Neue KI-Modelle: Welches Werkzeug passt zu deiner Aufgabe?

Neue Modelle von Google, Cognition, Cohere und Sakana AI verschärfen den Preis-Leistungs-Wettbewerb bei Künstlicher Intelligenz (KI). Für dich wird die Auswahl dadurch nicht einfacher: Das günstigste Modell ist nicht automatisch das beste, und ein Spitzenmodell für Programmierung kann bei Übersetzungen oder Verkaufsprognosen die falsche Wahl sein. Entscheidend ist deshalb, welche Aufgabe du lösen willst und wie verlässlich das Ergebnis sein muss.

Was verändert sich im Modellmarkt?

Google positioniert Gemini 3.8 Flash als schnelles Modell für Programmierung, KI-Agenten und komplexe Schlussfolgerungen. Ein KI-Agent ist dabei ein System, das mehrere Arbeitsschritte möglichst selbstständig ausführt, während Schlussfolgern oder Reasoning die Bearbeitung mehrstufiger Probleme bezeichnet. Laut dem Bericht über Gemini 3.8 Flash soll das Modell die Lücke zu Anthropics Mythos 5.1 und Fable 5.1 schliessen und etwa die Hälfte kosten.

Die absolute Preisstruktur nennt die vorliegende Meldung allerdings nicht. Du kannst daraus also keine vollständige Monatsrechnung ableiten, sondern nur Googles relative Positionierung gegenüber Anthropic. Zudem handelt es sich bereits um den dritten Flash-Release innerhalb weniger Wochen; Gemini 3.7 Flash war laut Bericht erst drei Wochen zuvor erschienen. Das zeigt, wie schnell Anbieter ihre Produktlinien austauschen oder neu staffeln.

Google veröffentlicht ausserdem Gemini 3.8 Flash Cyber, das gezielt auf die Suche und Behebung von Software-Schwachstellen trainiert wurde. Parallel startete das Unternehmen das Fairwind Program, eine Sicherheitsinitiative für ausgewählte Partnerunternehmen. Für gewöhnliche Chat-, Schreib- oder Übersetzungsaufgaben ist die Cyber-Variante damit nicht automatisch besser; ihre Spezialisierung richtet sich an einen klar abgegrenzten Einsatz.

Auch Cognition drückt beim Preis für Programmiermodelle. Das Unternehmen hinter dem Programmieragenten Devin gibt an, dass SWE-2 im Test FrontierCode 1.1 Main einen Wert von 50,0 Prozent erreiche, weniger als einen Punkt hinter Fable 5.1, aber bei 64 Prozent niedrigeren Kosten. Diese Leistungs- und Kostenangaben zu SWE-2 stammen vom Anbieter und sind in der gelieferten Kurzfassung nicht unabhängig geprüft.

Welches Modell passt zu welcher Aufgabe?

Für Programmierung und agentische Abläufe sind Gemini 3.8 Flash, SWE-2 und die Fugu-Modelle die naheliegenden Kandidaten. Ein praktischer Fall wäre ein Programmierauftrag, bei dem ein Modell nicht nur Code vorschlägt, sondern mehrere Arbeitsschritte innerhalb einer Aufgabe koordiniert. Der allgemeine Grundsatz bleibt: Ein schnelles Chatmodell kann bei komplexen Aufgaben schwächer abschneiden als ein spezialisiertes Reasoning-Modell, wie auch der Ratgeber zur Modellwahl festhält.

Sakana AI geht mit Fugu Max und Fugu Ultra v2 einen anderen Weg. Beide beruhen auf einer erlernten Multi-Agenten-Orchestrierung, also einer Steuerung, die Aufgaben zwischen mehreren Modellen verteilt. Fugu Max leitet einzelne Arbeiten an schlanke offene oder spezialisierte Modelle weiter, darunter NVIDIA Nemotron; die veröffentlichten Preise liegen bei 2 beziehungsweise 6 US-Dollar pro Million Token, wobei Token kleine Einheiten eines Textes sind.

Fugu Ultra v2 ist dagegen auf möglichst hohe Leistung ausgerichtet. Sakana AI nennt Werte von 48,3 bei Chartography und 74,3 bei DeepSWE. Die Angaben zu Fugu Max und Fugu Ultra v2 enthalten jedoch keine vollständige Kostenrechnung für reale Arbeitsabläufe; auch die genannten Testergebnisse sind laut Anbieter zu verstehen.

Für maschinelle Übersetzung ist Cohere North Small Translate der klarste Spezialist in dieser Auswahl. Das Modell deckt laut Anbieter 50 Sprachen ab und erreicht in Coheres eigener WMT26-Auswertung 83,6 Punkte. Es ist ein Mixture-of-Experts-Modell, bei dem pro Eingabe nur ein Teil spezialisierter Modellbereiche aktiv wird: Von insgesamt 218 Milliarden Parametern, also den gelernten Einstellwerten des Modells, werden pro Token 25 Milliarden verwendet.

Die Gewichte von North Small Translate sind für nicht kommerzielle Nutzung kostenlos erhältlich. Kommerzieller Zugang läuft über Cohere Model Vault oder RWS Language Weaver; konkrete Preise nennt die Kurzfassung nicht. Für ein Unternehmen, das Produktbeschreibungen oder interne Unterlagen mehrsprachig aufbereitet, kann die Spezialisierung sinnvoller sein als ein allgemeiner Chatbot. Welche 50 Sprachen unterstützt werden und wie gut einzelne Sprachpaare funktionieren, geht aus den veröffentlichten Angaben zu North Small Translate aber nicht hervor.

Für Prognosen aus zeitlich geordneten Messwerten bietet Google TimesFM-3 an. Solche Zeitreihen können tägliche Verkaufszahlen, Wetterangaben oder Kundenfrequenzen sein. Das Modell berücksichtigt zudem bekannte künftige Ereignisse wie Feiertage, Wetterprognosen und geplante Rabattaktionen und gibt für jeden Zeitpunkt neun Werte aus, um die Unsicherheit der Prognose abzubilden.

Googles Beispiel ist eine Einzelhandelskette, die den Eiscremeverkauf anhand früherer Verkäufe, Eiswaffeln, Sirup, Kundenandrang, Wetter und Aktionen abschätzen will. TimesFM-3 verarbeitet laut Google mehr als eine Messgrösse gleichzeitig und benötigt für eine neue Aufgabe kein zusätzliches Training; dieses Vorgehen wird als Zero-Shot bezeichnet. Das Porträt von TimesFM-3 nennt 330 Millionen Parameter und Trainingsdaten aus mehr als einer Billion echten und künstlich erzeugten Messpunkten.

Wie vergleichst du Preis und Leistung?

Modellvergleiche werden schnell schief, wenn Preis, Testergebnis und Aufgabe vermischt werden. Ein günstiger Preis pro Million Token sagt wenig darüber aus, wie viele Versuche du für ein brauchbares Resultat benötigst. Ebenso beweist ein hoher Wert in einem einzelnen Test nicht, dass das Modell deine Sprache, deine Daten oder deinen Arbeitsablauf zuverlässig beherrscht.

Schritt 1: Aufgabe und Qualitätsgrenze festlegen

1. Beschreibe eine konkrete Aufgabe, etwa die Übersetzung einer Produktbeschreibung, das Zusammenfassen eines Forschungsartikels, die Bearbeitung eines Programmierauftrags oder die Prognose von Verkaufszahlen.
2. Lege fest, welche Fehler du tolerieren kannst und wann eine menschliche Kontrolle zwingend ist.

Schritt 2: Vergleichbare Kosten erfassen

1. Notiere neben dem Listenpreis auch die benötigte Textmenge, wiederholte Versuche und allfällige Zugangsbedingungen.
2. Trenne kostenlose nicht kommerzielle Nutzung von kommerziellen Angeboten und behandle relative Aussagen wie «64 Prozent günstiger» nicht als vollständige Rechnung.

Schritt 3: Mit eigenen Beispielen testen

1. Nutze für alle Kandidaten dieselben Eingaben und bewerte Ergebnisqualität, Geschwindigkeit und notwendige Nacharbeit.
2. Prüfe bei Übersetzungen einzelne Sprachpaare, bei Prognosen die ausgewiesene Unsicherheit und bei Agenten, ob Zwischenschritte kontrollierbar bleiben.

Dieser kleine Praxistest ist aussagekräftiger als eine Bestenliste allein. Die Quellen verwenden unterschiedliche Messgrössen wie FrontierCode, WMT26, Chartography und DeepSWE, die nicht direkt miteinander vergleichbar sind. Zudem stammen mehrere Resultate aus Anbieterangaben oder anbietereigenen Auswertungen.

Pro und Kontra spezialisierter KI-Modelle

Pro:

• Passendere Fähigkeiten – Übersetzungs-, Prognose- und Programmiermodelle sind auf enger umrissene Aufgaben zugeschnitten.
• Mehr Preisoptionen – Google, Cognition und Sakana AI stellen günstigere Leistung ausdrücklich ins Zentrum ihrer Angebote.
• Gezieltere Modellauswahl – Orchestrierung kann einfache Arbeiten an schlanke Modelle und anspruchsvollere Aufgaben an stärkere Systeme leiten.
• Bessere Unsicherheitsdarstellung – TimesFM-3 liefert für Prognosen eine Bandbreite statt nur eines scheinbar exakten Einzelwerts.

Kontra:

• Schwer vergleichbare Tests – Unterschiedliche Benchmarks, also standardisierte Leistungstests, messen verschiedene Fähigkeiten.
• Unvollständige Preisangaben – Relative Rabatte oder Tokenpreise bilden Zugangsgebühren, Wiederholungen und Nacharbeit nicht vollständig ab.
• Anbieterabhängige Aussagen – Mehrere Leistungswerte wurden von den jeweiligen Unternehmen gemeldet und sind nicht unabhängig bestätigt.
• Mehr Auswahlaufwand – Für Übersetzung, Coding, Prognosen und Agenten können jeweils andere Werkzeuge nötig werden.

Was bedeutet das für deine Praxis und die Schweiz?

Wenn du einsteigst, beginne mit einer häufigen und gut überprüfbaren Aufgabe. Du kannst beispielsweise denselben kurzen Text mit deinem bisherigen allgemeinen Chatmodell und einem Übersetzungsmodell bearbeiten oder einen vorhandenen Datensatz mit bekannten Ergebnissen für einen Prognosetest verwenden. So erkennst du einen Qualitätsgewinn, ohne gleich einen ganzen Arbeitsablauf umzustellen.

Wenn du fortgeschritten bist, lohnt sich ein kleines Bewertungsset aus wiederkehrenden realen Aufgaben. Erfasse dabei nicht nur Antwortqualität und Tokenpreis, sondern auch Korrekturzeit, Fehlversuche und die Kontrolle von Agentenschritten. Bei Prognosen solltest du zudem prüfen, ob die ausgegebene Bandbreite plausibel ist, statt nur den mittleren Wert zu übernehmen.

Für die mehrsprachige Schweiz ist ein Modell mit 50 Sprachen grundsätzlich interessant, besonders für Produktinformationen, interne Dokumente oder Kundentexte. Die bereitgestellte Quelle zu North Small Translate listet die einzelnen Sprachen jedoch nicht auf; daraus lässt sich weder die Unterstützung aller Schweizer Landessprachen noch deren Qualität ableiten. Auch zu Datenstandorten, Datenschutzbedingungen und einer allgemeinen Verfügbarkeit in der Schweiz machen die sechs Quellen keine Angaben.

Ähnlich offen bleibt, wie sich die Modelle in Bildung und kleineren Betrieben einsetzen lassen. Kostenlose Gewichte für nicht kommerzielle Übersetzung können für Versuche attraktiv sein, bedeuten aber nicht automatisch einen unkomplizierten kommerziellen Betrieb. Bei vertraulichen Texten, Quellcode oder Verkaufsdaten muss deshalb vor einer Nutzung geklärt werden, welche Zugangs- und Datenbedingungen tatsächlich gelten.

Der aktuelle Wettbewerb bringt mehr spezialisierte Leistung und sichtbareren Preisdruck, aber keine einfache Rangliste. Gemini 3.8 Flash und SWE-2 zielen auf Programmierung, Fugu auf die Verteilung komplexer Aufgaben, North Small Translate auf Übersetzung und TimesFM-3 auf Prognosen. Das grösste offene Risiko bleibt die begrenzte Vergleichbarkeit von Anbieterbenchmarks, tatsächlichen Gesamtkosten und Resultaten unter deinen eigenen Bedingungen.

Quellen

• Google gegen Anthropic: Gemini 3.8 Flash schliesst Lücke – für die Hälfte des Preises – t3n, 2026-09-12
• Cognition Releases SWE-2: A Kimi K3 Post-Trained Coding Model That Matches Fable 5.1 on FrontierCode at 64% Lower Cost – MarkTechPost, 2026-09-12
• Googles neues KI-Modell sagt die Zukunft aus Verkaufszahlen, Wetter und Rabattplänen vorher – THE DECODER, 2026-09-12
• Cohere Releases North Small Translate: A 218B MoE Translation Model That Scores 83.6 on WMT26 Across 50 Languages – MarkTechPost, 2026-09-11
• Sakana AI Launches Fugu Max and Fugu Ultra v2 for Cheaper, Stronger Multi-Agent Orchestration – MarkTechPost, 2026-09-11
• Welches KI-Modell passt am besten zu deinen Anforderungen? So findest du es heraus – t3n, 2026-09-11

Bild: Google DeepMind via Pexels