Modelle (EU-Hosting)
CLYE AI unterstützt mehrere KI-Modelle unterschiedlicher Hersteller. Alle aufgeführten Modelle werden in Europa gehostet.
Die verfügbaren Modelle werden direkt aus dem CLYE AI LLM-Gateway geladen und bei jedem Build aktualisiert.
Die konkret verfügbaren Modelle können je nach Workspace, Rolle oder Vertrag variieren.
CLYE AI Policies
Policies sind die empfohlene Wahl für die meisten Nutzer. Sie sind vorkonfigurierte Routing-Regeln, die je nach Aufgabe automatisch das passende Modell auswählen, ohne dass du dich um Modellversionen kümmern musst.
Wenn du im Chat ein anderes Modell auswählst, während gerade noch eine Antwort läuft, startet CLYE AI diese Antwort direkt mit dem neu gewählten Modell neu. Du musst die laufende Antwort also nicht erst separat stoppen.
Wenn gerade keine Antwort läuft, wird nur die Auswahl umgestellt. Die nächste Anfrage nutzt dann das neu gewählte Modell.
Wenn du einen Chat über die Assistenten-Startseite beginnst und dort schon ein Modell auswählst, startet auch der neue Chat direkt mit genau diesem Modell. Die Auswahl wird pro Assistent gespeichert und beim nächsten Start mit demselben Assistenten wiederverwendet.
Wenn du den Modellwähler im Chat oder auf der Assistenten-Startseite öffnest und ein Modell anklickst, bleibt diese Auswahl jetzt auch dann stabil erhalten, wenn die Liste im Hintergrund noch einmal neu geladen wird. Du kannst danach direkt weiterschreiben, ohne dass CLYE AI sichtbar auf das Standardmodell zurückspringt.
Modelle, für die dir der nötige Zugriff fehlt, erscheinen dabei weiterhin nicht in der nutzbaren Auswahl. Während CLYE AI die verfügbaren Zugriffe noch prüft, bleibt deine gerade gewählte Modellmarkierung trotzdem sichtbar, statt kurz leer zu werden oder auf das Standardmodell zu wechseln.
Im Modellwähler im Chat kann zusätzlich pro Modell ein Preisfaktor gegenüber dem Standardmodell des Assistenten angezeigt werden. Der Faktor erscheint in der Zeile als kleines Badge und in der Detail- oder Hover-Ansicht als Hinweis wie „Kosten ggü. Standard: 2,5ד. Wenn der Gateway-Katalog dafür nur eine Spanne statt eines exakten Werts liefert, zeigt CLYE AI im Chat bewusst den gerundeten Mittelpunkt dieser Spanne an – also zum Beispiel ~3× statt einer technisch wirkenden Zwischenzahl wie ~2,5×.
Wichtig dabei:
- Bezugspunkt ist das erste konfigurierte Modell des Assistenten, also dasselbe Modell, das im Chat auch als Empfehlung bzw. Standard verwendet wird.
- Beim Standardmodell selbst erscheint der Faktor bewusst immer als
1×und ohne~, auch wenn dessen zugrunde liegende Policy intern mit einer Preisspanne arbeitet. So bleibt der Bezugspunkt im Modellwähler eindeutig. - Andere Modelle können weiterhin einen ungefähren Faktor wie
~3×zeigen, wenn der Gateway-Katalog dafür nur eine Preisspanne oder nur ungefähre Werte liefern kann – zum Beispiel bei einer Passthrough-Policy mit mehreren möglichen Fallback-Modellen. Im Chat-Modellwähler siehst du dafür den gerundeten Mittelpunkt der bekannten Spanne statt einer unnötig genauen Zwischenzahl. - Gibt der Preisindex für ein Modell einen eindeutigen Preis zurück, zeigt CLYE AI den Faktor ohne Spanne direkt für dieses konkrete Modell an. Das gilt auch für physische Gateway-Modelle, wenn sie im Index zusätzlich unter ihrem konfigurierten Modellnamen auffindbar sind.
- In den Agent-Einstellungen gilt dieselbe Logik für das dort gespeicherte Standardmodell – sowohl in der Auswahlliste als auch in der Detailansicht. Auf der eigentlichen Standard-Kachel wird der Faktor weiterhin ausgeblendet.
- Fehlen für ein Modell oder für das Standardmodell im Preisindex verwertbare Preisdaten, erscheint kein Preis-Badge. Der Modellwähler bleibt dann optisch wie bisher.
- Damit Preisfaktoren auch bei physischen Modellen zuverlässig erscheinen, berücksichtigt CLYE AI neben der kanonischen Katalog-ID jetzt zusätzlich den in Bot-Konfigurationen verwendeten Modellnamen. Das betrifft insbesondere Upstream-Namen mit Provider-Präfix wie
requesty:z-ai/glm-5.3-flash. - Nach Änderungen an Gateway-Modellen oder Policies kann vorübergehend noch eine veraltete gecachte Modellliste sichtbar sein. In diesem Fall hilft als Admin unter Admin → Modelle der Button Modell-Cache leeren, damit Preise und Modellzuordnungen sofort frisch geladen werden.
Policies sind vorkonfigurierte Modell-Routing-Regeln. Der tatsächlich genutzte Modell-Typ hängt von der jeweiligen Policy-Konfiguration ab, alle EU-gehostet.
| Modell | Vision | Reasoning | Tools | Kontext | Max. Output |
|---|---|---|---|---|---|
| Claude Sonnet 4.6 | ✓ | ✓ | ✓ | 1M | 64K |
| Claude Sonnet 5 | ✓ | ✓ | ✓ | 1M | 128K |
| GLM 5.1 | ✓ | ✓ | ✓ | 200K | – |
| GLM 5.2 | ✓ | ✓ | ✓ | 1M | 131K |
| GPT 5 Mini | ✓ | ✓ | ✓ | 200K | 100K |
| GPT 5.2 | ✓ | ✓ | ✓ | 400K | 128K |
| GPT 5.4 | ✓ | ✓ | ✓ | 1M | 128K |
| GPT 5.5 | ✓ | ✓ | ✓ | 1M | 128K |
| GPT 5.6 Luna | ✓ | ✓ | ✓ | 1M | 128K |
| GPT 5.6 Sol | ✓ | ✓ | ✓ | 1M | 128K |
| GPT 5.6 Tera | ✓ | ✓ | ✓ | 1M | 128K |
| Standard | ✓ | ✓ | ✓ | 131K | 33K |
Direkte Modell-Zugriffe nach Anbieter
Für erweiterte Kontrolle kannst du Modelle direkt über ihren Anbieter ansprechen.
Modelle in der Suche nacheinander auswählen
Wenn du in einer Modellauswahl nach einem Begriff filterst und dann einen Treffer auswählst, bleibt dein Suchbegriff erhalten. So kannst du mehrere passende Modelle direkt hintereinander markieren, ohne den Filter jedes Mal neu eingeben zu müssen.
Beispiel:
- Öffne die Modellauswahl.
- Gib
gpt-5.6in die Suche ein. - Wähle ein passendes Modell aus.
- Die Suche bleibt stehen, sodass du sofort weitere Treffer mit demselben Begriff auswählen kannst.
In der Oberfläche helfen kleine Typ-Icons bei der schnellen Orientierung:
- 🧠 Brain-Icon: wird bei Modellnamen angezeigt, die Thinking oder Reasoning enthalten
- ⚡ Blitz-Icon: wird bei Modellnamen angezeigt, die Instant oder Flash enthalten
Diese Icons siehst du sowohl in der Modell-Liste und Konfiguration in den Bot- bzw. Space-Einstellungen als auch im Modell-Dropdown im Chat.
Zusätzlich zeigt CLYE AI für unterstützte Anbieter ein Anbieter-Logo an. Für Mistral-Modelle wird automatisch das Mistral-Logo verwendet, sobald solche Modelle in deiner Umgebung verfügbar sind. Das gilt auch für Modell-IDs und Modellfamilien, die auf Mistral basieren, zum Beispiel mistral, mixtral, ministral, magistral, codestral, devstral oder pixtral.
Für die kuratierten Mistral-Einträge Mistral Large, Mistral Medium und Mistral Small verwendet CLYE AI jetzt außerdem ein Kontextfenster von 256K in der Modellübersicht. Das sorgt dafür, dass die Anzeige in der Oberfläche zum kuratierten Modellkatalog passt.
Die Icons sind eine Orientierungshilfe in der Oberfläche. Maßgeblich bleibt immer der konkrete Modellname.
Wenn du in den Bot- oder Space-Einstellungen einen Wert für Max. Output festlegst, gilt dafür jetzt eine feste Untergrenze von 16 Tokens. Werte darunter werden in CLYE AI automatisch auf 16 angehoben, damit betroffene Modelle – besonders aus der GPT-5-Familie – zuverlässig nutzbar bleiben.
In den Allgemeinen Einstellungen eines Assistenten findest du neben der normalen Modellkarte bei Bedarf auch eine eigene Karte für das STT-Modell (Speech-to-Text). Diese Karte ist auch in der Legacy-Ansicht der Einstellungen sichtbar, damit du die Transkriptionskonfiguration unabhängig von der übrigen Modellwahl prüfen und anpassen kannst.
In derselben Legacy-Ansicht der allgemeinen Modelleinstellungen kannst du bei unterstützten Modellen jetzt auch direkt ein Thinking-Budget hinterlegen. Die Auswahl folgt derselben Logik wie in der modernen Modellkarte: CLYE AI übernimmt vorhandene Thinking-Stufen zuverlässig in das passende Budget, zeigt nur sinnvolle Optionen an und verwendet bei Bedarf einen konsistenten Fallback für den Thinking Level.
Wenn du in den Bot- oder Space-Einstellungen über Modell hinzufügen weitere Modelle zur Auswahl hinterlegst, verhindert CLYE AI jetzt robuster, dass derselbe Eintrag versehentlich doppelt als zusätzliche Modellkarte erscheint. Das ist besonders dann relevant, wenn Änderungen im Hintergrund mehrfach angewendet oder gespeicherte Modelllisten aus älteren Ständen übernommen werden.
Falls in älteren Konfigurationen bereits doppelte Modellkarten auftauchen, werden diese beim nächsten Laden oder Speichern der Einstellungen in der Regel automatisch bereinigt. Maßgeblich bleibt dabei immer die tatsächliche Modellliste in den Einstellungen.
Für jedes konfigurierte Modell kannst du in den Bot- oder Space-Einstellungen jetzt zusätzlich eine Sichtbarkeit festlegen. Damit beschränkst du gezielt, welche Nutzer oder Gruppen (Spaces) dieses Modell im Alltag tatsächlich verwenden dürfen.
Das ist vor allem dann hilfreich, wenn ein Assistent mehrere Modelle anbietet, einzelne davon aber nur für bestimmte Teams, Rollen oder Arbeitsbereiche freigegeben sein sollen.
So funktioniert es in der Praxis:
- Öffne die Bot- oder Space-Einstellungen mit den Modellkarten.
- Wähle beim gewünschten Modell die Option Sichtbarkeit.
- Suche nach einzelnen Nutzern oder Gruppen und füge sie wie bei anderen Such-und-Hinzufügen-Auswahlen hinzu.
- Speichere die Änderung.
Wichtig dabei:
- Ohne zusätzliche Einschränkung bleibt ein Modell wie bisher normal für berechtigte Nutzer sichtbar.
- Sobald du eine Sichtbarkeit setzt, erscheint das Modell im Modellwähler im Chat nur noch für Nutzer, die dort direkt oder über ihre Mitgliedschaft in einer freigegebenen Gruppe erfasst sind.
- Das gilt auch für das Standardmodell eines Assistenten: Wenn dieses Modell für dich nicht freigegeben ist, verwendet CLYE AI stattdessen automatisch das erste für dich erlaubte Modell aus der Konfiguration.
- Wählst du in einem Chat manuell ein Modell aus, auf das du keinen Zugriff hast, ignoriert CLYE AI diese Auswahl serverseitig und verwendet ebenfalls nur ein für dich erlaubtes Modell.
- Die sichtbare Modellauswahl im Chat und die tatsächlich nutzbare Modellauswahl auf dem Server bleiben damit konsistent.
Lokale Modelle und Admin-Aktualisierung
Wenn in deiner Umgebung lokale Modelle (zum Beispiel über Ollama oder ein angebundenes LLM-Gateway) verfügbar sind, werden sie in der Modellauswahl jetzt vollständiger angezeigt. Modelle werden dabei nicht mehr allein wegen bestimmter Namensbestandteile ausgeblendet.
Das ist besonders hilfreich, wenn du eigene oder selbst gehostete Modelle mit individuellen Namen verwendest. Maßgeblich für die Auswahl bleibt, ob das Modell vom verbundenen Provider bereitgestellt wird.
Wenn dein LLM-Gateway neben physischen Modellen auch eigene Policies als Alias bereitstellt, gilt bei identischer Modell-ID jetzt die Policy aus dem Gateway. So bleibt ein bewusst angelegter Gateway-Alias in der Modellauswahl sichtbar und wird nicht von einem gleichnamigen Direktmodell eines anderen Providers verdrängt.
Das betrifft zum Beispiel Setups, in denen eine Policy wie claude-sonnet-5 über den lokalen Gateway-Katalog bereitgestellt wird, während zusätzlich ein Direktanbieter dieselbe ID anbietet. In diesem Fall verwendet CLYE AI im Picker bevorzugt die Gateway-Policy. Das gilt sowohl für die normale Modellauswahl als auch für kuratierte Einträge, bei denen dieselbe Modell-ID zusätzlich in anderer Schreibweise oder mit Präfixen wie policy/... auftauchen kann.
In den Agent-Einstellungen sehen Nicht-Entwickler in der Auswahl Agent Modelle jetzt gezielt nur noch solche Routing-Policies aus dem Gateway. Damit wählst du dort bevorzugt stabile Alias-Namen statt einzelner Direktprovider-IDs. Entwickler behalten weiterhin den vollständigen Katalog.
Wenn dieselbe Gateway-Policy in deiner Umgebung gleichzeitig über die lokale Discovery und den Gateway-Katalog auftaucht, zeigt CLYE AI sie in dieser Nicht-Entwickler-Auswahl jetzt trotzdem nur einmal an. Das verhindert doppelte Einträge wie glm-5-3 und GLM 5.3 für dieselbe Policy.
Für bereits gespeicherte Agent-Konfigurationen bleibt dabei bewusst die bisherige lokale Modell-ID erhalten. In der Oberfläche siehst du also den bereinigten Anzeigenamen aus dem Gateway, beim Speichern bleibt die bestehende Auswahl aber kompatibel zu vorhandenen Einstellungen.
Wenn in deiner Umgebung gerade keine Gateway-Policies verfügbar sind – zum Beispiel in lokalen Setups ohne passendes Gateway oder bei einem vorübergehenden Gateway-Ausfall – fällt die Auswahl für Nicht-Entwickler automatisch auf den bisherigen kuratierten Katalog zurück. Die Modellwahl bleibt dadurch nutzbar und wird nicht leer angezeigt.
Ist in einem Assistenten bereits ein Modell gespeichert, das in der aktuellen Auswahl nicht mehr angeboten wird, erscheint es im Picker zusätzlich unter Aktuell konfiguriert. So bleibt der bisherige Wert sichtbar, sauber beschriftet und kann gezielt ersetzt werden. Nach dem Wechsel auf ein anderes Modell verschwindet dieser Sonder-Eintrag wieder.
Wenn du ein OAuth-Modell aus dem Gateway auswählst – zum Beispiel ein GPT- oder Codex-Modell aus einer Subscription-Verbindung – bleibt genau dieses Modell danach auch als Chat-Standard erhalten. Das gilt auch dann, wenn du den Chat später neu lädst.
Solche Modelle erscheinen im Katalog und in modellbezogenen Detailansichten mit ihrer gateway:-ID und dem zugehörigen Anzeigenamen aus dem Gateway. So lässt sich dieselbe Auswahl im Agent-Katalog, in den Einstellungen und später im Chat konsistent wiedererkennen.
Für physische Gateway-Modelle bleibt die bisherige Reihenfolge erhalten: Sie überschreiben bei gleicher ID nicht automatisch andere Provider-Einträge. Die Bevorzugung gilt gezielt nur für bewusst angelegte Gateway-Policies.
Die Einschränkung auf Policies gilt nur für die Agent-Einstellungen. Bereiche wie Chunking, Routing oder die Gateway-Verwaltung dürfen weiterhin auch direkte Modelle anzeigen, weil diese Auswahlen andere Anwendungsfälle abdecken.
Auch Eigenschaften wie Bildanalyse werden für Gateway-Modelle jetzt robuster aus dem Modellkatalog aufgelöst. Wenn ein Modell im Picker mit einer direkten Anbieter-ID wie local:gpt-5.6-tera erscheint, die Vision-Fähigkeit im Gateway aber auf einer zugehörigen Policy- oder Alias-Zeile hinterlegt ist, ordnet CLYE AI diese Information trotzdem dem richtigen Modell zu.
Falls der Gateway-Katalog für ein Modell selbst keine verwertbaren Metadaten liefert, verwendet CLYE AI dafür als Fallback die kuratierte Modellkonfiguration. So stimmt die sichtbare Einordnung im Modellwähler – zum Beispiel bei Bildanalyse – in der Regel auch dann besser mit dem tatsächlichen Modellverhalten überein, wenn ein lokales oder per Gateway angebundenes Modell über mehrere Alias-Namen auftaucht.
Wenn die Modellliste in der Oberfläche veraltet wirkt oder neu hinzugefügte Modelle noch nicht auftauchen, kannst du als Admin unter Admin → Modelle den Button Modell-Cache leeren verwenden. Dadurch werden die gecachten Modelllisten neu geladen.
Typische Fälle für die manuelle Aktualisierung:
- du hast beim Provider oder im Gateway neue Modelle bzw. Policies bereitgestellt
- ein lokaler Endpoint war zuvor zu langsam oder kurzfristig nicht erreichbar
- die angezeigte Modellliste passt offensichtlich nicht mehr zum aktuellen Provider-Stand
Nach Änderungen am Gateway-Katalog oder an Policies kann ein manueller Cache-Refresh sinnvoll sein, damit die aktualisierte Auswahl sofort unter Admin → Modelle und im Picker erscheint.
AWS Bedrock (Anthropic)🇪🇺 EU
| Modell | Vision | Reasoning | Tools | Kontext | Max. Output |
|---|---|---|---|---|---|
| Claude Fable 5 | ✓ | ✓ | ✓ | 1M | 128K |
| Claude Haiku 4.5 | ✓ | ✓ | ✓ | 200K | 64K |
| Claude Haiku 5.5 | ✓ | ✓ | ✓ | 1M | 128K |
| Claude Opus 4.5 | ✓ | ✓ | ✓ | 200K | 64K |
| Claude Opus 4.6 | ✓ | ✓ | ✓ | 1M | 128K |
| Claude Opus 4.7 | ✓ | ✓ | ✓ | 1M | 128K |
| Claude Opus 4.8 | ✓ | ✓ | ✓ | 1M | 128K |
| Claude Opus 5 | ✓ | ✓ | ✓ | 1M | 128K |
| Claude Opus 5.5 | ✓ | ✓ | ✓ | 1M | 128K |
| Claude Sonnet 4 | ✓ | ✓ | ✓ | 1M | 64K |
| Claude Sonnet 4.5 | ✓ | ✓ | ✓ | 1M | 64K |
| Claude Sonnet 4.6 | ✓ | ✓ | ✓ | 1M | 64K |
| Claude Sonnet 5 | ✓ | ✓ | ✓ | 1M | 128K |
| Claude Sonnet 5.5 | ✓ | ✓ | ✓ | 1M | 128K |
| GPT 5.4 | ✓ | ✓ | ✓ | 1M | 128K |
| GPT 5.5 | ✓ | ✓ | ✓ | 1M | 128K |
| GPT 5.6 Luna | ✓ | ✓ | ✓ | 1M | 128K |
| GPT 5.6 Sol | ✓ | ✓ | ✓ | 1M | 128K |
| GPT 5.6 Terra | ✓ | ✓ | ✓ | 1M | 128K |
| Kimi K2.5 | ✓ | ✓ | ✓ | 128K | 16K |
| MiniMax M2.5 | - | ✓ | ✓ | 128K | 16K |
Azure (OpenAI)🇪🇺 EU
| Modell | Vision | Reasoning | Tools | Kontext | Max. Output |
|---|---|---|---|---|---|
| Decision 1 | - | - | - | 33K | 1K |
| GPT 4.1 | ✓ | - | ✓ | 1M | 33K |
| GPT 4.1 Mini | ✓ | - | ✓ | 1M | 33K |
| GPT 4.1 Nano | ✓ | - | ✓ | 1M | 33K |
| GPT 4o Mini | ✓ | - | ✓ | 128K | 16K |
| GPT 5 | ✓ | ✓ | ✓ | 400K | 128K |
| GPT 5 Mini | - | ✓ | ✓ | 200K | 100K |
| GPT 5 Nano | - | ✓ | ✓ | 200K | 100K |
| GPT 5.1 | ✓ | ✓ | ✓ | 400K | 128K |
| GPT 5.2 | - | ✓ | ✓ | 400K | 128K |
| GPT 5.2 Codex | ✓ | ✓ | ✓ | 400K | 128K |
| GPT 5.3 Codex | ✓ | ✓ | ✓ | 400K | 128K |
| GPT 5.4 | ✓ | ✓ | ✓ | 1M | 128K |
| GPT 5.4 Mini | - | ✓ | ✓ | 400K | 128K |
| GPT 5.5 | ✓ | ✓ | ✓ | 1M | 128K |
| GPT 5.6 Luna | ✓ | ✓ | ✓ | 1M | 128K |
| GPT 5.6 Sol | ✓ | ✓ | ✓ | 1M | 128K |
| GPT 5.6 Terra | ✓ | ✓ | ✓ | 1M | 128K |
| GPT 6 Astra | ✓ | ✓ | ✓ | 1M | 128K |
| GPT 6 Luna | ✓ | ✓ | ✓ | 1M | 128K |
| GPT 6 Sol | ✓ | ✓ | ✓ | 1M | 128K |
| GPT 6.1 Sol | ✓ | ✓ | ✓ | 1M | 128K |
| o4 Mini | - | ✓ | ✓ | 200K | 100K |
Coding🇪🇺 EU
| Modell | Vision | Reasoning | Tools | Kontext | Max. Output |
|---|---|---|---|---|---|
| Gemini 2.5 Flash | ✓ | ✓ | ✓ | 1M | 66K |
| Gemini 2.5 Pro | ✓ | ✓ | ✓ | 1M | 66K |
Google Vertex AI🇪🇺 EU
| Modell | Vision | Reasoning | Tools | Kontext | Max. Output |
|---|---|---|---|---|---|
| Claude Fable 5 | ✓ | ✓ | ✓ | 1M | 128K |
| Claude Fable 5.1 | ✓ | ✓ | ✓ | 1M | 128K |
| Claude Haiku 4.5 | ✓ | ✓ | ✓ | 200K | 64K |
| Claude Haiku 5.5 | ✓ | ✓ | ✓ | 1M | 128K |
| Claude Opus 4 | ✓ | ✓ | ✓ | 200K | 32K |
| Claude Opus 4.1 | ✓ | ✓ | ✓ | 200K | 32K |
| Claude Opus 4.5 | ✓ | ✓ | ✓ | 200K | 64K |
| Claude Opus 4.6 | ✓ | ✓ | ✓ | 1M | 128K |
| Claude Opus 4.7 | ✓ | ✓ | ✓ | 1M | 128K |
| Claude Opus 4.8 | ✓ | ✓ | ✓ | 1M | 128K |
| Claude Opus 5 | ✓ | ✓ | ✓ | 1M | 128K |
| Claude Opus 5.5 | ✓ | ✓ | ✓ | 1M | 128K |
| Claude Sonnet 4 | ✓ | ✓ | ✓ | 1M | 64K |
| Claude Sonnet 4.5 | ✓ | ✓ | ✓ | 1M | 64K |
| Claude Sonnet 4.6 | ✓ | ✓ | ✓ | 1M | 128K |
| Claude Sonnet 5 | ✓ | ✓ | ✓ | 1M | 128K |
| Claude Sonnet 5.5 | ✓ | ✓ | ✓ | 1M | 128K |
| Deepseek V3.2 | - | ✓ | ✓ | 164K | 66K |
| Gemini 2.5 Flash | ✓ | ✓ | ✓ | 1M | 66K |
| Gemini 2.5 Flash Image | ✓ | ✓ | ✓ | 1M | 66K |
| Gemini 2.5 Flash Lite | ✓ | ✓ | ✓ | 1M | 66K |
| Gemini 2.5 Pro | ✓ | ✓ | ✓ | 1M | 66K |
| Gemini 3 Flash Preview | ✓ | ✓ | ✓ | 1M | 66K |
| Gemini 3 Flash Preview:Flex | ✓ | ✓ | ✓ | 1M | 66K |
| Gemini 3 Pro Image | ✓ | ✓ | ✓ | 1M | 33K |
| Gemini 3 Pro Image:Flex | ✓ | ✓ | ✓ | 1M | 33K |
| Gemini 3 Pro Preview | ✓ | ✓ | ✓ | 1M | 66K |
| Gemini 3.1 Flash Image | ✓ | ✓ | ✓ | 131K | 33K |
| Gemini 3.1 Flash Image:Flex | ✓ | ✓ | ✓ | 131K | 33K |
| Gemini 3.1 Flash Lite | ✓ | ✓ | ✓ | 1M | 66K |
| Gemini 3.1 Flash Lite:Flex | ✓ | ✓ | ✓ | 1M | 66K |
| Gemini 3.1 Pro Preview | ✓ | ✓ | ✓ | 1M | 66K |
| Gemini 3.1 Pro Preview:Flex | ✓ | ✓ | ✓ | 1M | 66K |
| Gemini 3.5 Flash | ✓ | ✓ | ✓ | 1M | 66K |
| Gemini 3.5 Flash Lite | ✓ | ✓ | ✓ | 1M | 66K |
| Gemini 3.5 Flash Lite:Flex | ✓ | ✓ | ✓ | 1M | 66K |
| Gemini 3.5 Flash:Flex | ✓ | ✓ | ✓ | 1M | 66K |
| Gemini 3.6 Flash | ✓ | ✓ | ✓ | 1M | 66K |
| Gemini 3.6 Flash:Flex | ✓ | ✓ | ✓ | 1M | 66K |
| Gemini 3.7 Flash | ✓ | ✓ | ✓ | 1M | 66K |
| Gemini 3.8 Flash | ✓ | ✓ | ✓ | 1M | 66K |
| Gemini 4 Argon | ✓ | ✓ | ✓ | 1M | 66K |
| Kimi K2 | - | ✓ | ✓ | 262K | 262K |
Inceptron🇪🇺 EU
| Modell | Vision | Reasoning | Tools | Kontext | Max. Output |
|---|---|---|---|---|---|
| GLM 5.2 | - | ✓ | ✓ | 1M | 1M |
| Kimi K2.6 | ✓ | ✓ | ✓ | 262K | 262K |
| Kimi K2.7 Code | ✓ | ✓ | ✓ | 256K | 256K |
| MiniMax M2.5 | - | ✓ | ✓ | 197K | 197K |
Lyceum🇪🇺 EU
| Modell | Vision | Reasoning | Tools | Kontext | Max. Output |
|---|---|---|---|---|---|
| Deepseek V4 Flash 0731 | - | ✓ | ✓ | 1M | 66K |
| Deepseek V4 Pro | - | ✓ | ✓ | 1M | 66K |
| Deepseek V4.1 Flash | ✓ | ✓ | ✓ | 1M | 66K |
| GLM 5.3 | - | ✓ | ✓ | 1M | 66K |
| GLM 5.3 Flash | ✓ | ✓ | ✓ | 1M | 66K |
| Kimi K3 | ✓ | ✓ | ✓ | 1M | 66K |
Melious🇪🇺 EU
| Modell | Vision | Reasoning | Tools | Kontext | Max. Output |
|---|---|---|---|---|---|
| Deepseek V4 Flash 0731 | - | ✓ | ✓ | 1M | 384K |
| Deepseek V4.1 Flash | ✓ | ✓ | ✓ | 1M | 384K |
| GLM 5.3 | - | ✓ | ✓ | 1M | 131K |
| GLM 5.3 Flash | ✓ | ✓ | ✓ | 1M | 131K |
Mistral AI🇪🇺 EU
| Modell | Vision | Reasoning | Tools | Kontext | Max. Output |
|---|---|---|---|---|---|
| Codestral Latest | - | - | ✓ | 131K | – |
| Devstral Latest | - | - | ✓ | 256K | – |
| Devstral Small Latest | - | - | ✓ | 131K | – |
| GLM 5.2 | - | ✓ | ✓ | 1M | 128K |
| GLM 5.3 | - | ✓ | ✓ | 1M | 128K |
| Leanstral 1.5 | - | - | ✓ | 262K | 33K |
| Mistral Large 4 | ✓ | ✓ | ✓ | 524K | – |
| Mistral Large Latest | - | - | ✓ | 131K | – |
| Mistral Medium 3.5 | ✓ | ✓ | ✓ | 262K | – |
| Mistral Medium Latest | - | - | ✓ | 131K | – |
| Mistral Small 2503 | - | - | ✓ | 33K | – |
| Mistral Small 2603 | ✓ | ✓ | ✓ | 256K | – |
| Mistral Small Latest | ✓ | ✓ | ✓ | 256K | – |
| Open Mistral 7b | - | - | ✓ | 33K | – |
Nebius (Open Source)🇪🇺 EU · Open Source
| Modell | Vision | Reasoning | Tools | Kontext | Max. Output |
|---|---|---|---|---|---|
| GLM 5.2 | - | ✓ | ✓ | 1M | 131K |
| Google/Gemma 3.27b It | - | ✓ | ✓ | 128K | 8K |
| Kimi K3 | - | ✓ | ✓ | 1M | 131K |
| Meta LLaMA/LLaMA 3.3.70B Instruct | - | - | ✓ | 128K | – |
| Nousresearch/Hermes 4.405b | - | ✓ | ✓ | 128K | – |
| Nousresearch/Hermes 4.70b | - | ✓ | ✓ | 128K | – |
| Nvidia/Nemotron 3 Nano Omni | - | ✓ | ✓ | 300K | – |
| Openai/GPT Oss 120b | - | ✓ | ✓ | 131K | 128K |
| Qwen/Qwen3 Next 80b A3b Thinking | - | ✓ | ✓ | 128K | – |
| Qwen/Qwen3.235b A22b Instruct 2507 | - | ✓ | ✓ | 128K | – |
| Qwen/Qwen3.30b A3b Instruct 2507 | - | ✓ | ✓ | 128K | – |
| Qwen/Qwen3.32b | - | ✓ | ✓ | 128K | – |
| Zai Org/GLM 5.1 | - | ✓ | ✓ | 200K | – |
OpenAIEU
| Modell | Vision | Reasoning | Tools | Kontext | Max. Output |
|---|---|---|---|---|---|
| GPT 5.2 | ✓ | ✓ | ✓ | 400K | 128K |
Scaleway🇪🇺 EU
| Modell | Vision | Reasoning | Tools | Kontext | Max. Output |
|---|---|---|---|---|---|
| Deepseek V4 Flash 0731 | - | ✓ | ✓ | 256K | 33K |
| GLM 5.2 | - | ✓ | ✓ | 256K | 33K |
| GPT Oss 120b | - | ✓ | ✓ | 128K | 33K |
Sference🇪🇺 EU
| Modell | Vision | Reasoning | Tools | Kontext | Max. Output |
|---|---|---|---|---|---|
| Clef | ✓ | - | - | 66K | – |
| Deepseek V4 Flash 0731 | - | ✓ | ✓ | 1M | 131K |
| Deepseek V4.1 Flash | ✓ | ✓ | ✓ | 1M | 393K |
| GLM 5.2 | - | ✓ | ✓ | 1M | 131K |
| GLM 5.3 | - | ✓ | ✓ | 1M | 1M |
| GLM 5.3 Flash | ✓ | ✓ | ✓ | 1M | 262K |
| Kimi K3 | - | ✓ | ✓ | 1M | 262K |
TensorX🇪🇺 EU
| Modell | Vision | Reasoning | Tools | Kontext | Max. Output |
|---|---|---|---|---|---|
| Deepseek V4 Flash 0731 | - | ✓ | ✓ | 1M | 1M |
| Deepseek V4 Pro 0424 | - | ✓ | ✓ | 1M | 1M |
| Deepseek V4 Pro 0813 | - | ✓ | ✓ | 1M | 1M |
| Deepseek V4.1 Flash | ✓ | ✓ | ✓ | 1M | 393K |
| GLM 5.2 | - | ✓ | ✓ | 1M | 1M |
| GLM 5.3 | ✓ | ✓ | ✓ | 1M | 1M |
| GLM 5.3 Flash | - | - | - | 1M | 1M |
| Kimi K2.7 Code | ✓ | ✓ | ✓ | 262K | 262K |
| Kimi K3 | ✓ | ✓ | ✓ | 1M | 262K |
| MiniMax M3 | ✓ | ✓ | ✓ | 1M | 1M |
| Qwen3.8 | ✓ | ✓ | ✓ | 1M | 262K |
| Qwen3.8 Flash Next | ✓ | ✓ | ✓ | 262K | 262K |
| Qwen3.8.2.4t A95b | ✓ | ✓ | ✓ | 1M | 262K |
Typesafe🇪🇺 EU
| Modell | Vision | Reasoning | Tools | Kontext | Max. Output |
|---|---|---|---|---|---|
| Jev 1.13.0 | - | - | - | 64K | 1K |
Begriffe
EU / Souveräne Cloud Das Modell läuft in einer EU-Region bzw. in einer klar abgegrenzten Cloud-Umgebung (z. B. EU-Region eines Hyperscalers oder dediziertes EU-Hosting). Relevant für Datenschutz- und Compliance-Anforderungen.
Open Source Das Modell ist (nach Herstellerangaben) offen verfügbar/lizenzierbar und kann grundsätzlich auch selbst betrieben werden. Proprietäre Modelle sind typischerweise nur als Service nutzbar.
Vision Das Modell kann Bilder und Screenshots verarbeiten und analysieren.
Reasoning Das Modell verfügt über erweiterte Denkschritte (Chain-of-Thought / Reasoning-Modus) für komplexe Aufgaben.
Tools Das Modell unterstützt Funktionsaufrufe (Tool Calling / Function Calling), z. B. für MCP-Integrationen.
Kontext / Max. Output Gibt an, wie viel Text das Modell gleichzeitig verarbeiten bzw. ausgeben kann. K = Tausend Tokens, M = Million Tokens.
Modelle automatisch abgerufen am 17. Oktober 2026. Aktuell verfügbare Modelle können je nach Workspace, Rolle oder Vertrag variieren.