Kleine KI-Modelle im Vergleich: Kosten und Qualität für Routinearbeit

Viele Routineaufgaben in Unternehmen lassen sich mit kleinen KI-Modellen erledigen: E-Mails einordnen, Fertigungsaufträge prüfen, Aktionen auf einer Website klassifizieren oder einen Status rund um die Uhr überwachen. Bei den Listenpreisen liegen die Anbieter eng beieinander. Deutlich unterscheiden sich die Modelle darin, wie oft sie raten, wie zuverlässig sie Werkzeuge bedienen und wie viele Denktoken sie verbrauchen. Die Angaben stammen aus den Preislisten der Anbieter, aus unabhängigen Benchmarks und aus einem eigenen Praxistest in Hawk IVO Force, Stand 20.10.2026.

Kosten stehen hier als Kostenindex statt in Dollar. Listenpreise ändern sich häufig, und die Preise der Anbieter sind keine Preise von Hawk IVO Force. Der Index zeigt, wie teuer ein Modell im Verhältnis zu den anderen ist, und bleibt auch bei Preisänderungen gut lesbar.

Welche Modelle im Vergleich stehen

OpenAI, Anthropic, Google und Amazon nennen für ihre kleinen Modelle keine Größen. Klein heißt hier: die günstigste aktuelle Stufe einer Modellfamilie, ausgelegt auf Tempo und Menge.

• GPT-6 Luna von OpenAI, verfügbar seit 22.09.2026: die kleinste Stufe der GPT-6-Familie neben Sol und Astra. Der Vorgänger GPT-5.6 Luna entsprach laut OpenAI der früheren Nano-Klasse. Erhältlich direkt bei OpenAI sowie über Microsoft Azure und Amazon Bedrock.
• Claude Haiku 5.5 von Anthropic, verfügbar seit 07.10.2026: Nachfolger von Claude Haiku 4.5, erhältlich über die Claude Platform, Amazon Web Services, Google Cloud und Microsoft Azure.
• Gemini 3.5 Flash-Lite von Google, verfügbar seit 21.07.2026: die kleinste aktuelle Gemini-Stufe. Zum Vergleich läuft Gemini 3.8 Flash als nächstgrößere Stufe mit.
• Amazon Nova 2 Lite und Amazon Nova Micro, beide nur auf Amazon Bedrock: Nova 2 Lite seit Dezember 2025, Nova Micro als reines Textmodell seit Dezember 2024.
• Chinesische Modelle: DeepSeek V4.1 Flash, Qwen3.8 Flash von Alibaba, GLM-5.3-Flash von Z.ai und MiniMax M3.1 Flash. Kimi K2.6 von Moonshot AI kostet ein Mehrfaches und dient im Praxistest als Vergleich.

Kosten im Vergleich: der Kostenindex

Der Kostenindex bewertet die Standardaufgabe zu Listenpreisen der Anbieter, die Kostenstufe fasst ihn grob zusammen.

Modell	Kostenindex ↓, niedriger ist besser	Kostenstufe ↓, niedriger ist besser	Aufschlag bei langen Prompts
Amazon Nova Micro	24	1	keiner bekannt
GPT-6 Luna	76	2	über 272.000 Token: Eingabe ×2, Ausgabe ×1,5
Claude Haiku 5.5	76	2	über 100.000 Token: Eingabe ×5, Ausgabe ×5
Qwen3.8 Flash	94	2	keiner bekannt
GLM-5.3-Flash	97	2	keiner bekannt
MiniMax M3.1 Flash	103	2	keiner bekannt
DeepSeek V4.1 Flash	207	3	keiner
Gemini 3.5 Flash-Lite	297	3	keiner
Amazon Nova 2 Lite	297	3	keiner bekannt
Gemini 3.8 Flash	569	4	keiner, ab 1. Januar 2027 doppelter Grundpreis
Claude Sonnet 5.5 (zum Vergleich)	1.517	5	keiner
Claude Opus 5.5 (zum Vergleich)	3.034	5	keiner

Amazon Nova Micro kostet ein Viertel des Medians, GPT-6 Luna und Claude Haiku 5.5 rund drei Viertel, Gemini 3.8 Flash fast das Sechsfache. Die großen Modelle Claude Sonnet 5.5 und Claude Opus 5.5 liegen beim 15- bis 30-Fachen.

Der Preissprung bei Claude Haiku 5.5

Bei Claude Haiku 5.5 entscheidet die Länge jeder einzelnen Anfrage über den Tarif. Über 100.000 Token im Prompt kostet die ganze Anfrage das Fünffache. Zwischengespeicherte Prompt-Teile zählen bei der Länge mit. Wer einen gesamten Auftragsbestand in einen einzigen Prompt lädt, zahlt deshalb den hohen Tarif, wer ihn in Abschnitte unter 100.000 Token teilt, den niedrigen. GPT-6 Luna hat eine ähnliche Schwelle bei 272.000 Token mit kleinerem Aufschlag. Gemini Flash und Flash-Lite kennen keine solche Schwelle, ebenso wenig die größeren Claude-Modelle ab Generation 4.6.

• Gemini Flash und Flash-Lite
• GPT-6 Luna
• Claude Haiku 5.5

Preisfaktor auf den Grundpreis der Eingabe ↓

Promptlänge in Token

Der Aufschlag gilt jeweils für die ganze Anfrage. Bei GPT-6 Luna steigt die Ausgabe auf das 1,5-Fache. Quelle: OpenAI, Anthropic, Google, Stand 20. Oktober 2026.

Daten zum Diagramm

Modell	Aufschlag bei langen Prompts
GPT-6 Luna	über 272.000 Token: Eingabe ×2, Ausgabe ×1,5
Claude Haiku 5.5	über 100.000 Token: Eingabe ×5, Ausgabe ×5
Gemini 3.5 Flash-Lite	keiner
Gemini 3.8 Flash	keiner, ab 1. Januar 2027 doppelter Grundpreis
Amazon Nova 2 Lite	keiner bekannt
Amazon Nova Micro	keiner bekannt
DeepSeek V4.1 Flash	keiner
Qwen3.8 Flash	keiner bekannt
GLM-5.3-Flash	keiner bekannt
MiniMax M3.1 Flash	keiner bekannt

Gleicher Preis in allen Clouds, Aufschlag für Datenresidenz

Über die großen Clouds hinweg liegen die Preise eng beieinander. GPT-6 Luna kostet bei Microsoft Azure und Amazon Bedrock mit globaler Verarbeitung genauso viel wie direkt bei OpenAI. Claude-Modelle rechnet Microsoft Foundry zu den Listenpreisen von Anthropic ab. Amazon Bedrock und Google Cloud führen eigene Preislisten, für ihre regionalen Endpunkte nennt Anthropic einen Aufschlag von 10 Prozent gegenüber den globalen. Mehr kostet vor allem die Verarbeitung in einer festen Region: GPT-6 Luna in der EU-Datenzone von Azure rund 20 Prozent mehr, Gemini in der EU-Multiregion von Google Cloud rund 10 Prozent mehr und Nova 2 Lite über die EU-Route in Frankfurt rund 40 Prozent mehr als global in den USA.

Was zusätzlich spart oder kostet

• Batch: Wer Ergebnisse nicht sofort braucht, zahlt bei OpenAI, Anthropic, Google und Amazon im Batch-Verfahren die Hälfte. DeepSeek halbiert den Preis außerhalb seiner Spitzenzeiten, die werktags allerdings einen Großteil des deutschen Vormittags umfassen.
• Caching: Wiederkehrende Prompt-Teile wie Anweisungen, Kategorien und Beispiele lassen sich zwischenspeichern. Aus dem Zwischenspeicher gelesen kosten sie bei OpenAI, Anthropic und Google rund ein Zehntel des Inputpreises, bei Amazon Nova ein Viertel.
• Token sind nicht überall gleich groß: Claude Haiku 5.5 zählt denselben Text mit rund 30 Prozent mehr Token als sein Vorgänger. Gleiche Preise je Token bedeuten deshalb nicht genau gleiche Kosten je E-Mail.
• Modellwechsel: Google hat Gemini 3.7 Flash am 08.10.2026, knapp acht Wochen nach der allgemeinen Verfügbarkeit, abgekündigt und leitet Anfragen auf Gemini 3.8 Flash um. Dessen Preis verdoppelt sich zum 01.01.2027. Preise und Modellstände gehören deshalb in jede Betriebsplanung.

Denktoken: der unsichtbare Kostentreiber

Fast alle aktuellen kleinen Modelle können vor der Antwort nachdenken. Diese Denktoken erscheinen nicht in der Antwort, werden aber als Output abgerechnet, und Output kostet je nach Modell drei- bis achtmal so viel wie Input. Wie viel ein Modell denkt, lässt sich meist einstellen:

• GPT-6 Luna: von none bis max, Standard medium
• Claude Haiku 5.5: von low bis max, Standard medium
• Gemini 3.5 Flash-Lite: von minimal bis high, Standard minimal
• Amazon Nova 2 Lite: aus oder low bis high, Standard aus
• DeepSeek V4.1 Flash: mit oder ohne Denken, Standard mit
• GLM-5.3-Flash: Denken lässt sich nicht abschalten

Der Unterschied ist erheblich. Für den vollständigen Benchmark-Satz von Artificial Analysis kostete GPT-6 Luna auf höchster Stufe gut das Sechsfache wie ohne Denken, Claude Haiku 5.5 auf höchster Stufe fast das Zehnfache wie auf niedriger Stufe. In unserem Praxistest erzeugte Kimi K2.6 für dieselben Aufgaben 3.100 bis 7.300 Output-Token, Gemini 3.7 Flash dagegen 360 bis 580. Auch die Wartezeit steigt: GPT-6 Luna liefert ohne Denken das erste Antwort-Token nach rund 0,8 Sekunden, auf höchster Stufe nach rund 90 Sekunden.

Für Klassifizierung und Extraktion genügt meist die niedrigste Stufe. Google empfiehlt für Gemini 3.5 Flash-Lite ausdrücklich minimal bei Klassifizierung, Routing und JSON-Extraktion, für Sub-Agents mit mehrstufiger Werkzeugnutzung dagegen medium oder high, weil das Modell sonst Werkzeugketten zu früh abbricht. Den passenden Wert zeigt am verlässlichsten ein Test mit eigenen Daten.

• GPT-6 Luna
• Claude Haiku 5.5
• weitere kleine Modelle

Intelligence Index ↑

Kostenindex des vollständigen Testlaufs, logarithmisch ↓

Linien verbinden die niedrigste und höchste gemessene Denkstufe desselben Modells. Der Kostenindex enthält die tatsächlich verbrauchten Denktoken. Median der gezeigten Punkte = 100. Für Amazon Nova liegen keine Kosten des Testlaufs vor. Quelle: Artificial Analysis, Stand 20. Oktober 2026.

Daten zum Diagramm

Modell	Denkstufe	Kostenindex des Testlaufs ↓, niedriger ist besser	Intelligence Index ↑, höher ist besser
GPT-6 Luna	none	6,0	18,5
Claude Haiku 5.5	low	11	29,5
GPT-6 Luna	max	38	38,1
MiniMax M3.1 Flash	default	89	42,7
GLM-5.3-Flash	max	96	41,8
Claude Haiku 5.5	max	104	43,4
Qwen3.8 Flash	default	114	39,8
Gemini 3.5 Flash-Lite	default	115	22,2
DeepSeek V4.1 Flash	max	140	45,1
Gemini 3.8 Flash	high	510	40,9

Halluzination: Wissensfrage oder Arbeit mit Vorlage

Wie stark ein Modell halluziniert, hängt von der Aufgabe ab. Zwei Fragen sind zu trennen: Rät das Modell, wenn es etwas nicht weiß? Und bleibt es bei den Angaben, die es mitgeliefert bekommt?

Wissensfragen ohne Quelle

Artificial Analysis misst mit AA-Omniscience, wie oft ein Modell bei Fachfragen eine falsche Antwort gibt, statt zuzugeben, dass es die Antwort nicht kennt. Die Halluzinationsrate ist der Anteil falscher Antworten an allen nicht richtig beantworteten Fragen. Niedriger ist besser.

Modell	Richtig beantwortet in % ↑, höher ist besser	Halluzinationsrate in % ↓, niedriger ist besser
GLM-5.3-Flash	28	28
Gemini 3.5 Flash-Lite	30	34
Claude Haiku 5.5	33 bis 36	40 bis 45
Qwen3.8 Flash	25	45
Gemini 3.8 Flash	55	55
Amazon Nova Micro	10	65
DeepSeek V4.1 Flash	43	67
GPT-6 Luna	32 bis 44	77 bis 85
Amazon Nova 2 Lite	14 bis 19	86 bis 91
MiniMax M3.1 Flash	56	93

Halluzinationsrate in Prozent ↓

Anteil falscher Antworten an allen nicht richtig beantworteten Fragen (AA-Omniscience). Der helle Teil eines Balkens zeigt die Spanne über die Denkstufen. Quelle: Artificial Analysis, AA-Omniscience, Stand 20. Oktober 2026.

GLM-5.3-Flash, Gemini 3.5 Flash-Lite und Claude Haiku 5.5 geben vergleichsweise oft zu, eine Antwort nicht zu kennen. GPT-6 Luna, Nova 2 Lite und MiniMax M3.1 Flash raten dagegen meist. MiniMax beantwortet zwar die meisten Fragen richtig, liegt bei den übrigen aber fast immer mit einer erfundenen Antwort daneben.

Arbeit mit mitgelieferten Daten

Für Routinearbeit zählt meist die zweite Frage, denn E-Mail, Auftrag oder Ticket liegen dem Modell vor. Hier sieht das Bild anders aus. Im Grounding-Test der FACTS-Rangliste von Google DeepMind, der prüft, ob Antworten durch ein mitgeliefertes Dokument gedeckt sind, erreicht GPT-6 Luna 81 von 100 Punkten, Gemini 3.8 Flash 73 und Gemini 3.5 Flash-Lite 71. Andere Anbieter fehlen in dieser Rangliste, die Google selbst betreibt. Im Zusammenfassungstest von Vectara fügen Amazon Nova 2 Lite und Nova Micro nur in rund 5 Prozent der Zusammenfassungen etwas hinzu, das nicht im Ausgangstext steht, obwohl sie bei Wissensfragen besonders oft raten. Kimi K2.6 kommt dort auf rund 11 Prozent, die übrigen aktuellen Modelle des Vergleichs sind noch nicht gemessen.

Kleine Modelle sollten deshalb mit Vorlage arbeiten, nicht aus dem Gedächtnis. Bekommen sie die Daten mitgeliefert, dürfen ausdrücklich „unbekannt“ oder null antworten und werden gegen ein festes Schema geprüft, lässt sich das Risiko erfundener Angaben gut begrenzen. In unserem Praxistest hat kein Modell eine fehlende Angabe erfunden.

Tool Use: Werkzeuge über mehrere Schritte

Für Agents ist entscheidend, ob ein Modell Werkzeuge über mehrere Schritte richtig aufruft. Unabhängige Messungen für die aktuellen kleinen Modelle sind noch lückenhaft. Artificial Analysis prüft mit AutomationBench-AA, ob ein Modell realistische Geschäftsabläufe über mehrere simulierte Anwendungen wie E-Mail, Tabellen, CRM und Ticketsystem erledigt, und mit Terminal-Bench 4.0 die Arbeit in einer Kommandozeile. Gemessen wurde überwiegend auf hoher oder höchster Denkstufe, die Werte sind Prozent gelöster Aufgaben.

Modell	AutomationBench-AA in % ↑, höher ist besser	Terminal-Bench 4.0 in % ↑, höher ist besser
MiniMax M3.1 Flash	73	26
DeepSeek V4.1 Flash	67	34
GLM-5.3-Flash	60	33
Gemini 3.8 Flash	60	20
Qwen3.8 Flash	56	25
GPT-6 Luna	53	13
Claude Haiku 5.5	35	33
Gemini 3.5 Flash-Lite	25	1
Amazon Nova 2 Lite	nicht gemessen	nicht gemessen

AutomationBench-AA, gelöste Aufgaben in Prozent ↑

Realistische Abläufe über mehrere simulierte Anwendungen wie E-Mail, Tabellen, CRM und Ticketsystem, überwiegend auf hoher oder höchster Denkstufe gemessen. Amazon Nova 2 Lite wurde nicht gemessen. Quelle: Artificial Analysis, AutomationBench-AA, Stand 20. Oktober 2026.

Herstellerangaben ergänzen das Bild. Anthropic meldet für Claude Haiku 5.5 im Bildschirm-Bedienungstest OSWorld 2.1 rund 72 Prozent, für GPT-6 Luna rund 49 Prozent. Amazon nennt für Nova 2 Lite im Berkeley Function Calling Leaderboard 60 Prozent, die Rangliste selbst führt 27 Prozent und bei mehrstufigen Aufrufen nur 2 Prozent. Die chinesischen Flash-Modelle lösen Werkzeugaufgaben gut, verbrauchen dafür aber viele Denktoken. Ein technisches Detail für Entwickler: Bei GPT-6 Luna funktionieren Werkzeugaufrufe mit Denken nur über die Responses API, über Chat Completions nur ohne Denken.

JSON und Klassifizierung

Für Routinearbeit sollte ein Modell in einem festen Format antworten. Mehrere Anbieter erzwingen ein JSON-Schema schon beim Erzeugen der Antwort:

• GPT-6 Luna: Mit striktem JSON-Schema hält die Antwort laut OpenAI das Schema immer ein, außer bei einer Ablehnung oder einer abgeschnittenen Antwort.
• Claude Haiku 5.5: Structured Outputs erzwingen das Schema ebenfalls, auf Amazon Bedrock über den Endpunkt bedrock-runtime.
• Gemini 3.5 Flash-Lite und 3.8 Flash: JSON-Schema wird unterstützt, Google empfiehlt aber, die Werte immer zu prüfen. Sehr große Schemas können abgelehnt werden.
• Amazon Nova 2 Lite und Nova Micro: Die Bedrock-Funktion Structured Outputs ist nicht verfügbar. Der Umweg führt über ein Werkzeugschema mit höchstens zwei Ebenen.
• DeepSeek, Qwen und GLM: JSON-Ausgabe wird laut Anbieter unterstützt. Für MiniMax M3.1 Flash fehlt eine Angabe.

Ein gültiges Schema garantiert keine richtigen Werte. Für Klassifizierung gibt es keinen unabhängigen Vergleichstest der aktuellen kleinen Modelle. Die Treffsicherheit hängt stark von den eigenen Kategorien ab und lässt sich nur mit eigenen Beispielen messen.

Praxistest in Hawk IVO Force

Am 20.10.2026 haben wir in Hawk IVO Force vier Modelle mit zwei typischen Routineaufgaben geprüft. Jedes Modell lief in einem eigenen Agent ohne Wissenszugriff und ohne Werkzeuge, mit derselben kurzen Anweisung. Jede Aufgabe lief zweimal.

• E-Mail-Triage: zwölf deutschsprachige E-Mails eines Fertigungsbetriebs, darunter eine Reklamation, zwei Phishing-Mails, eine Abwesenheitsnotiz und automatische Statusmeldungen. Gefragt waren Kategorie, Priorität, ob eine Antwort nötig ist, und die Bestellnummer, nur wenn sie wörtlich vorkommt. Als Fallen dienten Artikel-, Rechnungs- und Ticketnummern. Bewertet wurden Kategorie, Antwortbedarf und Bestellnummer, zusammen 72 Werte.
• Fertigungsaufträge: vier Aufträge aus einem ERP-Export und eine Notiz der Arbeitsvorbereitung. Gefragt waren Felder, Risiko und Begründung als JSON. Vier Angaben fehlten absichtlich, darunter ein Liefertermin, eine Maschine und eine Kapazität in Stunden. Ein Auftrag konnte nicht pünktlich fertig werden, weil das Material erst nach dem Liefertermin eintrifft.

Modell	E-Mail-Triage	Fertigungsaufträge	Output-Token je Lauf ↓
GPT-6 Luna	fehlerfrei	fehlerfrei	760 bis 1.330
Gemini 3.7 Flash	fehlerfrei	fehlerfrei, einmal „Gehaeuse“ statt „Gehäuse“	360 bis 580
Kimi K2.6	fehlerfrei	einmal Schema verletzt, Risiko nicht bewertet	3.100 bis 7.300
GPT-4.1 mini, ältere Generation	7 von 72 Werten falsch	fehlerfrei	300 bis 480

GPT-4.1 mini hätte beide Phishing-Mails beantwortet und Rechnungs- sowie Ticketnummern als Bestellnummer übernommen. Die aktuelle Generation macht diese Fehler nicht mehr. Kimi K2.6 hat die Anweisung, fehlende Angaben auf null zu setzen, in einem Lauf auch auf die Risikobewertung angewendet. Je E-Mail kostete Gemini Flash im Test zu Listenpreisen rund das Fünffache von GPT-6 Luna, Kimi K2.6 wegen der vielen Denktoken rund das Dreißigfache.

Der Test ist eine Stichprobe mit zwei Durchläufen, kein Benchmark. Claude Haiku 5.5 und Amazon Nova standen in unserer Testumgebung nicht zur Verfügung. Gemini 3.7 Flash ist inzwischen abgekündigt, Google leitet die Anfragen auf Gemini 3.8 Flash um.

Was Routinearbeit im Monat kostet

Vier typische Einsatzfälle mit diesen Annahmen:

• Büro: 80 E-Mails pro Arbeitstag an 22 Arbeitstagen, darunter Statusmeldungen. Je E-Mail 3.000 Token Input für Anweisungen, Kategorien, Beispiele und die Mail mit Verlauf sowie 500 Token Output für Einordnung und einen kurzen Antwortentwurf.
• Produktion: 500 offene Fertigungsaufträge, in jeder der drei Schichten neu bewertet, an 30 Tagen. Je Bewertung 4.000 Token Input für Auftrag, Arbeitsplan, Material und Kapazität sowie 600 Token Output für Risiko, Engpass und Empfehlung.
• Website: 1.500 Besuche pro Tag mit einem Agent, der Aktionen beobachtet, einordnet und eine Empfehlung gibt. Je Besuch sechs Einordnungen und eine Empfehlung, zusammen 16.000 Token Input und 1.000 Token Output.
• Daueraufgabe: Ein Agent prüft rund um die Uhr alle fünf Minuten einen Status, etwa Ticketeingang, Maschinenmeldungen oder Lieferstatus. Je Prüfung 5.000 Token Input und 300 Token Output.

Der Kostenumfang zeigt, wie viel Modellkosten ein Anwendungsfall im Monat im Verhältnis zum Büro-Fall verursacht, gemessen am Median der kleinen Modelle:

Anwendungsfall	Vorgänge pro Monat	Token je Vorgang, Eingabe / Ausgabe	Kostenumfang, Büro = 1 ↓, niedriger ist besser
Büro	1.760	3.000 / 500	×1
Produktion	45.000	4.000 / 600	×33
Website	45.000	16.000 / 1.000	×104
Daueraufgabe	8.640	5.000 / 300	×6

Bei 80 E-Mails am Tag spielen die Modellkosten praktisch keine Rolle, auch mit einem großen Modell wie Claude Opus 5.5. Teuer wird hier ein Fehler, etwa eine übersehene Reklamation oder eine beantwortete Phishing-Mail. Die Zuverlässigkeit zählt deshalb mehr als der Preis. In Produktion, auf der Website und bei Daueraufgaben wachsen die Mengen dagegen schnell. Zwischen einem kleinen und einem großen Modell liegt dann der Faktor 20 bis 40, zwischen GPT-6 Luna und Gemini 3.8 Flash rund der Faktor 7. Mehr Denktoken erhöhen die Outputkosten. Caching senkt die Inputkosten, vor allem auf der Website, wo der Seitenkontext bei jeder Anfrage gleich bleibt.

Ein einziger Prompt mit dem gesamten Auftragsbestand ist die teuerste Variante. Mit Claude Haiku 5.5 kostet eine Anfrage mit 300.000 Token das Fünffache derselben Menge in Abschnitten unter der Schwelle. Zugleich sinkt bei sehr langen Kontexten die Trefferquote: Gemini 3.5 Flash-Lite erreicht im Langkontext-Test MRCR laut Google bei 128.000 Token 72 Prozent, bei einer Million Token 21 Prozent. Besser ist eine Bewertung je Auftrag oder je Gruppe.

Kleine Modelle als Sub-Agents

Kleine Modelle eignen sich besonders als Sub-Agents. Ein größeres Modell plant die Aufgabe, zerlegt sie und gibt klar abgegrenzte Teilaufgaben an kleine Modelle weiter, etwa Dokumente lesen, Daten auslesen, Einträge einordnen oder Suchergebnisse zusammenfassen. Jeder Sub-Agent arbeitet mit einem kleinen, frischen Kontext und liefert ein knappes Ergebnis zurück, das das größere Modell prüft und zusammenführt. Anthropic positioniert Claude Haiku 5.5 ausdrücklich für diese Rolle.

Das zahlt sich mehrfach aus:

• Kosten: Ein Input-Token kostet bei Claude Haiku 5.5 ein Vierzigstel dessen, was Claude Opus 5.5 verlangt. Gerade das Lesen, das die meisten Token verbraucht, wird damit günstig.
• Tempo: Viele Sub-Agents arbeiten parallel.
• Übersicht: Das planende Modell sieht nur verdichtete Ergebnisse statt Tausender Seiten Rohmaterial.
• Preisschwellen: Kleine Teilaufgaben bleiben unter der 100.000-Token-Schwelle von Claude Haiku 5.5.

Damit das funktioniert, braucht jede Teilaufgabe ein festes Ausgabeformat, am besten ein JSON-Schema. Der Sub-Agent erhält nur die Daten und Werkzeuge, die seine Teilaufgabe erfordert. Für mehrstufige Werkzeugarbeit passt eine mittlere Denkstufe, für reines Einordnen die niedrigste. Bevor etwas in angebundenen Systemen geändert wird, prüft das planende Modell oder ein Mensch das Ergebnis, wie in Agents mit Freigaben einführen beschrieben.

In Hawk IVO Force ist das Modell eine Einstellung des einzelnen Agents. So kann ein Agent für Planung und Abstimmung mit einem großen Modell arbeiten, während Agents für Triage, Extraktion oder Überwachung ein kleines nutzen.

Chinesische Modelle: günstig, offen, mit Datenschutzfragen

Die chinesischen Flash-Modelle sind günstig und lösen Werkzeugaufgaben gut. GLM-5.3-Flash rät von allen verglichenen Modellen am seltensten. DeepSeek V4.1 Flash und GLM-5.3-Flash stehen als offene Gewichte unter MIT-Lizenz bereit, Qwen3.8 in mehreren offenen Varianten. Für Unternehmen in Deutschland zählt vor allem, wo die Daten verarbeitet werden:

• DeepSeek verarbeitet und speichert Daten der eigenen API laut Datenschutzerklärung in China. DeepSeek V4.1 Flash gibt es auch in der EU-Datenzone von Microsoft Azure, dort mit rund 20 Prozent Aufschlag gegenüber dem globalen Preis.
• Alibaba bietet in Frankfurt zwei Geltungsbereiche an. Nur der EU-Bereich hält die Verarbeitung in der Region, Qwen3.8 Flash ist dort derzeit nur im globalen Bereich gelistet.
• Z.ai verarbeitet Daten nach eigenen Angaben in der Regel in Singapur, MiniMax speichert sie in den USA.
• Offene Gewichte lassen sich selbst betreiben. Bei mehreren hundert Milliarden Parametern ist das für DeepSeek und GLM aufwendig. Realistischer ist das kleinere Qwen3.8-27B unter Apache-2.0-Lizenz.

Das US-Institut NIST hat ältere DeepSeek- und Kimi-Versionen untersucht und eine Nähe zu Positionen der Kommunistischen Partei Chinas sowie eine höhere Anfälligkeit für Manipulationen festgestellt. Diese Eigenschaften liegen im Modell selbst und bleiben beim eigenen Betrieb bestehen. Für die aktuellen Versionen fehlt eine solche Prüfung. Bei der Einordnung in feste Kategorien dürfte das weniger ins Gewicht fallen als bei frei formulierten Texten. Deutsch nennt die Modellkarte von GLM-5.3-Flash nicht, Tests mit deutschen Texten sind deshalb besonders wichtig.

Welches Modell für welche Aufgabe

Aus Preisen, Messwerten und Praxistest ergibt sich diese Einschätzung:

• E-Mail-Triage und Klassifizierung mit festen Kategorien: GPT-6 Luna oder Claude Haiku 5.5 mit niedriger Denkstufe. Beide kosten gleich wenig. GPT-6 Luna hielt sich im Praxistest und im Grounding-Test eng an die Vorlage, Claude Haiku 5.5 rät bei Wissenslücken seltener.
• Prüfung von Fertigungsaufträgen und Extraktion aus Dokumenten: dieselben Modelle, mit einer Bewertung je Auftrag oder Gruppe statt eines sehr langen Prompts, mit JSON-Schema und erlaubtem null.
• Website-Agent mit Reaktion in Echtzeit: ein Modell ohne oder mit minimalem Denken, etwa GPT-6 Luna mit dem ersten Token nach rund 0,8 Sekunden oder Nova 2 Lite ohne Denken nach rund 1,1 Sekunden. Gemini 3.5 Flash-Lite brauchte bei Artificial Analysis rund 8 Sekunden bis zum ersten Token.
• Daueraufgaben und Sub-Agents mit Werkzeugen: Gemini 3.8 Flash, GLM-5.3-Flash oder DeepSeek V4.1 Flash bei mehrstufigen Geschäftsabläufen, Claude Haiku 5.5 bei Kommandozeile und Bildschirmbedienung, jeweils mit mittlerer Denkstufe.
• Sehr große Mengen sehr einfacher Texte: Amazon Nova Micro ist mit einem Kostenindex von 24 das günstigste Modell im Vergleich, weiß aber wenig und verarbeitet höchstens 128.000 Token. Es eignet sich nur mit festem Schema und nach eigenem Test.
• Personenbezogene Daten: Verarbeitung in der EU wählen, etwa die EU-Datenzone in Azure, die EU-Multiregion in Google Cloud oder eine EU-Route in Amazon Bedrock, und dafür 10 bis rund 40 Prozent Aufschlag einplanen.

Vor der Entscheidung mit eigenen Daten testen

Modellstände und Preise ändern sich in diesem Markt im Abstand weniger Wochen. Vor einer Entscheidung lohnt ein kurzer Test mit 50 bis 100 eigenen Beispielen. Er zeigt Treffsicherheit, Formattreue und den tatsächlichen Tokenverbrauch je Vorgang. Wir helfen dabei, eine passende Aufgabe abzugrenzen, Modelle mit Ihren Daten zu vergleichen und Agents in Hawk IVO Force aufzusetzen. Sprechen Sie uns an, wenn Sie eine solche Aufgabe im Blick haben.

Listenpreise und Berechnung

Listenpreise und Berechnung (Stand 20. Oktober 2026)

Öffentliche Listenpreise der Anbieter im Standardtarif mit globaler Verarbeitung, in US-Dollar je eine Million Token. Es sind keine Preise von Hawk IVO Force. Preise ändern sich häufig, maßgeblich sind die verlinkten Preisseiten der Anbieter.

Listenpreise in US-Dollar je eine Million Token

Modell	Eingabe	Ausgabe	Aufschlag bei langen Prompts
GPT-6 Luna	0,10	0,50	über 272.000 Token: Eingabe ×2, Ausgabe ×1,5
Claude Haiku 5.5	0,10	0,50	über 100.000 Token: Eingabe ×5, Ausgabe ×5
Gemini 3.5 Flash-Lite	0,30	2,50	keiner
Gemini 3.8 Flash	0,75	3,75	keiner, ab 1. Januar 2027 doppelter Grundpreis
Amazon Nova 2 Lite	0,30	2,50	keiner bekannt
Amazon Nova Micro	0,035	0,14	keiner bekannt
DeepSeek V4.1 Flash	0,30	1,20	keiner
Qwen3.8 Flash	0,15	0,47	keiner bekannt
GLM-5.3-Flash	0,15	0,50	keiner bekannt
MiniMax M3.1 Flash	0,15	0,60	keiner bekannt
Claude Sonnet 5.5 (zum Vergleich)	2,00	10,00	keiner
Claude Opus 5.5 (zum Vergleich)	4,00	20,00	keiner

Mit globaler Verarbeitung kosten die Modelle bei Microsoft Azure, Amazon Bedrock und Google Cloud in der Regel dasselbe wie direkt beim Anbieter. Regionale Verarbeitung, etwa in der EU, kostet 10 bis rund 40 Prozent mehr.

Modellkosten in US-Dollar pro Monat für die Anwendungsfälle des Artikels, gerundet, ohne Caching, Batch und Datenresidenz

Modell	Büro	Produktion	Website	Daueraufgabe
GPT-6 Luna	0,97	32	95	6
Claude Haiku 5.5	0,97	32	95	6
Gemini 3.5 Flash-Lite	4	120	330	19
Gemini 3.8 Flash	7	240	710	42
Amazon Nova 2 Lite	4	120	330	19
Amazon Nova Micro	0,31	10	32	2
DeepSeek V4.1 Flash	3	86	270	16
Qwen3.8 Flash	1	40	130	8
GLM-5.3-Flash	1	41	130	8
MiniMax M3.1 Flash	1	43	140	8
Claude Sonnet 5.5 (zum Vergleich)	19	630	1.890	110
Claude Opus 5.5 (zum Vergleich)	39	1.260	3.780	220

Preisseiten der Anbieter

• developers.openai.com (öffnet in neuem Tab) (openai)
• platform.claude.com (öffnet in neuem Tab) (anthropic)
• ai.google.dev (öffnet in neuem Tab) (google)
• aws.amazon.com (öffnet in neuem Tab) (aws)
• api-docs.deepseek.com (öffnet in neuem Tab) (deepseek)
• www.alibabacloud.com (öffnet in neuem Tab) (alibaba)
• docs.z.ai (öffnet in neuem Tab) (zai)
• platform.minimax.io (öffnet in neuem Tab) (minimax)