wenn Sie wissen wollen, welches Modell Ihre Aufgabe trägt, messen wir es gern mit Ihnen.

Ein Gespräch, das sich auch ohne Mandat lohnt.

Erstgespräch anfragen

20 Minuten, unverbindlich. Antwort meist am selben Werktag, persönlich.