> For the complete documentation index, see [llms.txt](https://docs.blockbrain.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.blockbrain.ai/de/for-users/all-about-llms/how-to-choose-the-right-llm.md). # Wie man das richtige LLM auswählt Ein detaillierter Leitfaden zur LLM-Auswahl, der erklärt, wie Blockbrain die Nutzung über Compute Blocks misst, mit konkreten Modellempfehlungen für den unternehmensweiten Einsatz und spezifische Anwendungsfälle. Bei der Verwendung von Blockbrain ist das Verständnis, wie Rechenressourcen gemessen und zugeteilt werden, entscheidend, um das Beste aus der Plattform herauszuholen. Im Zentrum dieses Systems steht eine transparente und nutzungsbasierte Kennzahl: **Compute Blocks (CBs)**. Jede Aktion bei Blockbrain – das Senden einer Nachricht, das Hochladen einer Datei oder das Ausführen eines Agents – verbraucht Compute Blocks (CBs). CBs spiegeln die tatsächlichen Rechenkosten jeder Operation wider und bestehen hauptsächlich aus Tokens, die von Large Language Models (LLMs) verwendet werden. Der CB-Verbrauch spiegelt direkt die Preisgestaltung der Eingabe- und Ausgabetokens jedes LLM wider. Wenn beispielsweise Opus 4.8 bei den Preisen für Eingabe- und Ausgabetokens 66.67 % teurer ist als Sonnet 4.6, ist auch sein CB-Verbrauch ungefähr 66.67 % höher. *** ### Standardempfehlung für den unternehmensweiten Einsatz #### Hauptauswahl: Claude Sonnet 5 (AWS Bedrock) Blockbrain-Metriken: * Qualität: 4.7 | Geschwindigkeit: 4.4 | Kosteneffizienz: 3.6 * Kontext: 1M Tokens | Anbieter: AWS Bedrock (EU) **Preisgestaltung**: $1.87 Eingabe / $9.35 Ausgabe pro Million Tokens Warum in Betracht ziehen? Höchste Qualität unter den Modellen der Budget-Klasse. Hervorragend für Teams, die besseres Reasoning benötigen und gleichzeitig kosteneffizient bleiben wollen. #### Hauptauswahl: Gemini 3.5 Flash (Google) Blockbrain-Metriken: * Qualität: 4.2 | Geschwindigkeit: 4.8 | Kosteneffizienz: 3.7 * Kontext: 1M Tokens | Anbieter: Google AI (EU) **Preisgestaltung**: $1.50 Eingabe / $9.00 Ausgabe pro Million Tokens Warum in Betracht ziehen? Wettbewerbsfähige Qualität zu niedrigen Kosten – hervorragend für den Einsatz mit hohem Volumen. #### Hauptauswahl: GPT 5.6 Terra (Azure) Blockbrain-Metriken: * Qualität: 4.4 | Geschwindigkeit: 3.4 | Kosteneffizienz: 3.4 * Kontext: 1M Tokens | Anbieter: Azure AI (EU) **Preisgestaltung**: $2.50 Eingabe / $15.00 Ausgabe pro Million Tokens Warum dieses Modell? Hervorragende Balance aus Qualität und Geschwindigkeit – ideal für vielfältige geschäftliche Anwendungsfälle. *** ### Empfehlungen nach Szenario #### Höchste Qualität (Premium-Aufgaben) **Gewinner: Claude Opus 5** * Qualität **4.9** | Geschwindigkeit 4.0 (Bedrock) | Kosteneffizienz 3.0 * Kontext: 1M Tokens | Anbieter: AWS Bedrock (EU) * Preisgestaltung: $4.67 Eingabe / $23.38 Ausgabe pro Million Tokens **Wann verwenden**: Für missionskritische Aufgaben, Ergebnisse für die Führungsebene, komplexe strategische Analysen, lang laufende Agentenläufe, komplexe strategische Analysen – alles, bei dem das Modell seine eigenen Fehler erkennen muss. **Zweitplatzierter: GPT 5.6 Sol** * Qualität **4.8** | Geschwindigkeit 3.5 | Kosteneffizienz 2.9 * Kontext: 1M Tokens | Anbieter: Azure AI (EU) * Preisgestaltung: $5.00 Eingabe / $30.00 Ausgabe pro Million Tokens **Budget-Qualitätsoption: Claude Sonnet 5** * Qualität: **4.7** | Geschwindigkeit: 4.4 | Kosteneffizienz: 3.6 * Kontext: 1M Tokens | Anbieter: AWS Bedrock (EU) * Preisgestaltung: $1.87 Eingabe / $9.35 Ausgabe pro Million Tokens * Beste Premium-Option ohne extreme Kosten #### Maximale Geschwindigkeit **Gewinner: Gemini 3.5 Flash** * Geschwindigkeit **4.8** | Antwortqualität **4.2** | Kosteneffizienz 3.7 * Kontext: 1M Tokens | Anbieter: Google AI (EU) * **Preisgestaltung**: $1.50 Eingabe / $9.00 Ausgabe pro Million Tokens **Warum es gewinnt**: Übertrifft den bisherigen Sieger (Claude Sonnet 4.6 Fast) um 0.4 Qualitätspunkte bei halben Ausgabe-Kosten. **Budget-Qualitätsoption: Gemini 3.1 Flash (Lite)** * Geschwindigkeit **4.9** | Qualität 3.4 | Kosteneffizienz **4.9** * Kontext: 1M Tokens | Anbieter: Google AI (EU) * Preisgestaltung: $0.25 Eingabe / $1.50 Ausgabe * **Besseres Preis-Leistungs-Verhältnis** für die meisten zeitkritischen Anwendungen #### Exzellenz in der Codeentwicklung **Gewinner: Claude Sonnet 5** Blockbrain-Metriken: * Qualität **4.7** | Geschwindigkeit **4.4** | Kosteneffizienz 3.6 * Kontext: 1M Tokens | Anbieter: AWS Bedrock (EU) * Preisgestaltung: $1.87 Eingabe / $9.35 Ausgabe pro Million Tokens **Warum es gewinnt**: Kommt der Qualität von Opus 4.8 nahe – bei einem Fünftel der Ausgabe-Kosten **Alternative: Gemini 3.5 Flash (mit hohem Denkaufwand)** Blockbrain-Metriken: * Qualität: **4.4** | Geschwindigkeit: 4.2 | Kosteneffizienz: 3.5 * Kontext: 1M Tokens | Anbieter: Google AI (EU) * **Preisgestaltung**: $1.50 Eingabe / $9.00 Ausgabe pro Million Tokens **Warum es gewinnt**: Hohe Qualität für die Codeentwicklung (4.4) bei hervorragender Geschwindigkeit. Speziell entwickelt für agentische und Codierungsaufgaben zu Flash-Geschwindigkeit und Flash-Preisen. **Premium-Option: Claude Opus 5** * Qualität **4.9** | Geschwindigkeit 4.0 (Bedrock) | Kosteneffizienz 3.0 * Kontext: 1M Tokens | Anbieter: AWS Bedrock (EU) * Preisgestaltung: $4.67 Eingabe / $23.38 Ausgabe pro Million Tokens * Am besten für: Komplexe Architekturentscheidungen, kritische Code-Reviews #### Kreative und Schreibaufgaben **Gewinner: Claude Sonnet 5** Blockbrain-Metriken: * Qualität **4.7** | Geschwindigkeit **4.4** | Kosteneffizienz 3.6 * Kontext: 1M Tokens | Anbieter: AWS Bedrock (EU) * Preisgestaltung: $1.87 Eingabe / $9.35 Ausgabe pro Million Tokens **Warum es gewinnt**: Die neueste Version von Sonnet 4.6, die Schreiben in Flaggschiff-Qualität (4.7) zu Mittelklasse-Preisen lieferte – außergewöhnlicher Wert für kreative Arbeit. **Budget-Alternative: Claude Haiku 4.5** * Qualität **3.6** | Geschwindigkeit 3**.6** | Kosteneffizienz 4 * Kontext: 200kk Tokens | Anbieter: AWS Bedrock (EU) * Preisgestaltung: $0.94 Eingabe / $4.67 Ausgabe pro Million Tokens * Am besten für: Immer noch das beste günstige Modell *für den Ton* im Katalog **Alternative mit hohem Volumen: GPT 5.6 Luna** * Qualität **3.7** | Geschwindigkeit 4 | Kosteneffizienz **5** * Kontext: 1M Tokens | Anbieter: OpenAI (EU) * Preisgestaltung: $0.20 Eingabe / $1.20 Ausgabe pro Million Tokens * Am besten für: Einsätze, bei denen Volumen wichtiger ist als Feinschliff #### Komplexe Reasoning-Aufgaben **Gewinner: Claude Opus 5** * Qualität **4.9** | Geschwindigkeit 4.0 (Bedrock) | Kosteneffizienz 3.0 * Kontext: 1M Tokens | Anbieter: AWS Bedrock (EU) * Preisgestaltung: $4.67 Eingabe / $23.38 Ausgabe pro Million Tokens * Leistung: 43.3 % bei Frontier-Bench v0.1 (gegenüber 21.1 % von Opus 4.8); 1861 bei GDPval-AA v2 für Wissensarbeit * Am besten für: mehrstufige Analysen, wissenschaftliches Reasoning, mathematische Arbeit, selbstverifizierende Agenten-Schleifen **Zweitplatzierter: GPT 5.6 Sol** * Qualität **4.8** | Geschwindigkeit 3.5 | Kosteneffizienz 2.9 * Kontext: 1M Tokens | Anbieter: Azure AI (EU) * Preisgestaltung: $5.00 Eingabe / $30.00 Ausgabe pro Million Tokens * Leistung: 91.9 % bei Terminal-Bench 2.1. Stark bei langfristig laufenden autonomen Aufgaben; verwendet pro Aufgabe weniger Tokens als GPT 5.5, trotz des tieferen Reasonings **Budget-Alternative: Claude Sonnet 5** * Qualität **4.7** | Geschwindigkeit **4.4** | Kosteneffizienz 3.6 * Kontext: 1M Tokens | Anbieter: AWS Bedrock (EU) * Preisgestaltung: $1.87 Eingabe / $9.35 Ausgabe pro Million Tokens *** ### Entscheidungsmatrix
PrioritätPrimäre EmpfehlungBudget-AlternativePremium-Option
Ausgewogener Alltagseinsatz Claude Sonnet 5 ($1.87/$9.35)Gemini 3.5 Flash ($1.50/$9)Claude Opus 5 ($4.67/$23.38)
Maximale Kosteneinsparung GPT 5.6 Luna ($0.20/$1.20)Gemini 3.1 Flash Lite ($0.25/$1.50)Gemini 3.5 Flash ($1.50/$9)
Höchste Qualität Claude Opus 5 ($4.67/$23.38)Claude Sonnet 5 ($1.87/$9.35)
Schnellste Antwort Gemini 3.5 Flash Low ($1.50/$9)Gemini 3.1 Flash Lite ($0.25/$1.50)GPT 5.4 Low Thinking ($2.50/$15)
Kreative Arbeit Claude Sonnet 5 ($1.87/$9.35)Claude Haiku 4.5 ($.94/$4.67) Claude Opus 5 ($4.67/$23.38)
Codeentwicklung Claude Sonnet 5 ($1.87/$9.35)Gemini 3.5 Flash ($1.50/$9)Claude Opus 5 ($4.67/$23.38)
Komplexes Reasoning Claude Opus 5 ($4.67/$23.38)Claude Sonnet 5 ($1.87/$9.35)GPT 5.6 Sol ($5/$30)
*** ### Strategische Empfehlungen #### Für die meisten Unternehmen: Multi-Modell-Strategie Wir empfehlen einen gestaffelten Ansatz: * **Stufe 1** (80 % der Anfragen): Schnelle, kosteneffiziente Modelle * Gemini 3.5 Flash (Low) oder GPT 5.6 Luna * Verwenden für: E-Mails, Zusammenfassungen, Fragen und Antworten, grundlegende Analysen * **Stufe 2** (15 % der Anfragen): Ausgewogene Premium-Modelle * Claude Sonnet 5 oder Gemini 3.5 Flash * Verwenden für: Berichte, komplexe Inhalte, strategische Analysen * **Stufe 3** (5 % der Anfragen): Flaggschiff-Modelle * Claude Opus 5 * Verwenden für: kritische Entscheidungen, Inhalte mit hoher Tragweite, Materialien für die Führungsebene Geschätzte Einsparungen: 60–75 % gegenüber der Verwendung von Flaggschiff-Modellen für alles *** ### Wichtige Überlegungen #### Ausgabe-Token-Kosten sind am wichtigsten Für typische konversationelle KI: * **Eingabe**: System-Prompt + Benutzeranfrage = 500 Tokens * **Ausgabe**: KI-Antwort = 200–500 Tokens Beispielkosten für 1.000 Anfragen (500 Eingabe-Tokens, 300 Ausgabe-Tokens): | Modell | Eingabekosten | Ausgabekosten | Gesamt | | ----------------- | ------------- | ------------- | ------ | | GPT 4o Mini | $0.075 | $0.18 | $0.26 | | GPT 5.4 Mini | $0.20 | $0.48 | $0.68 | | Gemini 2.5 Flash | $0.25 | $0.90 | $1.15 | | Claude Haiku 4.5 | $0.50 | $1.50 | $2.00 | | Claude Sonnet 4.6 | $1.50 | $4.50 | $6.00 | | Claude Opus 4.8 | $2.50 | $7.50 | $10.00 | > Ausgabeintensive Anwendungsfälle (Berichte, Dokumentation, Codegenerierung) sollten Modellen mit niedrigen Ausgabekosten den Vorrang geben. #### Wert des Kontextfensters | Modell | Kontextfenster | | ---------------------- | ---------------- | | Gemini 2.5 Flash / Pro | 1M Tokens | | Claude Sonnet 4.6 | 1M Tokens | | Die meisten anderen | 128k–400k Tokens | | Mistral Codestral | 32k Tokens | **Wenn es darauf ankommt**: Dokumentenanalyse, lange Gespräche, umfassende Recherchen, Code-Reviews über mehrere Dateien hinweg. > Profi-Tipp: Ein 1M-Kontextfenster kann 750.000 Wörter oder 3.000 Seiten Text aufnehmen. #### Überlegungen zum Anbieter **Alle Blockbrain-Modelle werden in der EU gehostet und gewährleisten:** * **DSGVO-Konformität** – Daten werden innerhalb der EU-Grenzen verarbeitet * **Datenresidenz** – Erfüllt europäische regulatorische Anforderungen * **Geringere Latenz** – Für europäische Kunden *** ### Bewährte Methoden zur Kostenoptimierung #### 1. Prompt Engineering **Ausgabe-Tokens um 30–50 % reduzieren** Füge dies entweder in die ersten Anweisungen des Bots ein oder fordere es direkt an: * Fordere knappe Antworten an: „Antworte in 2–3 Sätzen“ oder verwende in der Sendbox \ Optionen → Länge: Kurz / Sehr kurz * Verwende strukturierte Ausgaben: „Antworte in Stichpunkten“ * Vermeide Redundanz: „Wiederhole die Frage nicht“ > **Auswirkung**: Kann die Kosten bei ausgabeintensiven Modellen um 40 %+ senken. #### 2. Intelligente Modellweiterleitung | Anfragetyp | Empfohlenes Modell | | ------------------------------- | ---------------------------- | | Einfach (FAQ, Definitionen) | GPT 5.4 Mini | | Standard (Analyse, Entwurf) | Gemini 2.5 Flash | | Komplex (strategisch, kritisch) | Claude Sonnet 4.6 / Opus 4.8 | > **Auswirkung**: 50–70 % Kostenreduktion gegenüber der Nutzung von Premium-Modellen für alles. #### 3. Caching & Wiederverwendung * Häufige Prompts zwischenspeichern (Prompt Library) * Kontext nach Möglichkeit wiederverwenden (z. B. über Insights) * RAG (Retrieval-Augmented Generation) über die Datenbank implementieren, um die Kontextgröße zu reduzieren **Auswirkung**: 20–30 % geringere Eingabe-Token-Kosten. *** ### Fazit **Das Blockbrain-Modellportfolio bietet hervorragende Optionen für jeden Anwendungsfall und jedes Budget.** **Für die meisten Unternehmen empfehlen wir:** * Beginnen Sie mit Gemini 3.5 Flash als Standardmodell (z. B. in Ihrem Company GPT) * Fügen Sie GPT 5.6 Luna für Teams mit hohem Volumen und hoher Kostensensibilität hinzu (z. B. Klassifizierung, Extraktion, Weiterleitung, Metadaten, Massenentwürfe) * Führen Sie Spezialisten dort ein, wo sie ihren Platz verdienen: Claude Sonnet 5 für agentisches Coden und hochwertiges Schreiben; Gemini 3.5 Flash High für agentische Arbeit zu Flash-Kosten. * Reservieren Sie Claude Opus 5 nur für kritische Arbeiten – und fixieren Sie seine Effort-Einstellung, da adaptives Denken standardmäßig aktiv ist und Thinking-Tokens zum Ausgabesatz abgerechnet werden. **Dieser Ansatz liefert typischerweise:** * 60–75 % Kosteneinsparungen gegenüber einer reinen Premium-Bereitstellung * 90 %+ Nutzerzufriedenheit * Flexibilität, um im Laufe der Zeit zu skalieren und zu optimieren --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation by asking a question. Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters: ``` GET https://docs.blockbrain.ai/de/for-users/all-about-llms/how-to-choose-the-right-llm.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.