47+ Modelle, eine API

DeepSeek V4 Flash 0423 ist der frühe reine Texteinstieg der V4-Flash-Familie. Die Sparse-MoE-Architektur ist auf Code, Dialoge und lange Texte ausgerichtet; sie ist nicht mit der späteren Revision 0731 gleichzusetzen.

DeepSeek V4 Pro 0423 ist das größere Text-Reasoning-Modell des ursprünglichen V4-Paars. Die Entwicklerkarte nennt insgesamt 1,6T und 49B aktive Parameter für komplexes Reasoning und Softwareaufgaben.

DeepSeek V4.1 Flash ergänzt natives Bildverständnis. Die CED-Architektur trennt Eingabeverarbeitung und Ausgabeerzeugung und zielt auf eingabelastige Code- und Computeraufgaben.

DeepSeek V4 Flash 0731 ist die offizielle Version nach der ursprünglichen Vorschau. Sie bleibt textbasiert und überarbeitet das Nachtraining für Code, Reasoning und Agentenaufgaben.

Qwen3.8 Max ist das Flaggschiff der Qwen3.8-Reihe: ein großes Mixture-of-Experts-Modell mit einem Kontextfenster von einer Million Token, das Text, Bilder und Video annimmt. Es teilt die Generation mit Qwen3.8 Flash, liegt preislich aber eine Stufe darüber.

Qwen3.8 Flash ist Alibabas multimodales Reasoning-Modell. OpenRouter listet Text, Bilder und Video; damit lassen sich Dokument- und Diagrammaufgaben neben Codeunterstützung prüfen.

MiniMax M2.7 ist ein Textmodell für Agentenproduktivität, Fehlersuche und Ursachenanalyse. Die veröffentlichten Arbeitsabläufe nutzen externe Werkzeuge; eine Antwort führt sie nicht selbst aus.

MiniMax M3 ist der multimodale Nachfolger von M2.7: Text, Bild und Video als Eingabe, Text als Ausgabe und ein Kontextfenster von einer Million Token für lang laufende Agenten- und Codieraufgaben. Anders als der kostenlose M2.7-Eintrag wird es pro Token abgerechnet.

MiniMax M3.1 Flash ist der Vorschau-Nachfolger von M3, mit einem Fenster von 1.000.000 Token und Text-, Bild- und Videoeingabe. Die Referenz rahmt es um Agentenaufgaben, Programmierung und Sicherheitsarbeit.

GLM 5.1 ist der frühere Eintrag der GLM-5-Reihe und auf lang laufende Codieraufgaben ausgerichtet, die ohne Schritt-für-Schritt-Betreuung durchlaufen. Sein Kontextfenster ist kleiner als das von 5.2 und 5.3.

GLM 5.2 ist Z.ais Text-Reasoning-Modell für längere Engineering-Aufgaben. Der Entwickler hebt ein Millionen-Token-Kontextfenster und IndexShare zur Wiederverwendung von Indexberechnungen hervor.

GLM 5.3 nutzt die Basis von GLM 5.2 mit verändertem Nachtraining für komplexen Code und Langzeitaufgaben. OpenRouter dokumentiert stets aktives Reasoning, was beim Ausgabebudget wichtig ist.

GLM 5.3 Flash führt native Multimodalität in der GLM-5-Serie ein. Die neue Basis verbindet Sparse- und lineare Attention und unterscheidet sich vom reinen Textmodell GLM 5.3.

Kimi K3 ist Moonshot AIs multimodales Open-Weight-Modell für Code, Wissensarbeit und länger laufende Agenten. Es betont Iterationen mit Repositories, Bildern, Logs und Ausführungsergebnissen.

Kimi K2.6 konzentriert sich auf Code, UI-Erzeugung und Agentenorchestrierung. Die Referenz listet Text und Bilder mit einem kleineren Kontextfenster als bei K3.

Claude Opus 4.6 ist ein Modell der früheren Opus-Generation für Codierung und lang laufende Facharbeit, mit einem Kontextfenster von einer Million Token sowie Text-, Bild- und Dateieingabe. Im Katalog ist es genauso teuer wie die neueren Opus-Einträge.

Claude Opus 4.7 ist das Modell der Opus-Generation für lang laufende, asynchrone Agenten. Es behält das Kontextfenster von einer Million Token sowie Text-, Bild- und Dateieingabe von 4.6 und stellt den Reasoning-Aufwand als wählbaren Parameter bereit.

OpenRouter beschreibt Claude Opus 5 als Anthropic-Modell für anspruchsvolles Reasoning, Software und länger laufende Agenten. Die Referenz listet Text, Bilder und Dateien als Eingabe sowie Text als Ausgabe.

Claude Opus 5.5 ist der Nachfolger von Opus 5 in Anthropics Flaggschiff-Reihe, mit einem Fenster von 1.000.000 Token und Text-, Bild- und Dateieingabe. Die Referenz ordnet es mehrstufigen Änderungen in großen Codebasen und lang laufender Agentenarbeit zu.

Claude Sonnet 5 ist die Sonnet-Klasse für Code und professionelle Aufgaben. Die Referenz beschreibt adaptives Denken und einen neuen Tokenizer; eine Migration betrifft daher mehr als den Namen.

Claude Haiku 4.5 ist ein früheres kleines, schnelles Claude-Modell für hohe Volumina, bei denen Kosten und Latenz wichtiger sind als Frontier-Reasoning. Mit 200.000 Token hat es das kürzeste Kontextfenster der Claude-Einträge in diesem Katalog.

Claude Haiku 5.5 ist das aktuelle kleine, schnelle Claude-Modell für hohe Volumina und kostenempfindliche Aufgaben wie Zusammenfassungen, Subagenten und Browserautomatisierung. Es bietet ein Kontextfenster von einer Million Token zum niedrigsten Eingabepreis der Claude-Reihe hier.

Gemini 4 Argon ist Googles Flaggschiff-Eintrag fürs Reasoning, mit einem Fenster von 1.048.576 Token und Audio-, Datei-, Bild-, Text- und Videoeingabe. Die Referenz nennt komplexe Softwareentwicklung, Mathematik und Wissenschaft sowie autonome mehrstufige Agenten.

Gemini 3.1 Pro Preview ist Googles Frontier-Reasoning-Eintrag und nimmt Text, Bild, Datei, Audio und Video über ein Kontextfenster von 1.048.576 Token an. Die Preview-Kennzeichnung spiegelt die Veröffentlichungsphase des Herausgebers, nicht eine andere Art des API-Aufrufs.

Gemini 3.5 Flash ist ein multimodaler Eintrag der Flash-Stufe von Google und nimmt Text, Bild, Video, Datei und Audio über ein Kontextfenster von 1.048.576 Token an. Der Herausgeber positioniert es für Codierkompetenz und parallele Agentenausführung.

Gemini 3.7 Flash ist ein multimodaler Eintrag für schnelle Agentenabläufe, Codierung und mehrstufiges Reasoning, mit einem Kontextfenster von 1.048.576 Token über Text-, Bild-, Video-, Datei- und Audioeingabe.

Gemini 3.8 Flash ist der neueste Eintrag der Flash-Stufe von Google, mit einem Kontextfenster von 1.048.576 Token und Text-, Bild-, Video-, Datei- und Audioeingabe. Der Herausgeber beschreibt es als Verbesserung gegenüber 3.7 Flash bei Softwareentwicklung und mehrstufigem Reasoning.

Gemini 3.1 Flash Lite ist Googles hocheffizienter Eintrag, mit einem Fenster von 1.048.576 Token und Text-, Bild-, Video-, Audio- und Dateieingabe. Die Referenz nennt geringe Latenz, hohes Volumen und leichte Agentennutzung.

GPT-5.5 Pro ist die leistungsfähigere Variante von 5.5, mit einem Fenster von 1.050.000 Token und Datei-, Bild- und Texteingabe. Die Referenz zielt auf tiefes Reasoning und Genauigkeit bei riskanten Lasten.

GPT-6 Astra ist als Flaggschiff der GPT-6-Generation gelistet, mit einem Fenster von 1.050.000 Token und Datei-, Bild- und Texteingabe. Die Referenz nennt fortgeschrittene Analyse, Softwareentwicklung, tiefe Recherche und Dokumenterstellung.

GPT-5.5 ist der Nachfolger von 5.4 in OpenAIs Frontier-Linie, mit einem Fenster von 1.050.000 Token und Datei-, Bild- und Texteingabe. Die Referenz nennt stärkeres Reasoning und bessere Token-Effizienz bei schwierigen Aufgaben.

GPT-5.6 Sol ist der Flaggschiffeintrag der GPT-5.6-Serie bei OpenRouter. Sein erklärter Schwerpunkt sind komplexes Reasoning, Terminal-Codeaufgaben und mehrstufige Probleme; die Referenz listet auch Bilder und Dateien.

GPT-5.4 ist als der Eintrag gelistet, der OpenAIs Codex- und GPT-Linie zusammengeführt hat, mit einem Fenster von 1.050.000 Token und Text-, Bild- und Dateieingabe. Die Referenz beschreibt eine interne Aufteilung von 922K Eingabe und 128K Ausgabe.

GPT-5.6 Terra ist die mittlere Stufe der 5.6-Generation, zwischen Sol und Luna angesiedelt, mit einem Fenster von 1.050.000 Token und Datei-, Bild- und Texteingabe. Die Referenz positioniert es für alltägliche Programmierung und Agentenaufgaben.

GPT-6 Sol ist der kosteneffiziente gehobene Eintrag der GPT-6-Generation, unter Astra und über Luna, mit einem Fenster von 1.050.000 Token und Datei-, Bild- und Texteingabe. Die Referenz zielt auf anspruchsvolle professionelle Arbeit.

GPT-6.1 Sol ist der überarbeitete Sol-Eintrag der GPT-6-Generation, mit einem Fenster von 1.050.000 Token und Datei-, Bild- und Texteingabe. Die Referenz ordnet es unter Astra ein, für agentisches Programmieren, Computernutzung und dokumentlastige Arbeit.

GPT-5.4 Mini ist das kleinere, schnellere Mitglied der 5.4-Generation, mit einem Fenster von 400.000 Token und Datei-, Bild- und Texteingabe. Die Referenz zielt auf Durchsatzlasten, die das Verhalten von 5.4 zu geringeren Kosten brauchen.

GPT-5.6 Luna richtet sich an große Dialogvolumen, Klassifikation und leichte Agentenaufgaben. Es ist ein Effizienzkandidat, keine Zusage für Sol-gleiches Reasoning zu niedrigeren Kosten.

GPT-6 Luna ist das schnelle, kosteneffiziente Mitglied der GPT-6-Serie und unter GPT-6 Sol angesiedelt. Es nimmt Datei-, Bild- und Texteingabe über ein Kontextfenster von 1.050.000 Token an und zielt auf hohe Volumina, bei denen die Antwortzeit zählt.

Grok 4.6 ist ein xAI-Modell für Codierung, Wissensarbeit und MINT-Aufgaben, mit einem Kontextfenster von 500.000 Token über Text-, Bild- und Dateieingabe. Innerhalb derselben Reihe wurde es inzwischen von Grok 4.7 abgelöst.

Grok 4.7 ist der Flaggschiffeintrag von xAI für Codierung, Agentenaufgaben und Wissensarbeit, mit einem Kontextfenster von 500.000 Token sowie Text-, Bild- und Dateieingabe. Der Herausgeber hebt lang laufende Softwareentwicklung und Selbstverifikation hervor.

Tencent Hy3 ist ein Text-MoE mit laut Entwicklerkarte 295B gesamten und 21B aktiven Parametern. Die Referenz beschreibt direkte Antworten und Reasoning sowie mehrturnige Einschränkungen.

Xiaomi MiMo-V2.5 listet Text, Bilder, Audio und Video in seiner multimodalen Referenz. Die Ausgabe ist Text: Medienverständnis bedeutet weder Sprachsynthese noch Bilderzeugung.

Tencent Hy4 preview erweitert die Familie auf eine Basis mit 770B Parametern, 49B aktiven Parametern und mehr Kontext als Hy3. Es ist eine Textvorschau für Codeagenten und Werkzeugabläufe.

MiMo-V2.6-Pro ist Xiaomis Flaggschiff unter den offenen Gewichten; der Herausgeber beschreibt es als Modell mit über einer Billion Parameter. Es nimmt Text, Bild, Video und Audio über ein Kontextfenster von 1.050.000 Token an und gibt Text aus.

Step 3.7 Flash verbindet ein sparsames Sprachmodell mit einem Bildencoder. Der Entwickler betont Wahrnehmung und Werkzeuge; OpenRouter listet Bild, Video und wählbare Reasoning-Intensität.

MiMo-V2.6-Flash ist Xiaomis effizienzorientierter Eintrag für Code und multimodale Agenten. OpenRouter verlinkt eine Flash-RL-Karte zu Reinforcement Learning in verschiedenen Aufgabenwelten.